基于人工智能和临床诊断的上肢康复评估方法研究进展

脑卒中导致患者肢体运动功能障碍或缺失,严重影响了患者的生活质量。在上肢康复治疗中,医生需要对患者的上肢进行主观康复评估,但这种方法误差大、成本高。因此,人们将人工智能技术应用到医疗康复领域。本文总结了基于s EMG信号特征、运动轨迹误差特征、关节运动角度特征、关节角速度特征的客观评估方法,以及Brunnstrom等级评价法、上田敏评价法、Fugl-Meyer量表评价法、Wolf运动功能测试评价方法等主观评估方法。最后,本文认为现有的客观评估方法普遍受到训练资料过少、特征单一等因素影响。主观评估方法普遍受到评估时间过长、易受主观影响等因素影响。未来的客观评估算法还应在算法准确性、训练资料规模、多特征融合等方面继续改进。     

大数据哈希学习:现状与趋势

随着信息技术的迅速发展,各行各业积累的数据都呈现出爆炸式增长趋势,我们已经进入大数据时代.大数据在很多领域都具有广阔的应用前景,已经成为国家重要的战略资源,对大数据的存储、管理和分析也已经成为学术界和工业界高度关注的热点.收集、存储、传输、处理大数据的目的是为了利用大数据,而要有效地利用大数据,机器学习技术必不可少.因此,大数据机器学习(简称大数据学习)是大数据研究的关键内容之一.哈希学习通过将数据表示成二进制码的形式,不仅能显著减少数据的存储和通信开销,还能降低数据维度,从而显著提高大数据学习系统的效率.因此,哈希学习近年来成为大数据学习中的一个研究热点.本文对这方面的工作进行介绍.     

中文专利文档关键词自动提取方法研究进展

专利是一种包含学术、商业、法律等信息的科技文献,记录了大量新颖、实用的研究成果,近年来关注度不断提高。利用共词分析、文本聚类等方法对专利文献进行信息分析时,往往需要借助关键词提取技术达到降低数据复杂度、过滤噪声的目的。关键词提取技术多数基于统计规律。本文对基于词频、关联信息和多特征的关键词提取方法研究进展进行了总结,介绍了常用的分别以TF-IDF、熵、词汇链、TextRank、遗传算法、决策树学习、朴素贝叶斯分类器、支持向量机等为主导的方法。另外,本文还总结了在专利文档关键词提取中可能用到的词频、位置、语义、关联、自身等方面的特征。实际应用中,关键词自动提取技术可作为一种有力的辅助手段,降低数据处理过程中的人力和时间成本。     

基于中医核心思维的机器学习医用诊疗系统设计

当前,中医凭借其独特的理论和无可比拟的临床疗效已经得到世界范围内的广泛认可。远观未来10年,中医药将与我们的日常生活连接的更为紧密。"基于中医核心思维的机器学习医用诊疗系统"以目前医疗单位的一般工作流程为基础,以中医"辨证施治"的核心思想为指导,从虚拟病人入院检查开始囊括了完整的诊疗过程,将同一病人的不同病症独立考察与中医诊病"因、位、性、势"诊断方式相结合,采用人在回路的动态诊疗方式,以中医自学习专家系统为核心,采用反馈神经网络算法完成了专家系统的机器学习功能,以期实现中医专家知识最大限度临床应用与自我更新,推动中医事业的发展。     

现代老年人健康检查评估与老年内科医疗

目的本文旨在阐明中国现代老年人的健康检查与评估及老年内科学。方法在现实条件下为实际老年人建立一种计算机化的老年内科医学的评估方法。结果一种可靠系统的可拓学估用了可拓学的关联函数及距离概念。详尽的健身检查与评估可成功地利用可编程程序及市、区里的卫生管理来诊断其老年医学问题，并且机器学习系统也已利用7种算法有效地为现代中国病人的先进生物医学工程应用。结论用关联函数在正域与负域的集合于可拓学中评估，可对各种健康情况的中国老年人进行综合诊断。     

