中山大学肿瘤防治中心（中山大学附属肿瘤医院、中山大学肿瘤研究所）

本发明申请提供了一种临床试验受试者的入组识别方法、系统、设备及介质，方法包括：响应于针对目标患者的入组识别指令，获取所述目标患者的患者标识；通过多个预设的数据获取通道，从多个业务系统中并行获取所述目标患者对应的多种受试者数据；其中多种受试者数据分属于不同的数据模态类别；确定目标患者拟入组的临床试验，并获取对应的入排条件集合；将入排条件集合中的每一入排条件映射至所对应的数据模态类别，得到各入排条件与数据模态类别之间的对应关系；针对每一入排条件，采用对应数据模态类别下的推理模型对受试者数据进行入组识别，得到目标患者的入组识别结果。本发明申请减少了多系统切换所带来的操作量，提升入组识别的效率。

本发明涉及康复训练技术领域，具体涉及一种心肺康复训练方式智能推荐方法。该方法首先根据在聚类簇中所有采样点数量、所有采样点对应的时刻、所有采样点的分布以及所有采样点对应所有种类的训练检测数值之间的差异，获取聚类簇的负荷特征值；进而获取训练周期的训练数据空间的周期承受程度值；根据所有阶段训练承受数据对应的时间长度，以及所有阶段训练承受数据对应的时间长度之间的差异，获取康复训练进阶推荐值。本发明通过构建能更准确的康复训练进阶推荐值，更好地反映患者适合进行下一阶段康复训练的程度。

本说明书实施例提供了一种基于分子信号驱动的组织形态学表型簇拓扑重构方法、设备、介质和程序产品，涉及智能医疗领域。方法包括：获取同一组织病理图像块的宏观形态学特征矩阵和纯净虚拟分子特征矩阵；在图像块层面，将宏观形态学特征矩阵与纯净虚拟分子特征矩阵进行向量拼接，得到多模态融合特征矩阵；基于多模态融合特征矩阵构建近邻图网络；对近邻图网络进行社区检测聚类，得到多模态形态‑分子表型簇。通过一种低成本的技术手段，利用虚拟分子信号作为驱动力，主动改变形态学聚类的拓扑结构，从而在无需额外测序的情况下，自动撕裂并重构那些被形态学表象掩盖的异质性区域。