-
公开(公告)号：CN116452497A
公开(公告)日：2023-07-18
申请号：CN202310221234.8
申请日：2023-03-09
Applicant: 浙江大学
Abstract: 本发明公开了一种基于病变区域关系建模的宫颈TCT图像检测装置，属于医学图像处理技术领域，包括：在提取整个细胞涂片图像的多尺度特征和提取分割的小图像块特征基础上，通过对这两部分特征进行病变区域关系建模，并采用注意力机制提取关键特征，利用该关键特征进行病变区域检测，提升了检测精度，帮助医生更加精准而轻松地发现病变细胞和疑似病变细胞，能有效提升医生的工作效率，为病人的早期治疗提供更大可能性。
-
公开(公告)号：CN114611879B
公开(公告)日：2025-03-28
申请号：CN202210144438.1
申请日：2022-02-17
Applicant: 浙江大学
IPC: G06Q10/0635 , G06Q10/04 , G06Q50/22 , G06N20/00
Abstract: 本发明提供了一种基于多任务学习的临床风险预测系统，包括计算机存储器、计算机处理器以及存储在计算机存储器中并可在计算机处理器上执行的计算机程序，计算机存储器中存有训练好的临床风险预测模型；临床风险预测模型采用软参数共享多任务学习模型，先将所有子任务的数据通过底部共享层嵌入到同一语义空间中，再通过子任务特定嵌入层提取每个子任务独有的特征，然后通过概率采样网络将提取出的特征映射到一个概率空间；接着通过多重注意力机制将不同子任务学习到的特征进行知识传递形成复合特征；最后每个子任务特定输出层输出预测结果。本发明可以对风险进行预警，为医生决策提供帮助。
-
公开(公告)号：CN114974409A
公开(公告)日：2022-08-30
申请号：CN202210608235.3
申请日：2022-05-31
Applicant: 浙江大学
Abstract: 本发明公开了一种基于零样本学习的针对新发现靶点的药物虚拟筛选系统，通过零样本学习构建药物虚拟筛选预测模型，并存储针对先验蛋白质靶点的先验蛋白质靶点表征、以及对应的药效团提取模块的先验参数和分类预测模块的先验参数；这样，针对新发现靶点时，通过利用先验蛋白质靶点表征计算新靶点与先验靶点的注意力权重，基于注意力权重与先验参数构建针对新发现靶点的预测参数(提取预测参数和分类预测参数)，这样利用采用预测参数的药物分子虚拟筛选模块能够实现对靶点对药物分子的相互作用的预测概率，根据预测概率即可以得到新发现靶点对药物分子的活性情况。该系统可以指导针对该新发现靶点蛋白质的药物开发。
-
公开(公告)号：CN113990502A
公开(公告)日：2022-01-28
申请号：CN202111261673.9
申请日：2021-10-28
Applicant: 浙江大学
Abstract: 本发明公开了一种基于异构图神经网络的ICU心衰预测系统，包括计算机存储器和计算机处理器，计算机存储器中存有心衰预测模型；心衰预测模型包括两层时间感知门控图注意力神经网络、一个环境Transformer层以及两层全连接层；计算机处理器执行计算机程序时实现以下步骤：提取心衰相关病人在住院第一次进入ICU后前48小时的实验检测、输液、处方药数据，构成EHR数据；通过提取得到的EHR数据构建时间感知EHR异构图，输入训练好的心衰预测模型得到预测的输出概率，该输出概率的结果用于医生评估当前的治疗方案。利用本发明，可以解决实际应用中通过心衰相关病人第一次进入ICU前48小时数据预测本次住院期间是否会死亡不够准确的问题，从而指导医生的后续治疗方案。
-
Patent Agency Ranking
公开(公告)号：CN114611879A
公开(公告)日：2022-06-10
申请号：CN202210144438.1
申请日：2022-02-17
Applicant: 浙江大学
Abstract: 本发明提供了一种基于多任务学习的临床风险预测系统，包括计算机存储器、计算机处理器以及存储在计算机存储器中并可在计算机处理器上执行的计算机程序，计算机存储器中存有训练好的临床风险预测模型；临床风险预测模型采用软参数共享多任务学习模型，先将所有子任务的数据通过底部共享层嵌入到同一语义空间中，再通过子任务特定嵌入层提取每个子任务独有的特征，然后通过概率采样网络将提取出的特征映射到一个概率空间；接着通过多重注意力机制将不同子任务学习到的特征进行知识传递形成复合特征；最后每个子任务特定输出层输出预测结果。本发明可以对风险进行预警，为医生决策提供帮助。
