CN113139365A - 临床试验受试者招募方法及设备 - Google Patents

临床试验受试者招募方法及设备 Download PDF

Info

Publication number
CN113139365A
CN113139365A CN202110369172.6A CN202110369172A CN113139365A CN 113139365 A CN113139365 A CN 113139365A CN 202110369172 A CN202110369172 A CN 202110369172A CN 113139365 A CN113139365 A CN 113139365A
Authority
CN
China
Prior art keywords
clinical trial
standard data
matching
clinical
subjects
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202110369172.6A
Other languages
English (en)
Inventor
杨卫民
高伟
钟明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Unionlab Co ltd
Original Assignee
Shanghai Unionlab Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Unionlab Co ltd filed Critical Shanghai Unionlab Co ltd
Priority to CN202110369172.6A priority Critical patent/CN113139365A/zh
Publication of CN113139365A publication Critical patent/CN113139365A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/12—Use of codes for handling textual entities
    • G06F40/151—Transformation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2455—Query execution
    • G06F16/24564—Applying rules; Deductive queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G06F16/258—Data format conversion from or to a database
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/40—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for data related to laboratory analysis, e.g. patient specimen analysis
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Computational Linguistics (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Data Mining & Analysis (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Artificial Intelligence (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明的目的是提供一种临床试验受试者招募方法及设备，本发明通过将临床试验受试者的医学资料转化为标准数据，再通过对受试者的标准数据做一些专业的类别标签，通过这些类别标签自动与临床试验项目做匹配，从而快速的为临床试验项目找到合适的受试者，同时为受试者找到合适的临床试验项目。

