本发明公开了乳腺癌早期筛查模型的构建方法及筛查辅助系统,属于医学图像处理和小样本学习领域。本发明设计临床报告驱动的可解释性机制,该机制同时从乳腺超声图像和乳腺超声放射学报告中学习形态学、放射学报告信息,然后将从放射学报告中获得的临床信息作为图像的可解释信息,结合多任务协作策略使得该小样本学习方法可以在少量成对超声图像和乳腺超声放射学报告有效、精准地实现乳腺癌的早期筛查,且通过使用一种跨模态相互学习的方法,可以使用乳腺超声临床放射学报告中的临床信息来解释和强化乳腺超声图像的信息,进而提高方法的可靠性和透明度,使结果更容易被临床医生理解和接受,促进了人工智能在临床实践的应用。
📄 2024103729229
📂 G16H50_20
👤 江南大学
📅 2024-03-29
本发明公开了基于知识图谱的疾病辅助诊断方法及系统,涉及智能疾病辅助诊断技术领域,包括获取知识图谱疾病数据,建立疾病诊断模型;收集实际病人疾病数据优化疾病诊断模型;通过优化的疾病诊断模型进行疾病辅助诊断,生成疾病诊断结果;评估疾病诊断结果并将数据进行存储。本发明通过获取知识图谱中疾病数据建立疾病诊断模型并进行优化,输出疾病诊断结果列表辅助医护人员进行疾病诊断,从而减少医护人员工作量,提高诊断准确性和全面性,提供更全面的病情分析,实现更精准的疾病诊断辅助。
📄 202410098311X
📂 G16H50_20
👤 江南大学附属医院, 江南大学
📅 2024-01-24
本发明涉及一种基于微信小程序的听力测试与耳鸣诊断系统及方法。本发明包括:注册登录模块、个人档案模块、听力测试模块、耳鸣登记模块、医生端模块、健康常识模块、医生咨询模块。所述的注册登陆模块用于患者进行账号登陆以及修改账号密码;所述的个人档案模块用于患者或者医生填写个人信息以及对个人信息进行修改;所述听力测试音频单元通过播放标准听力测试音频来对患者进行听力测试;所述的耳鸣登记模块用于患者登记并查看耳鸣信息;所述医生端模块用于查看患者个人信息、患者耳鸣信息以及听力测试结果信息。本发明在听力测试结果误差低的基础上,实现了更加灵活的医患沟通,为患者居家治疗提供了极大便利,同时大大减少时间与经济成本。
📄 202110467937X
📂 G16H50_20
👤 江南大学
📅 2021-04-28
本发明公开了一种深度学习驱动的三维医学影像诊断辅助系统,本发明中,模型训练模块作为深度学习驱动的三维医学影像诊断辅助系统的核心,其内部子模块的精心设计和协同工作为整个系统带来了显著的有益效果。数据加载子模块确保了大规模影像数据的高效读取和预处理,为后续训练提供了稳定的数据流。模型训练模块通过自动化特征学习和模型定制与优化,系统实现了从原始影像数据到诊断知识的高效转化,大大提高了诊断的准确性和效率。医生可以依靠系统提供的精准诊断结果,更快地制定治疗方案,改善患者预后。同时高效训练管理和性能监控与评估确保了模型在整个训练过程中的稳定性和可靠性。
📄 2024118814722
📂 G16H50_20
👤 杭州电子科技大学
📅 2024-12-19
本发明涉及一种研究中医证候的方法。一种基于改进贝叶斯统计计算中医证候阈值和症状分值的方法,可以对所有的中医证候疾病进行分析。以肺痿病为例,对已建立的肺痿患者症状与专家组证候分类数据,利用贝叶斯统计算法计算证候阈值和症状分值,研究肺痿病证候的分型规则:从所有肺痿患者症状和证候分类数据出发,计算每个证候和症状的先验概率;统计症状和证候发生的概率,通过对数比值比来计算并确定每个证候中所有症状贡献分值及证候阈值;采用拉普拉斯平滑改进算法计算所有症状贡献分值及证候阈值,从而改进统计结果,取前十个分值较高的症状作为证候分型规则,以提高辨证规则的健壮性,从而为临床肺痿疾病的证候诊断提供参考。
📄 2019113331217
📂 G16H50_20
👤 河南中医药大学
📅 2019-12-23
本发明公开了一种基于面部表情的帕金森疾病智能数据评估方法和系统,包括步骤:第一,采用StarGAN模型合成帕金森患者的正常面部表情图像;第二,基于FaceQnet模型制定了一个图像质量筛选方案来评估上述合成的面部表情图像质量,挑选出高质量合成面部图像;第三,将PD患者的原始训练数据与高质量合成面部表情图像和公共数据集中图像进行混合,对原始训练数据扩充,训练深度特征提取器,学习提取图像表情特征;第四,将提取的面部表情图像的特征连接起来,然后训练分类器进行PD/非PD分类。本发明提出了一种通过深度学习模型实现基于面部表情的诊断准确率高的体外帕金森诊断方法,大大降低了帕金森患者诊断成本,提高了帕金森诊断效率和准确率。
📄 2023100187290
📂 G16H50_20
