从个体内时间方差异方差性发展健康信息特征提取

    公开(公告)号:CN106030592B

    公开(公告)日:2019-06-14

    申请号:CN201580009393.5

    申请日:2015-02-10

    IPC分类号: G16H50/30

    CPC分类号: G16H50/30 G16H50/50 G16H50/70

    摘要: 方法、系统和/或计算机程序产品自动提取和选择指示健康护理中的个体后果和个性化计划选择的方差相关特征的最优集合。产生包含时间异方差性特征的候选方差相关病人特征的提取集合。通过识别各病人特征的方差和异方差性被最大化的时间周期,优化来自候选方差相关病人特征的提取集合的各病人特征,其中,该优化产生来自各病人特征的方差和异方差性被最大化的时间周期的方差相关病人特征的最优提取集合。然后对当前病人使用方差相关病人特征的最优提取集合,以预测特定后果和/或产生个性化健康护理治疗计划。

    一种患者急救信息管理方法
    2.
    发明公开

    公开(公告)号:CN109686451A

    公开(公告)日:2019-04-26

    申请号:CN201811474866.0

    申请日:2018-12-04

    发明人: 姜保国

    IPC分类号: G16H50/70 G16H50/50 G16H50/20

    CPC分类号: G16H50/70 G16H50/20 G16H50/50

    摘要: 本发明提供了一种患者急救信息管理方法,包括:临床创伤数据库接收来自于便携式指令终端的创伤数据;对所述临床创伤数据库中的创伤数据进行分析和建模;根据所述分析和建模模块的分析结果提供辅助决策信息;根据所述辅助决策信息确定是否进行手术治疗,并提供手术治疗所需医疗资源信息;将所述所需医疗资源信息与医疗资源数据库中的医疗资源信息进行匹配;播发分诊指令。本发明能够实现医疗救护的科学有序。

    一种基于超声和CT成像技术的冠脉血流储备分数计算方法

    公开(公告)号:CN109686450A

    公开(公告)日:2019-04-26

    申请号:CN201811576177.0

    申请日:2018-12-22

    IPC分类号: G16H50/50

    CPC分类号: G16H50/50

    摘要: 一种基于超声和CT成像技术的冠脉血流储备分数计算方法涉及生物医学工程、生物力学领域。本发明主要解决的技术问题是用冠脉超声技术获得冠脉血流量并分配冠脉各分支的血流量,为无创计算FFRCT提供数值模拟的个性化边界条件,保证数值模拟计算FFRCT的准确性。本发明能够通过患者的冠脉超声血流数据,得到患者冠脉各个分支血管个性化的血流量信息,为FFRCT计算提供了准确的边界条件,从而也提高了FFRCT计算的准确性。

    基于深度学习的治疗方案的生成方法、装置及存储介质

    公开(公告)号:CN109637669A

    公开(公告)日:2019-04-16

    申请号:CN201811407145.8

    申请日:2018-11-22

    申请人: 中山大学

    发明人: 任江涛 熊铠能

    IPC分类号: G16H50/50 G06N3/04 G06N3/08

    CPC分类号: G16H50/50 G06N3/0454 G06N3/08

    摘要: 本发明公开了一种基于深度学习的治疗方案的生成方法,包括以下步骤:获取待处理的病人的诊断信息;将所述诊断信息输入深度神经网络模型进行处理,得到所述待处理的病人的本次治疗方案的预测结果;将所述本次治疗方案的预测结果输入序列到序列模型进行处理,得到所述待处理的病人的未来治疗方案的预测结果。本发明还公开了一种基于深度学习的治疗方案的生成装置以及计算机可读存储介质。本发明通过具有时间联结的前馈型深度神经网络生成病人的当次的治疗方案,并通过序列到序列模型预测病人未来的治疗方案,为病人提供递进的治疗方案参考建议从而达到更好地辅助治疗的目的。

    电脑辅助医疗法、非暂态电脑可读取存储媒体及医疗系统

    公开(公告)号:CN109147931A

    公开(公告)日:2019-01-04

    申请号:CN201810354318.8

    申请日:2018-04-19

    IPC分类号: G16H50/20 G16H50/50

    摘要: 本发明涉及电脑辅助医疗法、非暂态电脑可读取存储媒体及医疗系统。电脑辅助医疗方法包含以下步骤,通过互动介面收集患者的初始症状与背景信息。依据这些候选预测模型以及初始症状按序产生一系列多个动作,多个动作各自对应于询问动作或疾病预测动作其中一者。当此系列多个动作当中最新一个动作对应于其中一个疾病预测动作时,通过候选预测模型的评估,产生潜在疾病预测的第一排名。依据背景信息将第一排名调整为一第二排名,产生对应于潜在疾病预测的第二排名的结果预测。候选预测模型可根据评估而决定要进行询问动作或疾病预测动作,增加进行疾病预测的时间弹性与效率。

    基于集成学习的川崎病风险评估模型的构建方法及系统

    公开(公告)号:CN109065171A

    公开(公告)日:2018-12-21

    申请号:CN201811306908.X

    申请日:2018-11-05

    IPC分类号: G16H50/50

    CPC分类号: G16H50/50

    摘要: 本发明提供了一种基于集成学习的川崎病风险评估模型的构建方法及系统,先从样本数据集中提取可用于建模及模型评估的有效样本,然后从构建样本数据的特征集中筛选出符合现场医疗辅助诊断应用的至少10项特征,分别采用随机森林、Boosting、线性模型和神经网络算法构建川崎病患病风险预测基础模型及分类阀域t;采用朴素贝叶斯算法进行整合根据二类后验概率的比较结果评估川崎病风险的风险大小。本发明的方法有效的解决了大多数分类器过拟合的问题,扬长避短,使评估模型更为精准。