-
公开(公告)号：CN111524606B
公开(公告)日：2024-01-30
申请号：CN202010332980.0
申请日：2020-04-24
Applicant: 郑州大学第一附属医院
IPC: G16H50/70 , G06F18/2431
Abstract: 本发明公开了一种基于随机森林算法的肿瘤数据统计方法，属于大数据领域，包括建立中央服务器和多个数据采集服务器，对数据进行预处理，根据随机森林算法在训练集上训练得到医疗数据拟合度模型，对医疗数据拟合度模型进行多指标评价，解决了有效的对肿瘤数据进行准确统计的问题，本发明消除了数据的量纲以及数据取值范围可能对实验结果造成的影响，使用敏感度(Sensitivity)、特异性(Specificity)、准确率(Accuracy)、G‑mean、AUC等多个指标等多个指标从多个角度评价模型的分类性能，提高了模型的准确度等多个指标从多个角度评价模型的分类性能，提高了模型的准确度。
-
公开(公告)号：CN113241157B
公开(公告)日：2023-06-20
申请号：CN202010081232.X
申请日：2020-02-06
Applicant: 郑州大学第一附属医院
IPC: G16H40/20 , G06Q10/02 , G06Q30/018
Abstract: 本发明公开了一种互联网医疗服务监管平台，属于大数据技术领域，包括建立监管中心系统和医疗机构系统，监管中心系统包括数据接收服务器和数据分析服务器，医疗机构系统包括数据前置机和互联网医院信息系统，在数据分析服务器中建立资质审批模块、实时监管模块和绩效考核模块，解决了对现有互联网医疗服务平台进行全流程监管的技术问题，本发明可对所有的互联网医院监管，包括互联网诊疗、远程医疗服务，还可对所有通过互联网的在线医疗服务进行监管，包括医务人员资质、诊疗行为、包括处方流转、信息安全的监管等。
-
公开(公告)号：CN117037909A
公开(公告)日：2023-11-10
申请号：CN202310993781.8
申请日：2023-08-08
Applicant: 郑州大学第一附属医院
IPC: G16B20/50 , G16B40/00 , G06T7/00 , G06N3/0464
Abstract: 本发明涉及一种基于深度学习使用多模态切片预测基因突变的方法，对消化道HE切片进行图像块划分，并基于图像块划分结果，对消化道HE切片的各个图像块进行癌变区域分类；对消化道HE切片和免疫组化切片进行配准；基于消化道HE切片以及配准后的免疫组化切片，构建基因突变预测训练样本集，训练多实例学习模型，训练标准为基因是否突变，得到基因突变预测模型；根据训练得到的基因突变预测模型进行基因突变预测，结合患者多模态病理数据预测基因突变的模型，保证模型的高特异性，对比使用单一模态数据的病理预测基因模型，引入了更多模态的数据，有效提升了预测的准确率。
-
公开(公告)号：CN116383852A
公开(公告)日：2023-07-04
申请号：CN202310382805.6
申请日：2023-04-10
Applicant: 郑州大学第一附属医院
Abstract: 本申请实施例提供基于区块链的双向转诊信息加密及共享方法、系统及设备，包括：步骤S10，将全同态加密算法写入区块链的智能合约中；步骤S20，双向转诊的成员节点通过区块链网络进行数据交易时，调动智能合约，对数据进行加解密；其中，所述智能合约用于判定各成员节点的用户是否具有上传、修改、访问、删除的操作权限，完成各成员节点对数据业务的逻辑处理；具有能够保障双向转诊数据、患者隐私信息安全传输的有益效果，适用于双向转诊的技术领域。
-
公开(公告)号：CN111858568A
公开(公告)日：2020-10-30
申请号：CN202010612164.5
申请日：2020-06-29
Applicant: 郑州大学第一附属医院
IPC: G06F16/215 , G06F16/2458 , G06K9/62 , G06N20/20
Abstract: 本发明公开了一种基于集成学习与改变决策阈值的化验数据校验方法，属于大数据领域，本发明将聚类算法、集成学习的思想和改变决策阈值几个方法结合在一起，得到一个新的强分类器，基于已有的化验数据进行学习得到分类模型，对新的化验数据进行预分类，增加了其准确度，解决了有效的对化验数据进行分类准确度验证的技术问题，本发明通过结合四种不同的单分类器，具有更强的分类能力，对于疾病数据集中数据不均衡问题，在最终决策阶段，通过改变决策阈值，提高分类的准确度，通过多指标从多角度评价分类结果，更好的了解分类结果的准确性。
-
Patent Agency Ranking
公开(公告)号：CN111858568B
公开(公告)日：2024-11-22
申请号：CN202010612164.5