Description

临床试验受试者招募方法及设备
技术领域
本发明涉及一种临床试验受试者招募方法及设备。
背景技术
目前，临床试验项目招募受试者主要通过受试者将自己的病历、检查、检验报告等发送给项目招募人员，项目招募人员根据自己的经验，对受试者做一些简单的标签，再结合手上各项目的入排标准进行人工筛选来匹配。该方法缺点：
1、主要通过人工筛选的方式耗时耗力，并且容易出错。
2、受试者库的信息比较多时，历史库的利用率很低。导致有些项目可能在库中有合适的受试者，由于缺乏便捷的匹配方法而无法匹配到。
发明内容
本发明的一个目的是提供一种临床试验受试者招募方法及设备。
根据本发明的一个方面，提供了一种临床试验受试者招募方法，该方法包括：
将临床试验受试者的医学资料转换为标准数据；
对临床试验受试者的标准数据设置对应的类别标签；
基于所述类别标签，为临床试验受试者的标准数据匹配对应的临床试验项目。
进一步的，上述方法中，对临床试验受试者的标准数据设置对应的类别标签，包括：
获取临床试验受试者的标准数据中的第一特征信息；
基于所述第一特征信息，对临床试验受试者的标准数据设置对应的类别标签。
进一步的，上述方法中，基于所述类别标签，为临床试验受试者的标准数据匹配对应的临床试验项目，包括：
获取临床试验项目的第二特征信息；
将所述类别标签与所述第二特征信进行匹配，以匹配得到临床试验受试者的标准数据对应的临床试验项目。
进一步的，上述方法中，基于所述类别标签，为临床试验受试者的标准数据匹配对应的临床试验项目，包括：
将所述类别标签输入匹配模型，
判断所述匹配模型是否匹配出临床试验受试者的标准数据对应的临床试验项目，
若是，则结束；
若否，则对所述匹配模型进行修正训练后，重复从将所述类别标签输入匹配模型的步骤开始执行。
根据本发明的另一方面，还提供一种临床试验受试者招募设备，其中，该设备包括：
转换装置，用于将临床试验受试者的医学资料转换为标准数据；
标签装置，用于对临床试验受试者的标准数据设置对应的类别标签；
匹配装置，用于基于所述类别标签，为临床试验受试者的标准数据匹配对应的临床试验项目。
进一步的，上述设备中，所述标签装置，用于获取临床试验受试者的标准数据中的第一特征信息，基于所述第一特征信息，对临床试验受试者的标准数据设置对应的类别标签。
进一步的，上述设备中，所述匹配装置，用于获取临床试验项目的第二特征信息；将所述类别标签与所述第二特征信进行匹配，以匹配得到临床试验受试者的标准数据对应的临床试验项目。
进一步的，上述设备中，所述匹配装置，用于将所述类别标签输入匹配模型，判断所述匹配模型是否匹配出临床试验受试者的标准数据对应的临床试验项目，若是，则结束；若否，则对所述匹配模型进行修正训练后，重新将所述类别标签输入匹配模型，判断所述匹配模型是否匹配出临床试验受试者的标准数据对应的临床试验项目。
根据本发明的另一方面，还提供一种基于计算的设备，其中，包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：
将临床试验受试者的医学资料转换为标准数据；
对临床试验受试者的标准数据设置对应的类别标签；
基于所述类别标签，为临床试验受试者的标准数据匹配对应的临床试验项目。
根据本发明的另一方面，还提供一种计算机可读存储介质，其上存储有计算机可执行指令，其中，该计算机可执行指令被处理器执行时使得该处理器：
将临床试验受试者的医学资料转换为标准数据；
对临床试验受试者的标准数据设置对应的类别标签；
基于所述类别标签，为临床试验受试者的标准数据匹配对应的临床试验项目。
与现有技术相比，本发明通过将临床试验受试者的医学资料转化为标准数据，再通过对受试者的标准数据做一些专业的类别标签，通过这些类别标签自动与临床试验项目做匹配，从而快速的为临床试验项目找到合适的受试者，同时为受试者找到合适的临床试验项目。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1示出本发明一实施例的临床试验受试者招募方法的示意图。
附图中相同或相似的附图标记代表相同或相似的部件。
具体实施方式
下面结合附图对本发明作进一步详细描述。
在本申请一个典型的配置中，终端、服务网络的设备和可信方均包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括非暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
如图1所示，本发明提供一种临床试验受试者招募方法，所述方法包括：
步骤S1，将临床试验受试者的医学资料转换为标准数据；
在此，所述临床试验受试者的医学资料，例如可以是：病历、检查、检验报告的图片信息，可以通过OCR识别对方式将临床试验受试者的医学资料转换为标准数据；
具体的，可以通过填写一些受试者基本信息(如：姓名、年龄、性别、所在城市、适应症等信息)，上传病理/细胞学报告、基因检测报告、影像学报告、常规检查结果、出院小结等图片，并通过OCR技术将其解析成标准数据格式(数据包括：检验的各项指标、可测量病灶大小等)；
步骤S2，对临床试验受试者的标准数据设置对应的类别标签；
在此，所述类别标签，可以包括：疾病分期、基因表达、TNM分期等；
步骤S3，基于所述类别标签，为临床试验受试者的标准数据匹配对应的临床试验项目。
在此，本发明通过将临床试验受试者的医学资料转化为标准数据，再通过对受试者的标准数据做一些专业的类别标签，通过这些类别标签自动与临床试验项目做匹配，从而快速的为临床试验项目找到合适的受试者，同时为受试者找到合适的临床试验项目。
本发明的临床试验受试者招募方法一实施例中，步骤S2，对临床试验受试者的标准数据设置对应的类别标签，包括：
步骤S21，获取临床试验受试者的标准数据中的第一特征信息；
步骤S22，基于所述第一特征信息，对临床试验受试者的标准数据设置对应的类别标签。
在此，本实施例通过基于临床试验受试者的标准数据中的第一特征信息，可以对临床试验受试者的标准数据准确设置对应的类别标签。
本发明的临床试验受试者招募方法一实施例中，步骤S3，基于所述类别标签，为临床试验受试者的标准数据匹配对应的临床试验项目，包括：
