-
公开(公告)号：CN118658008A
公开(公告)日：2024-09-17
申请号：CN202411125379.9
申请日：2024-08-16
Applicant: 中南大学
IPC: G06V10/764 , G06N3/0455 , G06N3/0464 , G06V10/40 , G06V10/82
Abstract: 本申请涉及疾病图像处理技术领域，提供了一种甲病图像处理系统。该甲病图像处理系统包括：数据增强模块进行数据增强，得到第一子图像和第二子图像；特征提取模块用于利用特征提取模型得到标记令牌、第一子图像特征、第二子图像特征；第一分类模块利用第一分类模型得到第一图像类别概率分布，利用第二分类模型得到第二图像类别概率分布；第一构建模块构建分类损失函数；第二构建模块构建平衡混合代理损失函数；最终损失函数构建模块构建最终损失函数，并对特征提取模型、第一分类模型、第二分类模型进行优化；第二分类模块利用优化后的模型确定待预测甲病图像的图像类别。本申请的甲病图像处理系统能够提高甲病图像分类的准确性。
-
公开(公告)号：CN117598711A
公开(公告)日：2024-02-27
申请号：CN202410096841.0
申请日：2024-01-24
Applicant: 中南大学
IPC: A61B5/366 , A61B5/00 , G06F18/15 , G06N3/0442 , G06N3/045 , G06N3/08 , G06F18/214 , G06F18/25
Abstract: 本申请涉及了一种心电信号的QRS波群检测方法、装置、设备及介质，本心电信号的QRS波群检测方法采用DenseNet和双通道LSTM组成检测模型，通过DenseNet学习心电信号中QRS波群的空间特征信息，然后利用将DenseNet学习到的空间特征与时序数据输入至双通道LSTM各自通道中，以使得双通道LSTM能够融合心电信号中的QRS波群的空间信息和时序信息，提升模型对于特征的分割效果，最终提升检测QRS波群的准确程度。
-
公开(公告)号：CN117435747A
公开(公告)日：2024-01-23
申请号：CN202311741314.2
申请日：2023-12-18
Applicant: 中南大学
IPC: G06F16/36 , G06F40/126 , G06F40/295 , G16C20/30 , G16H70/40
Abstract: 本发明实施例中提供了一种基于多层级细化网络的少样本链接预测药物再利用方法，属于数据处理技术领域，具体包括：对待预测的医药知识图谱中的实体及关系嵌入进行初始化；将待预测的医药知识图谱的关系集合按少样本链接预测任务进行划分处理；在元训练任务上多次训练得到多个基于多层级细化网络的少样本链接预测模型；将训练好的全部少样本链接预测模型对元测试任务进行链接预测，根据评价指标选择性能最优的模型，同时得到最终的实体及关系的嵌入；选择特定的疾病和治疗关系，以及数据集中全部药物实体，组成若干新的三元组，并获取对应三元组的嵌入，输入得分函数，得到治疗特定疾病的药物排序。通过本发明的方案，提高了预测效率和适应性。
-
公开(公告)号：CN119033373B
公开(公告)日：2025-02-25
申请号：CN202411530032.2
申请日：2024-10-30
Applicant: 中南大学
IPC: A61B5/1455 , A61B5/00 , A61B5/145 , G06F18/25 , G06F17/10
Abstract: 本申请适用于血糖检测技术领域，提供了一种基于多波长PPG传感器融合的血糖检测系统，包括：信号采集装置和处理器，信号采集装置包括用于产生多种不同中心波长的光的光源、透射接收模块、第一反射接收模块、第二反射接收模块、第一温湿度采集模块、第二温湿度采集模块和第三温湿度采集模块；处理器用于提取温湿度信号、手指所属对象的人口学信息、多种光对应的PPG信号的特征信息，并对提取到的特征信息进行融合，将融合结果输入血糖检测模型进行预测，得到血糖检测结果。本申请能提升血糖检测的准确性。
-
公开(公告)号：CN119488296A
公开(公告)日：2025-02-21
申请号：CN202510076580.0
申请日：2025-01-17
Applicant: 中南大学
IPC: A61B5/346 , A61B5/00 , A61B5/02 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明实施例中提供了一种三阶段特征增强心肌梗死定位方法，属于医学技术领域，具体包括：以预设的采样率对原始心电图数据进行采样；对样本数据集进行数据增强后得到训练集；利用训练集进行初始模型一阶段训练，生成导联贡献图；使用少数类样本和导联贡献图进行初始模型二阶段训练，更新初始模型参数并冻结初始模型中骨干网络的部分网络参数；利用训练集和导联贡献图进行初始模型三阶段训练，使用加权二分类交叉熵损失函数进行反向传播更新初始模型中的图时空交叉注意力网络的网络参数并结合训练好的骨干网络和多分支分类结构形成目标模型；将目标心电图数据输入优化后的目标模型，得到定位结果。通过本发明的方案，提高了定位精准度和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN118468996A