基于CT影像组学和机器学习脑出血研究进展

脑出血指非外伤性脑实质内出血,发病急,进展迅速,致死率和致残率高。对于疑诊急性脑出血患者,CT为首选影像学检查手段。影像组学高通量从CT图像中提取特征信息,结合机器学习算法,能快速、准确地诊断疾病、评估病情和预测预后。本文就基于CT影像组学和机器学习脑出血研究进展进行综述。     

机器学习算法在不同形态浙贝母与湖北贝母的干法REIMS指纹图谱鉴别分析中的应用研究

目的:使用快速蒸发离子化质谱(REIMS)指纹图谱与机器学习相关技术对不同形态的浙贝母和湖北贝母进行预测和判别。方法:通过干法灼烧使样品组分形成气溶胶,引入REIMS中,质谱扫描范围m/z 50～1 200,扫描模式为灵敏模式,扫描时间为0.2 s。正离子模式采集,数据记录为continuum模式,测得样品的REIMS指纹图谱数据。通过对数据进行聚类分析、相关性分析、相似度分析、主成分分析,得到数据分布的基本情况,最后建立逻辑回归模型,模型惩罚项参数选择岭回归(l2),优化算法选择拟牛顿法(lbfgs)。结果:测得样品的REIMS指纹图谱具有品种差异的特征性,逻辑回归模型交叉验证和测试集验证准确率均达到1.0,可以准确预测和判别样品的品种。结论:REIMS技术结合机器学习在中药领域的潜在应用前景十分广阔。     

435例原发性高血压患者脉图参数与心血管危险分层的相关性分析

目的 本研究旨在探讨原发性高血压患者脉图参数与心血管危险分层的相关性，为原发性高血压患者心血管风险事件预警提供中医特色的依据。方法 采集435例原发性高血压患者的症状体征、脉象信息、生化指标等，分为低中危组、高危组、很高危组，采用单因素方差分析、秩和检验、有序logistic回归分析等方法，探讨原发性高血压患者脉图参数与心血管危险分层的相关性。结果 ①高血压低中危组→高危组→很高危组患者病程逐渐延长，两两组间比较有统计学差异；②高血压低中危组→高危组→很高危组患者的脉图参数H3/H1、H4/H1逐渐上升；高血压患者很高危组H5/H1、T1/T低于低中危组；③有序logistic回归分析结果显示，脉图参数T1、T4、T5、T为影响因素。结论 病程、血脂、肾功能是高血压患者心血管危险分层的影响因素之一。心血管危险分层等级的升高与脉图参数H3/H1、H4/H1、T5、T的升高及H5/H1、T4、T1的降低相关，说明脉图能一定程度上反映原发性高血压患者血管壁增厚、血管内壁受损、血管硬化及左心室收缩功能的减退程度。     

基于预测剂量引导的宫颈癌自动计划研究

目的:使用机器学习方法建立宫颈癌计划剂量预测回归模型，并将预测剂量引导生成Monaco 计划系统（TPS）可调用 的优化模板文件，实现宫颈癌的自动计划设计。方法:对50例宫颈癌术后调强治疗计划中的危及器官采集基于重叠体积直 方图的几何特征值和基于剂量直方图的剂量目标值，建模后将模型预测剂量结果自动生成Monaco TPS模板文件，进而由TPS 调用优化。使用该方法对另外10例未参与模型训练的测试病例进行自动计划设计，并和人工设计的计划进行对比分析。 结果:自动计划比手动计划的平均设计时间减少了40 min（P<0.05），且平均调优次数降低了3次（P<0.05），剂量学指标和计 划执行效率上两者无明显差异（P>0.05）。结论:基于预测剂量引导的宫颈癌自动计划可以达到临床要求，并且提高了计划 设计效率。     

机器学习算法在麻醉领域的应用

人工智能在医疗领域的应用逐步推动医疗变革,机器学习算法融入麻醉领域对于进一步提升麻醉发展意义重大。为了解机器学习算法在麻醉领域的应用现况及推动相关研究进展,本文总结了机器学习在围手术期麻醉管理和预测术后并发症方面的应用、基本概念和研究现状,指出了目前机器学习算法在医疗领域的不足之处。