-
公开(公告)号：CN112837826A
公开(公告)日：2021-05-25
申请号：CN202011608785.2
申请日：2020-12-30
Applicant: 浙江大学温州研究院
IPC: G16H70/00
Abstract: 本发明公开了一种基于机器学习的重症序贯性脏器衰竭评分方法及系统，包括了临床指标筛选出25个重要影响指标；再利用公开重症数据库进行相关数据提取；之后对提取的数据，建立了一个基于决策树模型的组合模型进行模型训练；再利用算法进行指标筛选，最终通过算法分枝选择结合临床经验知识，保留8大器官系统的13个重要指标；此后划分指标数值区间，建立评估分数体系；最终对方法有效性进行验证，证明新评分方法的有效性。本发明最关键的突破在于定性定量的建立了一个13指标的8大系统评分方法，其有效性达到0.82，远高于SOFA评分。
-
公开(公告)号：CN114974409B
公开(公告)日：2024-12-10
申请号：CN202210608235.3
申请日：2022-05-31
Applicant: 浙江大学
IPC: G16B15/30 , G06N3/0464 , G06N3/084 , G06N3/0895
Abstract: 本发明公开了一种基于零样本学习的针对新发现靶点的药物虚拟筛选系统，通过零样本学习构建药物虚拟筛选预测模型，并存储针对先验蛋白质靶点的先验蛋白质靶点表征、以及对应的药效团提取模块的先验参数和分类预测模块的先验参数；这样，针对新发现靶点时，通过利用先验蛋白质靶点表征计算新靶点与先验靶点的注意力权重，基于注意力权重与先验参数构建针对新发现靶点的预测参数(提取预测参数和分类预测参数)，这样利用采用预测参数的药物分子虚拟筛选模块能够实现对靶点对药物分子的相互作用的预测概率，根据预测概率即可以得到新发现靶点对药物分子的活性情况。该系统可以指导针对该新发现靶点蛋白质的药物开发。
-
公开(公告)号：CN113990502B
公开(公告)日：2024-08-06
申请号：CN202111261673.9
申请日：2021-10-28
Applicant: 浙江大学
IPC: G16H50/30 , G16H50/20 , G16H70/00 , G16H10/60 , G06F18/214 , G06F18/241 , G06N3/042 , G06N3/0442 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了一种基于异构图神经网络的ICU心衰预测系统，包括计算机存储器和计算机处理器，计算机存储器中存有心衰预测模型；心衰预测模型包括两层时间感知门控图注意力神经网络、一个环境Transformer层以及两层全连接层；计算机处理器执行计算机程序时实现以下步骤：提取心衰相关病人在住院第一次进入ICU后前48小时的实验检测、输液、处方药数据，构成EHR数据；通过提取得到的EHR数据构建时间感知EHR异构图，输入训练好的心衰预测模型得到预测的输出概率，该输出概率的结果用于医生评估当前的治疗方案。利用本发明，可以解决实际应用中通过心衰相关病人第一次进入ICU前48小时数据预测本次住院期间是否会死亡不够准确的问题，从而指导医生的后续治疗方案。
-
公开(公告)号：CN118051824A
公开(公告)日：2024-05-17
申请号：CN202410292105.2
申请日：2024-03-14
Applicant: 浙江大学
IPC: G06F18/241 , A61B5/346 , G06F18/214 , G06N3/0455 , G06N3/0895
Abstract: 本发明公开了一种自定义细粒度的ECG自监督可解释方法和系统，包括：获取ECG数据并按照自定义细粒度对ECG数据进行心跳片段划分，得到由多个心跳片段组成心跳集，对心跳集进行图构建得到心跳图表示；利用编码器对心跳图表示进行嵌入得到图嵌入向量，基于图嵌入向量进行ECG数据的信号分类；利用嵌入可解释器对心跳图表示进行优化以得到用于解释对信号分类结果起决定作用的心跳子图表示，该方法和系统依据需求进行不同信号长度粒度的ECG信号分类的同时，实现对分类结果的可解释性。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.02 seconds)
