-
公开(公告)号：CN118134805B
公开(公告)日：2025-02-14
申请号：CN202410163526.5
申请日：2024-02-05
Applicant: 中国人民解放军总医院
Abstract: 本发明涉及一种基于机器学习数据补全算法的图像处理方法，包括：S10、获取输入计算机的待处理图像的像素矩阵；S20、基于所述像素矩阵中像素值已知的像素点下标，构建初始的补全矩阵、拉格朗日乘子；S30、基于拉格朗日函数模型，使用数据补全算法对所述补全矩阵和拉格朗日乘子进行多次迭代，求解所述拉格朗日函数模型的鞍点，得到最终的补全矩阵；其中，所述数据补全算法包括：基于原始对偶算法进行的每一次迭代过程，在得到初始的迭代结果后，计算校正步长，根据校正步长对初始的迭代结果进行变步长校正，得到该次迭代过程的校正的迭代结果，以提高计算机补全所述待处理图像的速度。本发明的方法提高了现有的数据补全方法的计算效率。
-
公开(公告)号：CN110534159B
公开(公告)日：2023-08-29
申请号：CN201910662841.1
申请日：2019-07-22
Applicant: 中国人民解放军总医院
Abstract: 本发明涉及一种基因疾病关联分析系统的构建方法、装置、计算机设备和存储介质，所述方法包括：获取与每一种预设的疾病相关的基因数据；根据与每一种预设的疾病相关的基因数据，通过预训练的机器学习模型，构建与每一种预设的疾病对应的基因疾病数据表；根据与每一种预设的疾病对应的基因疾病数据表，构建基因疾病关联数据库；将基因疾病关联数据库进行图形化展示，以构建基因疾病关联分析系统。通过上述方法，可以构建一系统性、高质量的基因疾病关联分析系统，通过该系统，用户可以非常直观和便捷的根据某一类疾病的疾病名称或临床特征筛选出与该疾病相关联的候选基因，进而发现、识别某一类疾病在发生发展过程中的调控基因。
-
公开(公告)号：CN110534159A
公开(公告)日：2019-12-03
申请号：CN201910662841.1
申请日：2019-07-22
Applicant: 中国人民解放军总医院
Abstract: 本发明涉及一种基因疾病关联分析系统的构建方法、装置、计算机设备和存储介质，所述方法包括：获取与每一种预设的疾病相关的基因数据；根据与每一种预设的疾病相关的基因数据，通过预训练的机器学习模型，构建与每一种预设的疾病对应的基因疾病数据表；根据与每一种预设的疾病对应的基因疾病数据表，构建基因疾病关联数据库；将基因疾病关联数据库进行图形化展示，以构建基因疾病关联分析系统。通过上述方法，可以构建一系统性、高质量的基因疾病关联分析系统，通过该系统，用户可以非常直观和便捷的根据某一类疾病的疾病名称或临床特征筛选出与该疾病相关联的候选基因，进而发现、识别某一类疾病在发生发展过程中的调控基因。
-
公开(公告)号：CN118171693B
公开(公告)日：2024-10-29
申请号：CN202410400018.4
申请日：2024-04-03
Applicant: 中国人民解放军总医院
IPC: G06N3/0455 , G06N3/0895 , G06N20/00 , G06N5/022 , G16H50/30 , G16H70/20 , G16H50/70 , G06F16/33 , G06F18/24 , G16H10/60
Abstract: 本发明实施例涉及一种生成式医疗大模型的处理方法和装置，所述方法包括：基于生成式大语言模型构建生成式医疗大模型；基于医学领域知识构建预训练数据集并基于心血管共病领域知识为各类模型下游任务构建对应的微调数据集；基于预训练数据集对生成式医疗大模型进行预训练得到对应的基版大模型；基于各个微调数据集对基版大模型进行微调得到对应的下游任务大模型；对所有下游任务大模型进行评估得到对应的模型评估结果。通过本发明可以解决心血管疾病细分领域的大模型训练方案缺失问题、还能提供多类任务大模型。
-
公开(公告)号：CN118171693A
公开(公告)日：2024-06-11
申请号：CN202410400018.4
申请日：2024-04-03
Applicant: 中国人民解放军总医院
IPC: G06N3/0455 , G06N3/0895 , G06N20/00 , G06N5/022 , G16H50/30 , G16H70/20 , G16H50/70 , G06F16/33 , G06F18/24 , G16H10/60
Abstract: 本发明实施例涉及一种生成式医疗大模型的处理方法和装置，所述方法包括：基于生成式大语言模型构建生成式医疗大模型；基于医学领域知识构建预训练数据集并基于心血管共病领域知识为各类模型下游任务构建对应的微调数据集；基于预训练数据集对生成式医疗大模型进行预训练得到对应的基版大模型；基于各个微调数据集对基版大模型进行微调得到对应的下游任务大模型；对所有下游任务大模型进行评估得到对应的模型评估结果。通过本发明可以解决心血管疾病细分领域的大模型训练方案缺失问题、还能提供多类任务大模型。
-
Patent Agency Ranking
公开(公告)号：CN117672522B
公开(公告)日：2025-02-21
申请号：CN202311693891.9
申请日：2023-12-11
Applicant: 中国人民解放军总医院
