基于机器学习的2型糖尿病并发症预测模型研究

目的：利用统计学和机器学习方法,探究2型糖尿病并发症的影响因素,构建2型糖尿病并发症预测模型,对并发症的发生进行预测,为2型糖尿病并发症的预防和早期筛查提供理论参考。方法：以国家人口健康科学数据中心2009年的2型糖尿病患者数据为研究对象,对性别、年龄、尿常规检查和生化检查等信息进行单因素和多因素logistic回归分析,并构建XGBoost模型,进行2型糖尿病并发症的预测。结果：单因素和多因素Logistic回归模型与XGBoost模型显示,2型糖尿病并发症的发生与14项影响因素具有相关关系,模型预测准确率为82.85%。结论：模型预测的效果良好,具有一定的参考价值。     

4D CBCT在胸部肿瘤影像引导下自动配准精度及其影响分析

  目的  研究胸部肿瘤患者进行放射治疗时,使用4D 锥形束CT（CBCT）作为图像引导策略,选用自动配准方式进行图像配准,分析其针对胸部不同种类肺部肿瘤的精度,为临床使用4D CBCT提供指导。  方法  使用呼吸运动模体及两种肺插件模拟胸部两种肿瘤（肺内孤立性肿瘤和粘连性肿瘤）及其运动,对每种模拟肿瘤扫描4D CT,在各种人为摆位误差下扫描4D CBCT,使用手动和自动配准方式对各组4D CBCT进行配准。  结果  肺内粘连性肿瘤组出现较多明显误配情况,以靶区大小创建蒙片及靶区外扩0.5 cm创建蒙片的自动配准方式与手动配准方式结果差异有统计学意义;肺内孤立性肿瘤组明显误配情况偶发,各种自动配准方式与手动配准方式结果差异均无统计学意义。  结论  在使用4D CBCT作为胸部肿瘤患者图像引导策略时,对于与胸壁、纵隔等粘连的肿瘤不宜使用其自动配准程序;对于肺内孤立性肿瘤,自动配准方式与手动配准方式具有相似的配准精度,但仍需审核排除明显误配的情况。     

医学信息学领域算法类别使用及影响力研究

基于JCR数据,采用社会调查法、分层抽样法、全文内容分析法筛选705篇使用算法论文样本,通过相关标准及专家咨询法获得16个算法类别。在此基础上对算法类别使用情况进行统计,基于分类词典对提及次数、提及位置和共现情况进行影响力分析,为相关研究提供参考。     

临床决策支持系统技术现状及质量评价思路初探

目的：我国监管部门对临床决策支持系统（CDSS）的法律责任和监管模式正在探索之中,如何更好地规范临床决策支持系统,使其发挥临床辅助作用,是监管科学的重要研究方向。本文主要探索临床决策支持系统的质量评价方法和检测手段。方法：通过调研临床决策支持系统的发展现状以及分析现有的具有一定影响力的临床决策支持系统的技术特性,在此基础上,讨论临床决策支持系统在医疗领域的发展趋势和所面临的挑战。并对临床决策支持系统在质量评价过程中需重点关注的内容进行比较全面的总结,包括分类方法、评价方法和伦理问题。结果与结论：临床决策支持系统正处于蓬勃发展期,相应的技术和业态也在不断形成中,目前来说,绝大多数临床决策支持系统并不能直接给出相应的决策,多数还是处于启发和帮助医护人员进行思考的阶段。对于监管和评价来说,面临的挑战主要来自于算法适应性、决策透明性、界面可用性、系统鲁棒性和可移植性等因素的评价。     

一种用于医学图像分割算法验证的模拟图像生成方法

目的 医学图像分割是计算机辅助诊断与治疗的基础技术,对各种自动分割算法性能的验证极为重要;但是临床图像无法直接提供“金标准”,亟需解决导致验证所需的测试数据难以量化评估的问题.方法 使用傅里叶描述子作为描述临床图像中待分割区域轮廓的函数,通过对傅里叶描述子的抽样生成新的轮廓,最后使用纹理匹配技术计算新图像中像素点的灰度值.结果 针对颅内出血的图像,以生成的模拟图像作为测试图像,对多阈值分割和水平集分割算法的精确性和准确性进行了定量的验证.结论 实验表明本方法能够快速地生成逼真的模拟医学图像,对分割算法的验证具有很强的实用性.     

基于GC V算法的背根节神经元放电信号的滤波

为去除背根节神经元放电信号中的噪声,便于进一步分析信号,采用小波滤波法。先将含噪信号采用haar小波进行5层分解,然后在传统小波软阈值滤波的基础上,提出用GCV算法来确定最优阈值,最后进行信号重构。通过matlab仿真实验表明,采用了GCV算法的滤波方法能有效去除神经元放电信号中的噪声,去噪后信号光滑连续好,并且保留了信号峰值的相关细节。     

利用Monte Carlo技术模拟研究不同缺失值处理方法对完全随机缺失数据的处理效果北大核心CSCD

目的 以医疗卫生机构年报资料为数据来源,采用成组删除法、极大似然估计法、多重填补法分别对模拟的完全随机缺失数据集缺失值进行处理,比较不同缺失率下三种方法的缺失处理效果。方法 运用SAS9.3,采用Monte Carlo技术模拟完整数据集及不同缺失比例数据集,利用成组删除法、EM算法、MCMC算法对缺失数据进行处理,得到不同处理方法后的参数估计结果,与完整数据集参数估计进行比较。结果 对于完全随机缺失数据,不同缺失率下,成组删除法的准确率均比较好;缺失率小于10%,三种方法处理效果差异不大;缺失率在10%-30%,成组删除法精确度逐渐降低,EM与MCMC准确度与精确度较好,缺失率大于30%,MCMC准确度与精确度相对较好。结论 对于不同缺失率的数据,综合考虑准确度和精确度,采用不同的方法进行处理。     

基于混合遗传算法的手指肌肉力优化求解方法研究

目的为解决手指肌肉、肌腱组织结构复杂导致肌肉力真实值很难获取的问题,采用混合遗传算法求解手指肌肉力。方法在分析手指解剖结构的基础上,基于生物力学原理,建立了手指肌肉、肌腱力和接触力的力学平衡方程,以最小化肌肉应力平方和为优化目标函数,利用遗传算法和增广拉格朗日乘子法相融合的混合遗传算法,采用典型对象的手指接触力测量数据为输入参数,优化计算求解手指的肌肉力。结果有效求出了手指的各个肌肉力,优化计算结果与其它研究的结果较为吻合;随着手指关节角减小,FDP和FDS的数值增大,而LE、LU、UI、RI的数值随之减小,FDP、FDS、LE和RI+UI+LU在数值上约为外界接触力的0.7～3.7倍。结论基于遗传算法和增广拉格朗日乘子法的混合优化算法,初始优化不依赖初值的选取,避免了经验取值,提高了算法的适用性。