SD-FCE:一种识别睡眠呼吸暂停综合征发病时段的深度学习方法

睡眠呼吸暂停综合征(Sleep Apnea Syndrome, SAS)是一种常见的睡眠呼吸系统疾病.目前有很多关于SAS自动检测的研究仅仅是在一段时间内判断是否发病,无法识别发病具体时段.针对这一局限性,本文提出一种新的SAS识别模型SD-FCE(SAS Detection based on Functional Connectivity of Electroencephalography),该模型具备识别不规则发病时段的能力.首先,为提取发病时段的神经系统异常,本文利用脑电功能连接性构建脑电功能连接矩阵.其次,为识别发病的具体时段,本文基于目标检测算法改进,针对SAS设计不同的预选框将不规则目标网格化,以进行模型搭建.分类与位置回归模块依托于网格化处理的结果输出发病的分类结果、中心时间与持续时间.对比以往相关研究,SD-FCE模型的识别结果更利于医学诊断,同时性能优于以往其它类似模型.     

2000年上半年我国销售领先的100种药品

1 头孢曲松 ,2 人白蛋白 ,3 氨噻肟头孢菌素钠 ,4 左旋氧氟沙星 ,5 头孢环己烯 ,6 头孢呋辛 ,7 吡拉西坦 ,8 克林霉素 ,9 胸腺肽 ,10 头孢他啶 ,11 舒巴坦钠 /头孢哌酮钠 ,12 昂丹司琼 ,13 奥美拉唑 ,14 脂肪乳 ,15 环胞菌素 ,16 舒巴坦 /氨苄西林 ,17 氧氟沙星 ,18 阿莫西林 ,19 羟氨苄青霉素克拉维酸盐 ,2 0 重组人粒细胞某落刺激因子 (大肠 ) ,2 1 葡萄糖 ,2 2 阿特普酶 ,2 3 紫杉醇 ,2 4 氨氯地平 ,2 5 环丙沙星 ,2 6 人白细胞干扰素 ,2 7 银杏叶制剂 ,2 8 葛根素 ,2 9 阿卡波糖 ,30 亚胺培南 ,31 二磷酸果糖 ,32 单硝酸…     

人工智能技术在医学研究中的应用

阐述人工智能技术比较睡眠呼吸暂停综合征（SAS）患者的血氧饱和度指标与健康人群之间指标的差异性，选择患者血氧的最佳指标，对每段数据计算多种特征并分析差异，使用人工智能领域中的人工蜂群算法优化支持向量机相关参数的模型。