[发明专利]疾病类型自动确定方法及电子设备在审
| 申请号： | 201980001865.0 | 申请日： | 2019-09-02 |
| 公开（公告）号： | CN112930573A | 公开（公告）日： | 2021-06-08 |
| 发明（设计）人： | 牛钢;范彦辉;冯震东;张强祖;张春明 | 申请（专利权）人： | 北京哲源科技有限责任公司 |
| 主分类号： | G16H50/70 | 分类号： | G16H50/70 |
| 代理公司： | 深圳中一联合知识产权代理有限公司 44414 | 代理人： | 王丽 |
| 地址： | 100000 北京市海淀区北清路1*** | 国省代码： | 北京;11 |
| 权利要求书： | 暂无信息 | 说明书： | 暂无信息 |
| 摘要： | 一种疾病类型自动确定方法和电子设备，所述方法包括：所述电子设备获得被测样本的若干突变基因对预定基因组中每个基因的表达活性的综合影响参数数据(S81)；以及所述电子设备基于所述若干突变基因对预定基因组中每个基因的表达活性的综合影响参数数据，确定所述被测样本对应的疾病类型标签(S82)。 | ||
| 搜索关键词： | 疾病 类型 自动 确定 方法 电子设备 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京哲源科技有限责任公司，未经北京哲源科技有限责任公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201980001865.0/，转载请声明来源钻瓜专利网。
- 同类专利
- 基于睡眠活动的对患者健康状况变化的检测-202180089455.3
- B·D·冈德森;A·拉德克;B·B·李 - 美敦力公司
- 2021-12-16 - 2023-09-08 - G16H50/70
- 本公开涉及用于基于监测患者睡眠活动来检测患者健康状况变化的系统和技术。一种示例医疗系统包括：一个或多个传感器，该一个或多个传感器被配置成感测患者活动；感测电路系统，该感测电路系统被配置成基于所感测到的患者活动来提供患者活动数据；和处理电路系统，该处理电路系统被配置成：针对多个间隔中的每个间隔，根据患者活动数据确定相应的活动分类，其中每个活动分类指示在间隔期间的患者活动数据是否满足指示患者移动的至少一个预定标准；针对多个时隙中的每个时隙，确定满足该至少一个预定标准的间隔的数目，每个时隙包括多个间隔的连续子集；以及基于多个时隙内的所确定的间隔的数目来识别患者的非活动状态与活动状态之间的转变。
- 样本定量分析的改进或与样本定量分析相关的改进-202180063349.8
- 阿列克谢·莫尔古诺夫;西蒙·莫林 - 流体分析有限公司
- 2021-09-16 - 2023-08-22 - G16H50/70
- 提供了一种用于改进样本的定量分析的系统。所述系统包括：设备；数据存储器和处理电路，所述处理电路被配置为使所述系统运行。所述设备被配置为对流体样本进行溶液中生物大分子相互作用的定量分析以提供定量分析数据。数据存储器用于存储：与多个个体相关的个人数据；以及与生物大分子相互作用有关的数据。所述处理电路被配置为访问数据存储器并识别和检索与所述样本相关的数据；根据所检索到的数据来设置在所述设备中执行所述样本的定量分析的参数；使用通用模型执行分析，以创建来自所述设备的定量分析的预测结果；从所述设备接收所述样本的定量分析数据；将从设备接收的所述定量分析与预测结果进行比较；以及用所比较的输出和所接收的定量分析数据中的至少一种更新所述数据存储器。
