Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 哈尔滨工业大学赵森栋获国家专利权

哈尔滨工业大学赵森栋获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉哈尔滨工业大学申请的专利一种利用病历信息进行肝胆胰疾病智能化辅助诊疗的病历智能体系统获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119361126B

龙图腾网通过国家知识产权局官网在2025-11-18发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202411492394.7,技术领域涉及:G16H50/20;该发明授权一种利用病历信息进行肝胆胰疾病智能化辅助诊疗的病历智能体系统是由赵森栋;强泽文;王昊淳;李子健;秦兵;刘挺设计研发完成,并于2024-10-24向国家知识产权局提交的专利申请。

一种利用病历信息进行肝胆胰疾病智能化辅助诊疗的病历智能体系统在说明书摘要公布了:一种利用病历信息进行肝胆胰疾病智能化辅助诊疗的病历智能体系统,本发明涉及病历智能体系统,属于医学信息处理领域。本发明的目的是为了解决现有技术系统对病历信息挖掘不够充分,没有利用好各个类型的数据,以及整体推理过程的不可见使得系统可解释性差的问题。系统包括:数据处理模块、数值类型肝胆胰疾病分类模块、自然语言类型肝胆胰疾病分类模块、影像检查数据类型肝胆胰疾病分类模块、整合模块、证据判断模块;数值类型肝胆胰疾病分类模块用于获取数值类型肝胆胰疾病分类结果;自然语言类型肝胆胰疾病分类模块用于获取自然语言类型肝胆胰疾病分类结果;影像检查数据类型肝胆胰疾病分类模块用于获取影像检查类型肝胆胰疾病分类结果。

本发明授权一种利用病历信息进行肝胆胰疾病智能化辅助诊疗的病历智能体系统在权利要求书中公布了:1.一种利用病历信息进行肝胆胰疾病智能化辅助诊疗的病历智能体系统,其特征在于:所述系统包括: 数据处理模块、数值类型肝胆胰疾病分类模块、自然语言类型肝胆胰疾病分类模块、影像检查数据类型肝胆胰疾病分类模块、整合模块、证据判断模块; 所述数据处理模块用于收集肝胆胰病历数据,将收集的肝胆胰病历数据的格式进行统一,对格式统一后的肝胆胰相关病历数据进行隐私脱敏,对隐私脱敏后的肝胆胰病历数据进行分类; 所述数值类型肝胆胰疾病分类模块用于对数据处理模块处理后的病历中的数值类型数据进行处理,获取数值类型肝胆胰疾病分类结果;具体过程为: 1、对数据处理模块处理后的病历中的数值类型数据进行处理;具体过程为: 若病历中的数据为数值类型,则不处理; 若病历中的数据为非数值类型数据,则将非数值类型数据转换为数值信息; 2、数值类型肝胆胰疾病分类模型为XGBoost模型; 3、对数值类型肝胆胰疾病分类模型进行训练,获得训练好的数值类型肝胆胰疾病分类模型;具体过程为: XGBoost模型的输入为1处理后的病历中的数值类型的数据,XGBoost模型的输出为数值类型肝胆胰疾病分类结果; 目标函数为Lt;损失函数为交叉熵损失函数; 获得训练好的数值类型肝胆胰疾病分类模型; 4、获取待测肝胆胰病历数据,经数据处理模块处理,对数据处理模块处理后的病历中的数值类型数据进行处理,得到待测数值类型数据; 基于训练好的数值类型肝胆胰疾病分类模型对待测数值类型数据进行分类,得到数值类型肝胆胰疾病分类结果; 所述自然语言类型肝胆胰疾病分类模块用于对数据处理模块处理后的病历中的自然语言类型数据进行处理,获取自然语言类型肝胆胰疾病分类结果;具体过程为: 1、自然语言类型肝胆胰疾病分类模型为Bert-chinese模型; 2、对自然语言类型肝胆胰疾病分类模型进行训练,获得训练好的自然语言类型肝胆胰疾病分类模型;具体过程为: 自然语言类型肝胆胰疾病分类模型的输入为数据处理模块处理后的病历中的自然语言类型数据,自然语言类型肝胆胰疾病分类模型的输出为肝胆胰疾病类型; 损失函数为交叉熵损失函数; 获得训练好的自然语言类型肝胆胰疾病分类模型; 3、获取待测肝胆胰病历数据,经数据处理模块处理,对数据处理模块处理后的病历中的自然语言类型数据进行处理,得到待测自然语言类型数据; 基于训练好的自然语言类型肝胆胰疾病分类模型对待测自然语言类型数据进行分类,得到自然语言类型肝胆胰疾病分类结果; 所述Bert-chinese模型中点积注意力的计算公式为: 其中,Dotx表示点积注意力; Q表示输入文本X经过一个形状为[Embed,Embed]的线性层的输出;Embed表示嵌入长度; K表示输入文本X经过一个形状为[Embed,Embed]的线性层的输出; Q×KT的结果为[Sequence_length,Sequence_length]的矩阵,Sequence_length是输入文本X的长度;d表示嵌入维度;上角标T表示求转置; 设定阈值T′,将点积注意力大于阈值T′的所有token在输入中所属的文本抽取出来,作为Bert-chinese模型决策的依据; token表示词令牌; 所述影像检查数据类型肝胆胰疾病分类模块用于对数据处理模块处理后的病历中的基影像检查类型数据进行处理,获取影像检查类型肝胆胰疾病分类结果;具体过程为: 对病历中的影像检查数据处理为正则表达式,获取正则表达式形式的肝胆胰疾病分类结果; 肝癌预测概率为0.92; 胰腺癌预测概率为0.76; 胆管结石预测概率为0.96; 胆囊癌预测概率为0.64; 胆囊息肉预测概率为0.96; 胆管囊肿预测概率为0.82; 胰腺炎预测概率为0.45; 肝囊肿预测概率为0.56; 胆囊炎预测概率为0.63; 胆管癌预测概率为0.79; 所述整合模块用于整合数值类型肝胆胰疾病分类结果、自然语言类型肝胆胰疾病分类结果、影像检查类型肝胆胰疾病分类结果,获得整合分类结果;具体过程为: 1、整合模块分类模型为多层感知机MLP; 多层感知机工作原理如下所示: MLPX=WX+B 其中,X为多层感知机的输入,W和B是待训练的参数; 2、对整合模块分类模型进行训练,获得训练好的整合模块分类模型;具体过程为: 整合模块分类模型的输入为预测标签和预测概率,预测标签为数值类型肝胆胰疾病分类结果、自然语言类型肝胆胰疾病分类结果和影像检查类型肝胆胰疾病分类结果,预测概率指当前样本属于某类肝胆胰疾病的概率; 整合模块分类模型的输出为整合后的肝胆胰疾病类型; 损失函数为交叉熵损失函数; 获得训练好的整合模块分类模型; 3、基于训练好的整合模块分类模型对得到的数值类型肝胆胰疾病分类结果、自然语言类型肝胆胰疾病分类结果和影像检查类型肝胆胰疾病分类结果进行处理,得到整合分类结果; 所述证据判断模块用于判断整合分类结果与医生诊断意见是否一致,若一致输出支持证据;若不一致输出反对证据。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人哈尔滨工业大学,其通讯地址为:150001 黑龙江省哈尔滨市南岗区西大直街92号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。