申请日：2020-06-29
Applicant: 郑州大学第一附属医院
IPC: G06F16/215 , G06F16/2458 , G06F18/23211 , G06N20/20
Abstract: 本发明公开了一种基于集成学习与改变决策阈值的化验数据校验方法，属于大数据领域，本发明将聚类算法、集成学习的思想和改变决策阈值几个方法结合在一起，得到一个新的强分类器，基于已有的化验数据进行学习得到分类模型，对新的化验数据进行预分类，增加了其准确度，解决了有效的对化验数据进行分类准确度验证的技术问题，本发明通过结合四种不同的单分类器，具有更强的分类能力，对于疾病数据集中数据不均衡问题，在最终决策阶段，通过改变决策阈值，提高分类的准确度，通过多指标从多角度评价分类结果，更好的了解分类结果的准确性。
-
公开(公告)号：CN112037925B
公开(公告)日：2023-06-23
申请号：CN202010741889.4
申请日：2020-07-29
Applicant: 郑州大学第一附属医院
IPC: G16H50/80 , G16H50/70 , G16H50/20 , G06N3/0442
Abstract: 本发明公开了一种基于LSTM算法的新发重大传染病预警方法，属于大数据领域，建立基于LSTM算法的新发重大传染病预警平台包括数据采集与处理系统、特征分析及预警指标筛选系统和新发重大传染病预警系统，解决了单一医院预警模式病例数量有限、无法对局部地区进行研判的缺陷的技术问题，本发明提出基于新发重大传染病注意力机制的长短期记忆人工神经网络预警模型。根据患者的患者的临床病例数据、关联影像数据、医学检验数据和远程会诊数据等，构造多时间尺度金字塔结构时序数据，并分别对不同尺度的时序数据构建基于新发重大传染病注意力机制的长短期记忆人工神经网络预警模型，满足不同时间灵敏程度的预警需求，平衡准确性和响应时间之间的矛盾。
-
公开(公告)号：CN114661612A
公开(公告)日：2022-06-24
申请号：CN202210366712.X
申请日：2022-04-08
Applicant: 郑州大学第一附属医院
Abstract: 本发明提供的一种基于深度学习的GUI测试方法、系统及存储设备，所述方法包括：S10，用户访问被测系统的界面，自动截屏后上传至服务器；S20，对用户上传的截屏图像进行编号及标注，所述标注包括：被测系统名称，功能模块名称；S30，CNN图像分类模型对每个截屏图像进行评测打分；S40，生成被测系统的GUI评测报告，包括：整体得分，每个功能模块的得分；本发明具有能够有效提高测试效率和测试精度的有益效果，适用于软件界面测试领域。
-
公开(公告)号：CN115424707A
公开(公告)日：2022-12-02
申请号：CN202211067692.2
申请日：2022-09-01
Applicant: 郑州大学第一附属医院
Abstract: 本发明提供的基于图像比对的医学图像数据众包标注方法、系统及终端，包括：制定标注任务；根据标注任务的需求，采集医学图像并校验；对符合校验标准的医学图像进行统计，得到采集到的图像数据量；将符合校验标准的医学图像归档；设置标注规则，并根据标注任务的需求以及标注规则，生成标注方案和标注样例；将医学图像数据库中的医学图像进行分配至多个众包标注端，以使每个医学图像被多个众包标注端标注；众包标注端标注根据标注方案和标注样例，对分配的医学图像进行标注，形成标注图像；对同一医学图像对应的多个标注图像进行融合，获取标注的最终结果并归档；本发明具有有效提升标注效率和标志质量的有益效果，适用于数据处理领域。
-
公开(公告)号：CN115248935A
公开(公告)日：2022-10-28
申请号：CN202210027327.2
申请日：2022-01-11
Applicant: 郑州大学第一附属医院
Abstract: 本发明提供的基于双向长短期记忆网络的电子病历数据脱敏方法及系统，所述方法包括：S10，定义敏感信息的实体标签；构建Bi‑LSTM网络模型；S20，对训练数据集进行预处理后，通过实体标签对训练数据集中的每个字符进行标记；S30，通过标记后的训练数据集对Bi‑LSTM网络模型进行训练及验证；S40，采集未脱敏的电子病例文本；S50，将未脱敏的电子病例文本输入到训练好的Bi‑LSTM网络模型中，使训练好的Bi‑LSTM网络模型对电子病例文本进行脱敏预测，得到每个字符的预测结果；S60，依据预测结果，合并标签，确认出所包含的敏感信息，对敏感信息进行删除或替换，完成数据脱敏操作；本发明具有提高数据脱敏效率的有益效果，适用于医疗信息处理领域。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.034 seconds)