步骤S311，获取临床试验项目的第二特征信息；
在此，所述临床试验项目的第二特征信息，例如可以是：靶点、入排标准等信息；
可以建立标准医学用语库，标准医学用语库中的第二特征信息，可以包括：适应症、招募年龄、招募性别、入排标准等；
步骤S312，将所述类别标签与所述第二特征信进行匹配，以匹配得到临床试验受试者的标准数据对应的临床试验项目。
在此，可以根据受试者的类别标签如：适应症、所在城市等信息，匹配临床试验项目并进行打分，按得分高低进行排序。
本实施例通过将所述类别标签与所述第二特征信进行匹配，可以准确匹配得到临床试验受试者的标准数据对应的临床试验项目。
本发明的临床试验受试者招募方法一实施例中，步骤S3，基于所述类别标签，为临床试验受试者的标准数据匹配对应的临床试验项目，包括：
步骤S321，将所述类别标签输入匹配模型，
步骤S322，判断所述匹配模型是否匹配出临床试验受试者的标准数据对应的临床试验项目，
步骤S323，若是，则结束；
步骤S324，若否，则对所述匹配模型进行修正训练后，重复从步骤S321开始执行。
在此，本实施例通过对所述匹配模型进行修正训练，可以保证更准确的匹配出临床试验受试者的标准数据对应的临床试验项目。
如图1所示，本发明提供一种临床试验受试者招募设备，所述设备包括：
转换装置，用于将临床试验受试者的医学资料转换为标准数据；
在此，所述临床试验受试者的医学资料，例如可以是：病历、检查、检验报告的图片信息，可以通过OCR识别对方式将临床试验受试者的医学资料转换为标准数据；
具体的，可以通过填写一些受试者基本信息(如：姓名、年龄、性别、所在城市、适应症等信息)，上传病理/细胞学报告、基因检测报告、影像学报告、常规检查结果、出院小结等图片，并通过OCR技术将其解析成标准数据格式(数据包括：检验的各项指标、可测量病灶大小等)；
标签装置，用于对临床试验受试者的标准数据设置对应的类别标签；
在此，所述类别标签，可以包括：疾病分期、基因表达、TNM分期等；
匹配装置，用于基于所述类别标签，为临床试验受试者的标准数据匹配对应的临床试验项目。
在此，本发明通过将临床试验受试者的医学资料转化为标准数据，再通过对受试者的标准数据做一些专业的类别标签，通过这些类别标签自动与临床试验项目做匹配，从而快速的为临床试验项目找到合适的受试者，同时为受试者找到合适的临床试验项目。
本发明的临床试验受试者招募设备一实施例中，所述标签装置，用于获取临床试验受试者的标准数据中的第一特征信息，基于所述第一特征信息，对临床试验受试者的标准数据设置对应的类别标签。
在此，本实施例通过基于临床试验受试者的标准数据中的第一特征信息，可以对临床试验受试者的标准数据准确设置对应的类别标签。
本发明的临床试验受试者招募设备一实施例中，所述匹配装置，用于获取临床试验项目的第二特征信息；将所述类别标签与所述第二特征信进行匹配，以匹配得到临床试验受试者的标准数据对应的临床试验项目。
在此，所述临床试验项目的第二特征信息，例如可以是：靶点、入排标准等信息，
可以建立标准医学用语库，标准医学用语库中的第二特征信息，可以包括：适应症、招募年龄、招募性别、入排标准等；
可以根据受试者的类别标签如：适应症、所在城市等信息，匹配临床试验项目并进行打分，按得分高低进行排序。
本实施例通过将所述类别标签与所述第二特征信进行匹配，可以准确匹配得到临床试验受试者的标准数据对应的临床试验项目。
本发明的临床试验受试者招募设备一实施例中，所述匹配装置，用于将所述类别标签输入匹配模型，判断所述匹配模型是否匹配出临床试验受试者的标准数据对应的临床试验项目，若是，则结束；若否，则对所述匹配模型进行修正训练后，重新将所述类别标签输入匹配模型，判断所述匹配模型是否匹配出临床试验受试者的标准数据对应的临床试验项目。
在此，本实施例通过对所述匹配模型进行修正训练，可以保证更准确的匹配出临床试验受试者的标准数据对应的临床试验项目。
根据本发明的另一方面，还提供一种基于计算的设备，其中，包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：
将临床试验受试者的医学资料转换为标准数据；
对临床试验受试者的标准数据设置对应的类别标签；
基于所述类别标签，为临床试验受试者的标准数据匹配对应的临床试验项目。
根据本发明的另一方面，还提供一种计算机可读存储介质，其上存储有计算机可执行指令，其中，该计算机可执行指令被处理器执行时使得该处理器：
将临床试验受试者的医学资料转换为标准数据；
对临床试验受试者的标准数据设置对应的类别标签；
基于所述类别标签，为临床试验受试者的标准数据匹配对应的临床试验项目。
本发明的各设备和存储介质实施例的详细内容，具体可参见各方法实施例的对应部分，在此，不再赘述。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
需要注意的是，本发明可在软件和/或软件与硬件的组合体中被实施，例如，可采用专用集成电路(ASIC)、通用目的计算机或任何其他类似硬件设备来实现。在一个实施例中，本发明的软件程序可以通过处理器执行以实现上文所述步骤或功能。同样地，本发明的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中，例如，RAM存储器，磁或光驱动器或软磁盘及类似设备。另外，本发明的一些步骤或功能可采用硬件来实现，例如，作为与处理器配合从而执行各个步骤或功能的电路。
另外，本发明的一部分可被应用为计算机程序产品，例如计算机程序指令，当其被计算机执行时，通过该计算机的操作，可以调用或提供根据本发明的方法和/或技术方案。而调用本发明的方法的程序指令，可能被存储在固定的或可移动的记录介质中，和/或通过广播或其他信号承载媒体中的数据流而被传输，和/或被存储在根据所述程序指令运行的计算机设备的工作存储器中。在此，根据本发明的一个实施例包括一个装置，该装置包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发该装置运行基于前述根据本发明的多个实施例的方法和/或技术方案。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。

