Internet下智能协同DSS模型实现技术

本文在介绍了作者提出的基于Ｉｎｔｅｒｎｅｔ环境下智能协同决策支持系统模型后,详细描述了该模型的原型系统－贫血病诊断系统的实现技术,通过它反映了该模型的应用前景。文中还对智能决策代理编制、基于事例的推理等方面进行了描述。     

基于深度学习的医学影像报告生成研究综述

阅片是放射科医生日常的一项艰巨任务.实现医学影像报告自动生成就是为了缓解并辅助放射科医生快速准确进行疾病诊断和治疗方案制定的,同时减轻他们撰写报告的负荷.目前基于深度学习的医学影像报告自动生成的研究是当前的热门课题.文章对医学影像报告自动生成现有的主流方法及研究成果进行了总结和讨论,分析了该研究主要使用的网络模型和建模...     

LDI-MSI在药物发现和疾病研究中的应用

质谱成像作为一种可以实现分子原位检测的新型分子影像技术,具有高通量、高灵敏度、高专属性、操作简单等特点,可直观反映化合物在组织分布的差异性。质谱成像已逐渐发展成为药物研究、病理诊断、医学检验、环境保护等领域不可或缺的工具。此文着重论述激光解吸离子化质谱成像(LDI-MSI)在药物发现和疾病研究中的应用。     

人体长骨振动的在体测试

振动分析技术用来诊断骨病和估计骨折愈合程度的可行性已得到证实。测试时常用的激振方式有电动、人工和超声等，拾振装置有传声器、力传感器和加速度计等。文章采用医用叩诊锤激振、双加速度计拾振，在不同情况下在体测试了人体长骨的振动。通过分析测试信号的功率谱及传递函数，发现骨组织中振动传播具有方向性，拾振器的质量、测点及激振点位置对测试结果有影响。实际应用中应选用质量较小的拾振器，且应尽量保持待测肢与对照肢的测试条件一致。     

基于弹性网-SVM的疾病诊断关键特征识别

为了更好地识别具有影响因素多、样本量小等特点的疾病诊断的关键特征,辅助临床诊断决策的正确制定,提出了结合弹性网和支持向量机算法的疾病诊断关键特征识别方法。利用弹性网特征选择能力对原始数据集进行降维,得到影响疾病诊断的特征序列;根据特征序列选取关键特征子集,运用支持向量机和10折交叉验证方法获取相应特征子集的分类精度;以 UCI 中 Arrhythmia 数据集为例进行测试。结果表明,该方法能够得到较高的分类精度,并可以更有效地对原始样本数据集进行降维,去除影响因素中的冗余和不相关特征,适用于高维低样本量数据集的疾病诊断关键特征识别。     

医学影像疾病诊断的残差神经网络优化算法研究进展

残差神经网络（residual neural network,ResNet）及其优化是深度学习研究的热点之一,在医学图像领域应用广泛,在肿瘤、心脑血管和神经系统疾病等重大疾病的临床诊断、分期、转移、治疗决策和靶区勾画方面取得良好效果。本文对残差神经网络的学习优化进行了总结：阐述了残差神经网络学习算法优化,从激活函数、损失函数、参数优化算法、学习衰减率、归一化和正则化技术等6方面进行总结,其中激活函数的改进方法主要有Sigmoid、tanh、ReLU、PReLU（parameteric ReLU）、随机化ReLU（randomized leaky ReLU,RReLU）、ELU（exponential linear units）、Softplus函数、NoisySoftplus函数以及Maxout共9种;损失函数主要有交叉熵损失、均方损失、欧氏距离损失、对比损失、合页损失、Softmax-Loss、L-Softmax Loss、A-Softmax Loss、L2 Softmax Loss、Cosine Loss、Center Loss和焦点损失共12种;学习率衰减总结了8种,即分段常数衰减、多项式衰减、指数衰减、反时限衰减、自然指数衰减、余弦衰减、线性余弦衰减和噪声线性余弦衰减;归一化算法有批量归一化和提出批量重归一化算法;正则化方法主要有增加输入数据、数据增强、早停法、L1正则化、L2正则化、Dropout和Dropout Connect共7种。综述了残差网络模型在医学图像疾病诊断中的应用研究,梳理了残差神经网络在肺部肿瘤、皮肤疾病、乳腺癌、大脑疾病、糖尿病和血液病等6种疾病诊断中的应用研究;对深度学习在医学图像未来发展进行了总结和展望。     

CNN多层特征融合与ELM的乳腺疾病诊断方法

针对传统计算机辅助诊断方法准确率低、耗时长的问题,提出卷积神经网络(Convolutional Neural Networks,CNN)多层特征融合与极限学习机(Extreme Learning Machine,ELM)的乳腺疾病诊断方法。利用CNN从乳腺X光图像中提取多层特征;提出多尺度池化操作将各层提取的特征进行融合;使用极限学习机分类器进行乳腺疾病的快速诊断。实验结果表明,该乳腺疾病检测方法平均准确率高达97.13%,诊断时间是6.43 ms。该方法能有效地提高乳腺疾病诊断的准确率,缩短诊断时间,且具有较好的鲁棒性和泛化能力。     

基于人工智能的智慧医疗对专利保护政策的挑战及应对

随着人工智能技术的发展,其在应用的深度和广度两个方向均拓展迅猛,已经悄然影响我们的生活的方方面面。当技术深入到生产生活的实践中后,如何获得市场的合法垄断、对创新技术的保护成为迫切的需要。本文梳理了关于疾病的诊断和治疗方法的国内外专利保护政策,进一步阐述了其对专利法第25条提出的挑战,从疾病的诊断和治疗方法的本质特点和促进技术进步的需要,探讨对于基于人工智能的疾病的诊断和治疗方法应该通过专利法加强保护,尝试提出了结合实际技术发展现状和经济利益,采取限定到"由计算机来实施"从而有限地允许基于人工智能的疾病诊断和治疗方法突破专利法保护客体的限制的方式,从而适应基于人工智能的疾病诊断和治疗方法的发展,鼓励人工智能在智慧医疗领域中的创新。     

新生儿腹部超声检查的应用价值

目的:对腹部超声在新生儿疾病检测中的应用效果进行分析。方法:选取NICU病人200例,均行腹部超声检查,对检查结果进行分析。结果:经腹部超声检查,共检出中静脉导管未闭109例,门静脉海绵样变1例,肝内门静脉—肝静脉瘘1例,肝脏门静脉积气3例,先天性胆总管囊肿1例,肠旋转不良1例,肾异位1例,肾上腺出血4例,肾多囊性发育不良1例。结论:腹部超声检查是一种无痛检查,且成像较清晰,能及时为临床提供重要信息,可作为新生儿腹部检查的首选。     

基于SVM二叉树的猪呼吸系统疾病诊断方法的研究

[目的]研究一种基于SVM二叉树的猪呼吸系统疾病诊断方法.[方法]首先利用聚类思想,定义了一种基于疾病特征权重的分离程度;每次将分离程度最大的类分离出来,得到了累积误差更小的决策树;并将二叉树SVM用于常见的4种呼吸系统疾病的诊断试验.[结果]该方法可行,可用于猪呼吸系统疾病的早期诊断.[结论]该研究为促进我国猪养殖业的健康发展及农民增收提供了参考.