基于医学大数据的预训练语言模型及其医学文本分类研究

目的:构建基于医学文本的预训练语言模型,以解决基于通用语料的预训练语言模型不适应医学文本分类的问题。方法:使用PubMed医学论文摘要数据和PMC医学论文全文数据在通用预训练语言模型Bert上进行二次预训练,得到医学领域的预训练语言模型BioBert,使用标注好的文本数据对BioBert进行微调,得到最终的医学文本分类模型。结果:病历文本和医学论文摘要文本两个数据集的分类实验显示,经过医学文本二次预训练的预训练语言模型在两个数据集上都取得了较好的分类效果。结论:通过自训练的方式对大量医学文本进行预训练得到的医学领域预训练语言模型,能在一定程度上解决使用通用预训练语言模型无法很好适配医学文本分布而导致分类性能偏低的问题。     

基于灰狼算法和案例推理的工控系统入侵检测

提出了一种基于二进制灰狼算法和邻域粗糙集的案例推理分类算法（bGWO-NRS-CBR）,以有效处理工控网络数据样本高维、冗余的问题。首先,将邻域粗糙集（NRS）中的依赖度概念和属性个数作为二进制灰狼优化算法（bGWO）的适应度函数,通过狼群不断更新位置寻找最小相对属性集;然后基于属性重要度对权重进行优化分配从而建立案例推理（CBR）分类模型;最后利用该模型对工控网络标准数据集进行入侵检测研究。实验结果表明,本文算法能够获得最小相对属性子集,并有效提高入侵检测算法的准确度和效率。     

基于深度学习的4种肺部超声征象分类

目的　探究基于残差卷积神经网络ResNet152对4种常见肺部超声征象的分类。方法　前瞻性收集了2020年6－9月在上海市肺科医院超声科进行超声检查的患者的超声图像,分别采集A线、B线、胸腔积液、肺实变的肺部超声图像各1 500张。选择其中清晰、未被骨骼遮挡、征象单一的图像,最终入选A线图像1 388张、B线图像1 375张、胸腔积液图像1 384张、肺实变图像1 398张。采用深度残差网络ResNet152进行分类模型的训练和验证,并在完全独立于训练集和验证集的测试集上测试模型的泛化能力。以精确率、准确度、特异度、召回率和F1指数评价深度分类模型的分类性能,并通过混淆矩阵直观地展示分类结果。结果　基于深度残差网络的分类模型分类A线、B线、胸腔积液和肺实变4种征象的精确率分别为97.51%、87.31%、85.42%、93.70%,召回率分别为90.38%、86.97%、94.25%、91.18%。4种肺征象的整体分类精确率为90.99%,准确度为90.70%,特异度为96.85%,F1指数为90.50%,表现出优秀的分类特性。结论　基于深度残差网络的肺部超声分类模型表现出较高的分类特性,有潜力辅助超声医师做出诊断。     

基于交叉熵的神经网络在病理图像分析中的应用

目的 探讨利用基于交叉熵的神经网络识别典型病理图像.方法 提取27个宫颈细胞及细胞核的形态学与色度学特征参数并进行标准化处理,运用(SNN)软件对700例宫颈细胞图片进行神经网络分析.结果 细胞按正常、低度和高度鳞状上皮细胞、癌细胞进行分类识别,训练集与测试集识别率分别为98.29%、96.57%.使用相同训练样本数量,识别率高于其他网络模型.结论 该方法可以很好对宫颈细胞进行分类识别,并可应用于其他病理图片定量分析研究.     

基于支持向量机的脊柱离体组织电阻抗识别

目的 测量不同脊柱组织的电阻抗,基于支持向量机建立电阻抗数据的组织分类算法并验证算法的准确性,寻找不同组织电阻抗分类阈值。 方法 取离体脊柱组织,应用电化学分析仪采集10~100 kHz频率范围内皮质骨、松质骨、脊髓、肌肉、髓核的电阻抗。将两只猪采集的数据集分别作为训练集和测试集,应用主成分分析降维至二维数据,训练和验证基于支持向量机(SVM)建立的分类算法,应用集成学习的方法计算不同组织分类的电阻抗阈值。 结果 5种组织在10~100 kHz的测量频率内,电阻抗值差异有统计学意义(P<0.001)。应用主成分分析降维的数据集建立的支持向量机分类算法识别不同组织的准确率为100%。应用集成学习建立的多个分类器计算出了不同组织的电阻抗分类阈值。 结论 基于支持向量机可以实现脊柱术区组织电阻抗的准确识别,有望应用于临床协助医生提升组织识别准确率。     

