基于知识图谱和预训练语言模型的儿童疫苗接种风险预测

基层医疗机构的医生缺少患病儿童疫苗接种风险的判断能力,通过学习高水平医院医生的经验来研发儿童疫苗接种风险预测模型,从而帮助基层医疗机构医生快速筛查高风险患儿,是一种可行的方案.本文提出了一种智能化的基于知识图谱的疫苗接种建议推荐方法.首先,提出了一种基于预训练语言模型的医学命名实体识别方法ELECTRA-BiGRU-CRF,用于门诊电子病历命名实体抽取.其次,设计疫苗接种本体,定义关系及属性,基于Neo4j构建了中文儿童疫苗接种知识图谱.最后,基于构建的中文疫苗接种知识图谱,提出了一种基于预训练语言模型进行显著性类别指导的疫苗接种建议分类推荐方法.实验结果表明,本文研究方法可以为医生提供辅助诊断,对于患病儿童能否接种疫苗提供决策支持.

基于电子病历的常见不良出生结局可视化分析

早产、巨大儿、低体重儿作为常见的不良出生结局,不仅影响围产期的致病率与死亡率,还影响新生儿的长期健康.目前早产、巨大儿、低体重儿的发病机制还尚未明确,医生在临床诊断中难以较早地发现高危人群,也难以分析出孕妇在孕期内的变化规律.随着电子病历的普及以及可视化技术的发展,为不良出生结局的风险预警评估提供了支撑.本文使用产科电子病历数据,设计出基于电子病历的常见不良出生结局可视化分析方法.文中通过特征分布旭日图和数值分布图发现高危人群,使用正常和异常特征值对应的人数变化图来展示孕妇在孕期内的变化规律.最后,通过构建3个案例研究以证明该可视化方法的有效性.

基于DenseNet_ECA的儿童异常胸片筛查

胸片是筛查儿童肺部异常最常见、最容易获得的低成本成像方式。然而,在部分医疗资源匮乏地区,由于有经验的放射科医生数量稀少,导致胸片的解读效率低下,易造成对肺部异常患儿的漏诊、误诊。因此以儿童健康及异常胸片为研究对象,通过使用ECA注意力机制及PReLU激活函数对DenseNet进行改进,提出一种用于儿童异常胸片筛查任务的DenseNet_ECA模型。实验结果表明,上述模型对于儿童健康、异常胸片的分类效果优于常用卷积神经网络模型,分类准确率、灵敏度、特异性分别可达93.57%,91.47%,95.83%,参数量仅为6.96M。上述模型能够帮助医生进行儿童异常胸片的预先筛查,可有效降低临床阅片压力,提高医生诊断效率。

HR-SCNet在儿童发育性髋关节发育不良诊断中的应用研究

目的:构建基于HR-SCNet网络的计算机辅助诊断模型(CAD),提高发育性髋关节发育不良(DDH)诊断效率。方法:收集某儿童医院DDH患者的骨盆正位X线片,构建包含不同疾病程度的DDH数据集,通过对多尺度特征图空间重构与通道重构,精确定位髋关节8个关键点,并实现DDH的精准诊断。结果:在关键点定位及国际髋关节发育不良协会(IHDI)分型诊断结果中表现较高的准确率,其中IHDIⅠ分型准确率为91.86%,与高年资临床医生诊断结果相似。结论:HR-SCNet模型能够准确定位髋关节关键点并实现DDH的分类诊断,可大幅提升DDH筛查及诊断效率。

基于书法文字统计结构混合模型的笔顺提取

离线手写体的笔顺提取中用到的相邻笔段间最小曲率的假设,对于中文书法文字的笔顺提取并不完全适用,为此提出基于书法统计结构混合模型,通过该模型获得笔顺的新方法,其步骤是:(1)按照书法文字模型提取样本的相关特征,(2)按照输入样本使用粗糙选择获得候选样本集,(3)使用条件密度传播算法从已知笔顺的候选样本集中搜索出和输入样本最佳匹配的样本.对100个书法文字中的15个常用部首进行笔顺提取,基于最小曲率的Kalman滤波和新方法的准确率分别为42%和91%.

