-
公开(公告)号：CN112862240A
公开(公告)日：2021-05-28
申请号：CN202011612210.8
申请日：2020-12-30
Applicant: 厦门大学
Abstract: 本发明提供一种基于城市大数据的道路障碍风险评估方法、装置和可存储介质，方法包括：城市路网提取：统计每个时间段各个网格浮动车的数量；将每个网格每个小时对应的浮动车数量进行聚类，提取出路网并且将路网分成相应路段；路网特征提取：提取每个路网网格对应的时空和情境特征；道路障碍风险预测：通过社交网络数据，爬取特定字段，获取到最终发生道路障碍数据；通过统计各个时段浮动车的数量，获取各个时段各个路网网格无发生道路障碍事件数据；基于Self‑training自训练模型的模型预测；本发明提供的方法，基于多源数据融合，具有高效、低耗的优点，同时也达到了较高的准确率。
-
公开(公告)号：CN111968715A
公开(公告)日：2020-11-20
申请号：CN202010623195.0
申请日：2020-06-30
Applicant: 厦门大学
Abstract: 本发明公开了一种基于病历数据和药物相互作用风险的药物推荐建模方法，方法具体包括如下步骤：S100：从病历数据、门诊病历数据以及TWOSIDES药物相互作用数据中进行异构特征提取操作；S200：根据提取的多源异构特征构建药物推荐序列生成模型；S300：在药物推荐序列生成模型中输入患者病历，模型计算输出推荐用药信息。本发明提供的基于病历数据和药物相互作用风险的药物推荐建模方法，通过自动从海量历史病例数据和药物相互作用信息中学习和建模，给出药物推荐信息，对临床药物合理联用提供准确有效的决策依据，同时降低药物不良反应的发生率，为用户的用药安全提供有效保障。
-
Patent Agency Ranking
公开(公告)号：CN111968715B
公开(公告)日：2022-11-01
申请号：CN202010623195.0
申请日：2020-06-30
Applicant: 厦门大学
Abstract: 本发明公开了一种基于病历数据和药物相互作用风险的药物推荐建模方法，方法具体包括如下步骤：S100：从病历数据、门诊病历数据以及TWOSIDES药物相互作用数据中进行异构特征提取操作；S200：根据提取的多源异构特征构建药物推荐序列生成模型；S300：在药物推荐序列生成模型中输入患者病历，模型计算输出推荐用药信息。本发明提供的基于病历数据和药物相互作用风险的药物推荐建模方法，通过自动从海量历史病例数据和药物相互作用信息中学习和建模，给出药物推荐信息，对临床药物合理联用提供准确有效的决策依据，同时降低药物不良反应的发生率，为用户的用药安全提供有效保障。
-
公开(公告)号：CN111242491A
公开(公告)日：2020-06-05
申请号：CN202010045209.5
申请日：2020-01-16
Applicant: 厦门大学
IPC: G06Q10/06 , G06Q50/26 , G06F16/904 , G16H40/00
Abstract: 本发明公开了一种医疗大数据可视化分析方法、介质、设备及系统，其中方法包括：获取待分析区域地图，并对待分析区域地图进行网格化处理，以生成网格化区域地图；获取待分析区域的人口数据，并根据人口数据计算网格化区域地图中每个网格对应的人口数量，以及将每个网格对应的人口数量在网格化区域地图中可视化显示；获取医疗机构的位置信息和路网影响距离，并根据位置信息和路网影响距离确定医疗机构对应的可影响网格，以及建立可影响网格与医疗机构之间关联，以便将医疗机构与对应的可影响网格进行关联显示；能够对医疗大数据进行有效分析，节约医疗数据分析过程中所需人力物力资源，同时，分析结果直观可视化，利于决策者的决策行为。
-
公开(公告)号：CN112862240B
公开(公告)日：2022-05-17
申请号：CN202011612210.8
申请日：2020-12-30
Applicant: 厦门大学
Abstract: 本发明提供一种基于城市大数据的道路障碍风险评估方法、装置和可存储介质，方法包括：城市路网提取：统计每个时间段各个网格浮动车的数量；将每个网格每个小时对应的浮动车数量进行聚类，提取出路网并且将路网分成相应路段；路网特征提取：提取每个路网网格对应的时空和情境特征；道路障碍风险预测：通过社交网络数据，爬取特定字段，获取到最终发生道路障碍数据；通过统计各个时段浮动车的数量，获取各个时段各个路网网格无发生道路障碍事件数据；基于Self‑training自训练模型的模型预测；本发明提供的方法，基于多源数据融合，具有高效、低耗的优点，同时也达到了较高的准确率。
-
公开(公告)号：CN111797624A
公开(公告)日：2020-10-20
申请号：CN202010621850.9
申请日：2020-06-30
Applicant: 厦门大学附属第一医院
IPC: G06F40/289 , G06F40/242 , G06F40/295 , G06F40/30 , G06K9/62 , G06N3/04
Abstract: 本发明公开了一种基于NLP的药品名片自动提取方法，方法具体包括如下步骤：步骤S1，对药品说明书进行预处理，构造训练集、验证集和测试集；步骤S2，加载训练集和验证集，进行数据封装和数据读取；步骤S3，加载BERT模型的配置数据和模型特征进行目标模型的参数初始化过程，构建BERT-BILSTM-CRF模型，训练BERT-BILSTM-CRF模型；步骤S4，利用训练好的BERT-BILSTM-CRF模型，加载测试集，对测试集数据预测输出药品名片字段内容。本发明提供的基于NLP的药品名片自动提取方法，有效提高提取效率和准确率，极大地减少人力成本。
-
公开(公告)号：CN109828999A
公开(公告)日：2019-05-31
申请号：CN201910069076.2
申请日：2019-01-24
Applicant: 厦门大学
IPC: G06F16/2458 , G06K9/62 , G08G1/00
Abstract: 本发明公开了一种基于多源跨域城市大数据的灾后道路故障检测识别方法，该方法包括：获取灾后的交通轨迹数据，对该数据进行处理以提取出车辆行驶缓慢的异常数据；对该异常数据进行分解以提取出由道路障碍所引起的异常部分；对由道路障碍所引起的异常部分对应的路段进行相关时空数据提取，并对提取的相关时空数据进行分类；对由道路障碍所引起的异常部分进行分析以融入分类后的相关时空数据，并根据融入分类后的相关时空数据的异常部分进行灾后道路障碍分类，判断道路障碍类型。该方法通过对灾后的交通轨迹数据和道路环境数据进行处理分析，得到灾后道路障碍的发生判断和类型识别，从而提供一种低成本、低时延且相对安全可靠的方法来识别道路障碍。
-
-
-
-
-
-
Search Results
7
records
(took 0.017 seconds)
