高校教师信息化教学问卷调研及能力提升研究——以甘肃中医药大学为例

基于教育信息化背景,以问卷形式调研高校教师信息化教学能力应用实际情况、信息化教学应用目的及影响因素、对信息化教学应用于学生的作用认识、信息化教学能力发展需求、对培训与学习模式的认可度等内容。分析数据显示,教师信息化教学应用能力差异较大,学校需加强信息化教学应用能力培训的深度与广度。

新工科背景引领下的医学院校计算机网络工程实验课程教学研究

文章从新工科研究与实践的理念对学科专业建设的要求入手,深入分析了医学院校计算机网络工程实验课程教学现状及面临的问题,在总结所在学校网络实验教学过程的基础上,结合新工科背景下地方经济产业发展对传统工科专业改造升级的要求,提出了网络实验教学改革的具体措施,考虑学生的专业需求及对专业的兴趣度,提出了分级网络实验教学内容设计体系结构。

基于深度强化学习的中医古籍图谱推理研究

目的针对中医古籍知识图谱实体关系信息缺失问题,提出基于深度强化学习的知识推理方法,提升知识图谱的完备性。方法以知识图谱领域基准数据集及中医古籍数据集为研究对象,采用基于深度强化学习推理方法,结合知识单步补全和多跳路径搜索,利用Python语言联合Neo4j图数据库实现路径间的推理。结果在知识推理任务数据集中,相较于基线模型,该推理方法在MAP指标上最高提升约53.79%,应用到中医古籍图谱时,其评价指标最高达0.776。结论基于深度强化学习的知识推理方法对于提升中医古籍知识图谱的完备性具有显著优势,该方法可有效地填补中医古籍图谱中的信息缺失。

基于超图理论的中医方剂网络药对挖掘方法

随着复杂网络研究的深入发展,利用复杂网络理论对中药药方数据进行建模分析已成为研究中药配伍规律的重要方法之一。然而,传统的“药-药”网络结构只基于“点-边”关系,无法体现方剂和中药之间的高阶交互关系,从而影响药对挖掘的准确率和效果。针对该问题,提出了一种基于超图的方药超网络建模方法来刻画方剂与中药之间的高阶关联关系,以方剂为超边、方剂中的中药为节点构建方药超网络,对比传统“药-药”网络和方药超网络的统计特性发现,方药超网络节点超度分布更加符合幂律分布特征,具有小世界和无标度特性,证明了方药超网络建模方法具有合理性和可行性;基于方药超网络提出一种融合多因素的双权重度中心性指标(double weight degree centrality,DWDC)挖掘方剂中的常见中药,引入超边属性对节点特性的影响,以网络的脆弱性和鲁棒性为依据,通过各算法之间的对比实验,验证所提出方法能够更有效筛选出方剂超网络中的常见中药;再将DWDC指标推广到二阶常见药对挖掘,提出高阶指标H-DWDC,基于真实数据集的实验结果表明,该方法能够有效地从海量数据中挖掘出常见药对。

基于协同效应的康复工程学课程思政教学模式的实践探索

文章以康复工程学课程思政教学模式为着力点,运用协同效应,创设内外环境协同的课程思政系统、构建“课堂+实训+实践”一体化课程思政体系、搭建完善的“课堂+创新+创业”课程思政支架、打造多元评价方式等课程思政模式.通过传统教学模式和课程思政教学模式分别对康复治疗学专业两个班级进行对比实验,结果表明,基于协同效应的康复工程学课程思政教学模式在提升专业素养和实施思想政治教育方面有良好功效.

护理本科生信息素养的现状调查及培养策略

目的了解学生信息素养现状,探讨开展学生信息素质教育的改进措施。方法采用《信息素养调查表》对111名护理本科生的信息素养现状进行调查。结果 75.68%的学生能主动寻求所需信息,31.54%的学生事先制定计划查找信息。28.83%的学生去图书馆能进行正确、高效的查阅流程,能够采用特殊检索技术来建构检索策略占27.93%。13.52%的学生学习过知识产权、版权法等方面的课程。结论多数学生的信息意识较强,但信息评估能力和信息道德有待提高,应将信息素质教育与护理学科教育相结合,开展专业信息实践教学,引导学生自主学习。

深度融合信息技术的数据库课程教学设计与实践

针对“互联网+”背景下数据库课程教学设计问题,在分析目前教学现状的基础上,提出深度融合信息技术的数据库课程教学设计方案,从课堂教学、教学互动、教学内容扩充3个维度阐述教学设计,列举数据库系统知识点的45分钟课堂、数据库系统设计的小组互动、教学内容的与时俱进3个具体实施方案,介绍在医学信息工程专业本科生中的教学实践并说明教学反馈。