CAD技术与工业设计的发展

主要介绍目前的工业设计软件系统对工业设计发展所起的促进作用，并论述了它们的不足之处。

基于统计特征的微型轴承滚珠计数检测

随着传统行业人力成本提高,传统轴承行业的检测技术逐渐向着将向高速化、网络化、信息化和系统化的方向发展。面向传统轴承产业的大规模的生产与检测,实现一种基于统计特征的微型轴承滚珠计数检测算法,通过主动搜索最佳阈值范围,实现图像的区域划分,并依据已知的轴承尺度信息,快速定位轴承中心,沿着轴承滚珠分布方向,统计其灰度值变化的规律,找到最佳的滚珠中心点,并统计滚珠数量,该方法的抗干扰能力很强,算法效率高。

CAD技术与工业设计的发展

主要介绍目前的工业设计软件系统对工业设计发展所起的促进作用，并论述了它们的不足之处，提出了中国工业设计软件的发展方法和方向。

GRU和GBDT混合模型在早产风险预测中的应用

早产是新生儿死亡及病残的首要原因,且影响新生儿的远期健康.然而早产的准确预测一直是医学上的一个难题.目前医学上早产的早期筛查多基于特殊检查,但因成本核算等问题难以大规模临床应用,而电子病历的普及和人工智能技术的发展,为产科疾病的早期风险评估提供支持.本文利用产科电子病历的诊疗信息,构建GRU和GBDT的混合模型预测早产.混合模型利用GRU在孕妇多次产检信息中探究早产发生的概率,并将结果融入孕前和28周前末次产检数据,最后利用GBDT对孕妇进行更加精确的早产风险预测.实验结果表明,基于GRU和GBDT的早产预测模型在AUC和ROC等评估指标上优于其他单一模型,本研究方法可有效帮助产科医护人员在妊娠早中期判断孕妇是否有早产风险.

基于多因素线索长短期记忆模型的血压分析预测

高血压是危害健康的重要因素,为了预防血压突然升高造成严重后果,在传统长短期记忆(LSTM)网络基础上,提出一种多因素线索LSTM模型,适用于血压的短期预测和长期预测,能够对血压的不良变化提前作出预警。模型中用到的多因素线索包括时序数据线索和上下文信息线索(包括个人基本信息和环境信息)两大类,使得血压预测不仅提取血压数据本身的特征,还提取与血压相关联的时序数据变化特征和其他关联属性的数据特征。模型首次将环境因素加入血压预测,并采用多任务学习方式,能够更好地捕捉数据之间隐藏的关联性,提高模型泛化能力。实验结果表明,所提模型相较于传统LSTM模型和添加了上下文信息层的LSTM(LSTM-CL)模型在舒张压的预测误差与预测偏差方面分别降低2.5%,3.8%和1.9%,3.2%,在收缩压的预测误差和预测偏差分别降低0.2%,0.1%和0.6%,0.3%。

电梯检测中电梯运行共振原因及解决措施

随着城市建设步伐的加快和人民生活质量的不断提升,人们对生活环境的要求也在不断提高,更多的人向往安全、绿色环保的生活环境,以保证自身的精神享受。现阶段的城市建设中,越来越多的高层建筑拔地而起,而高层建筑中必然涉及到电梯的安装与使用,以方便人们日常生活中的需要,方便人们的出行,营造快捷安全的生活环境。从以往电梯运行的情况看,存在着安全上的问题,给人们的出行带来安全隐患,这样的安全问题主要是由于电梯运行共振问题造成的。本文主要针对这个问题进行详细阐述,以期为相关的研究提供有价值的参考。

基于变长时间间隔LSTM方法的胎儿异常体重预测

孕妇的产前体检是围产医学的重要组成部分,产前预测胎儿体重可以为判断胎儿健康发育提供准确的参考.孕妇的多次体检记录在孕周时间上有不均匀时间间隔分布的特点.本研究对不均匀时间间隔的处理提出了LSTM模型的变种——变长时间间隔的LSTM模型(Variable Time Interval LSTM,VTI-LSTM).本研究数据来源于2015~2018年多家妇产科医院的10473个孕妇的122462条体检记录.实验比较了传统的公式估算法以及GBDT,MLP,SVR,RNN,LSTM,VTI-LSTM等机器学习方法的胎儿体重预测结果,其中,VTI-LSTM在低体重和巨大儿的预测上取得良好的预测结果.

高中地理教学中提升学生核心素养的实践与研究

摘要:提高高中生的核心素养是近年来国家对于高中教师提出的要求,因此高中地理教师必须在课堂教学的过程中提高学生的核心素养,使学生可以拥有更高的能力和素质去面对毕业后的社会工作。本文主要探析如何在高中地理课堂上落实对学生核心素养的培养策略。