- 用于使用人工智能生成与肿瘤治疗线相关的预测结果的技术-202180081698.2
- S·E·莫莱罗·莱昂;T·塔索格鲁 - 豪夫迈·罗氏有限公司
- 2021-10-06 - 2023-08-18 - G16H50/70
- 本文公开了用于使用人工智能(AI)来促进为诊断为患有癌症的受试者选择治疗线的技术。本文公开的方法和系统涉及用于使用AI来进行以下项的技术：基于跨癌症类型的受试者的突变谱来预测受试者的治疗结果和癌症进化；使用富集的受试者特异性数据集来预测受试者的治疗存活前景；以及自动地验证促成选择特定治疗线的理由(例如，由受试者记录中的特征来表示)是否符合肿瘤治疗指南。
- 基于测试结果水平的分析-202180058713.1
- 陈琳琳;龙畅;陶晓君;邢伟彬;赵伟庆;朱琪 - 豪夫迈·罗氏有限公司
- 2021-12-08 - 2023-06-30 - G16H50/70
- 本公开的实施方案涉及基于测试结果水平的分析。本公开的一些实施方案提供了一种计算机实现方法。所述方法包括获得患者的对应于多个医学指标的多个测试结果水平，每个测试结果水平指示对应医学指标的定量测试结果落在多个预定定量范围中的一个内；获得与参考病例相关联的对应于所述多个医学指标的多个参考测试结果水平，每个参考测试结果水平指示对应医学指标的定量参考测试结果落在所述多个预定定量范围中的一个内；以及至少基于所述多个测试结果水平和所述多个参考测试结果水平，确定所述患者的医学病症和与所述参考病例相关联的参考医学病症之间的相似性。通过该解决方案，凭借基于测试结果水平的分析，可以保护所述患者的隐私并获得针对所述患者的准确的判读。
- 用于预测疾病发生的方法及装置-202180074654.7
- 李受珍;成祉旻;洪永宅;河成旼;孟信希;沈学俊;金加恩 - 昂泰克特健康有限公司
- 2021-10-20 - 2023-06-30 - G16H50/70
- 本发明用于利用人工智能算法对未来发生疾病的可能性进行预测，用于预测疾病发生的方法，可以包括：获取以目标对象的健康检查数据为基础的输入数据的步骤；利用经过训练的人工智能模型，从所述输入数据生成用于指示各个年度的疾病发生可能性的输出数据的步骤；对于所述输出数据的结果，判断具有相对较高的贡献度的至少一个项目的步骤；以及，输出与所述各个年度的所述疾病的发生可能性以及与所述至少一个项目相关的信息的步骤。
- 具有用于跟踪睡眠者心率变异性的控制器的床-202180066946.6
- 费萨尔·穆什塔克;斯特西·斯图席恩斯基;肖恩·巴尔;加里·N·加西亚莫利纳 - 数眠公司
- 2021-10-29 - 2023-06-23 - G16H50/70
- 床具有床垫。传感器感测床的用户的心脏活动，并向计算硬件发送记录所感测的用户的心脏活动的数据消息。计算硬件执行包括以下项的操作：从传感器接收数据消息；根据数据消息确定用户在多个单次睡眠会话中的多个时间点的心率变异性度量；对于给定睡眠会话，使用针对给定睡眠会话的用户的心率变异性度量来计算恢复度量，该恢复度量反映睡眠会话已经提供给用户的心脏恢复的程度；以及在用户界面中显示恢复度量。
- 使用图像特征预测腺癌患者的预后的方法-202180065260.5
- 黄度植;朴斗贤;李明勋;全选坤;吴大中 - D＆P 生物技术有限公司;延世大学校产学协力团
- 2021-09-23 - 2023-06-23 - G16H50/70
- 公开了一种使用图像特征来预测腺癌患者的预后的方法。根据本发明实施例的预测预后方法包括：接收包括患者的病变区域的图像，对所接收的图像进行预处理，分割所预处理的图像中的所述病变区域并且计算指示所分割的病变区域内的强度值和纹理信息值的至少一个生物标志物，以及基于所计算的至少一个生物标志物来输出所述患者的预后预测值。
