-
公开(公告)号:CN112687399A
公开(公告)日:2021-04-20
申请号:CN202011439202.8
申请日:2020-12-11
Applicant: 江苏省人民医院(南京医科大学第一附属医院) , 南京邮电大学
Abstract: 本发明提出了一种基于人工智能信息化的传染病监测与预警系统,包括:病例监测平台、传染病模型诊断系统、传染病实时预警系统和传染病报卡实时生成系统,传染病模型诊断系统通过对就诊患者与法定传染病诊断相关信息进行检索,根据检索信息与已有病例库的匹配情况识别出疑似病例并推送至病例监测平台;病例监测平台用于供传报部门专职人员查看疑似病例,进行甄别和确认;传染病实时预警系统根据传染病模型诊断系统的识别结果进行自动预警;传染病报卡实时生成系统根据传染病模型诊断系统的识别结果动态实时生成传染病报卡,并推送至传报部门进行审核。本发明利用信息化手段实现传染病主动上报,进一步提高传染病报告完整率、及时率和准确率。
-
公开(公告)号:CN111191020A
公开(公告)日:2020-05-22
申请号:CN201911373211.9
申请日:2019-12-27
Applicant: 江苏省人民医院(南京医科大学第一附属医院) , 南京如兴汇企业发展有限公司
IPC: G06F16/335 , G06F16/36 , G16H20/10 , G16H70/40
Abstract: 本发明公开了一种基于机器学习和知识图谱的处方推荐方法和系统。所述推荐方法包括以下步骤:获取诊断信息并进行解析,得到一条或多条诊断明细,包括患者信息、医生信息及疾病诊断;将所述诊断明细输入预先构建的机器学习模型进行推理,得到针对所述诊断明细的初始推荐列表;根据所述初始推荐列表中包含的药品信息,从药品知识图谱中获取与所述药品相关联的关系图网络;根据所述关系图网络筛选并排除禁忌药品后给出最终推荐列表。本发明结合了机器学习的快速学习能力和知识图谱对数据的挖掘、关联展示能力,能够实现处方精确推荐,同时提高处方生成效率,可满足门诊医师开方需求,提高医生工作效率,减少医疗错误。
-
公开(公告)号:CN115549988A
公开(公告)日:2022-12-30
申请号:CN202211133985.6
申请日:2022-09-19
Applicant: 江苏省人民医院(南京医科大学第一附属医院)
IPC: H04L9/40 , H04L67/06 , H04L67/565
Abstract: 本发明公开了一种内外网数据传输系统及方法,系统包括外网服务模块、统一认证中心、异常检测模块、请求处理单元、日志处理单元、数据转化模块、前置机和内网服务模块;方法包括:步骤一,内网向外网进行数据传输;步骤二,外网向内网进行数据传输;本发明通过统一认证中心,对内外网请求的相应服务进行统一认证、统一鉴权,保证安全性;通过异常检测模块对可能的恶意攻击进行识别检测;通过数据转化模块将对于外网的请求格式进行统一,经过数据清洗,再传递到外部接口,避免由于下游服务的变化而需要重新部署程序的问题,也降低了由于此类操作可能带来的系统风险,能够在保障数据安全的前提下完成文件的多种操作。
-
公开(公告)号:CN111612752A
公开(公告)日:2020-09-01
申请号:CN202010411428.0
申请日:2020-05-15
Applicant: 江苏省人民医院(南京医科大学第一附属医院)
Abstract: 本发明公开了一种基于Faster-RCNN的超声图像甲状腺结节智能检测系统。采用的Faster-RCNN模型在进行目标检测时,与区域卷积神经网络RCNN相比,提升了速度,优化了存储空间,实现了结节良恶性的快速自动化检测,并在模型构建中对特征进行优化,在深度学习训练前计算超声诊断标准ACR TI-RADS中的关键特征,寻找影响临床诊断的关键图像特征因子,并将其加入到卷积神经网络特征层中进行改进,构建一个新的鉴别模型,从而提高预测结果的准确性。
-
公开(公告)号:CN119514541A
公开(公告)日:2025-02-25
申请号:CN202411473795.8
申请日:2024-10-22
Applicant: 江苏省人民医院(南京医科大学第一附属医院)
IPC: G06F40/295 , G06N3/042 , G06N3/045 , G06N3/08
Abstract: 本发明涉及一种基于语句实体链接的知识库增强方法,采用全新逻辑设计,引入结合第一知识库与对应各预设判断规则的第二知识库,联系上下文,针对待解析语句关于第一知识库的各实体链接进行一致性对比,并依据对比结果,实现待解析语句的实体链接、或针对第一知识库中相应各实体词及对应描述信息进行数据补充,实现第一知识库的增强,通过不断应用下对第一知识库的持续数据增强与积累,不断提高第一知识库的实体链接准确性,进而提升实际应用下语句解析与问答交互的准确性。