基于粗糙集和遗传算法的中医方证相关性研究

针对中医方证相关性分析中存在的模糊性和不确定性问题,提出一种基于粗糙集和遗传算法的中医方证相关性分析模型。该模型使用遗传算法对方证决策表进行属性约简,构造的适应度函数一方面最大化决策属性对条件属性的依赖度,另一方面通过计算个体稀疏度与期望稀疏度的KL散度,对包含属性较多的个体进行惩罚,以便在最大化分类能力的同时获得最小的属性约简。使用该方法建立了心率失常和心绞痛的方证决策模型。实验结果表明,该方法得到的属性约简能够反映两种类型的冠心病在中药用药方面的差异,所提取的方证规则与目前中医治疗冠心病的用药原则基本一致,说明该方法用于中医方证相关性分析是可行和有效的。

基于中医传承辅助系统挖掘治疗胃癌用药组方规律

目的:挖掘中医方剂治疗胃癌的用药组方规律。方法:收集近30年医学期刊治疗胃癌的中药复方,提取元数据建立数据库,利用中医传承辅助系统软件,分别采用频次分析、聚类分析、复杂系统熵聚类方法对治疗用药、常用配伍、核心组合、新方组合进行分析。结果:共纳入治疗胃癌的复方176首,使用中药210味,在10%以上的方剂中使用的中药有30味,两味高频药物组合50对,3味高频药物组合29组,基于熵聚类分析共得药物核心组合10对,新方组合10个。结论:从显性经验和隐性经验两个维度挖掘治疗胃癌用药规律,体现出中医学重视以扶正为本、养血滋阴、健脾和胃、滋补肝肾的治疗原则,新方组合为临床遣方用药提供指导。

基于DEA模型的甘肃省内高等院校科技资源利用效率研究

文章运用DEA软件中的BBC模型和Malmquist指数,综合评价"十二五"期间甘肃省内高校科技资源的配置情况和利用效率。研究结果表明:2015年甘肃省内高校科技资源利用的总体效率、纯技术效率和规模效率分别为0.898、0.931和0.957。2011—2015年甘肃省内理工农医类高校科技资源的利用效率相对较高,文科院校效率相对较低,新合并或新升级高校的效率快速提升。单纯增加科研经费并不能有效增加高校科研产出,应加大顶层设计,加强高校科技资源的存量调整和结构优化;提高科技资源配置的精细化水平,实行分类指导政策。

基于BiLSTM-CRF的中医医案命名实体识别

目的:针对中医医案中分词困难及实体种类繁多、歧义等难点,提出基于双向长短期记忆(BiLSTM)网络和条件随机场(CRF)的深度学习混合模型命名实体识别方法。方法:基于人工标注的名老中医诊断高血压医案构建BiLSTM-CRF模型进行命名实体识别,根据深度学习模型特点,该模型使用BiLSTM作为特征提取器,使用CRF进行序列标注,通过对语料集进行标注,对医案中疾病、症状、证候、治法和处方五类实体进行命名实体类别识别。结果:对整理的435份医案进行序列标注,基于向量构建从而进行命名实体类别识别。经过增加轮次后,综合测试实验结果精确率为81.3%,准确率达到90.13%;在各类别识别中,疾病精确率为73.87%,症状精确率为75.93%,证候精确率为72.33%,治法精确率为68.13%,处方精确率最高达到89.15%。结论:利用BiLSTM-CRF模型能够有效实现中医医案命名实体类别识别,有效提高了中医医案的实体识别准确率,为临床诊断提供有效数据支持。

基于中医医案的知识图谱构建

介绍知识图谱构建过程、数据来源、数据标准化方法、人工序列标注方法及关系定义,详细阐述中医医案知识图谱构建方法,包括知识表示、知识存储、知识可视化分析,为相关研究提供参考。

一种面向中医医案知识图谱的链路预测模型

知识图谱有助于实现智能化、个性化的中医药知识服务,其中链路预测可以解决知识图谱中缺失信息的发现与还原,也是目前知识图谱应用领域中的研究热点之一。但目前补全的医学知识图谱很少覆盖类型和层级结构,而且链路预测未考虑到关系三元组。本文创新性地提出一种新的归纳推理模型HSTP(HierarchicalStructureType),基于类型和层级结构获取信息,利用知识图谱中实体之间的语义关联,将类型、节点与关系进行融合,然后提出一个关系相关网络来学习不同模式对归纳链路预测的重要性,最终得到真实和完整的中医医案知识图谱。结果表明,该模型能够有效表达实体之间的语义关联,在链路预测任务的基准数据集上提高了3.9%左右,可以为解决知识图谱中缺失信息的发现与还原提供研究基础。