- 用于判断是否已施用药物的方法及使用该方法的服务器-202180070830.X
- 李辉源;庾相弼 - 掌中加有限公司
- 2021-08-19 - 2023-06-23 - G16H50/70
- 本申请提供了一种用于判断是否已施用药物的服务器，该服务器包括：收发器，该收发器接收可穿戴设备录制的视频；存储器，该存储器存储检测模型和确认模型，其中检测模型被训练以输出每个预设目标是否出现在图像中，确认模型被训练以输出是否已施用药物，其中预设目标包括与药物或药物容器相关的对象以及与药物施用相关的姿势；一个或多个处理器，该一个或多个处理器配置为通过将视频的图像帧输入到检测模型来检测预设目标，并通过将确认模型输入数据输入到确认模型来判断是否已施用药物，确认模型输入数据是基于检测模型的检测结果生成的。
- 用于确定肠内微生物群系指数的装置、方法及存储指令的存储介质-202180041636.9
- 闵义基;吴炫昔;金南逸;林廷玟;金恩惠 - 希杰生物科技株式会社
- 2021-06-16 - 2023-04-28 - G16H50/70
- 本公开提出一种用于确定肠内微生物群系指数的装置。根据本公开的装置可以从检查装置获得对于对象的生物试样的检查信息，基于检查信息确定关于肠内微生物相似度的第一信息、关于肠内有害微生物比率的第二信息、关于肠内有益微生物比率的第三信息和/或关于肠内微生物多样性的第四信息，并基于确定的信息确定指示对象的肠内微生物群系的状态的肠内微生物群系指数。
- 用于促进个体多发性硬化症受试者的协同治疗的大数据处理-202180041342.6
- 西尔维娅·埃琳娜·莫莱罗莱昂;埃莱娜·让娜·萨里;图拉普·塔索格鲁 - 霍夫曼－拉罗奇有限公司
- 2021-04-27 - 2023-04-04 - G16H50/70
- 本文公开了用于构建和使用数据平台以促进对多发性硬化症的治疗的智能选择以及识别对多发性硬化症治疗的指示的系统和方法。与多发性硬化症受试者相关联的记录的各种记录快照有助于高效查询，所述高效查询可用于探索异质性、非结构化和非分类数据集以生成具体的一般性假设和受试者特定的治疗预测。
- 评价装置、学习装置、预测装置、评价方法、程序以及计算机可读取的存储介质-202180042369.7
- 北野史朗;篠崎英司 - 凸版印刷株式会社;公益财团法人癌研究会
- 2021-06-29 - 2023-03-07 - G16H50/70
- 对抗癌效果进行评价的评价装置具备：学习信息取得部，取得至少包含表示不特定的受检者的癌的状态的状态信息的学习数据、以及通过对从受检者采集的细胞投放抗癌剂而得到的与抗癌剂的效果相关的信息即教师数据；学习部，通过使学习模型对学习数据与教师数据的对应关系进行有教师学习，生成预测模型；以及预测部，使用预测模型，进行与使用了抗癌剂的治疗相关的预测，学习信息取得部取得通过对包含从不特定的受检者采集的癌细胞以及构成间质的细胞的立体的细胞构造体投放抗癌剂而得到的与抗癌效果相关的信息，作为教师数据。
- 使用堆叠式机器学习模型进行的葡萄糖测量结果预测-202180026646.5
- M·德雷津斯基;约斯特万德·林登;R·多德;L·杰普森;G·阿恰罗尔 - 德克斯康公司
- 2021-06-01 - 2023-01-31 - G16H50/70
