专利标题 公开号/公告号 公开日期 摘要 专利状态
一种中药制剂生产用药液提纯装置 CN202310958075.X - 本发明涉及中药加工设备技术领域，尤其是一种中药制剂生产用药液提纯装置，包括提纯桶，所述提纯桶的侧面呈圆周阵列固定连通有两个安装壳体，所述提纯桶的内部滑动密封有活动滤板，所述活动滤板和两个所述安装壳体之间连接有第一升降机构，通过第一升降机构的作用，使所述活动滤板能够沿着所述提纯桶的内部进行垂直升降；本发明通过对药剂残渣进行挤压，使药剂残渣内部残留的高浓度药液被挤压出来，从而对药剂残渣上的高浓度药液进行充分提取，提高药液的纯度，并且在对药剂残渣和药液分离后，将药剂残渣中浓度较高的药液挤压提取后和原先药液混合，能够保证药液浓度的一致性。 实质审查
储能电池弱监督学习模型训练方法、装置及相关设备 CN202411104544.2 2024-11-29 本发明公开了一种储能电池弱监督学习模型训练方法、装置、计算机设备及存储介质，所述方法包括：获取预设时间段的电池运行数据，所述电池运行数据为弱监督数据；基于初始储能电池弱监督学习模型的多层感知机，对所述电池运行数据进行数据压缩，得到潜在空间；根据所述潜在空间，对所述电池运行数据进行聚类，得到聚类中心，所述聚类中心包括标签；对所述聚类中心的K近邻点进行标签化，并根据得到的标签结果确定训练数据，其中，K为正整数；基于所述训练数据，对所述初始储能电池弱监督学习模型进行训练，直到目标函数满足预设条件，得到储能电池弱监督学习模型，采用本发明降低储能电池故障诊断的诊断成本。 授权
一种基于边缘计算的任务卸载方法、装置、基站及介质 CN202411014902.0 - 本申请公开了一种基于边缘计算的任务卸载方法、装置、基站及介质，该方法包括：获取用户车辆的待处理任务数量；获取所述用户车辆与所述基站之间的网络延迟；获取所述用户车辆的第一计算能力，获取所述MEC服务器的第二计算能力；将所述待处理任务数量、所述网络延迟、所述第一计算能力以及所述第二计算能力组成所述用户车辆对应的当前状态数据；根据预设的DDPG算法和所述当前状态数据，确定所述用户车辆对应的当前任务处理时间；确定不同的卸载策略对应的平均减少时延；对各个所述卸载策略对应的所述平均减少时延进行排序，将最小的所述平均减少时延对应的所述卸载策略标记为最优卸载策略。本申请有利于提高计算任务的完成效率。 公开
车联网异构数据处理方法、装置、计算机设备及存储介质 CN202410962502.6 2024-11-22 本发明公开了一种车联网异构数据处理方法、装置、计算机设备及存储介质，包括对基础全局模型进行初始化，得到初始的全局模型，并确定初始的全局卸载点集合和初始的全局卸载关系图，并向每个单车节点广播全局信息；接收每个单车节点发送的本地信息，本地信息包括本地计算时间、本地模型、本地卸载点和本地卸载关系图；基于每个本地信息，对全局信息进行聚合更新，并迭代训练，得到目标全局模型；基于目标全局模型更新卸载点集合和卸载关系图，得到更新后的全局信息；向每个单车节点广播更新后的全局信息，并采用更新后的全局信息进行异构数据的任务处理；采用本发明有利于提高车联网异构数据处理效率。 授权
基于人工智能的工业物联网设备健康预测方法及相关设备 CN202410704589.7 - 本发明公开了一种基于人工智能的工业物联网设备健康预测方法及相关设备，包括：基于采集到的设备数据，进行特征自适应提取，得到至少两个退化特征；对每个退化特征进行鲁棒性检测和相关性评价，确定特征排序序列，并基于特征排序序列，选取预设数量的退化特征，作为目标特征；采用典型相关分析的方式，对目标特征进行融合，得到融合特征向量；构建双向分层递增深度神经模糊系统，双向分层递增深度神经模糊系统由多个分层相连的自适应神经模糊推理系统组成；将融合特征向量输入到双向分层递增深度神经模糊系统中进行深度模糊推理，得到设备健康预测结果。采用本发明提高了设备健康状态预测的准确性和可靠性。 实质审查