Claims (10)

1.一种临床试验受试者招募方法，其中，该方法包括：
将临床试验受试者的医学资料转换为标准数据；
对临床试验受试者的标准数据设置对应的类别标签；
基于所述类别标签，为临床试验受试者的标准数据匹配对应的临床试验项目。
2.根据权利要求1所述的方法，其中，对临床试验受试者的标准数据设置对应的类别标签，包括：
获取临床试验受试者的标准数据中的第一特征信息；
基于所述第一特征信息，对临床试验受试者的标准数据设置对应的类别标签。
3.根据权利要求1所述的方法，其中，基于所述类别标签，为临床试验受试者的标准数据匹配对应的临床试验项目，包括：
获取临床试验项目的第二特征信息；
将所述类别标签与所述第二特征信进行匹配，以匹配得到临床试验受试者的标准数据对应的临床试验项目。
4.根据权利要求1所述的方法，其中，基于所述类别标签，为临床试验受试者的标准数据匹配对应的临床试验项目，包括：
将所述类别标签输入匹配模型，
判断所述匹配模型是否匹配出临床试验受试者的标准数据对应的临床试验项目，
若是，则结束；
若否，则对所述匹配模型进行修正训练后，重复从将所述类别标签输入匹配模型的步骤开始执行。
5.一种临床试验受试者招募设备，其中，该设备包括：
转换装置，用于将临床试验受试者的医学资料转换为标准数据；
标签装置，用于对临床试验受试者的标准数据设置对应的类别标签；
匹配装置，用于基于所述类别标签，为临床试验受试者的标准数据匹配对应的临床试验项目。
6.根据权利要求5所述的设备，其中，所述标签装置，用于获取临床试验受试者的标准数据中的第一特征信息，基于所述第一特征信息，对临床试验受试者的标准数据设置对应的类别标签。
7.根据权利要求5所述的设备，其中，所述匹配装置，用于获取临床试验项目的第二特征信息；将所述类别标签与所述第二特征信进行匹配，以匹配得到临床试验受试者的标准数据对应的临床试验项目。
8.根据权利要求5所述的设备，其中，所述匹配装置，用于将所述类别标签输入匹配模型，判断所述匹配模型是否匹配出临床试验受试者的标准数据对应的临床试验项目，若是，则结束；若否，则对所述匹配模型进行修正训练后，重新将所述类别标签输入匹配模型，判断所述匹配模型是否匹配出临床试验受试者的标准数据对应的临床试验项目。
9.一种基于计算的设备，其中，包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：
将临床试验受试者的医学资料转换为标准数据；
对临床试验受试者的标准数据设置对应的类别标签；
基于所述类别标签，为临床试验受试者的标准数据匹配对应的临床试验项目。
10.一种计算机可读存储介质，其上存储有计算机可执行指令，其中，该计算机可执行指令被处理器执行时使得该处理器：
将临床试验受试者的医学资料转换为标准数据；
对临床试验受试者的标准数据设置对应的类别标签；
基于所述类别标签，为临床试验受试者的标准数据匹配对应的临床试验项目。
CN202110369172.6A 2021-04-06 2021-04-06 临床试验受试者招募方法及设备 Pending CN113139365A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110369172.6A CN113139365A (zh) 2021-04-06 2021-04-06 临床试验受试者招募方法及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110369172.6A CN113139365A (zh) 2021-04-06 2021-04-06 临床试验受试者招募方法及设备

