公开(公告)号：CN116504395B

公开(公告)日：2023-10-27

申请号：CN202310741625.2

申请日：2023-06-21

Applicant: 广东省人民医院 ,  郑州大学第一附属医院

Inventor： 高景宏 ,  王成增 ,  陈媛琪 ,  李丽萍 ,  付航 ,  蒋帅 ,  刘福荣 ,  黄佳钰

IPC: G16H50/20 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于人工智能的骨质疏松预测方法、系统及存储介质，所述方法包括采用第一全局样本集对全局模型进行初步训练，将初步训练后的全局模型发送给医疗机构，同时将第一全局样本集中样本中所在区域和医疗机构所在区域相同或相近的样本发送给医疗机构；医疗机构利用由第二全局样本集和个性化样本集组成的多个batch，并根据batch中全局样本的占比确定学习率对全局模型进行个性化训练，得到个性化模型；获取患者的信息，将患者信息输入到个性化模型中得到预测结果，并计算可信度，将可信度和预测结果作为最终结果。本发明不仅能保护医疗机构的数据，而且能够有地域性的对骨质疏松进行预测，提高了预测的准确性。

公开(公告)号：CN118782236B

公开(公告)日：2024-12-31

申请号：CN202411264173.4

申请日：2024-09-10

Applicant: 汕头大学医学院 ,  郑州大学第一附属医院

Inventor： 高景宏 ,  王成增 ,  李丽萍 ,  石晓博 ,  蒋帅 ,  付航 ,  肖哲虹 ,  潘毅梅

IPC: G16H50/20 ,  G16H10/60 ,  G16H50/70 ,  G06N20/00 ,  G06F17/18

Abstract: 本发明提供一种基于大数据的门诊辅助检查分析方法及系统，属于信息分析领域；解决了门诊速度慢的问题；具体如下：步骤S1：获取历史病历和居民总数，计算每个病症的综合发病率系数组；步骤S2：获取医师信息，结合历史病历判断不同病症的病理分类以及不同病症间的诱发关系，并构建病症诊断模型；步骤S3：获取患者的判断参数；将判断参数输入病症诊断模型中，读取模型输出的判定病症、待定治疗时间和判定诱发症，作为初诊报告；步骤S4：汇总初诊报告，并反馈；本发明通过对目标医院的历史数据进行数据挖掘和数据归纳，确定不同病症的发病率和诱发关系，再利用机器学习判断患者病症；提高门诊的效率和速度。

公开(公告)号：CN120015277A

公开(公告)日：2025-05-16

申请号：CN202411864546.1

申请日：2024-12-18

Applicant: 郑州大学第一附属医院

Inventor： 蒋帅 ,  王成增 ,  段彦然 ,  路薇 ,  付航 ,  张亚丰 ,  单怡凡 ,  高景宏 ,  王素凡

IPC: G16H40/67 ,  G16H50/70 ,  G06F18/213 ,  G06F18/24 ,  G06F18/25

Abstract: 本申请提供了一种基于AI大模型的远程医疗辅助决策方法及系统，方法包括：获取第一数据结果和第二数据结果；基于联合潜变量模型获取第一数据结果和第二数据结果的差异性，将第一数据结果和第二数据结果的差异性作为第三数据结果；基于AI大模型对第一数据结果、第二数据结果及第三数据结果进行综合分析，获取产生第三数据结果的影响因素，作为第四数据结果；基于分类等级，获取患者当前所处的状态信息值；基于状态信息值及第四数据结果获取患者的状态区间，基于患者不同的状态区间则启用不同的远程医疗辅助决策，本申请通过远程医疗辅助，无需患者和医生亲临医院或诊所，可以实现医疗资源的有效利用和提高医疗服务的覆盖范围。

公开(公告)号：CN118782236A

公开(公告)日：2024-10-15

申请号：CN202411264173.4

申请日：2024-09-10

Applicant: 汕头大学医学院 ,  郑州大学第一附属医院

Inventor： 高景宏 ,  王成增 ,  李丽萍 ,  石晓博 ,  蒋帅 ,  付航 ,  肖哲虹 ,  潘毅梅

IPC: G16H50/20 ,  G16H10/60 ,  G16H50/70 ,  G06N20/00 ,  G06F17/18

Abstract: 本发明提供一种基于大数据的门诊辅助检查分析方法及系统，属于信息分析领域；解决了门诊速度慢的问题；具体如下：步骤S1：获取历史病历和居民总数，计算每个病症的综合发病率系数组；步骤S2：获取医师信息，结合历史病历判断不同病症的病理分类以及不同病症间的诱发关系，并构建病症诊断模型；步骤S3：获取患者的判断参数；将判断参数输入病症诊断模型中，读取模型输出的判定病症、待定治疗时间和判定诱发症，作为初诊报告；步骤S4：汇总初诊报告，并反馈；本发明通过对目标医院的历史数据进行数据挖掘和数据归纳，确定不同病症的发病率和诱发关系，再利用机器学习判断患者病症；提高门诊的效率和速度。

公开(公告)号：CN116504395A

公开(公告)日：2023-07-28

申请号：CN202310741625.2

申请日：2023-06-21

Applicant: 广东省人民医院 ,  郑州大学第一附属医院

Inventor： 高景宏 ,  王成增 ,  陈媛琪 ,  李丽萍 ,  付航 ,  蒋帅 ,  刘福荣 ,  黄佳钰

IPC: G16H50/20 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于人工智能的骨质疏松预测方法、系统及存储介质，所述方法包括采用第一全局样本集对全局模型进行初步训练，将初步训练后的全局模型发送给医疗机构，同时将第一全局样本集中样本中所在区域和医疗机构所在区域相同或相近的样本发送给医疗机构；医疗机构利用由第二全局样本集和个性化样本集组成的多个batch，并根据batch中全局样本的占比确定学习率对全局模型进行个性化训练，得到个性化模型；获取患者的信息，将患者信息输入到个性化模型中得到预测结果，并计算可信度，将可信度和预测结果作为最终结果。本发明不仅能保护医疗机构的数据，而且能够有地域性的对骨质疏松进行预测，提高了预测的准确性。