公开(公告)日：2024-08-09
申请号：CN202410942880.8
申请日：2024-07-15
Applicant: 中南大学
IPC: G06N5/02 , G16H15/00 , G06N3/0455 , G06N3/0895
Abstract: 本发明实施例中提供了一种基于医学影像报告的多模态教学知识图谱构建方法，属于数据处理技术领域，具体包括：得到文本实体和关系；得到视觉特征，得到文本特征；利用线性层将视觉和文本特征映射到相同维度的特征空间，将映射后的特征拼接并加入一个可学习的嵌入；根据影像报告跨模态实体对齐模型对于真实标签预测损失的梯度反馈进一步迭代解剖标签生成器的参数；通过对比学习训练影像报告跨模态实体对齐模型；将学习到的嵌入输入训练好的影像报告跨模态实体对齐模型的预测模块，标记出影像图片中文本实体对应的视觉实体区域；根据视觉实体区域、文本实体和关系构建多模态知识图谱。通过本发明的方案，提高了构建效率、精准度和泛化性能。
-
公开(公告)号：CN118095486A
公开(公告)日：2024-05-28
申请号：CN202410204638.0
申请日：2024-02-24
Applicant: 中南大学
IPC: G06N20/00 , G06V10/771 , G06V10/80
Abstract: 本发明提供一种基于参数传递联邦学习的影像组学数据模型构建方法，包括以下步骤：S1、按照项目发起单位要求，从医学影像中提取影像组学特征；S2、按照项目发起单位要求，使用多级特征选择方法，在参与医院本地生成最优特征子集；S3、基于上述S2结果，在联邦框架下，使用序列搜索和评价组合方法，融合多个中心特征子集，在中心服务器上生成联邦特征子集；S4、基于上述S3结果，在联邦框架下使用参数传递联邦学习算法，构建基于联邦学习的影像组学模型。该方法尽可能地接近于集中式机器学习训练流程，以解决因数据不平衡所带来的模型难收敛、性能差的问题。
-
公开(公告)号：CN117598711B
公开(公告)日：2024-04-26
申请号：CN202410096841.0
申请日：2024-01-24
Applicant: 中南大学
IPC: A61B5/366 , A61B5/00 , G06F18/15 , G06N3/0442 , G06N3/045 , G06N3/08 , G06F18/214 , G06F18/25
Abstract: 本申请涉及了一种心电信号的QRS波群检测方法、装置、设备及介质，本心电信号的QRS波群检测方法采用DenseNet和双通道LSTM组成检测模型，通过DenseNet学习心电信号中QRS波群的空间特征信息，然后利用将DenseNet学习到的空间特征与时序数据输入至双通道LSTM各自通道中，以使得双通道LSTM能够融合心电信号中的QRS波群的空间信息和时序信息，提升模型对于特征的分割效果，最终提升检测QRS波群的准确程度。
-
公开(公告)号：CN117708339B
公开(公告)日：2024-04-23
申请号：CN202410165651.X
申请日：2024-02-05
Applicant: 中南大学
IPC: G06F16/35 , G06F16/33 , G06N3/0455 , G06N3/0464 , G06N3/08 , G16H10/60
Abstract: 本发明实施例中提供了一种基于预训练语言模型的ICD自动编码方法，属于数据处理技术领域，具体包括：构建ICD自动编码数据集；形成映射集；构造前缀树，结合前缀树形成LEDT模型；将ICD自动编码数据集分为训练集和验证集；分别将训练集和验证集中的临床文本和其对应的ICD代码分割；利用seq2seq训练数据集训练LEDT模型；将待编码数据集中的输入文本输入目标模型，并在目标模型的解码生成过程中，使用前缀树对生成的字符进行限制，同时使用集束算法保留输出得分最高的k个预测描述，最终利用映射集将输出的k个预测描述转换为对应的ICD代码作为预测输出。通过本发明的方案，提高了编码效率、精准度和适应性。
-
公开(公告)号：CN117708339A
公开(公告)日：2024-03-15
申请号：CN202410165651.X
申请日：2024-02-05
Applicant: 中南大学
IPC: G06F16/35 , G06F16/33 , G06N3/0455 , G06N3/0464 , G06N3/08 , G16H10/60
Abstract: 本发明实施例中提供了一种基于预训练语言模型的ICD自动编码方法，属于数据处理技术领域，具体包括：构建ICD自动编码数据集；形成映射集；构造前缀树，结合前缀树形成LEDT模型；将ICD自动编码数据集分为训练集和验证集；分别将训练集和验证集中的临床文本和其对应的ICD代码分割；利用seq2seq训练数据集训练LEDT模型；将待编码数据集中的输入文本输入目标模型，并在目标模型的解码生成过程中，使用前缀树对生成的字符进行限制，同时使用集束算法保留输出得分最高的k个预测描述，最终利用映射集将输出的k个预测描述转换为对应的ICD代码作为预测输出。通过本发明的方案，提高了编码效率、精准度和适应性。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.031 seconds)
