Certains contenus de cette application ne sont pas disponibles pour le moment.
Si cette situation persiste, veuillez nous contacter àObservations et contact
1. (WO2016192612) PROCÉDÉ D'ANALYSE DE DONNÉES DE TRAITEMENT MÉDICAL BASÉ SUR UN APPRENTISSAGE PROFOND, ET ANALYSEUR INTELLIGENT ASSOCIÉ
Dernières données bibliographiques dont dispose le Bureau international   

N° de publication : WO/2016/192612 N° de la demande internationale : PCT/CN2016/084000
Date de publication : 08.12.2016 Date de dépôt international : 31.05.2016
CIB :
G06F 19/00 (2011.01)
G PHYSIQUE
06
CALCUL; COMPTAGE
F
TRAITEMENT ÉLECTRIQUE DE DONNÉES NUMÉRIQUES
19
Équipement ou méthodes de traitement de données ou de calcul numérique, spécialement adaptés à des applications spécifiques
Déposants :
陈宽 CHEN, Kuan [CN/CN]; CN
Inventeurs :
陈宽 CHEN, Kuan; CN
Mandataire :
深圳市中知专利商标代理有限公司 ZHONGZHI PATENT&TRADEMARK AGENT CO.LTD; 中国广东省深圳市 福田区下梅林二街6号颂德国际805 Rm,805,Songde International Office Bidg No.6 Xiameilin 2nd Street,Futian District Shenzhen, Guangdong 518049, CN
Données relatives à la priorité :
201510294286.302.06.2015CN
Titre (EN) METHOD FOR ANALYSING MEDICAL TREATMENT DATA BASED ON DEEP LEARNING, AND INTELLIGENT ANALYSER THEREOF
(FR) PROCÉDÉ D'ANALYSE DE DONNÉES DE TRAITEMENT MÉDICAL BASÉ SUR UN APPRENTISSAGE PROFOND, ET ANALYSEUR INTELLIGENT ASSOCIÉ
(ZH) 基于深度学习对医疗数据进行分析的方法及其智能分析仪
Abrégé :
(EN) A method for analysing medical treatment data based on deep learning, and an intelligent analyser thereof, which can effectively alleviate work stress for doctors in a hospital or medical researchers and can perform scientific analysis on a large amount of medical treatment data or medical data and obtain an analysis result matched therewith. The core content of the method is the establishment of a model in a computer using a deep convolution neuron algorithm in deep learning. The model assists the doctors to make correct judgements and effective decisions for the large amount of medical treatment data using mass medical treatment data selection and optimisation model parameters by "training" the model to automatically learn a pathology analysis process of the doctors or the medical researchers and then helping them in processing the large amount of medical treatment data or medical data. The present invention can greatly reduce the work stress for the doctors or the medical researchers and improve the work efficiency thereof. The present invention can free the doctors or the medical researchers from heavy analysis work on the medical treatment data or medical data, so that they can put more effort into other more important work.
(FR) Procédé d'analyse de données de traitement médical basé sur un apprentissage profond, et analyseur intelligent associé, capables d'alléger efficacement le stress lié au travail pour les médecins en milieu hospitalier ou les chercheurs en médecine et d'effectuer une analyse scientifique sur une grande quantité de données de traitement médical ou de données médicales et d'obtenir un résultat d'analyse concordant avec celles-ci. Le contenu central du procédé est l'établissement d'un modèle dans un ordinateur à l'aide d'un algorithme neuronal de convolution profonde dans un apprentissage profond. Le modèle aide les médecins à formuler des jugements corrects et à prendre des décisions efficaces pour la grande quantité de données de traitement médical en utilisant des paramètres de modèle de sélection et d'optimisation de données de traitement médical en masse en "formant" le modèle pour apprendre automatiquement un processus d'analyse de pathologies des médecins ou des chercheurs en médecine, puis en les aidant à traiter la grande quantité de données de traitement médical ou de données médicales. La présente invention peut réduire considérablement le stress lié au travail pour les médecins ou les chercheurs en médecine et améliorer leur rendement de travail. La présente invention peut libérer les médecins ou les chercheurs en médecine d'un lourd travail d'analyse sur les données de traitement médical ou les données médicales, de sorte qu'ils peuvent investir davantage d'efforts dans d'autres travaux plus importants.
(ZH) 一种能有效减轻医院医生或医学研究人员工作压力且可对大量的医疗或医学数据进行科学分析并获得与之匹配的分析结果的基于深度学习对医疗数据进行分析的方法及其智能分析仪。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。
front page image
États désignés : AE, AG, AL, AM, AO, AT, AU, AZ, BA, BB, BG, BH, BN, BR, BW, BY, BZ, CA, CH, CL, CN, CO, CR, CU, CZ, DE, DK, DM, DO, DZ, EC, EE, EG, ES, FI, GB, GD, GE, GH, GM, GT, HN, HR, HU, ID, IL, IN, IR, IS, JP, KE, KG, KN, KP, KR, KZ, LA, LC, LK, LR, LS, LU, LY, MA, MD, ME, MG, MK, MN, MW, MX, MY, MZ, NA, NG, NI, NO, NZ, OM, PA, PE, PG, PH, PL, PT, QA, RO, RS, RU, RW, SA, SC, SD, SE, SG, SK, SL, SM, ST, SV, SY, TH, TJ, TM, TN, TR, TT, TZ, UA, UG, US, UZ, VC, VN, ZA, ZM, ZW
Organisation régionale africaine de la propriété intellectuelle (ARIPO) (BW, GH, GM, KE, LR, LS, MW, MZ, NA, RW, SD, SL, ST, SZ, TZ, UG, ZM, ZW)
Office eurasien des brevets (OEAB) (AM, AZ, BY, KG, KZ, RU, TJ, TM)
Office européen des brevets (OEB (AL, AT, BE, BG, CH, CY, CZ, DE, DK, EE, ES, FI, FR, GB, GR, HR, HU, IE, IS, IT, LT, LU, LV, MC, MK, MT, NL, NO, PL, PT, RO, RS, SE, SI, SK, SM, TR)
Organisation africaine de la propriété intellectuelle (OAPI) (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, KM, ML, MR, NE, SN, TD, TG)
Langue de publication : chinois (ZH)
Langue de dépôt : chinois (ZH)