- 描述了使用由机器学习模型构成的堆叠进行的葡萄糖测量结果和葡萄糖影响事件预测。CGM平台包含堆叠式机器学习模型，使得由所述机器学习模型中的一个机器学习模型生成的输出可以作为输入提供给所述机器学习模型中的另一个机器学习模型。多个机器学习模型包含被训练成生成葡萄糖测量结果预测的至少一个模型和被训练成生成即将到来的时间间隔的事件预测的另一个模型。所述堆叠式机器学习模型中的每个机器学习模型被配置成在作为输入提供有由用户穿戴的CGM系统提供的葡萄糖测量结果或描述用户行为或影响人在未来的葡萄糖的其它方面的额外数据中的至少一者时生成其相应输出。然后，可以如通过传送和/或显示关于对应预测的通知来输出预测。
- 利用机器学习从急性缺血性脑卒中患者的多期CT血管造影预测缺血性脑组织转归的系统及方法-202180034155.5
- 比乔伊·梅农;邱武;马扬克·古亚尔;迈克尔·希尔;安德鲁·德姆丘克;阿里尔扎·苏祖迪 - 圆心血管影像有限公司
- 2021-03-10 - 2023-01-13 - G16H50/70
- 本发明涉及用于从多期CT血管造影预测缺血性脑组织转归的系统和方法。更具体地，提供了能够使用已经通过机器学习训练以解释mCTA图像的软件从mCTA图像有意义地预测核心，半影和灌注的系统和方法。
- 放射学质量仪表板数据分析和洞察引擎-202180023916.7
- P·P·克拉森;T·P·哈德尔;T·比罗 - 皇家飞利浦有限公司
- 2021-03-16 - 2022-11-08 - G16H50/70
- 一种非暂时性计算机可读介质(26)存储能够由至少一个电子处理器(20)读取且执行以结合具有显示设备(24)和至少一个用户输入设备(22)的工作站(18)来提供对一个或多个放射学数据库(30、32)的统计分析的指令。指令包括：能够由至少一个电子处理器读取且执行以提供用于选择和处理存储在一个或多个放射学数据库中的检查数据的多个不同的分析服务(39)的指令；以及能够由至少一个电子处理器读取且执行以通过在工作站上提供具有用于有序分析服务序列的用户选择、配置和执行的菜单和/或图形用户界面(GUI)对话框(40)的GUI(28)并提供有序分析服务序列中的分析服务之间的数据持久性来引导用户创建和执行工作流(38)的用户引导指令。
- 用于在患有排卵障碍或者处于排卵障碍的风险的个体中提供生育能力增强饮食推荐的系统和方法-202180010296.3
- M·阿费切泽希尔;L·巴扎罗娃;R·普莱什蒂纳;F·龙加 - 雀巢产品有限公司
- 2021-02-16 - 2022-09-02 - G16H50/70
- 本公开提出了用于为寻求提高其生育能力的用户提供个性化的实时饮食和生活方式推荐的新型创新方法和系统。在优选的实施方案中，本发明涉及用于提高处于排卵障碍的风险或被诊断患有排卵障碍、特别是多囊卵巢综合征的女性的生育能力的新型饮食推荐。
- 用于再利用药物的数据处理系统和方法-202080085251.8
- A-G·拉德纳克;P·布莱斯;E·德雷纳尔迪斯;R·A·赫尔南德斯-维西诺;F·J·J·希门尼斯;C·M·莫洛尼 - 赛诺菲
- 2020-12-09 - 2022-08-05 - G16H50/70
- 用于再利用药物的数据处理系统可以包括：计算机可读存储器，所述计算机可读存储器包括计算机可执行指令；以及至少一个处理器，所述至少一个处理器被配置成执行包括所述计算机可执行指令和至少一个机器学习模型的可执行逻辑以执行一个或多个操作。所述一个或多个操作可以包括：接收表示多个患者的医疗记录的数据；选择一组患者；确定所述一组患者的多个患者特性；根据所述多个患者特性对所述一组患者进行分组，以生成多个独特组，所述独特组中的每个独特组包括所述一组患者中的至少一个患者；基于一个或多个组选择标准选择一组独特组；以及通过分析所述一组独特组中的每个独特组来标识一个或多个相关的患者特性。
