申请/专利权人：推想医疗科技股份有限公司

申请日：2015-06-02

公开（公告）日：2024-06-28

公开（公告）号：CN113421652B

主分类号：G16H50/70

分类号：G16H50/70;G06N3/0464;G06N3/06;G06N3/08;G16H40/20

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2021.10.12#实质审查的生效;2021.09.21#公开

摘要：一种对医疗数据进行分析的方法、训练模型的方法及分析仪，其核心内容是应用深度学习中的深度卷积神经元算法在计算机内建立模型。该模型利用海量医疗数据选择及优化模型参数，通过“训练”模型自动学习医生或医学研究人员的病理分析过程，继而帮助其处理大量的医疗或医学数据，最终辅助医生做出针对大量医疗数据的正确判断和有效决策。本发明可大大降低医生或医学研究人员的工作压力，提高其工作效率，本发明可使医生或医学研究人员从繁重的对医疗或医学数据的分析工作中解脱出来，从而将更多的精力用于其它更重要的工作中。

主权项：1.一种训练模型的方法，其特征在于，用于肺部CT图像的图像分割和智能分析，所述方法包括：采集同类型的医疗素材数据及与所述医疗素材数据匹配的医疗诊断数据，并将所述医疗素材数据和所述医疗诊断数据作为医疗训练数据通过输入装置存储于计算机中，所述医疗素材数据包括临床和医技阶段医生对患者诊断、检查和治疗过程进行的相关信息记录，所述诊断数据包括临床和医技阶段医生对患者初诊判断、出院结果、疾病治疗效果进行的相关信息记录以及医生撰写的文本出诊数据和跟踪随访数据；将所述医疗训练数据中不小于二维的影像数据和文本数据中随时间和空间的变化值与对应的数据相关联；在采集的医疗训练数据中，将与每一个个体对应的医疗训练数据和所述变化值汇总为一条单元数据；将所述医疗训练数据整合或格式化为计算机能够理解的结构化数据矩阵并从每个单元数据中提取数据特征，其中，所述数据特征包括所述医疗训练数据在时间上的变化值和在空间上的变化值；将已形成结构化数据矩阵的医疗训练数据导入设置于计算机内对应深度学习模型的存储模块中，其中，所述深度学习模型包括多个卷积方块，每个所述卷积方块为一个三维的矩阵，所述卷积方块的x与y轴涵盖一个图像在空间变化的方程，所述卷积方块的z轴涵盖所述图像在空间变化的方程；通过计算机对所述深度学习模型进行优化运算，其中，所述深度学习模型的输入层包括多个具有所述数据特征的节点，所述深度学习模型的输出层包括多个具有医疗诊断数据特征的节点。

全文数据：

权利要求：

百度查询： 推想医疗科技股份有限公司 对医疗数据进行分析的方法、训练模型的方法及分析仪

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD