-
公开(公告)号：CN118866395B
公开(公告)日：2025-03-07
申请号：CN202411343274.0
申请日：2024-09-25
Applicant: 浙江大学
IPC: G16H50/80 , G06F18/213 , G06F18/25 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/0499 , G06N3/08
Abstract: 本发明公开了一种基于多模态数据的流感趋势预测方法和装置，属于流行病监测和人工智能相结合的技术领域，包括：提取百度指数模态、气象数据模态、以及图数据模态对应的三类综合特征向量；将每个模态对应的综合特征向量基于通过注意力机制计算的注意力权重进行加权求和得到总综合特征向量；利用包含多头自注意力机制、前馈神经网络、多模态交互层、以及多层次特征融合的预测模型对总综合特征向量进行深度特征融合并基于融合特征预测流感阳性率，得到流感趋势，这样来提高流感趋势预测的精度和可靠性。
-
公开(公告)号：CN119311953A
公开(公告)日：2025-01-14
申请号：CN202411854029.6
申请日：2024-12-17
Applicant: 浙江大学
IPC: G06F16/9535 , G06F16/9538 , G16H70/40
Abstract: 本发明公开了一种基于大模型的自动化医药研发电子报纸推送方法和装置，包括：用户交互模块，其用于为用户提供能够交互的资讯订阅功能、资讯浏览功能、以及咨询问答功能；数据采集模块，其用于从不同的数据源中采集医药研发相关资料数据；大模型处理模块，其用于对采集的医药研发相关资料数据通过大模型进行智能分析和处理；智能推送模块，其用于根据用户的订阅偏好，将大模型处理后资讯进行内容筛选匹配后自动化排版形成电子报纸展示并推送给用户；以及数据存储模块，其用于存储各类数据，包括处理后资讯以及用户数据。该装置和方法通过多源数据采集、智能处理分析和个性化推送，为医药研发人员提供全面、及时、精准的信息服务。
-
公开(公告)号：CN118888143A
公开(公告)日：2024-11-01
申请号：CN202410958650.0
申请日：2024-07-17
Applicant: 浙江大学
IPC: G16H50/30 , G16H50/70 , G06V10/764 , G06V10/82 , G06V10/26 , G06N3/0464 , G06N3/047 , G06T7/00 , G06T7/62 , G06F18/27 , G06N20/10 , G06N20/20 , G06N5/01
Abstract: 本发明公开了一种胰腺癌WSI病理图像组织定量与预后评估方法和装置，包括以下步骤：获取WSI病理图像数据以及临床病理信息数据，对WSI病理图像数据处理后得到带有标签的组织图像块；对预训练的ResNet50模型进行改进，并利用带有标签的组织图像块对改进后的ResNet50模型进行微调训练；利用微调训练后的ResNet50模型进行组织图像块的分类和分割，并基于分割结果实现对WSI病理图像的组织定量分析；基于组织定量分析结果、或和临床病理信息数据进行预后评估，该方法和装置通过搭建卷积神经网络ResNet50，对WSI进行组织定量分析，融合临床病理信息数据，综合评估胰腺癌患者的预后情况。
-
公开(公告)号：CN116597902A
公开(公告)日：2023-08-15
申请号：CN202310447492.8
申请日：2023-04-24
Applicant: 浙江大学
Abstract: 本发明公开了一种基于药物敏感性数据的多组学生物标志物筛选方法和装置，通过转录组生物标志物筛选模块和DNA甲基化组生物标志物筛选模块来筛选出对于影响患者药物敏感性预测的最重要的一组候选转录组生物标志物和候选DNA甲基化组生物标志物，然后通过多组学联合筛选模块对候选转录组生物标志物、候选DNA甲基化组生物标志物以及临床数据进行联合筛选以得到混合候选组，最后基于敏感性预测效果验证筛选模块对混合候选组中特征进行根据药物敏感性数据的验证筛选以确定最终筛选结果，这样在综合考虑患者的多组学数据和临床数据的基础上能够通过机器学习的可解释性来减少预测患者药物敏感性所需的生物标志物数量并提高了预测的性能和效率。
-
公开(公告)号：CN115350027A
公开(公告)日：2022-11-18
申请号：CN202210815838.0
申请日：2022-07-12
Applicant: 浙江大学医学院附属第一医院
Abstract: 本发明涉及传医疗器械技术领域，更具体的说是一种便携式可爬楼PICC居家维护操作车。包括维护车、伸缩支持腿、移动爬楼组件、伸缩抽屉、伸缩推拉杆和翻折操作台，维护车底部四角处均固接有伸缩支持腿，维护车上设置有多个空槽，多个伸缩支持腿底部固接有移动爬楼组件，移动爬楼组件能使维护车在地面上自由移动且能爬楼梯，伸缩推拉杆用于移动维护车且固接在维护车上，翻折操作台能够伸缩且转动连接在维护车上，维护车上设置有伸缩抽屉。具有携带护理装备上下楼的优点。
-
Patent Agency Ranking
公开(公告)号：CN118969059A
