-
公开(公告)号：CN114155965A
公开(公告)日：2022-03-08
申请号：CN202111516957.8
申请日：2021-12-13
Applicant: 首都医科大学附属北京安贞医院 , 北京邮电大学
Abstract: 一种基于人机交互的高血压慢病管理智能服务系统，主要包括信息输入层、数据处理层、数据存储层和信息反馈层，当数据流进入后，依次经过上述四个模块层处理，其特征在于：信息输入层，用于对语音和文字数据处理，形成系统可以识别使用的粗数据；数据处理层，对粗数据进行加工处理，并能将加工处理的结果反馈给信息输入层和数据存储层；数据存储层，上述两层形成的数据进行保存；信息反馈层，用于将数据反馈给用户验证下载或提供给相关机构验证交流。有益效果是：通过人机对话系统引导患者录入病历信息并评估其心血管风险水平，不仅提高了用户看病的效率，还保障了信息收集的质量，有效辅助医生进行精准决策。
-
公开(公告)号：CN112199477A
公开(公告)日：2021-01-08
申请号：CN202010923864.6
申请日：2020-09-04
Applicant: 北京邮电大学
IPC: G06F16/332 , G06F16/33 , G06F40/284 , G06F40/30
Abstract: 本申请公开了一种对话管理方案和对话管理语料的构建方法，其中，方法包括：根据对话场景、定义意图、词槽和/或动作构建基于规则的对话流树；遍历对话流树，转化成对话管理训练语料的格式，以构建与对话流树能力相适应的对话管理模型；在开发阶段，通过与用户模拟器或人工智能训练师进行交互，并在人机对话体验达到预设效果后，通过上线运行收集用户的真实交互数据，并且引入用户的反馈，持续不断地迭代增强对话管理模型，以实现对话管理。本申请实施例的对话管理方案和对话管理语料的构建方法，采用对话流的开发模式相比于相关技术中的纯技能开发模式具有设计思路更清晰、表达更直观、开发更高效等特点，从而既能作为融入专家知识的规则，又能够解决对话管理语料生成或构造困难的问题。
-
公开(公告)号：CN110993064B
公开(公告)日：2023-03-21
申请号：CN201911070252.0
申请日：2019-11-05
Applicant: 北京邮电大学
IPC: G16H30/20 , G06V10/26 , G06V10/764
Abstract: 本发明公开了一种面向深度学习的医学影像标注方法及装置，其中，方法包括以下步骤：对输入的影像诊断报告、电子病历信息与医学影像进行预处理，生成包含医学影像与抽取出的相关诊断信息的数据；基于深度学习对医学影像进行预标注，其中，基于图像语义分割技术对影像进行分割，得到各个病变区域的边界范围，对影像实现像素级分割标注，并基于图像分类技术结合影像相关诊断信息对影像所属的疾病类型进行分类标注；将预标注后的影像及相关诊断信息通过界面展示，以接收交互式指令，供医生对预标注影像结果进行微调，并导出标注结果。该方法不仅提升了标注效率，同时保证了标注精度。
-
公开(公告)号：CN110991486B
公开(公告)日：2023-12-29
申请号：CN201911082512.6
申请日：2019-11-07
Applicant: 北京邮电大学
IPC: G06V10/776 , G06V10/764 , G06V10/26 , G06Q10/0639 , G06Q10/101
Abstract: 本发明公开了一种多人协作图像标注质量控制的方法和装置，其中，方法包括：在标注包中按预设的比例投入金标准数据，以验证标注用户针对任一标注包的标注质量，通过验证的标注包数据暂定为合格，执行下一步骤，未通过的数据包将被重新打散，重新分配给用户进行标注；将一份图像分发给多位用户，收集多位用户对图像的标注结果，获取重复标签后，得到真实标签；以数据包或者用户为单位进行随机抽检，评价标注质量；将使用金标准推算的用户准确率反馈给用户，并将金标准中以及人工抽检出的错误数据及其对应的正确答案反馈给标注用户，以使标注用户接收再训练。该方法不仅可以保证标注质量，而且可以获取正确标注结果，简单易实现。
-
Patent Agency Ranking
公开(公告)号：CN113011485B
公开(公告)日：2023-04-07
申请号：CN202110270878.7
申请日：2021-03-12
Applicant: 北京邮电大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084 , G06T7/00
