电子病历诊断报告

医院先是“消灭”纸质病历,让电子病历取而代之,接下来,医院又要让电子病历摇身一变,通过打印,重新回到纸上。这看起来有些荒谬,但它却是我国电子病历应用中一个真实而无奈的片段。     

基于领域语义知识库的疾病辅助诊断方法

健康医疗领域是一个知识密集型的领域,临床诊断的质量主要依赖于医生所掌握的健康医疗知识以及临床经验.然而,单个医生的能力仍然非常有限,所以目前临床诊断的质量并不高.为此,提出一种基于领域语义知识库的疾病辅助诊断方法,基于Freebase中medicine主题域的知识建立了领域语义知识库,提出计算知识库中症状于疾病诊断的权重、计算与患者输入症状集相关的疾病的相关度和基于患者输入症状集推荐相关症状的算法.最后,基于随机选取的6种常见疾病的临床病历数据对所提出的方法与现有方法进行了对比评价,评价结果一方面表明了所提方法对已有方法存在的问题和不足的改进效果,另一方面也表明所提方法可以避免"冷启动"问题,可以快速支撑对大量常见疾病的辅助诊断.基于所提方法,有望为基层全科医生提供大量常见疾病的辅助诊断服务,或者为患者提供疾病自诊服务.     

基于电子病历可视分析的临床诊断模型

针对当前医生在临床诊疗过程中缺乏系统有效的手段,以及隐藏在大量电子病历中的医学知识没有得到充分利用的现状,研究了利用可视分析和数据挖掘相结合的方法,辅助医生进行临床诊疗服务.本文以不明原因发热疾病为例,首先对电子病历进行数据预处理和结构化提取,然后结合具体需求进行可视组织与分析,再利用数据挖掘相关算法对患者大量症状和发热原因之间的关系进行学习,帮助医生发现病历中潜在的医疗知识,辅助医生进行诊断.在上述工作的基础上,构建了一个面向临床诊疗的可视分析与辅助诊断框架,并给出了系统实例加以验证,结果表明该系统可以有效的帮助医生分析不明原因发热电子病历内的知识,有利于进一步的疾病诊断,缩短了平均确诊时间.     

基于本体的电子病历检索系统研究

适应循证医学成为电子病历的必然发展方向。但由于医学概念名称不规范或者缺乏一个统一的规范命名系统,导致一个概念可以有多种名称来表示。而且传统的查询方式无法进行语义扩展,存在查全率和查准率不高的问题。而由于本体是一种能在语义和知识层次上描述信息的概念模型建模工具,所以将本体引入电子病历中。文中提出了一种基于本体的电子病历检索系统,给出了一种映射算法实现概念的语义扩展,从而提高了检索的查全率和查准率,使得电子病历在医疗辅助决策中起到越来越重要的作用。     

基于本体的电子病历检索系统研究

适应循证医学成为电子病历的必然发展方向。但由于医学概念名称不规范或者缺乏一个统一的规范命名系统,导致一个概念可以有多种名称来表示。而且传统的查询方式无法进行语义扩展,存在查全率和查准率不高的问题。而由于本体是一种能在语义和知识层次上描述信息的概念模型建模工具,所以将本体引入电子病历中。文中提出了一种基于本体的电子病历检索系统,给出了一种映射算法实现概念的语义扩展,从而提高了检索的查全率和查准率,使得电子病历在医疗辅助决策中起到越来越重要的作用。     

基于位置降噪和丰富语义的电子病历实体关系抽取

当前的电子病历实体关系抽取方法存在两个问题:忽视了位置向量噪声和语义表示匮乏.该文提出一种基于位置降噪和丰富语义的实体关系抽取模型.模型首先利用位置信息和专业领域语料训练的词向量信息获取每个词的注意力权重,然后将此权重与通用领域语料训练的词向量结合,实现位置向量降噪和丰富语义引入,最后根据加权后的词向量判断实体关系类型...     

基于树形语义框架的神经语义解析方法

语义解析的目标是将自然语言表达映射为机器可理解的逻辑表达,该任务的关键挑战在于难以刻画自然语言中蕴含的组合语义.目前,结合深度神经网络模型的语义解析方法已经成为该领域的主流方法,该类方法通常采用编码器—解码器框架,通过设计树形结构的解码器或者在解码器中添加语法限制,从语法层面上提升逻辑表达生成的准确率.与现有的神经语义...     

面向云端的电子病历数据管理研究

信息技术和大数据的发展推动了医疗记录的信息化。在这样的背景下,电子病历（EMR）系统作为其中的代表,改变了医疗数据的管理模式,但也带来了诸如身份认证和隐私保护等问题。针对这些问题,提出了一个基于身份的可认证密钥协商协议,通过密钥协商服务器执行此核心协议得到的会话密钥将用来对数据进行加密处理,并由安全高效的签名算法保证数据的真实性,最终实现医疗数据的安全管理。在e-CK模型下,利用可证明安全理论证明了该方案具有完美的前向安全性,能够抵御未知密钥共享攻击和密钥泄露模仿攻击等。此外,通过隐式的认证算法,EMR方案中的核心密钥协商协议能够支持共享密钥的属性认证。     

面向电子病历中文医学信息的可视组织方法

针对当前大量电子病历信息无法充分利用的问题,研究了面向电子病历中文医学信息的主题建模及可视组织方法.首先基于电子病历数据和医疗问答数据,进行预处理并转换为纯文本语料,然后采用基于Mallet的LDA主题模型训练算法进行主题建模,并结合主题模型分析的需求进行可视组织与呈现,最后构建了面向中文医学信息的可视分析系统.实例验证表明该系统可以有效的辅助用户进行主题模型的构建与分析,并有利于进一步的诊断.     

