基于知识图谱和模型融合的医疗问答系统的构建

基于语义解析和规则匹配融合的模型，利用少量的语义训练语料，以中文医疗知识图谱为知识基础，构建中文医疗问答系统，解决医疗领域中文语料缺乏且标注难度大的问题。该系统由语义解析模块（SPM）和答案查询模块（AQM）组成。其中，SPM由意图识别和命名实体识别组成，它们分别以BERT-TextCNN和BiLSTM-CRF模型为基础，融合了规则校正，其准确率较非融合模型分别提升9%和11%。实验结果表明，该系统回答准确率达到82%，具有较强的问题解答能力和一定的实用价值。     

小儿肾母细胞瘤组织SOCS-3蛋白表达及其临床意义分析

目的:研究细胞因子信号转导抑制因子-3(SOCS-3)蛋白在小儿肾母细胞瘤组织中的表达及意义.方法:应用组织微阵列技术结合免疫组化SP法检测58例肾母细胞瘤标本和17例瘤旁对照组织中的SOCS-3的表达状况,并分析其临床病理意义.结果:肾母细胞瘤组织中仅14例SOCS-3呈弱阳性表达,表达率为24.1％(14/58);17例瘤旁组织中SOCS-3蛋白阳性表达率为88.2％(15/17),差异有统计学意义,P＜0.01.SOCS-3在肾母细胞瘤组织的表达随着肿瘤的临床分期增加而降低(P＜0.05),与肾母细胞瘤的临床分期呈负相关,P＜0.01;在组织结构良好型与组织结构不良型SOCS-3蛋白表达(47.6％、10.8％)间差异有统计学意义,P＜0.05.结论:SOCS-3的表达下降可能与肾母细胞瘤的发生发展密切相关.     

74例驻汴军队离休干部主要死因分析

本文分析了1982年-2004年驻汴军队离休干部的主要死亡原因和死亡顺序，旨在为制定相应的干预措施提供依据。     

浅谈中小型企业的劳动卫生管理

随着农村经济体制的改革,乡镇工业迅速发展,就业人数大大增加,职业危害的范围和地域面也逐渐扩大,产生了新的劳动卫生问题。现实的劳动卫生管理体制极不适应当前生产发展的需要。现以四川省凉山州中小型企业为例,谈几点中小型企业现时劳动卫生管理工作的有关问题。     

固态胺二氧化碳控制系统中的CO2浓缩技术研究

目的 解决固态胺ＣＯ２吸附方案应用于长期载人航天器座舱中所存在的ＣＯ２浓缩与回收问题。方法 根据ＣＯ２在固态胺中的吸附与解吸基本原理,提出了解决ＣＯ２浓缩与回收的技术途径,并设计了浓缩与回收装置。结果 研制的浓缩系统能保证浓缩的ＣＯ２平均浓度达到９５％以上,ＣＯ２回收率在９０％左右。结论 所设计的技术方案满足进入ＣＯ２还原系统的要求。     

固态胺二氧化碳去除系统中反应罐的设计

目的 设计一种能满足长期载人航天器内固态胺吸附／水蒸气解吸CO2控制系统要求的反应罐。方法 根据系统要求及固态胺本身特性,解决如下关键问题：（1）额定的阻力损失需要减少床高与吸附,浓缩需要增加床高的问题;（2）有限的解吸热量与一定解吸温度保持的问题;（3）微重力下如何适应固态胺的膨胀与收缩的问题。结果 成功地实现了CO2的吸附,解吸及浓缩,系统可控制座舱CO2浓度在0．5％以下,浓缩的CO2浓度＞95％,可直接进入CO2还原系统,系统阻力低于160mmH2O,解吸能耗降到650W以下,结论 设计的反应罐能满足微重力条件下固态胺二氧化碳去除系统的要求。     

小儿原发性肠系膜肿瘤(附18例报告)

目的探讨小儿原发性肠系膜肿瘤的诊断及治疗方法。方法对各种类型的原发性肠系膜肿瘤的临床表现、术前检查及诊断治疗等进行对比分析。结果该病临床误诊率高。实性肿瘤多为恶性,手术切除率低;囊性肿瘤多为良性,手术切除率高,总手术切除率61.1%。结论原发性肠系膜肿瘤临床表现多样、复杂,缺乏特异性诊断依据,但CT、B超、细针穿刺等有助于诊断。对疑为本病者,无论良恶性均应尽早手术。手术是治疗该病的唯一有效手段。     

Ponseti方法治疗先天性马蹄内翻足

先天性马蹄内翻足是小儿矫形外科常见的足部畸形,传统治疗方法多为局部按摩、石膏固定,6个月以后实施广泛的组织松解手术,可短时间内改善足的外观,但远期易出现关节僵硬、疼痛、足外翻畸形等并发症[1]。因此,目前不破坏组织结构的保守治     

静态水/气分离器研制

目的 解决失重条件下小流量的水气分离问题。方法 从物质表面特性的分析出发,研制了符合要求的毛细材料,并设计了采用单一分离材料的水／气分离器,结果 该分离器在气体流量不超过１０．０Ｌ／ｍｉｎ、水流量不超过１０．０ｍｌ／ｍｉｎ的范围内工作时,分离后的水中不含气,分离后的气体中不带水。结论 研制的静肪水／气分离器结构基本合理,性能符合设计要求。     

基于极限梯度提升和深度神经网络共同决策的心音分类方法

心音是诊断心血管疾病常用的医学信号之一。本文对心音正常/异常的二分类问题进行了研究,提出了一种基于极限梯度提升(XGBoost)和深度神经网络共同决策的心音分类算法,实现了对特征的选择和模型准确率的进一步提升。首先,本文对预处理后的心音信号进行心音分割,在此基础上提取了5个大类的特征,前4类特征采用递归特征消除法进行特征选择,作为XGBoost分类器的输入,最后一类为梅尔频率倒谱系数(MFCC),作为长短时记忆网络(LSTM)的输入。考虑到数据集的不平衡性,本文在两种分类器中皆使用了加权改进的方法。最后采用异质集成决策方法得到预测结果。将本文所提心音分类算法应用于PhysioNet网站在2016年发起的PhysioNet心脏病学挑战赛(CINC)所用公开心音数据库,以测试灵敏度、特异性、修正后的准确率以及F得分,结果分别为93%、89.4%、91.2%、91.3%,通过与其他研究者应用机器学习、卷积神经网络(CNN)等方法的结果比较,在准确率和灵敏度上有明显提高,证明了本文方法能有效地提高心音信号分类的准确性,在部分心血管疾病的临床辅助诊断应用中有很大的潜力。