基于信息熵的决策树在慢性胃炎中医辨证中的应用

目的:探讨基于信息熵的决策树在慢性胃炎中医辨证分型中的应用.方法:采用bootstrap方法对406例样本进行扩增以满足数据挖掘对样本量的要求,采用基于信息熵的决策树C4.5算法建立中医辨证模型.结果:决策树C4.5算法筛选出对中医辨证分型有意义的26个因素并对其重要性进行排序;产生清楚易懂可用于分类的决策规则;建立辨证模型,模型分类符合率为:训练集83.60%,验证集80.67%,测试集81.25%;模型区分各类证型的灵敏度和特异度也较高.结论:决策树C4.5算法建立的模型效果较好,可应用于慢性胃炎中医证型的鉴别诊断.     

改进的RBF神经网络模式分类方法应用研究

经典的Bayes分类方法一般需要事先对样本的分布特性作出假设,当假设模型与样本实际分布情况不相符时,就难以得到较高的分类精度。当处理同类别多区域样本分布问题,例如变标签问题时,距离判别、Fisher判别、k－近邻分类、分段线性分类等统计分析方法遇到困难。双螺旋问题不仅使统计方法受到挑战,更使人们对一般前向多层神经网络的能力提出疑问。本文提出了改进的RBF神经网络结构、核函数个数、位置与宽度优化算法。该算法的计算复杂性与一般前向三层LBF网络所用的误差反传算大致相同。核函数生成既考虑了训练集样本自身的类别因素,又考虑了错分样本与邻近类别的关系。一个核函数的最终保留与否根据其对提高测试集分类正确率的贡献大小来决定。同时实验验证了两层LBF网络对提高改进的RBF网络分类正确率的极端重要性。大量应用实例表明,与前向三层RBF网络和前向三层LBF网络相比,该IRBF网络具有收敛速度快、分类精度高、易于得到最小结构、在学习过程中不易陷入局部极小点等优点,有利于实现实时分析。     

基于深度学习的中孕期胎儿超声筛查切面自动识别

目的本研究利用深度学习方法,基于深度卷积神经网络模型,对中孕期胎儿超声筛查图像的31个标准切面进行自动识别。方法采集孕20~24周胎儿超声筛查切面图像共76260张(包含31个切面),将其划分为训练集68386张,测试集7874张。在Vgg16网络模型上进行模型微调,加载数据集进行训练。将训练好的模型在测试集进行验证。结果该模型对于胎儿超声筛查切面的识别正确率为94.8%。结论该方法能够准确识别胎儿超声筛查图像的每个切面,为胎儿超声图像的自动质量控制解决方案打下了坚实的基础。     

一种基于Bark域能量分布的噪声分类方法

对不同种类噪声的分类处理,可以提高噪声环境下语音信号处理的性能。为了能够准确地区分各类噪声,提出了一种基于Bark域噪声能量分布特性的噪声分类方法。通过将噪声能量从均匀时频空间映射到Bark空间,构造了一个能够有效区分各种噪声的22维特征向量,并使用支持向量机（SVM）进行模型训练和噪声分类。实验结果表明：所提出的噪声分类方法具有非常高的分类准确率,对用于实验的两种噪声数据集的平均分类准确率分别为99.50%和93.44%。     

