-
公开(公告)号：CN107967532B
公开(公告)日：2020-07-07
申请号：CN201711052176.1
申请日：2017-10-30
Applicant: 厦门大学
Abstract: 本发明公开了一种融合区域活力的城市交通流量预测方法，包括：S1、对城市路网进行区域划分，并计算各个区域的交通流量；S2、设计区域活力模型：利用城市兴趣点的分布和节假日及天气信息，运用3D卷积神经网络(3D CNN)学习城市中各个区域活力的动态变化；S3、设计流量预测模型：融合区域活力与交通流量,运用卷积长短时记忆网络(ConvLSTM)进行流量预测；S4、根据历史数据对区域活力模型和流量预测模型进行同时训练，再利用训练好的模型对各个区域的交通流量进行实时预测。本方法通过融合区域活力，同时考虑了人群活动背后的驱动力和外部因素的影响，能够取得较高的预测精度。
-
公开(公告)号：CN107103758B
公开(公告)日：2019-06-21
申请号：CN201710427408.0
申请日：2017-06-08
Applicant: 厦门大学
IPC: G08G1/01
Abstract: 本发明公开了一种基于深度学习的城市区域交通流量预测方法，该方法通过提取交通流量变化的高维时空特征对城市每个区域的交通流量同时进行预测，为城市交通流量预测问题提供了一种新的思路。首先根据LPR设备的数据计算城市区域每个时间段的历史流量；然后利用ConvLSTM和CNN设计交通流量预测模型，并提取影响预测时段的关键时间段的流量数据作为输入训练模型；最后利用训练好的模型进行城市区域交通流量的预测。
-
公开(公告)号：CN107833629A
公开(公告)日：2018-03-23
申请号：CN201711010112.5
申请日：2017-10-25
Applicant: 厦门大学
IPC: G16H50/20
Abstract: 本发明公开了一种基于深度学习的辅助诊断方法，包括：S1、对原始语料数据进行分词处理以建立词嵌入查询表；S2、由电子病历数据中的关键特征字段生成训练样本，使用词嵌入查询表将其数字化，再利用卷积神经网络生成辅助诊断模型；S3、对新输入的电子病历提取关键特征字段，并通过词嵌入查询表进行数字化转换，利用辅助诊断模型进行匹配，输出匹配的诊断结果。本发明还提供一种基于深度学习的辅助诊断系统，包括语料数据提取模块、词嵌入查询表构建模块、历史电子病历数据提取模块、新电子病历数据提取模块、分词模块、电子病历数字化模块及辅助诊断模块。本发明诊断结果及时、准确，将有效辅助医生快速诊断病情。
-
公开(公告)号：CN107341345A
公开(公告)日：2017-11-10
申请号：CN201710483547.5
申请日：2017-06-22
Applicant: 厦门大学
CPC classification number: G06Q10/0635 , G06Q50/22
Abstract: 本发明公开了一种基于电子病历大数据的临床合理用药风险评估方法，包括以下步骤：S1从电子病历数据中提取合理用药记录和错误用药事件，根据患者的生理特征、疾病诊断结果、药物联用情况等因素，自动建立关于用药剂量、药物相互作用、药物禁忌症等合理用药的风险评估模型；S2对新的电子病历，提取其对应的患者生理特征、疾病诊断结果、药物联用情况等因素，应用所述合理用药风险评估模型，得出个体化的用药风险评估，为临床药事管理提供决策依据。本发明临床合理用药风险评估方法，能够自动对临床用药风险进行评估，且结果准确有效，能够为临床合理用药实践提供决策依据。
-
公开(公告)号：CN107103758A
公开(公告)日：2017-08-29
申请号：CN201710427408.0
申请日：2017-06-08
Applicant: 厦门大学
IPC: G08G1/01
CPC classification number: G08G1/0129
Abstract: 本发明公开了一种基于深度学习的城市区域交通流量预测方法，该方法通过提取交通流量变化的高维时空特征对城市每个区域的交通流量同时进行预测，为城市交通流量预测问题提供了一种新的思路。首先根据LPR设备的数据计算城市区域每个时间段的历史流量；然后利用ConvLSTM和CNN设计交通流量预测模型，并提取影响预测时段的关键时间段的流量数据作为输入训练模型；最后利用训练好的模型进行城市区域交通流量的预测。
-
Patent Agency Ranking
公开(公告)号：CN114005507B
公开(公告)日：2024-07-19
申请号：CN202111113981.7
申请日：2021-09-23
Applicant: 厦门大学
