以機器學習模型建立拔管預測之系統

• 東海大學工學院
• 白鎧誌老師

本發明係提供一種以機器學習模型建立拔管預測之系統及其方法，其係能夠透過一機器學習模型之訓練及/或驗證得到一拔管預測模型及其所使用之關鍵特徵，而透過該拔管預測模型即時分析一病人之關鍵特徵資料，係能得到該病人之拔管可能性及其相關說明。據此，本發明所揭以機器學習模型建立拔管預測之系統及其方法係做為臨床照護者評估拔管之工具，以降低拔管後無法自主呼吸致使重新插管之可能性

閱讀詳細資料

以機器學習模型建立拔管預測之系統

• 東海大學工學院
• 白鎧誌老師

本發明係提供一種以機器學習模型建立拔管預測之系統及其方法，其係能夠透過一機器學習模型之訓練及/或驗證得到一拔管預測模型及其所使用之關鍵特徵，而透過該拔管預測模型即時分析一病人之關鍵特徵資料，係能得到該病人之拔管可能性及其相關說明。據此，本發明所揭以機器學習模型建立拔管預測之系統及其方法係做為臨床照護者評估拔管之工具，以降低拔管後無法自主呼吸致使重新插管之可能性

閱讀詳細資料

呼吸狀態分類系統

• 東海大學工學院
• 白鎧誌老師

一種呼吸狀態分類方法，用以分類至少二呼吸狀態，呼吸狀態分類方法包含訓練用生理參數輸入步驟、訓練用胸腔影像輸入步驟、特徵生理參數產生步驟、特徵胸腔影像產生步驟、訓練步驟及分類器產生步驟。特徵胸腔影像產生步驟包含處理訓練用胸腔影像中至少一部分，將受處理之各訓練用胸腔影像中左肺、右肺及心臟的影像分割出來並對其進行影像資料增強，以產生複數特徵胸腔影像。分類器產生步驟包含於至少一機器學習演算法訓練後產生至少一呼吸狀態分類器，其用以分類至少二呼吸狀態。藉此，可產生有效的呼吸狀態分類器。

閱讀詳細資料

以人工智慧技術輔助多疾病決策與即時資訊回饋的醫療照護系統

• 東海大學資工系
• 羅文聰老師

本發明所提供以人工智慧技術輔助多疾病決策與即時資訊回饋的醫療照護系統，基於其所採集到之多筆醫療訊息並針對M個不同病症進行對應之運算，可分別獲得N個訓練模型，再將單一患者資料投入該些訓練模型之全部或一部進行演算，以能得到與至少二病症相關之推論結果，並且，同時能夠接收專業人員對於推論結果之回饋，以有效地透過整合病人端之醫療客觀數據及專業人員端之醫療主觀數據，據以建構出多疾病之數據模型，作為輔助多疾病進行決策之工具。

閱讀詳細資料

呼吸狀態分類方法及其系統

• 東海大學工學院
• 白鎧誌老師

一種呼吸狀態分類方法，用以分類至少二呼吸狀態，呼吸狀態分類方法包含訓練用生理參數輸入步驟、訓練用胸腔影像輸入步驟、特徵生理參數產生步驟、特徵胸腔影像產生步驟、訓練步驟及分類器產生步驟。特徵胸腔影像產生步驟包含處理訓練用胸腔影像中至少一部分，將受處理之各訓練用胸腔影像中左肺、右肺及心臟的影像分割出來並對其進行影像資料增強，以產生複數特徵胸腔影像。分類器產生步驟包含於至少一機器學習演算法訓練後產生至少一呼吸狀態分類器，其用以分類至少二呼吸狀態。藉此，可產生有效的呼吸狀態分類器。

閱讀詳細資料

急性腎損傷預測系統及其方法

• 東海大學工學院
• 白鎧誌老師

本發明提供一種急性腎損傷預測系統及其方法。主處理單元連接主記憶體並讀取儲存於主記憶體之待測資料、檢測資料、機器學習演算法及風險機率對照表。主處理單元依據機器學習演算法訓練檢測資料而產生急性腎損傷預測模型，並輸入待測資料至急性腎損傷預測模型而產生急性腎損傷特徵風險機率與資料順位表。資料順位表依據各待測資料於急性腎損傷特徵中所佔之影響比重而依序列出待測資料。主處理單元依據急性腎損傷特徵風險機率從風險機率對照表選取醫療處置資料。藉此，預測受測者於24小時後發生急性腎損傷的機率，且即時給予醫療處置。

閱讀詳細資料