机器学习在医疗与健康应用场景下的恶意流量检测

目的 基于机器学习方法中的随机森林和决策树模型,实现在医疗与健康应用场景下的恶意流量检测。方法 以CICIDS2017样本集作为模型的训练集与验证集,对将该样本集通过Python预处理后的共1708979条数据进行模型训练。预处理后的样本集中训练集占比80%(1367183条),验证集占比20%(341795条),在sklearn中进行随机森林和决策树模型参数调整训练,再将在医疗与健康应用场景下捕获到的500条网络流量作为测试集进行模型泛化能力评估。结果 由决策树和随机森林混淆矩阵图可知,决策树模型对于慢速拒绝服务攻击以及跨站脚本攻击的预测准确率为95%,尤其是决策树模型对慢速拒绝服务攻击进行预测时,会将其与跨站脚本攻击混淆。随机森林模型对于慢速拒绝服务攻击预测准确率为99%,能够正确预测大多数慢速拒绝服务攻击。随机森林模型在医疗与健康应用场景下整体表现良好。结论 两种模型对于在医疗与健康应用场景下的恶意流量检测准确率效果较好,但传统的决策树模型准确率低于随机森林模型。随机森林模型更适合在医疗健康场景下的恶意流量检测,可为医疗健康应用场景中的网络安全研究提供参考。     

基于放射组学的胃肠道间质瘤分类模型

目的通过对CT图像中提取的大量纹理特征进行多变量分析建立一个用于胃肠道间质瘤良恶性分类的模型。方法本研 究包含110个患有胃肠道间质瘤的病人（80个作为训练集,30个作为验证集）。首先在初始特征集中应用0.632+自助法进行特征 降维,然后在特征子集中进行逐步前向的特征选择,最后通过逻辑回归建立分类模型。结果6个纹理特征建立的分类模型能够 在训练集和验证集中成功地区分良恶性胃肠道间质瘤。该模型在训练集中得到的AUC、敏感性、特异性和分类准确率分别为 0.93、0.88、0.85和0.87;验证集中分别为0.91、0.87、0.86和0.86。结论本文以放射组学的研究方法建立了一个分类模型,对胃 肠道间质瘤良恶性分类具有优良的预测性能,因此可以将其作为术前肿瘤分类的辅助工具。     

CT影像组学鉴别儿童腹膜后神经母细胞瘤和节细胞神经母细胞瘤的价值

目的 基于平扫和增强CT的影像组学分析在鉴别儿童腹膜后神经母细胞瘤（NB）和节细胞性神经母细胞瘤（GNB）中的价值。方法 纳入172例NB和48例GNB患儿,按7∶3的比例分层随机抽样划分为训练集和测试集。分别从平扫期、动脉期和静脉期CT图像中提取并筛选影像组学特征,基于最优特征子集采用多变量回归模型建立各期以及三期复合的影像组学模型,绘制模型ROC曲线,计算并比较各期模型的AUC、准确度、灵敏度及特异性等评价指标。结果 从平扫期、动脉期和静脉期CT图像中分别提取了1218个影像组学特征,最终筛选出平扫期模型4个特征、动脉期模型3个特征、静脉期模型2个特征以及三期复合模型 5 个特征。平扫期模型在训练集中的 AUC 为 0.840（95%CI: 0.778~0.902）,测试集中 AUC 为 0.804（95%CI: 0.699~ 0.899）。动脉期模型在训练集中的AUC为0.819（95%CI: 0.759~0.877）,测试集中AUC为0.815（95%CI: 0.697~0.915）。静脉期模型在训练集中的AUC为0.730（95%CI: 0.649~0.803）,测试集中AUC为0.751（95%CI: 0.619~0.869）。三期复合模型在训练集中的AUC为0.861（95%CI: 0.809~0.910）,测试集中AUC为0.827（95%CI: 0.726~0.915）。结论 基于平扫和增强CT的影像组学特征有助于区分儿童腹膜后NB和GNB,纹理特征相对于一阶直方图特征能更好的反映病灶的差异。平扫期、动脉期和静脉期影像组学模型均可较好鉴别儿童腹膜后NB和GNB。三期复合模型与平扫期、动脉期模型效能相似,但优于静脉期模型。     