-
公开(公告)号:CN111191020B
公开(公告)日:2023-09-22
申请号:CN201911373211.9
申请日:2019-12-27
Applicant: 江苏省人民医院(南京医科大学第一附属医院) , 南京如兴汇企业发展有限公司
IPC: G06F16/335 , G06F16/36 , G16H20/10 , G16H70/40
Abstract: 本发明公开了一种基于机器学习和知识图谱的处方推荐方法和系统。所述推荐方法包括以下步骤:获取诊断信息并进行解析,得到一条或多条诊断明细,包括患者信息、医生信息及疾病诊断;将所述诊断明细输入预先构建的机器学习模型进行推理,得到针对所述诊断明细的初始推荐列表;根据所述初始推荐列表中包含的药品信息,从药品知识图谱中获取与所述药品相关联的关系图网络;根据所述关系图网络筛选并排除禁忌药品后给出最终推荐列表。本发明结合了机器学习的快速学习能力和知识图谱对数据的挖掘、关联展示能力,能够实现处方精确推荐,同时提高处方生成效率,可满足门诊医师开方需求,提高医生工作效率,减少医疗错误。
-
公开(公告)号:CN113066552A
公开(公告)日:2021-07-02
申请号:CN202110423262.9
申请日:2021-04-20
Applicant: 江苏省人民医院(南京医科大学第一附属医院)
Abstract: 本发明公开了一种基于区块链技术的监护数据管理系统,包括:设备采集客户端、数据交互管理客户端和消费客户端和区块链节点,所述设备采集客户端、数据交互管理客户端、消费客户端通过区块链节点实现数据交互。本发明采用了Raft共识机制,能够保证以很小的算力来实现系统安全稳定的运行,且保障了系统的执行速度和系统吞吐量,以较少的节点启动,有助于区块链技术在医疗信息方面的应用推广。将区块链技术结合到硬件设备数据采集和数据共享等方面,实现了基于物联网设备和数据交互平台的联盟链设计和多角色访问控制,同时,解决了医疗联盟跨机构间数据共享和安全性问题。
-
公开(公告)号:CN110377755A
公开(公告)日:2019-10-25
申请号:CN201910593831.7
申请日:2019-07-03
Applicant: 江苏省人民医院(南京医科大学第一附属医院)
Abstract: 本发明公开了一种基于药品说明书的合理用药知识图谱构建方法,包括以下步骤:S10、抽取药品说明书,通过专家标注法对其中的实体和关系进行归纳,形成实体和关系标引规则库;S20、通过半监督学习方法,基于专家标注的数据以及机器学习规则训练机器学习模型;S30、使用已训练好的机器学习模型,对未标注的药品说明书进行预测标注,形成药品关系的知识图谱。本发明利用自然语言处理和知识图谱技术,基于药品说明书构建合理用药知识库,能够有助于规避用药差错,防范医疗风险,提高临床用药安全性。本发明的方法具备自动化构建能力,通过机器学习提高构建精度。
-
公开(公告)号:CN218282767U
公开(公告)日:2023-01-13
申请号:CN202221985852.7
申请日:2022-07-29
Applicant: 江苏省人民医院(南京医科大学第一附属医院)(CN) , 南京邮电大学(CN)
Abstract: 本实用新型提供一种病房内中央空调定期清理用防尘盒,包括集尘盒、连杆以及操作手套,连杆固定在集尘盒的四角处,连杆的上端固定有固定组件,固定组件包括磁铁和铁片,铁片固定在空调的风口的外侧的天花板上,磁铁固定在连杆的上端,集尘盒上具有圆孔,操作手套包括开口端和五指端,开口端固定在圆孔处。本实用新型使用时,将集尘盒罩设在风口的下方,灰尘等污染物落入集尘盒内,只需要将手从圆孔穿戴进入到操作手套内,进行清理操作,通过操作手套伸入拆卸,避免工人手部污染,避免清理时灰尘掉落病房内,导致病房污染,增加感染风险,集尘盒由透明塑料布制成,成本低,防尘效果好,不使用时,透明塑料布制成的集尘盒可以折叠存放,方便收纳。
-
公开(公告)号:CN211962433U
公开(公告)日:2020-11-20
申请号:CN202020257831.8
申请日:2020-03-05
Applicant: 江苏省人民医院(南京医科大学第一附属医院)
IPC: A61G7/05
Abstract: 本实用新型公开了一种用于阻隔气溶胶的半封闭床罩,包括底座、第一活动支撑架、第二活动支撑架和透明密封膜。透明密封膜覆盖在从底座的竖杆到两个支撑架支撑杆的顶部,以及两侧从横杆到两个活动支撑架的支撑杆,形成半包围封闭空间,可有效对新冠肺炎患者进行头胸部隔离,极大程度上减少了气道管理(如:气管插管、气管拔管、吸痰护理等)高危医疗操作过程中产生的呼吸道飞沫及气溶胶对医疗环境的污染。可快速生产,应对新冠肺炎疫情。
-
-
-
-
-
-
-
-
-