IPC: G16H50/30 , G06F18/27 , G06F18/2415 , G06F18/243 , G06N20/00
Abstract: 本发明涉及一种基于机器学习模型的骨肉瘤生存预测方法，其方法包括：基于SEER数据库得到数据基线资料；从基线资料中运用多种方法筛选出初筛变量作为可选因子组合；基于可选因子组合来构建多种机器学习组合预测模型，并根据平均C‑index值确定最优预测模型；根据最优预测模型对可选因子组合进行变量筛选和重要性评价，得到最优变量组合，引入risk score结合最优变量组合临床指标进行包含KM生存曲线、单因素Cox、多因素Cox和建立列线图预测几年生存率的生存分析。本发明解决了现有的临床特征难以评估骨肉瘤患者的真实情况的问题，能给骨肉瘤患者提供合适的高精度的能够纳入多种预后相关的变化因素的预测模型。
-
公开(公告)号：CN118134805A
公开(公告)日：2024-06-04
申请号：CN202410163526.5
申请日：2024-02-05
Applicant: 中国人民解放军总医院
Abstract: 本发明涉及一种基于机器学习数据补全算法的图像处理方法，包括：S10、获取输入计算机的待处理图像的像素矩阵；S20、基于所述像素矩阵中像素值已知的像素点下标，构建初始的补全矩阵、拉格朗日乘子；S30、基于拉格朗日函数模型，使用数据补全算法对所述补全矩阵和拉格朗日乘子进行多次迭代，求解所述拉格朗日函数模型的鞍点，得到最终的补全矩阵；其中，所述数据补全算法包括：基于原始对偶算法进行的每一次迭代过程，在得到初始的迭代结果后，计算校正步长，根据校正步长对初始的迭代结果进行变步长校正，得到该次迭代过程的校正的迭代结果，以提高计算机补全所述待处理图像的速度。本发明的方法提高了现有的数据补全方法的计算效率。
-
公开(公告)号：CN118171694B
公开(公告)日：2025-01-24
申请号：CN202410400021.6
申请日：2024-04-03
Applicant: 中国人民解放军总医院
IPC: G06N3/0455 , G06N3/08 , G06N5/022 , G06N20/00 , G06F16/334 , G06F18/24 , G16H50/70 , G16H50/30 , G16H70/20
Abstract: 本发明实施例涉及一种基于心血管共病知识图谱更新医疗大模型的方法和装置，所述方法包括：获取医疗大模型的基座模型参数集；并基于基座模型参数集对医疗大模型进行参数配置得到对应的第一基座模型；采集心血管共病领域知识并结合第一基座模型的编码器网络为医疗大模型的各个下游模型任务构建对应的知识图谱记为对应的第一知识图谱；基于各个第一知识图谱对第一基座模型进行模型参数微调得到对应的第一下游任务大模型。通过本发明可以解决心血管共病细分领域的模型微调方案缺失问题，还能与各个下游模型任务相结合通过模型参数微调得到多个下游任务大模型。
-
公开(公告)号：CN118171694A
公开(公告)日：2024-06-11
申请号：CN202410400021.6
申请日：2024-04-03
Applicant: 中国人民解放军总医院
IPC: G06N3/0455 , G06N3/08 , G06N5/022 , G06N20/00 , G06F16/33 , G06F18/24 , G16H50/70 , G16H50/30 , G16H70/20
Abstract: 本发明实施例涉及一种基于心血管共病知识图谱更新医疗大模型的方法和装置，所述方法包括：获取医疗大模型的基座模型参数集；并基于基座模型参数集对医疗大模型进行参数配置得到对应的第一基座模型；采集心血管共病领域知识并结合第一基座模型的编码器网络为医疗大模型的各个下游模型任务构建对应的知识图谱记为对应的第一知识图谱；基于各个第一知识图谱对第一基座模型进行模型参数微调得到对应的第一下游任务大模型。通过本发明可以解决心血管共病细分领域的模型微调方案缺失问题，还能与各个下游模型任务相结合通过模型参数微调得到多个下游任务大模型。
-
公开(公告)号：CN117672522A
公开(公告)日：2024-03-08
申请号：CN202311693891.9
申请日：2023-12-11
Applicant: 中国人民解放军总医院
IPC: G16H50/30 , G06F18/27 , G06F18/2415 , G06F18/243 , G06N20/00
Abstract: 本发明涉及一种基于机器学习模型的骨肉瘤生存预测方法，其方法包括：基于SEER数据库得到数据基线资料；从基线资料中运用多种方法筛选出初筛变量作为可选因子组合；基于可选因子组合来构建多种机器学习组合预测模型，并根据平均C‑index值确定最优预测模型；根据最优预测模型对可选因子组合进行变量筛选和重要性评价，得到最优变量组合，引入risk score结合最优变量组合临床指标进行包含KM生存曲线、单因素Cox、多因素Cox和建立列线图预测几年生存率的生存分析。本发明解决了现有的临床特征难以评估骨肉瘤患者的真实情况的问题，能给骨肉瘤患者提供合适的高精度的能够纳入多种预后相关的变化因素的预测模型。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.048 seconds)