Publications (1)

Publication Number Publication Date
CN113139365A true CN113139365A (zh) 2021-07-20

Family

ID=76810393

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110369172.6A Pending CN113139365A (zh) 2021-04-06 2021-04-06 临床试验受试者招募方法及设备

Country Status (1)

Country Link
CN (1) CN113139365A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114464327A (zh) * 2022-01-12 2022-05-10 上海柯林布瑞信息技术有限公司 一种临床科研项目受试者筛选方法和装置
CN115662554A (zh) * 2022-12-28 2023-01-31 北京求臻医疗器械有限公司 一种多组学临床试验受试者匹配方法及装置
CN116646041A (zh) * 2023-07-21 2023-08-25 北京惠每云科技有限公司 基于大模型提升临床试验受试者匹配精度的方法和系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114464327A (zh) * 2022-01-12 2022-05-10 上海柯林布瑞信息技术有限公司 一种临床科研项目受试者筛选方法和装置
CN115662554A (zh) * 2022-12-28 2023-01-31 北京求臻医疗器械有限公司 一种多组学临床试验受试者匹配方法及装置
CN116646041A (zh) * 2023-07-21 2023-08-25 北京惠每云科技有限公司 基于大模型提升临床试验受试者匹配精度的方法和系统
CN116646041B (zh) * 2023-07-21 2023-11-21 北京惠每云科技有限公司 基于大模型提升临床试验受试者匹配精度的方法和系统

Similar Documents

Publication Publication Date Title
CN113139365A (zh) 临床试验受试者招募方法及设备
US9842390B2 (en) Automatic ground truth generation for medical image collections
CN111291554B (zh) 标注方法、关系抽取方法、存储介质和运算装置
CN111090641A (zh) 数据处理方法及装置、电子设备、存储介质
CN112397159B (zh) 临床试验报告自动录入方法及装置、电子设备、存储介质
CN110909035A (zh) 个性化复习题集生成方法、装置、电子设备及存储介质
CN108710636B (zh) 一种筛选病历的方法、终端设备及计算机可读存储介质
CN111444718A (zh) 一种保险产品需求文档处理方法、装置及电子设备
CN111160843B (zh) 产品数据管理系统中图与文档自检方法
CN112115240A (zh) 分类处理方法、装置、服务器和存储介质
CN112560400A (zh) 医学数据的处理方法、装置及存储介质
CN112749277B (zh) 医学数据的处理方法、装置及存储介质
CN111863173B (zh) 一种病历质量评估方法及计算设备
JP2022522629A (ja) 自己診断機器の結果を分析する方法及び装置
CN116469505A (zh) 数据处理方法、装置、计算机设备及可读存储介质
CN111063445A (zh) 基于医疗数据的特征提取方法及装置、设备和介质
CN116091522A (zh) 医学图像分割方法、装置、设备及可读存储介质
CN115985506A (zh) 一种信息提取方法及装置、存储介质、计算机设备
CN112712868A (zh) 医学数据的分析方法、装置及存储介质
US20230334656A1 (en) Method and system for identifying abnormal images in a set of medical images
CN111916192A (zh) 一种医疗行为多模态数据标注方法和系统
Jin et al. Semantic segmentation-based mechanized harvesting soybean quality detection
Zeng et al. Recognition of rare antinuclear antibody patterns based on a novel attention-based enhancement framework
CN110544515B (zh) 实验室评价方法、存储介质和电子设备
US7020572B2 (en) Method for receiving and associating conditional dependent test results

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination