基于健康信息交换第七层协议的心电图仪信息化研究*

背景：医疗仪器种类繁多且数据结构各异,缺乏统一的交互标准,严重阻碍了医疗仪器的信息化共享。 目的：以心电图仪为研究对象,应用健康信息交换第七层协议(Health Level Seven,HL7)信息化标准实现其信息化交互,探讨基于HL7的医疗仪器信息化交互的可行性和优越性。 方法：分析比较现有的数据交换标准,以HL7注释心电图作为心电图仪的交互标准,以消息引擎方式在WINCE嵌入式平台下采用.Net和可扩展标记语言关键技术实现心电图仪的标准心电数据交换协议消息解释和HL7信息化编码,并验证其有效性。 结果与结论：对信息化编码后的数据成功通过HL7结构的有效性验证,心电图数据能解析并正确显示。研究结果验证了心电图仪HL7信息化的可行性,且实现方法具有较好的可扩展性和通用性。关键词：健康信息交换第七层协议;信息化;心电图;标准心电数据交换协议;健康信息交换第七层协议注释心电图 缩略语注释：HL7：Health Level Seven,健康信息交换第七层协议;SCP-ECG：Standard Communication Protocol for Computer-assisted Electrocardiography,标准心电数据交换协议;HL7aECG：HL7 annotated ECG,HL7注释心电图; XML：eXtensible Markup Language,可扩展标记语言 doi:10.3969/j.issn.1673-8225.2012.17.033     

基于MIP系统的放射治疗设备运行管理系统的模块介绍及应用效果

为规范医院放射治疗中心的设备调配、人员安排工作,实现医院放射治疗业务的全流程信息化管理,某大型肿瘤专科医院根据以往放射治疗设备运行管理方面的难点和痛点,结合医院实际情况,配合医科达（上海）医疗器械有限公司建立了一套基于ELEKTA放射治疗整合平台MOSAIQ Integration Platform 2.0(MIP系统)的放射治疗设备运行管理系统。该系统实现了MIP系统与医院信息系统（HIS）数据的互联互通及放射治疗定位、治疗及质控设备的联网,同时具有可视化的设备预约管理模块、放射治疗全流程无纸化流转模块、自动排队叫号模块、短信通知模块、实时确费收费管理模块及数据记录分析处理模块,经实际应用证实该系统可实现放射治疗一站式前台服务、可视化预约、环节审核规范流转、一键式信息高效沟通及全流程精确记录,有效提高了服务质量和水平,解决了各大放射治疗中心面临的诸多具有共性的难点和痛点。     

基于影像组学与生物等效剂量组学的放射性肺炎预测研究

目的结合影像组学和剂量组学特征, 采用机器学习方法构建放射性肺炎的预测模型。方法回顾性分析2019—2021年在本院接受放疗的88例非小细胞肺癌患者。将肺组织-临床靶区的区域作为感兴趣区域, 从该区域的CT图像和剂量分布中提取影像组学和剂量组学特征。利用2 Gy/次等效剂量(EQD2)模型将物理剂量转换为生物等效剂量, 并从中提取基于EQD2的剂量组学特征。将影像组学结合剂量组学、影像组学结合生物等效剂量组学特征分别输入11个不同的分类器构建预测模型, 并采用五折交叉验证法完成分类实验。受试者工作特性曲线下面积(AUC)值被用来评价模型的有效性。结果两种模型都可以很好地预测放射性肺炎的发生, 两种算法下影像组学结合生物等效剂量组学模型的平均AUC值均更高(0.77±0.06∶0.85±0.03, 0.76±0.09∶0.85±0.05, 均P<0.05)。结论基于影像组学和生物等效剂量组学的多模态组学方法能够更加有效地预测放射性肺炎的发生, 为临床肺癌患者的放疗提供指导。     

基于CT影像组学的肺癌生存预后预测分析

目的 探讨非小细胞肺癌(NSCLC)患者基于治疗前CT增强图像的影像组学特征对其生存期的预后价值。方法 研究数据来源于癌症影像档案(the cancer imaging archive, TCIA)中的NSCLC-Radiomics公共数据集,使用数据库中的421例NSCLC患者的基线资料和CT影像数据,然后从每例患者的CT三维影像数据中提取组学特征,将所有病例按照7∶3的比例随机分为两组：训练集(296例)和测试集(125例),在训练组中以最小绝对收缩和选择算子(LASSO)算法筛选预测总生存(OS)的影像组学特征,基于Cox比例风险回归模型,建立预测模型,将患者分为高、低风险2组,Kaplan-Meier生存曲线比较两组间生存差异,纳入临床特征建立预后模型,曲线下面积(AUC)评价其预测效能。基于预后模型绘制列线图。结果 共提取1 409个组学特征,经降维后得到11个最有价值的组学特征。建模后计算组学标签,高、低风险2组在训练集和验证集中OS均有显著性差异(P<0.001)。Cox单因素和多因素分析显示影像组学标签均是影响OS[风险比(HR)值：1.529、1.369,95%...     

基于健康信息交换第七层协议的心电图仪信息化研究

背景：医疗仪器种类繁多且数据结构各异,缺乏统一的交互标准,严重阻碍了医疗仪器的信息化共享。目的：以心电图仪为研究对象,应用健康信息交换第七层协议（Health Level Seven,HL7）信息化标准实现其信息化交互,探讨基于HL7的医疗仪器信息化交互的可行性和优越性。方法：分析比较现有的数据交换标准,以HL7注释心电图作为心电图仪的交互标准,以消息引擎方式在WINCE嵌入式平台下采用.Net和可扩展标记语言关键技术实现心电图仪的标准心电数据交换协议消息解释和HL7信息化编码,并验证其有效性。结果与结论：对信息化编码后的数据成功通过HL7结构的有效性验证,心电图数据能解析并正确显示。研究结果验证了心电图仪HL7信息化的可行性,且实现方法具有较好的可扩展性和通用性。     

基于iOS的老年人跌倒检测报警系统研究

目的:设计一种基于手机的老年人跌倒检测报警系统,为跌倒后的老人提供及时的帮助,争取更多的急救时间.方法:利用iPhone内置的三轴加速度传感器和陀螺仪提取人体加速度和角速度数据,计算与人体运动相关的特征值信号向量幅值(signal vector magnitude,SVM)、信号幅值面积(signal magnitude area,SMA)、倾斜角(tilt angle,TA),采用多阈值判断算法判别人体是否发生跌倒.发生跌倒时,手机向监护人发出跌倒报警.结果:在系统准确性检测实验中,模拟老年人行走、慢跑、坐下、躺下、弯腰及前向跌倒、侧向跌倒、后向跌倒.慢跑识别准确率为96％,出现错报;前向跌倒检测准确率为98％,出现漏报;其余准确率皆为100％,系统正确率为99.25％.结论:该系统可直接利用手机内置传感器有效检测跌倒,并且对手机的放置方位无要求,是一种易于接受且更为可行的跌倒检测系统.     

基于影像组学和剂量组学的放射性肺炎预测研究

目的：旨在利用影像组学和剂量组学的多组学方法，建立并验证一个有效的基于CT图像的放射性肺炎（RP）预测模型。方法：对2019年至2021年在广州医科大学附属肿瘤医院接受放疗的91例非小细胞肺癌患者进行回顾性分析。将除去临床靶区的全肺（Lung-CTV）作为感兴趣区域，从Lung-CTV区域的CT图像和剂量分布中提取影像组学和剂量组学特征。将单独的剂量体积直方图（DVH）特征、影像组学结合DVH(radio+DVH)特征、影像组学结合剂量组学（radio+dose）特征，分别输入11个不同的分类器来构建预测模型，采用五倍交叉验证法来完成分类实验。利用接受者操作特征（ROC）曲线下的面积（AUC）、准确性、精确性、召回率和F1值来评估预测模型的性能。结果：与DVH模型相比，radio+DVH和radio+dose的AUC值更高，差异有统计学意义（P<0.05）。与DVH和radio+DVH模型相比，radio+dose的准确率和F1值更高，差异有统计学意义（P<0.05）。结论：使用基于机器学习的影像组学和剂量组学的多组学方法预测RP的性能更好，有望为临床治疗提供指导。     

基于BIRADs多任务学习模型的乳腺肿块分类

目的：为解决乳腺图像肿块分类与深度学习应用的难题，提出一种基于乳腺影像报告与数据系统（BIRADs）多任务学习模型的肿块分类方法。方法：构建迁移学习的形态学和纹理特征提取器，并在此基础上引入多任务分类器，实现BIRADs诊断相关的边缘、形状、密度和微小性评估。研究通过训练策略、输入图像和模型架构系列实验和指标，分析评估模型性能。结果：在迁移学习策略下，Base模型和BIRADs模型性能均有显著提升。原始肿块图像作为输入的模型性能均优于掩模图像模型。在迁移学习和原始肿块输入下，BIRADs模型相较Base模型有更高的AUC值（0.830 vs 0.793）、准确率（0.747±0.024 vs 0.712±0.023）、精确率（0.643±0.032 vs 0.607±0.030）、召回率（0.774±0.037 vs 0.715±0.042）、F1-score(0.702±0.028 vs 0.656±0.029)。多任务学习模型在乳腺肿块分类中具有显著优势。结论：BIRADs多任务学习模型结合临床知识与数据驱动方法显著提高肿块分类准确性和模型鲁棒性，有望提高乳腺癌诊断准确性。