数字病理识别系统、数字病理识别方法及存储介质 CN202410237514.2 - 本发明公开了一种数字病理识别系统、数字病理识别方法及存储介质，包括：通过数字切片扫描分析的方式，对病理学切片进行扫描，得到高清数字病理图像；对高清数字病理图像进行数据预处理和标注，得到标注图像；采用稠密连接网络，对标注图像进行特征提取，得到病理学特征；基于病理学特征和病理学切片进行病理识别，得到病理识别结果。实现通过提取病理学特征进行快速病理识别，提高了病理识别的效率。 实质审查
体检套餐智能推荐方法、装置、计算机设备及介质 CN202410008375.6 - 本发明公开了一种体检套餐智能推荐方法、装置、计算机设备及介质，包括：通过获取企业用户提交的问卷应答信息；基于问卷应答信息确定企业用户的资金预算和体检项目需求；基于资金预算和体检项目需求进行体检套餐匹配，得到群体体检套餐；获取企业用户的每个员工历史医疗信息，针对每个员工，基于员工的历史医疗信息和群体体检套餐，生成员工的个性化体检套餐。本实施例中，基于企业整体需求和预算，接合员工个人历史医疗信息，生成个性化体检套餐，提高了体检套餐的针对性和实用性。 实质审查
数字病理学数据的集成共享方法、装置、设备及存储介质 CN202311868333.1 - 本发明公开了一种数字病理学数据的集成共享方法、装置、设备及存储介质，包括：获取病理图像，并对病理图像进行特征提取与标注，得到病理数据，构建病理数据联盟链，并将病理数据存储至病理数据联盟链，基于元宇宙的方式，搭建病理可视化模块，以使存储至病理数据联盟链根据需要可视化显示。病理数据通过联盟链上链实现了增加多层的安全性，同时能够提高数据可见性，使不同医院和科室之间的数据交换更加透明，方便进行数据共享和合作；联盟链可以支持更多的节点和用户，提供多层的冗余，能够提高网络的可用性和可靠性。 实质审查
体检项目推荐方法、装置、计算机设备及存储介质 CN202311689677.6 - 本发明公开了一种体检项目推荐方法、装置、设备及介质，包括：获取历史体检报告结论库，并对历史体检报告结论库中的体检报告结论进行分词处理，得到基础分词；通过医学知识的深度学习实体识别的方式，识别出基础分词中的医学特征词，得到目标分词，其中，目标分词包括疾病关键词和健康关键词；根据历史体检报告结论库、疾病关键词和健康关键词，构建体检匹配规则引擎；在接收到体检咨询请求时，从体检咨询请求中获取目标关键词，并将目标关键词与体检匹配规则引擎进行规则匹配，得到体检项目推荐结果。实现快速判断识别体检需求，提高体检项目推荐的精准性和效率。 实质审查
医疗模型训练方法、医疗数据分析方法、装置及相关设备 CN202311219135.2 2024-01-12 本发明涉及医疗数据处理领域，公开了一种医疗模型训练方法、医疗数据分析方法、装置及相关设备，所述方法包括：获取图结构和每个医疗客户端对应的局部模型参数；对所述图结构中的每个节点进行特征提取，得到每个所述节点的结构特征；采用拉普拉斯核函数，对所述图结构中任意两个节点进行相似度计算，得到相似度结果；对满足预设条件的相似度结果对应的两个节点构造伪边，并根据构造的所有伪边确定伪边图结构；将所述伪边图结构和所述图结构融合，得到增强图结构；基于所述增强图结构，对所述初始医疗模型进行训练，当满足训练结束条件时，将训练得到的模型作为医疗模型。采用本发明提高对医疗数据分析的准确率。 专利权的授权