电子病历系统的设计与应用

本文从电子病历的概念出发,介绍电子病历系统设计的系统架构图、流程图,并使用Visual C＋＋与SQL Sever实现了外科电子病历系统,完成了外科电子病历的相关功能,达到帮助医生辅助治疗,记录病人信息等目的。在此基础上,文章探讨了电子病历的应用前景以及存在的问题。     

语义分析与TF-IDF方法相结合的新闻推荐技术

在新闻项目的推荐系统中,通常使用TF-IDF权重技术结合余弦相似性度量方法,然而这种技术没有考虑到文字本身的实际语义,因此,提出了基于内容和语义分析相结合的一种新方法。此方法将同义词集合的逆文档频率及语义相似性相结合,采用WordNet同义词集合做相似性计算。构建用户配置文件进行实验测试,验证了该方法的有效性。实验结果表明,提出的语义方法性能优于TF-IDF方法。     

基于小波变换多分辨率特征提取的模拟电路故障诊断方法研究

提出一种基于小波变换多分辨率特征提取的模拟电路故障诊断的方法。该方法先对采样后的故障信号进行小波分解,提取各频段系数作为特征向量输入到神经网络进行训练。通过带通滤波器电路诊断的实例,阐述该方法的具体实现,验证该方法可以有效地简化神经网络结构和减少它的训练时间,快速高效地进行模拟电路故障的诊断和定位。     

变压器故障诊断的油色谱分析方法综述

对变压器故障诊断的油色谱分析方法进行了综述。首先分析了电力变压器的常见故障。给出了变压器运行状态的主要测试与监测手段。然后着重介绍了一种变压器故障的综合监测判断方法一油色谱分析法。其中重点讨论了基于专家系统的故障诊断方法和基于神经网络的故障诊断方法。最后，进一步探讨了基于油色谱分析进行变压器故障诊断的前景，以及需要解决的问题。     

语义覆盖网最佳规模的数学分析

现在大量研究者通过语义覆盖网构建来提高P2P网络资源查询效率,但在语义覆盖网最佳规模大小上缺乏研究。考虑运用数学方法对语义覆盖网络进行数据建模,对路由算法的路由性能指标的求解方法进行研究,并分析语义覆盖网规模与路由性能指标之间的关系。通过模型的分析和求解,得出了社区的最佳规模大小,为语义覆盖网构建与研究提供了有力的支撑。     

基于神经网络的化工聚合过程故障诊断方法

针对化工聚合反应的特点,结合BP神经网络和专家系统各自在在故障诊断中的优点,利用神经网络的自学习能力和专家系统的解释机能,构建了基于专家经验的神经网络故障诊断系统,用于解决在生产过程中出现异常情况的故障诊断。仿真结果表明,该诊断系统不仅提高了系统运行的可靠性和准确性,而且运用神经网络的并行处理能力来完成推理过程,大大提高了故障诊断的速度。     

轴承故障的智能诊断方法

总结了轴承故障诊断的模糊规则,并把这些规则晨射到模糊神经网络,提高了诊断的智能性。提出了部分层学习算法,并推导出隶属度函数的参数学习算法,改善了诊断规则和学习性能,所研制的诊断系统在对轴承邦联伯诊断中取得了满意的结果。     

融合知识图谱与深度学习的疾病诊断方法研究

针对现有深度学习疾病诊断方法在辅助诊断过程中大规模依赖标注数据,且缺乏医生或专家经验知识的问题,提出一种融合医学知识图谱与深度学习的疾病诊断方法。该方法的核心是一个知识驱动的卷积神经网络(CNN)模型,通过实体链接消歧与知识图谱嵌入抽取得到医学知识图谱中的结构化疾病知识,并将病情描述文本中的疾病特征词向量与相应知识实体向量作为CNN的多通道输入。在卷积过程中从语义和知识两个层面表示不同类型疾病。通过在多类病情描述文本数据集上进行训练和测试,实验结果表明该方法的诊断性能要优于单一CNN模型与其他疾病诊断方法,并验证了这种知识与数据联合训练的方法更适用于初步诊断病情描述的疾病类型。     

一种基于语义网络的图像检索方法

当前基于内容的图像检索主要采用底层特征检索技术,如颜色、形状和空间分析。然而无法表达图像的高层语义信息,造成了检索结果的不精确。结合低层特征,提出一种基于关键字语义网络的图像检索方法。通过语义网络的不断完善,检索的精确度也将随之提高。     

轴承故障融合诊断方法

针对传统人工神经网络在故障诊断中应用的局限性 ,提出一种基于小波变换、遗传算法与神经网络的融合故障诊断方法。该方法先用小波变换对原始采样信号进行特征提取 ,再用遗传算法优化选择最为重要的特征作为神经网络的输入参数。最后 ,由神经网络进行状态识别和特征分类。这样不仅减少网络训练时间 ,降低网络计算量 ,而且有效提高分类的准确性及故障诊断的可靠性。轴承故障诊断实验结果表明 ,该方法是有效的。