视知觉学习治疗大龄儿童屈光参差性弱视的疗效观察

目的观察应用基于互联网的视知觉学习系统治疗9～13岁屈光参差性儿童弱视的疗效,分析其视力的变化,为寻找儿童弱视快速、有效的治疗方法提供参考。方法选取我院收治的弱视患儿216例（216眼）,分别应用基于互联网的视知觉学习系统（视觉组）和传统综合训练方法（综合组）对大龄弱视儿童进行治疗,具体训练方案由医师基于患儿视觉表现的初始状态、功能低下的严重程度以及训练治疗过程中的进步来设计。视知觉学习系统组给予提高视觉噪声和轮廓整合、位置噪声等视觉训练方案;传统综合训练组采取红光、精细目力训练等治疗。90d为1个疗程,共3～4个疗程。对比观察两种方法在弱视治疗后1、3、9、12个月的视力变化。结果视知觉学习系统组的疗效优于传统综合训练组（P=0．000）,不同程度屈光参差性弱视视知觉学习系统组的疗效优于传统综合训练组（P〈0．01）。视知觉学习系统组视力提升速率明显高于传统综合训练组,视知觉学习系统组在疗程第6个月已有50％的患儿进入基本治愈的平台期,而传统综合训练组50％的患儿在观察终点才进入基本治愈平台期。视知觉学习训练组治疗屈光参差性弱视平均训练13．75h可提高一行视力,其中中度弱视所需时间最短（10,78h）,重度弱视次之（12h）,轻度弱视所需时间最长（26．5h）。结论基于互联网的视知觉学习系统提供了强烈、活跃、有反馈的个性化视觉刺激,对超过视觉发育敏感期的9—13岁屈光参差性儿童弱视的疗效优于传统综合训练法,缩短了视功能障碍治疗的周期。此新方法能在较短时间达到最佳治疗效果,为弱视的临床治疗提供了新的可行途径。     

基于钆塞酸二钠增强磁共振成像影像组学定量评估肝硬化患者肝脏储备功能的应用价值

目的 利用影像组学技术探究基于钆塞酸二钠增强磁共振成像(MRI)肝胆期图像的影像组学特征与肝硬化Child-Pugh 分级的相关性,创建列线图预测模型并评价其对肝硬化患者肝脏储备功能的预测价值。方法 收集符合纳入标准的100例肝硬化患者,按照Child-Pugh分级标准分成52例Child-Pugh A级患者和48例Child-Pugh B+C级患者,并分别按照7∶3的比例随机分成训练集和测试集。采用AK软件提取训练集患者的钆塞酸二钠增强MRI肝胆期图像的影像组学特征,采用最小绝对收缩与选择算子算法特征选择算法对数据进行降维、特征选择和构建影像组学标签。根据影像组学标签创建预测肝脏储备功能Child-Pugh B+C级的列线图预测模型,将该模型分别应用于训练集和测试集中,并利用受试者工作特征(ROC)曲线定量评估其诊断效能。结果 经过对利用AK软件提取的396个纹理特征参数进行降维筛选,最终得到7个影像组学特征参数。根据以上特征建立构建影像组学标签并创建列线图预测模型。通过Wilcoxon秩和检验统计分析训练集和测试集中的Child-Pugh A级和Child-Pugh B+C级的影像组学标签分数值的差异均具有统计学意义(P=0.000,P=0.001)。列线图预测模型预测肝脏储备功能Child-Pugh B+C级的诊断效能在训练集及测试集中的ROC曲线下面积分别为0.88和0.86。结论 根据不同肝脏储备功能的肝硬化患者影像组学标签创建的列线图预测模型可以作为肝脏储备功能的较为准确可靠的辅助检测工具,为临床医生更加准确评估肝硬化患者的肝脏储备功能提供一种新手段。     

磁共振影像组学在鉴别中低危和高危前列腺癌中的应用

目的建立基于支持向量机学习算法的影像组学模型,研究其鉴别高危前列腺癌与中低危前列腺癌的诊断效能。方法回顾性分析265例经病理证实的前列腺癌病人,其中高危病人155例,中低危病人110例。所有病人术前均进行MRI检查。由两位放射医师使用达尔文智能科研平台手动勾画感兴趣区,从每例病人的T2WI和ADC图中分别提取影像组学特征,采用受试者工作特征(ROC)曲线及ROC曲线下面积(AUC)验证影像组学特征的鉴别效能,对比T2WI、ADC及T2WI+ADC的诊断价值。结果共筛选出10个影像组学特征(6个ADC序列特征,4个T2WI序列特征)可以用来鉴别高危及中低危前列腺癌。仅使用T2WI获得的组学模型鉴别效能较低,训练队列AUC为0.70(95%CI 0.63~0.77),验证队列AUC为0.58(95%CI 0.47~0.68)。ADC图组学模型预测效能较好,训练队列AUC为0.79(95%CI 0.72~0.85),验证队列AUC为0.78(95%CI 0.68~0.86)。T2WI联合ADC图构建的影像组学模型表现出最优预测效能,训练队列AUC为0.84(95%CI 0.78~0.89),验证队列AUC为0.80(95%CI 0.69~0.88)。结论本研究构建的基于T2WI和ADC图的影像组学模型在一定程度上对中低危及高危前列腺癌病人进行区分,为前列腺癌的分期提供了一种无创的预测方式,指导治疗方案的选择。     