Abstract: 本申请提出一种多模态多病种长尾分布下眼科疾病分类模型训练及其识别方法和装置，涉及深度学习技术领域，其中，方法包括：获取双模态影像样本，对双模态影像样本进行标注诊断标签；将红外黄斑区眼底影像样本和OCT影像样本分别同时输入第一神经网络进行训练获取第一图像特征信息和第二图像特征信息；根据第一图像特征信息和第一权重、第二图像特征信息和第二权重计算总图像特征信息输入全连接网络获取预测结果；通过反向传播技术不断调整神经网络参数，直到误差值维持在预设阈值，生成眼科疾病分类模型。由此，通过双路卷积神经网络模型学习两种模态影像特征得到与临床诊断流程相似的深度学习模型。
-
公开(公告)号：CN112199477B
公开(公告)日：2023-03-14
申请号：CN202010923864.6
申请日：2020-09-04
Applicant: 北京邮电大学
IPC: G06F16/332 , G06F16/33 , G06F40/284 , G06F40/30
Abstract: 本申请公开了一种对话管理方案和对话管理语料的构建方法，其中，方法包括：根据对话场景、定义意图、词槽和/或动作构建基于规则的对话流树；遍历对话流树，转化成对话管理训练语料的格式，以构建与对话流树能力相适应的对话管理模型；在开发阶段，通过与用户模拟器或人工智能训练师进行交互，并在人机对话体验达到预设效果后，通过上线运行收集用户的真实交互数据，并且引入用户的反馈，持续不断地迭代增强对话管理模型，以实现对话管理。本申请实施例的对话管理方案和对话管理语料的构建方法，采用对话流的开发模式相比于相关技术中的纯技能开发模式具有设计思路更清晰、表达更直观、开发更高效等特点，从而既能作为融入专家知识的规则，又能够解决对话管理语料生成或构造困难的问题。
-
公开(公告)号：CN113011485A
公开(公告)日：2021-06-22
申请号：CN202110270878.7
申请日：2021-03-12
Applicant: 北京邮电大学
Abstract: 本申请提出一种多模态多病种长尾分布下眼科疾病分类模型训练及其识别方法和装置，涉及深度学习技术领域，其中，方法包括：获取双模态影像样本，对双模态影像样本进行标注诊断标签；将红外黄斑区眼底影像样本和OCT影像样本分别同时输入第一神经网络进行训练获取第一图像特征信息和第二图像特征信息；根据第一图像特征信息和第一权重、第二图像特征信息和第二权重计算总图像特征信息输入全连接网络获取预测结果；通过反向传播技术不断调整神经网络参数，直到误差值维持在预设阈值，生成眼科疾病分类模型。由此，通过双路卷积神经网络模型学习两种模态影像特征得到与临床诊断流程相似的深度学习模型。
-
公开(公告)号：CN110993064A
公开(公告)日：2020-04-10
申请号：CN201911070252.0
申请日：2019-11-05
Applicant: 北京邮电大学
Abstract: 本发明公开了一种面向深度学习的医学影像标注方法及装置，其中，方法包括以下步骤：对输入的影像诊断报告、电子病历信息与医学影像进行预处理，生成包含医学影像与抽取出的相关诊断信息的数据；基于深度学习对医学影像进行预标注，其中，基于图像语义分割技术对影像进行分割，得到各个病变区域的边界范围，对影像实现像素级分割标注，并基于图像分类技术结合影像相关诊断信息对影像所属的疾病类型进行分类标注；将预标注后的影像及相关诊断信息通过界面展示，以接收交互式指令，供医生对预标注影像结果进行微调，并导出标注结果。该方法不仅提升了标注效率，同时保证了标注精度。
-
公开(公告)号：CN110991486A
公开(公告)日：2020-04-10
申请号：CN201911082512.6
申请日：2019-11-07
Applicant: 北京邮电大学
Abstract: 本发明公开了一种多人协作图像标注质量控制的方法和装置，其中，方法包括：在标注包中按预设的比例投入金标准数据，以验证标注用户针对任一标注包的标注质量，通过验证的标注包数据暂定为合格，执行下一步骤，未通过的数据包将被重新打散，重新分配给用户进行标注；将一份图像分发给多位用户，收集多位用户对图像的标注结果，获取重复标签后，得到真实标签；以数据包或者用户为单位进行随机抽检，评价标注质量；将使用金标准推算的用户准确率反馈给用户，并将金标准中以及人工抽检出的错误数据及其对应的正确答案反馈给标注用户，以使标注用户接收再训练。该方法不仅可以保证标注质量，而且可以获取正确标注结果，简单易实现。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.036 seconds)