- 用于确定患者的风险评分的方法-202080084103.4
- 布莱恩·安德鲁斯 - 墨尼克医疗用品有限公司
- 2020-12-02 - 2022-07-15 - G16H50/70
- 本公开总体上涉及一种计算机实现的、用于更新患者的治疗模型的方法。本公开还涉及相应的计算机系统和计算机程序产品。
- 跨医疗数据源的网络表示学习算法-202180006088.6
- 王朝坤;严本成;楼昀恺;石耕源;陈俊;黄海峰;陆超 - 清华大学;百度在线网络技术（北京）有限公司
- 2021-04-06 - 2022-07-08 - G16H50/70
- 本公开提出一种跨医疗数据源的网络表示学习算法，包括：S1，生成包括源网络和目标网络的医疗网络数据；S2，从源网络和目标网络随机采样设定数量的节点；S3，得到一个L层的神经网络，并对每一层分别计算源网络和目标网络的结构特征和表达特征，计算源网络和目标网络的网络特征之间的距离损失；S4，得到源网络在L层神经网络的输出，并根据分类损失和距离损失计算损失值，根据反向传播算法更新算法的参数；S5，重复步骤S2‑S4，直至整个算法收敛，使得算法对于疾病分类的准确率在多个迭代内不再上升。本公开考虑了不同医院数据源之间的数据分布不一致问题,通过提取网络的结构信息及节点属性信息、最小化特征距离弥补信息损失，有着广阔的应用空间。
- 示教数据收集委托装置以及示教数据收集方法-202080073656.X
- 野中修;后町智子;市川学;藤原弘达;樱井亮 - 奥林巴斯株式会社
- 2020-03-12 - 2022-06-10 - G16H50/70
- 提供示教数据收集委托装置以及示教数据收集方法，在发生了新的事件时，容易地收集表示直到该事件的过程的信息，并根据该收集到的信息，生成推理模型生成用的示教数据。执行以下步骤：输入步骤(S5)，医生输入与特定的患者的病情相关的信息；设备确定步骤(S11)，确定能够取得患者的过去的时间序列数据的设备；以及学习委托步骤，将具有与所确定的设备相同的设备的其他人的时间序列数据和诊察信息转化为示教数据而委托学习。
- 临床决策支持-202080039640.7
- I·雅各布斯;P·费尔堡;J·R·普鲁耶特尔;S·兰格雷思;S·威廉姆斯;Z·赫里斯托夫;聂鸿超;M·洛斯 - 皇家飞利浦有限公司
- 2020-05-20 - 2022-01-07 - G16H50/70
- 本发明提出了用于生成用于临床决策支持的受试者特定的用户界面的概念。此类概念包括获得关于已建立的临床知识的临床参考信息，并且还获得关于受试者的受试者特定的临床信息。确定了描述多个不同临床标准中的至少一个临床标准的相关性或重要性的临床上下文信息。基于所述临床参考信息、所述受试者特定的临床信息和所述临床上下文信息，确定了与临床决策相关的所述受试者特定的临床信息的子集。基于所述受试者特定的临床信息的所述子集来定义用户界面部件和用户界面元素中的至少一项。
- 计算跨度的深度学习方法-202080038894.7
- J·卡森;C·姆瓦拉布;T·H·罗杰斯;C·艾伦 - 国际商业机器公司
- 2020-06-05 - 2022-01-04 - G16H50/70
- 公开了一种使用自然语言处理器的方法、系统和计算机程序产品。包括导入突出显示和未突出显示的训练文本，每个训练文本都包括训练节点，对训练文本进行单热编码，使用训练文本训练投影模型，使用投影模型处理突出显示的训练文本，以及使用突出显示的经处理的训练文本训练分类器模型。还包括导入包括新节点的新文本、对新文本进行单热编码、使用投影模型处理新文本以及使用分类器模型确定新节点之一是否在抢手的类中。