Abstract: 一种基于知识图谱的临床用药风险评估方法和系统，利用真实处方数据和药物说明书数据构建用药风险知识图谱，并利用机器学习技术挖掘医疗数据中的超说明书用药风险，补全医疗知识图谱中的用药风险，最终得到一个全面完整的医疗知识图谱，利用其检测临床处方风险。采用本发明的医疗知识图谱来提取相应特征以此判断超风险用药风险，具有优异的提取效率和准确率。
-
公开(公告)号：CN112215059B
公开(公告)日：2023-10-27
申请号：CN202010873246.5
申请日：2020-08-26
Applicant: 厦门大学
IPC: G06V20/10 , G06V10/774 , G06V20/52 , G06V10/44 , G06T7/11
Abstract: 本发明提供一种基于深度学习的城中村识别和人口估计方法、系统级计算机可存储介质，其中方法包括城中村识别阶段和城中村人口估计阶段，所述城中村识别阶段：提取城市路网图，使用opencv python包在路网图上提取路网轮廓，在遥感卫星图像上切割出图像块；对切割出的图像块进行城中村标注，选取样本构成训练样本集，使用Mask‑RCNN模型进行训练和预测，获取城市遥感卫星图像上的城中村分布图；所述城中村人口估计阶段：在城市遥感卫星图像上的城中村分布图中切割出每一个城中村遥感卫星图像，计算得到房屋容量特征、人群移动特征和区域功能特征；将三者作为输入，利用残差网络模型训练和预测城中村人口数量。本发明提供的方法，具有高效、低耗的优点，同时也达到了较高的识别和估计准确率。
-
公开(公告)号：CN115796287A
公开(公告)日：2023-03-14
申请号：CN202211226943.7
申请日：2022-10-09
Applicant: 厦门大学
IPC: G06N5/045 , G05B19/042
Abstract: 本发明公开了一种基于深度学习的场所流量控制方法、系统及可读介质，通过获取人员数据、场所数据和办公数据，根据人员数据确定对应的空间因素、移动因素和健康因素，并基于空间因素、移动因素和健康因素构建雷达图，根据雷达图确定人员的健康状态评分；根据场所数据的历史流量数据采用经训练的LSTNet模型预测得到未来对应时刻的流量数据，并结合实际流量数据确定场所的负载状况；根据人员的健康状态评分、场所的负载状况和办公数据确定该人员进入该场所的权限；根据人员的健康状态评分、场所的负载状况通过排队论模型计算出该人员进入该场所的排队平均等待时间，该方法具有更细的细粒度，提供人员等待时长，避免人员拥挤，有利于场所内人流量的管控。
-
公开(公告)号：CN114492607A
公开(公告)日：2022-05-13
申请号：CN202210041646.9
申请日：2022-01-14
Applicant: 厦门大学
Abstract: 本发明提供基于多源城市大数据的医院急诊需求和拥挤度估计方法，包括如下步骤：获取出租车下客数据集，采用自组织映射网络进行下客点聚类；根据聚类得到的每个类簇，提取下客时间序列特征、第一类空间特征和第二类空间特征，采用协同训练和主动学习策略得到急诊需求的时间序列；建立分段平稳的排队模型，并急诊科室分为全科门诊类型、内科门诊类型和外科门诊类型；利用排队模型计算各门诊类型下的平均排队人数和平均等待时间以及输液室的占用率，即输液床位的使用率ρinfusion；对三种类型的指标进行整合得到整个急诊科的拥挤度估计；本发明提供的方法，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：CN109119155B
公开(公告)日：2022-01-28
申请号：CN201810718023.4
申请日：2018-07-03
Applicant: 厦门大学
Abstract: 本发明公开了一种基于深度学习的ICU死亡危险性评估系统，包括：ICU历史数据库，其中存储有历史病人的体征数据集及历史病人真实的最终状态；第一数据预处理模块，其从所述ICU历史数据库中提取所述历史病人的体征数据集并进行预处理，获得训练样本数据，同时提取病人真实的最终状态对所述训练样本数据赋予标签；第二数据预处理模块，其提取由所述人机交互模块录入的待评估病人的体征数据并进行预处理；死亡风险评估模块，其基于双向监督型LSTM神经网络构建；其从所述第一数据预处理模块获取训练样本数据及标签值进行模型训练，利用训练好的模型从所述第二数据预处理模块获取待评估病人的体征数据进行评估，最后通过所述人机交互模块输出评估结果。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.022 seconds)