👤 南昌大学
📅 2023-01-06
本发明属于智能医疗计算机辅助诊断应用领域,涉及一种基于模糊建模和多标记学习的自闭症谱系障碍诊断方法。该方法包括预处理、特征抽取、训练阶段和使用阶段四部分。预处理和特征抽取将自闭症谱系障碍样本的rs‑fMRI图像处理成适用于方法训练和使用的数字型特征数据。训练阶段包括样本合成、模糊不确定学习、标记协同学习、线性回归加权和高阶功能连通学习。样本合成和线性回归加权的联合能够有效缓解自闭症谱系障碍亚类之间的不平衡,标记协同学习通过分析各自闭症谱系障碍亚类之间的关联降低标记噪声对方法预测的干扰,高阶功能连通学习基于标记先验知识进一步挖掘自闭症谱系障碍二阶功能连通特征中的潜在知识。
📄 2023103305621
📂 G16H50_20
👤 江南大学
📅 2023-03-31
本发明属于智能医疗应用领域,涉及一种基于EEG信号深度多视角特征学习的癫痫检测方法。该方法包括训练阶段和使用阶段两部分,训练阶段包括初始多视角特征构建模型、深度多视角特征提取模型和脑电信号分类。初始多视角特征构建模型使用傅立叶变换和离散小波包分解将原始的EEG信号转换到频域和时频域,获得信号的频域和时频域特征,然后和原始的EEG信号一起构建成初始多视角特征,获得初始多视角特征构建模型。本发明为了提高多视角特征的有效性,基于最初的多视角数据,利用CNN进行深度学习来构造出深度多视角特征。相对于原始多视角特征,经过深度特征提取的多视角特征具有更小的数据维度和更高的分类效果。
📄 2019102972119
📂 G16H50_20
👤 江南大学
📅 2019-04-15
本发明公开了一种基于DB‑LSTM神经网络的移动医疗物联网频谱智能预测算法,包括如下步骤:首先对本地移动医疗物联网信号数据采样,利用ResNet‑CNN模型进行频谱感知操作,获得主用户历史使用频谱时序二进制数据集;然后通过滑动窗构建具有时序特性的频谱预测数据集,利用此数据集对DB‑LSTM神经网络模型训练,利用训练后的DB‑LSTM神经网络模型实现频谱预测。所述方法能够有效的提高频谱预测准确率并降低频谱预测均方误差。
📄 2023102278985
📂 G16H50_20
👤 青岛科技大学
📅 2023-03-10
本发明提供一种基于双深度学习神经网络的数据处理方法,该方法包括:根据预先训练好的第一深度学习神经网络的输入变量获取对应的第一输入数据,将第一输入数据输入到第一深度学习神经网络,通过计算得到第一输出结果;当第一输出结果中包含标识有疾病的标签时,根据预先训练好的第二深度学习神经网络的输入变量获取对应的第二输入数据,将第二输入数据输入到第二深度学习神经网络,通过计算得到第二输出结果;其中,第一深度学习神经网络的输入变量集合是所述第二深度学习神经网络的输入变量集合的子集。此外,还提供了一种基于深度学习神经网络的疾病诊断装置、一种计算机设备和计算机可读存储介质。
📄 2017113198052
📂 G16H50_20
👤 华南师范大学
📅 2017-12-12
本发明提供了一种治疗方案推荐系统,该系统包括:信息获取模块,用于获取用户的病情信息和个人信息,将用户的病情信息作为第一病情信息,将用户的个人信息作为第一个人信息;匹配模块,用于将第一病情信息及第一个人信息与知识库中的病情信息及个人信息进行匹配,确定与第一病情信息及第一个人信息匹配的第二病情信息及第二个人信息;推荐模块,用于获取与第二病情信息及第二个人信息对应的治疗方案,将获取到的治疗方案推荐给用户。由于系统不再依赖于个人的主观经验,而是根据病情信息和个人信息的客观历史数据,因此,推荐的治疗方案更具有针对性和可靠性,进而辅助医生和病人更加快速、准确、合理地确定治疗方案。
📄 2016104162894
📂 G16H50_20
👤 华南师范大学
📅 2016-06-14
本实用新型公开了一种基于数字病理图像的癌症辅助诊断设备,包括设备箱体,所述设备箱体的左侧设置有支撑箱体;数据对比模块,其设置在所述主显示屏的外壁,所述数据对比模块的左侧设置有PLC控制模块;数据存储模块,其设置在所述PLC控制模块的左侧,所述数据存储模块的上方设置有数据接收模块;数据分析模块,其设置在所述数据接收模块的右侧,所述数据分析模块的右侧设置有数据发送模块。该基于数字病理图像的癌症辅助诊断设备,与现有的装置相比,设置有数据对比模块,能够将待诊断的数字病理图像与现有数据库中的病例数据之间进行比对分析,从而能够便于根据相似病例对现有的病例进行辅助诊断。(ESM)同样的发明创造已同日申请发明专利
📄 2021215022403
📂 G16H50_20
👤 速检病理诊断研究院(山东)有限公司
📅 2021-07-03