-
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。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN115547502B
公开(公告)日：2023-04-07
申请号：CN202211486609.5
申请日：2022-11-23
Applicant: 浙江大学
IPC: G16H50/30 , G06F16/35 , G06F40/284 , G06N3/0442 , G06N3/045 , G06N3/047 , G06N3/048 , G06N3/088
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。
-
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：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：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。
-
公开(公告)号：CN115240811A
公开(公告)日：2022-10-25
申请号：CN202210708064.1
申请日：2022-06-21
Applicant: 浙江大学
Abstract: 本发明公开了一种基于图神经网络的隐式关系药物推荐模型的构建方法和应用，根据历史数据构建疾病相关信息与药物二部图，并将节点表征初始化为可训练的向量，然后利用LightGCN作为骨干模型来处理二部图结构，然后通过疾病和药物相似性来判断未观测连边存在的概率，并添加高概率的边。通过图卷积操作来捕捉高阶邻居节点信息，并完善它们的节点表征。整个通过完善图结构来完善节点表征，并通过图结构来反过来完善节点表征，整个过程交替迭代进行。模型主要通过交叉熵来控制药物预测推荐，并且通过贝叶斯个性化排序函数来完善图的构建。构建的模型能够实现在提高药物推荐的准确性的同时，减少计算量，提高计算效率。
-
-
-
-
-
-
Search Results
7
records
(took 0.022 seconds)