不同CT扫描设备对人工智能深度学习模型 定量测定结果的对比研究

目的 评估不同CT扫描设备对基于深度学习算法模型定量测定结果的准确性和稳定性影响。方法 制作225例不同体积、密度的标准容积水球,采用分层抽样法分为训练集（n=45）、测试集（n=180）,训练集用于模型的建立,测试集用于测试模型的准确性。采用GE Revolution 256排512层CT和Siemens SOMATOM Defintion AS 64排128层螺旋CT扫描获得影像资料,以标准容积水球作为验证标准,比较模型测量不同CT扫描设备来源数据的测量准确性及稳定性。结果 将两种不同扫描设备来源的数据用同一个模型进行体积测量比较,GE Revolution 256排512层 CT和Siemens SOMATOM Defintion AS 64排128层螺旋CT的百分误差分别为2.050和7.837,差异有统计学意义（P<0.001）,变异系数分别为0.029和0.055,差异有统计学意义（P<0.05）。结论 基于深度学习的全自动智能体积测量模型具有较高的准确性,且测量准确性、稳定性和一致性均受扫描设备的影响。     

Internet与医学现代化

论述了Internet在医学现代化中的重要地位，即取之不尽、用之不竭的医学信息资源；In－ternet为我们提供了医学研究的现代化工具；远程医疗──医疗手段的现代化；Internet的管理技术为医学的现代化管理提供了现实的模型：基于Internet网络环境下的医学虚拟技术。     

同质TCP流的多重分形特性分析

采用基于小波变换模极大值的多重分形分析方法,讨论了大、小时间尺度下的结构函数和多重分形谱的特点。依据实例研究了不同时间下的同质TCP流(W eb)分别在大、小时间尺度下的分形特点;通过对不同协议的同质TCP流的协议本质及拥塞机制的分析,推断其所表现的多重分形谱特点与百分比的相关性;对同一TCP流中不同协议组成的分析,得到TCP总量与分量的多重分形谱特点以及与同质程度的关系。     

基于Kano模型的高龄孕妇护理服务需求属性分析

目的基于Kano模型对高龄孕妇的护理服务需求进行满意度排序,确定服务需求选项以及需求选项各种属性的分类,为临床工作中给高龄孕妇提供更好的服务提供选择的依据。方法 2017年6月~2018年1月根据高龄孕妇的特点,设计基于Kano模型的高龄孕妇产前护理服务需求调查问卷,采用方便抽样的方法对160例就诊于内蒙古医科大学附属医院的高龄孕妇进行问卷调查。结果高龄孕妇服务需求中必备属性4项,期望属性9项,魅力属性6项。结论医院在产褥期护理指导、婴儿护理培训;分娩技巧的讲解;产前心理指导、产前检查等方面需改进,以提供高质量的护理服务质量,满足孕妇需求。     

基于物联网的古美社区慢性阻塞性肺疾病患者管理模式的建立

 目的  在物联网技术的基础上,初步建立古美社区慢性阻塞性肺疾病(chronic obstructive pulmonary disease,COPD)患者管理模式,为社区COPD患者综合管理提供科学经验。方法  利用物联网技术的特性,制订COPD患者管理方案,以此作为技术路线;经复旦大学附属中山医院呼吸科专家培训,建立同质化COPD医师团队。结果    绘制COPD患者管理模式图,初步形成一支合格的、同质化的管理COPD的全科医师团队。结论  通过物联网技术管理,初步形成一套数据自动传输过程中人工质控模式,初步建立基于物联网的社区COPD患者综合管理模式。