- 用于开发患者特定的脊柱植入物、疗法、操作和/或程序的系统、方法和/或装置-202080027765.8
- T·莫尼耶;A·塞纳克;C·奥加涅尔;C·雅弗洛;D·苏尔纳克 - 美迪科里亚国际公司
- 2020-04-01 - 2021-11-19 - G16H50/70
- 本文中的公开内容涉及用于开发患者特定的脊柱植入物、疗法、操作和/或程序的系统、方法和/或装置。在一些实施例中，本文中所描述的系统、方法和装置可包括使用人工智能、机器学习和/或预测性建模来预测脊柱手术的结果，在脊柱手术之后，例如在可以是患者特定的脊柱杆的植入之后的患者的脊柱的一个或多个参数，和/或一个或多个推荐的患者特定的脊柱杆的一个或多个参数。此外，在一些实施例中，本文中所描述的系统、方法和装置可包括用于例如实时地或大体上实时地基于预先可操作地确定的手术计划而追踪和/或建议脊柱手术期间的改进的手术中追踪。此外，在一些实施例中，本文中所描述的系统、方法和装置可包括脊柱手术之前的螺钉计划。
- 一种用于为患者选择伤口产品的方法-201980077066.1
- 简·博贝格;安纳德·钱达拉纳 - 墨尼克医疗用品有限公司
- 2019-12-17 - 2021-07-23 - G16H50/70
- 本公开总体上涉及一种计算机实现的方法，该方法用于例如适于考虑患者的伤口所确定的愈合轨迹，适应性地为患者选择至少一个伤口产品。本公开还涉及相应的计算机系统和计算机程序产品。
- 疾病类型自动确定方法及电子设备-201980001865.0
- 牛钢;范彦辉;冯震东;张强祖;张春明 - 北京哲源科技有限责任公司
- 2019-09-02 - 2021-06-08 - G16H50/70
- 一种疾病类型自动确定方法和电子设备，所述方法包括：所述电子设备获得被测样本的若干突变基因对预定基因组中每个基因的表达活性的综合影响参数数据(S81)；以及所述电子设备基于所述若干突变基因对预定基因组中每个基因的表达活性的综合影响参数数据，确定所述被测样本对应的疾病类型标签(S82)。
- 用于在物联网网络中进行基于人工智能(AI)的辅助健康感测的方法及电子设备-201980049767.4
- 伊拉瓦拉苏·贾巴兰·埃伦;阿里耶卢尔·钱德拉塞克兰·甘尼什;拉姆·帕拉尼萨米 - 三星电子株式会社
- 2019-07-26 - 2021-04-30 - G16H50/70
- 本文的实施例公开了一种用于在包括彼此连接的多个电子设备的IoT网络中进行基于AI的辅助健康感测的方法。该方法包括由来自多个电子设备的第一电子设备获得指示用户的当前健康状况的至少一个输入。此外，该方法包括由第一电子设备使用至少一个AI模型基于用户的当前健康状况来确定要测量的用户的至少一个生命参数。此外，方法包括由第一电子设备使用至少一个AI模型来从多个电子设备中识别至少一个第二电子设备，以测量用户的至少一个生命参数。此外，该方法包括由第一电子设备自动发起与用户的会话。
- 综合疾病管理系统-201980048319.2
- 布莱恩·爱德华·蒙梅拉;道格拉斯·麦克卢尔;爱德华·利博维茨;埃菲·桑德隆;丽塔·萨尔蒂尔-伯津;埃米·丽贝卡·切纳特;高严;迪伦·K·威尔逊;肖恩·迈克尔·乌尔里克;瑞安·弗朗西斯·比德尔 - 伯克顿迪金森公司
- 2019-06-17 - 2021-03-19 - G16H50/70