公开(公告)日：2024-11-15
申请号：CN202411091775.4
申请日：2024-08-09
Applicant: 浙江大学
IPC: G16B15/20 , G16B40/00 , G16B45/00 , G06N3/0455 , G06N3/09
Abstract: 本发明公开了一种基于多模态指令指导的蛋白质设计方法和装置，包括：从SwissProtCLAP数据集中随机抽取成对的文字指令和蛋白质序列作为单个样本，并构建样本集；先利用文字指令得到文字形式的生成条件作为一模态指令，再把文字形式的生成条件跨模态转换为蛋白形式的生成条件作为另一模态指令，从而得到多模态指令；构建蛋白质设计模型，其包含融合多模态指令的多模态融合器和处理多模态指令并进行蛋白质设计的解码器，并利用样本集对蛋白质设计模型进行基于蛋白质序列的监督训练；利用训练好的蛋白质设计模型进行蛋白质序列设计，并对设计的蛋白质序列进行可视化，以解决实际应用中蛋白质设计空间有限的技术问题。
-
公开(公告)号：CN114999630B
公开(公告)日：2024-08-16
申请号：CN202210636049.0
申请日：2022-06-07
Applicant: 浙江大学
IPC: G16H50/20 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/09 , G16H50/30 , G16H50/70 , G16H50/80
Abstract: 本发明公开了一种基于多源数据融合的肝移植受者预后预测装置，多源数据融合能够充分整合肝移植受者的影像学、肿瘤标志物、肿瘤免疫组化和肿瘤多组学等多源数据信息，相比现有的肝移植受者表征方式，能够容纳更多数据域的生物信息，同时也充分考虑肝移植受者在多源数据层面其反应的信息之间的潜在联系；提出的基于多源数据融合的肝移植受者预后预测模型，在高效提取个体特异性的多源数据的同时，能够充分考虑不同数据源之间的一致性与互补性，以全方面地考虑肝移植受者的病情，从而实现更加精准的肝移植受者预后预测。
-
公开(公告)号：CN118154969A
公开(公告)日：2024-06-07
申请号：CN202410328444.1
申请日：2024-03-21
Applicant: 浙江大学
IPC: G06V10/764 , G06V10/82 , G06V10/80 , G06V10/44 , G06N3/0464 , G06N3/045
Abstract: 本发明公开了一种基于深度学习和特征融合的胆管癌内镜影像分类方法及系统，包括：获取胆管内镜视频数据并处理为目标图像序列；利用基于深度学习构建的多个深度分类模型分别提取每张目标图像的特征向量，并基于特征向量得到多个分类结果，对多个深度分类模型得到的特征向量分别进行单独特征处理后输入至混合注意力融合分类模型，经过自注意力加权、跨模态注意力融合、以及门控融合得到融合特征，并基于融合特征得到分类结果；通过投票机制对多个深度分类模型输出的分类结果和混合注意力融合分类模型输出的分类结果进行投票确定胆管内镜视频数据的最终分类结果，这样可以实现高效且准确的胆管癌内镜影像分类。
-
公开(公告)号：CN117292763A
公开(公告)日：2023-12-26
申请号：CN202311315687.3
申请日：2023-10-12
Applicant: 浙江大学
Abstract: 本发明公开了一种基于无模板的分子多步逆合成预测方法和装置，包括获取包括原子字符串和键特征矩阵的药物分子数据，药物分子数据对应的反应物数据，组成训练数据；构建无模板的单步逆合成模型，利用训练数据对单步逆合成模型进行参数优化，利用优化后的单步逆合成模型进行多步逆合成，同时还可以给定一个具体目标药物分子，使用Retro*搜索算法进行多步逆合成，其中多步逆合成中的扩展步骤使用基于无模板的单步逆合成模型retroformer。这样做能够提供更精准的预测，外加在更大的反应空间中进行推理，达到更广的覆盖率以及更强的解释性。
-
公开(公告)号：CN115547502A
公开(公告)日：2022-12-30
申请号：CN202211486609.5
申请日：2022-11-23
Applicant: 浙江大学
IPC: G16H50/30 , G06F16/35 , G06F40/284 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于时序数据的血透病人风险预测装置，采用双向GRU‑D网络以端到端的方式来处理临床检查时序数据，能够同时较好地处理不均匀采样、有较多缺失值的临床数据，更好地捕捉病人临床数据的动态变化，在此基础上，以临床检查时序数据、图像诊断文字信息、病人个体特征信息这三种多模态信息作为数据源，并采用深度学习依据数据源来提取临床检查表征、诊断表征以及个体特征表征，然后结合这三个特征预测血透病人的死亡率，这样提升死亡预测的准确率和效率，为医生诊疗提供辅助，对于预测出潜在死亡的病人，医生可以及时给与干预，从而优化医疗资源的干预。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.034 seconds)
