机器学习在老年轻度认知障碍识别中的研究进展

轻度认知障碍(MCI)作为痴呆的前临床阶段,被广泛认为是痴呆防治重要领域。随着我国人口老龄化速度加快,老年人口MCI的患病率也逐年上升。近年来,机器学习因其强大的数据处理和挖掘能力逐渐被应用到痴呆早期筛查中。本文从机器学习在MCI方面的研究现状进行介绍,对机器学习算法在老年轻度障碍中的数据采集、特征选择、研究优势以及研究进程等方面进行综合评述,进一步增加研究学者对机器学习在老年轻度认知障碍中的关注并总结现阶段研究局限,对未来研究做出展望。

广州某高校女大学生原发性痛经与中医体质调查分析

目的:通过对原发性痛经与中医体质的相关性分析,从“治未病”角度探讨体质调理及中医护理对防治女大学生原发性痛经的可行性。方法:调查员现场向广州市某医科大学一、二年级女学生发放调查问卷(内容包括月经一般情况、日常自我护理、中医体质量表、视觉模拟评测量表及COX痛经症状量表),填写完毕当场回收后进行统计分析。结果:301例女大学生原发性痛经现患率为73.09%,相关性分析结果表明气郁质与原发性痛经的出现呈正相关(P<0.05),痛经症状严重程度与中医体质类型数目呈正相关(P<0.05),女大学生原发性痛经的自我护理现状和自我护理意愿有显著差异(P<0.05)。结论:气郁质更易罹患原发性痛经,兼夹体质越多,痛经疼痛程度越高、症状越严重,体质调理与日常护理对防治原发性痛经具有重要意义。

基于多路链接预测推理的中医脏腑辨证研究

目的 针对知识图谱链接预测中缺少多关系预测推理的问题,提出基于规则+马尔可夫逻辑网(MLN)的多路链接预测推理算法,为中医临床提供辅助决策支持。方法 以中医脏腑辨证为研究背景,构建基于Neo4j图数据库的知识图谱,包括1 263个实体节点和4 105个语义关系。基于改进规则的知识推理设置初始权重,并使用MLN和吉布斯采样(Gibbs sampling)训练权重,以完成输入任意个数四诊数据得到证候推理结果的链接预测任务。结果 对中医脏腑辨证的70个证候进行推理,结果AUC值为98.6%,精确度为98.6%,排序分为0.297,较基于传统规则链接预测算法的精确度高4.3%,具有更准确的推理结果。结论 该模型能较好完成多对多复杂路径关系的链接预测任务,同时实现中医脏腑辨证的四诊合参及个性化推荐功能,辅助中医临床诊疗。

基于知识图谱的中西医结合急腹症诊疗推理分析

目的:针对急腹症临床诊疗规范化问题和名老中医诊疗经验传承问题,提出基于不完备知识库的关联规则挖掘(AMIE)+随机游走的诊疗推理算法,通过推荐病例的个性化诊疗方案,为基层医生提供信息服务和技术支持。方法:采集中西医结合诊疗急腹症的名老中医诊疗经验和临床诊疗指南文本数据,完成知识抽取任务,构建基于Neo4j的急腹症知识图谱。在基于本体规则推理的基础上,使用基于相似证候的规则推理扩展证候推荐结果中Jaccard相似度大于阈值的证候组合;使用语义路径覆盖算法计算症状节点之间的语义相似度,将症状节点分为10类,扩展同一类别的症状节点,并使用随机游走算法搜索证候连通的症状节点,扩展证候与症状节点的连接规则,以实现AMIE+随机游走的知识推理。结果:急腹症知识图谱包括1320个节点和2464个关系,根据知识推理的链接预测评价指标,对比3种算法在急腹症辅助诊疗应用上的推理结果;AMIE+随机游走算法通过扩展相似证候连接规则和证候-症状的连接规则来补全知识图谱,相较于基于本体规则的知识推理算法,其曲线下面积(AUC)高出15.18%,其精确度高出30.36%,实现了更准确有效的知识推理。结论:该研究运用知识图谱技术将急腹症的中西医诊断和疗法用药进行可视化,辅助基层临床医生直观查看诊疗过程和数据关系。提出的诊疗推理算法实现了在“病-证-诊-治-方”层面上的个性化诊疗方案推荐,能够辅助基层医生进行疾病诊疗和临床决策,有助于名老中医诊疗经验和临床指南的知识共享及推广应用,提高基层临床诊疗水平,促进中西医结合急腹症诊疗过程的规范化与标准化。

中东铁路四平段工业遗产廊道保护策略研究

中东铁路南支线留下了大量的文化遗产资源,但保护形势面临巨大的挑战,快速城市化和经济建设背景下,沿线的铁路遗存在许多重要设施和标志性建筑被拆掉。由于中东铁路工业遗产缺乏整体性的保护研究,本文将结合遗产廊道的概念选取四平段进行保护策略的研究。