- 一种用于向患者显示疾病管理目标的系统，包括：用户数据库，包括测量的患者疾病管理数据或用户派生的患者疾病管理数据；内容数据库，包括与推荐的生活方式选择和疾病管理协议有关的内容项；以及交互式用户界面。该系统还包括具有指令的存储器，当在处理器上运行这些指令时将执行如下方法，包括：基于用户信息和存储的疾病管理协议来确定与改善疾病管理有关的患者目标并在交互式用户界面上向用户显示患者目标；以及至少基于所确定的患者目标和用户信息从内容数据库中选择一个或多个内容项并在交互式用户界面上向用户显示所选择的一个或多个内容项。
- 自动宫颈癌诊断系统-201980036662.5
- 郑载训 - 艾多特公司
- 2019-12-13 - 2021-02-05 - G16H50/70
- 本发明涉及一种用于通过根据准确的标准对自动诊断宫颈癌所需的宫颈数据进行分类来执行机器学习、并基于机器学习自动诊断宫颈癌的自动宫颈癌诊断系统，该自动宫颈癌诊断系统包括：学习数据生成器，该学习数据生成器被配置为根据多级别分类标准的组合对从外部设备或存储装置传输的子宫颈的未分类的拍摄图像数据进行分类，以在学习模式中针对每个新分类标准生成学习数据；拍摄图像预处理器，该拍摄图像预处理器被配置为对拍摄的子宫颈图像进行预处理；宫颈癌诊断器，该宫颈癌诊断器包括用于宫颈癌的机器学习模型，该机器学习模型学习在学习模式中针对每个分类标准生成的学习数据的特性，其中机器学习模型关于经预处理的拍摄的子宫颈图像生成关于是否发生宫颈癌的诊断信息；屏幕显示控制器，该屏幕显示控制器被配置为显示和输出被配置为显示诊断信息以及根据阅读专家输入评估信息的用户界面屏幕；重新训练数据生成器，该重新训练数据生成器被配置为从通过用户界面屏幕输入的评估信息中提取重新训练所需的信息、并请求重新训练机器学习模型；以及诊断和评估信息存储装置，该诊断和评估信息存储装置被配置为存储关于是否已经发生宫颈癌的诊断信息以及通过用户界面屏幕输入的评估信息。
- 用于对IBS患者分层的方法-201980037633.0
- 弗格斯·沙纳汉;保罗·W·奥图尔;伊恩·B·杰弗里 - 4D制药有限公司
- 2019-06-07 - 2021-01-15 - G16H50/70
- 一种用于对肠易激综合征(IBS)患者分层的计算机实现的方法。所述方法包括检测从所述患者获得的生物样品中多种细菌的存在、不存在或丰度以生成患者微生物组分布图；以及对所述患者微生物组分布图操作受训分类器以输出将所述肠易激综合征(IBS)患者分层至第一组或第二组中的信号。将所述患者分层至所述第一组中指示所述患者具有与未指示IBS的平均微生物组相比未显著改变的微生物组。将所述患者分层至所述第二组中指示所述患者具有与未指示IBS的平均微生物组相比改变的微生物组。
- 用于检测败血症的检测组-201980026474.4
- 辛荣昌;卡洛斯·A·拉米雷斯 - 拜克门寇尔特公司
- 2019-04-22 - 2020-11-24 - G16H50/70
- 本技术的实施方式包括用于针对败血症来检测血液样本的方法。该方法可以包括：从个体接收血液样本。该方法还可以包括：执行用于针对败血症来分析血液样本的指令。另外，该方法可以包括：测量血液样本中的特征集的值。该特征集是在测量所述值之前被确定。该方法还可以包括：分析特征集的值以产生对败血症的怀疑的表示。另外，该方法可以包括：显示该表示。实施方式还包括用于针对败血症来检测血液样本的系统。
- 改善临床工作流程的系统-201880088607.6
- 迪帕·马哈詹;巴斯卡尔·森;苏尼帕·萨哈;大卫·L·佩什巴赫 - 心脏起搏器股份公司
- 2018-12-06 - 2020-09-18 - G16H50/70
- 本文描述了用于对临床发作进行分类以便针对确保警报的那些发作生成警报的系统和方法。在一些实施例中，仅针对那些新的或不同于先前发作的发作生成警报，其中发现先前发作不足以确保警报。
- 专利分类