对中医药院校信息管理与信息系统专业本科生实习工作的思考与探索

通过对福建中医药大学与甘肃中医药大学等院校信息管理与信息系统专业本科生实习教学工作的不断总结和思考,发现信息管理与信息系统专业(医学信息方向)本科生在实习中存在的问题,针对实习生在实习阶段培养目标不清楚以及带教老师只是按照经验带教等问题进行了深入思考与探讨,并建立了明确的实习阶段的人才培养目标指标体系、评价标准等。

一种基于互信息的基因数据特征选择算法

癌症是目前威胁人类生命的重大疾病之一,若能早期发现,则会极大地提高治愈率。针对现在绝大多数特征选择算法都依赖于排除冗余高的特征而没有考虑到特征冗余也可能产生良性影响的问题,笔者提出一种将MIM与CIFE结合的算法。实验结果表明,该算法优于一些其他算法,具有较好的分类精度,对选择出与癌症发病高度相关的基因具有正向作用。

出院患者随访信息系统的设计与实现

出院患者随访服务是医院医疗服务从院内到院外的一种延伸,践行了"以人为本,以患者为中心"的服务理念。研究与设计出院患者随访信息系统,实现出院患者随访信息化,改变传统的随访方式,提高出院患者随访率,更好地为患者提供院后医疗服务。以泉州市某三甲医院随访管理为例,采用B/S架构,开发出院患者随访信息系统。结果表明,该系统在一定程度上改善了医院随访管理模式,提高了医院随访工作效率,促进了医患双方之间的沟通交流,增加了患者满意度。

基于BERT-BILSTM-CRF的慢性支气管炎中医医案实体识别

随着现代信息技术的飞速发展,人类社会开始进入大数据时代,如何高效快捷地从海量的中医医案文本数据中挖掘出我们所需要的信息,从而更好地应用于临床工作,是目前亟待解决的问题。通过实验对慢性支气管炎中医医案进行研究,分析BERT、BILSTM、BILSTM-CRF和BERT-BILSTM-CRF四种模型的实体识别效果,结果表明,相比于其他模型,采用BERT-BILSTM-CRF模型可以更加准确有效地识别出慢性支气管炎中医医案的实体类别,其F1、Precision和Recall均优于其他模型。

基于卫生健康信息数据的文件维护系统开发

随着我国卫生健康信息标准体系越来越完善,国家或各地级机构出台的卫生信息政策相关文件越来越多,如何方便有序地管理这些繁杂的文件有着十分重大的意义。文件维护系统是指在各类卫生信息数据标准、医疗文件或者医疗经典案例的基础上,利用PowerBuilder这一款方便、快速的开发工具,使用ODBC技术连接MSSQL大型数据库,从而对数据库里面的文件进行增加、删除、修改等一系列维护工作。该系统开发将有利于各大医疗机构、卫生机构、医疗软件开发公司等工作进展,也有利于卫生信息互联互通工作的开展,这也将在一定程度上促进我国卫生健康信息事业的发展。

中医药院校研究生计算机应用能力培养的探索与研究

为提高中医药院校研究生的计算思维意识和信息思维意识,提出了以专业应用能力为导向的计算机应用能力培养模式,构建了能满足不同专业需求、分层次、多维度的计算机课程体系,设置了具体的教学内容,设计了研讨式教学方法并建立了多元化的考评体系,旨在切实提高研究生的计算机应用能力,对培养复合型、创新型中医药人才具有重要意义。

人工智能在肿瘤基因表达数据中的应用研究进展

肿瘤是影响人类健康的严重疾病,早期诊断对提高治疗成功率和患者生存率至关重要。肿瘤基因表达数据的研究已经成为揭示肿瘤疾病机制的主要工具,人工智能在肿瘤基因表达数据分析中扮演着重要角色。本文从机器学习方法的角度,探讨监督式学习、无监督式学习和深度学习在肿瘤预测和分类中的潜在优势,特别关注特征选择算法对基因筛选的影响及其在高维度基因表达数据中的重要性。通过全面综述人工智能在肿瘤基因表达数据分析中的应用与发展,旨在为未来的研究方向提供参考,促进进一步发展。