基于字典学习的舌诊图像去噪研究

伴随人工智能与中医相结合的浪潮兴起,两者相结合的产物也越来越多。舌诊客观化诊断的过程中需要高质量的舌诊图像,包括颜色、纹理和形态等。现阶段舌诊图像采集过于依赖专业设备,在普通智能手机摄像头越来越清晰的今天,可以通过一定的图像去噪过程,获得符合中医临床诊断标准的舌诊图像。因此本文提出基于深度字典学习算法(DKSVD)对中医舌诊图像进行去噪的研究,以将主观判断及客观因素的影响降至最低,辅助医师对病症做出准确判断,帮助其对疾病做出针对性治疗。

基于改进CNN和LSTM的房颤识别算法研究

有数据显示,每年约有1500万人因房颤住院治疗,及时诊断可以有效地降低患病风险。本文提出一种改进CNN和LSTM的深度学习模型,在CNN模块使用了Swish函数作为激活函数,并在LSTM中引入了点积注意力机制,用于心电信号的特征提取和心律失常的诊断。利用卷积神经网络提取心电信号中的特征,LSTM可以对心电信号中的特征进行深度的挖掘,引入注意力机制,完成房颤的识别。所提模型的准确率为0.9771,F1为0.9609,精确率为0.9765,召回率为0.9799。

居家养老智慧服务信息系统的设计与实现

现今社会面临严峻的老龄化问题,子女在赡养老人方面压力不断增大。为了解决这一问题,文章提出在小区内建立基于Android平台的居家养老智慧服务信息系统,设计了基于老年人-小区管理员-志愿者的一体化居家养老服务模式以及最高权限的超级管理员。本设计通过提供浏览服务、发布个性化的付费或免费服务内容、服务购买、服务评价、举报等功能,达到改善用户体验的目的。本系统在实际应用中具有重要的价值和创新意义。

关于“互联网+”大学生创新创业大赛的思考

"互联网+"大学生创新创业大赛是为了响应国家"大众创业,万众创新"的号召举办的一次全国范围内的大学生创新创业比赛,整个比赛历时半年之久,历经层层筛选,在网评阶段脱颖而出的各省代表队于2017年9月18日在西安参加全国阶段的总决赛。我校的"i Heart—移动云环境下的便携式心电监护仪"项目代表南京中医药大学参赛,项目折戟于网评阶段,获得国赛的铜奖。回顾参赛阶段的数次培训和路演,总结了经验和教训,整个团队也得到了一定的磨砺。

基于ML-kNN多标记学习的中医体质辨识模型研究

目的中医体质与人体健康状态密切相关。研究利用人工智能技术辨识中医体质,为中医体质辨识智能化及自动化发展提供新思路。方法以江苏省中医院体检中心的中医体质数据作为初始数据样本,经过数据清洗、过滤及结构化最终纳入9844条数据作为研究对象,运用ML-kNN多标记k近邻算法构建中医体质辨识模型,使用10折交叉验证训练模型,并采用多标记学习评价指标评估模型效果。结果中医体质辨识模型的平均汉明损失为0.0961,平均1-错误率为0.1261,平均排序损失为0.0866,平均覆盖率为1.1535,平均精度为88.57%。结论基于体检中心中医体质辨识量表数据,利用ML-kNN多标记学习算法,构建体质辨识模型,能够有效实现中医体质辨识智能化。

翻转课堂模式在软件设计教学中的研究与应用

翻转课堂是颠覆传统教学方式的教学模式,课堂不再以教师为主体,而是以学生为本、教师为引导。翻转课堂设计模式在实践性课程教学中有着独特的优势。软件设计等课程应用翻转课堂模式,将学习的主导权交给学生,通过网络预习、课上讨论等方式提高教学效率。

基于知识图谱的新型冠状病毒肺炎研究可视化分析

目的新型冠状病毒肺炎(COVID-19)是2019新型冠状病毒所导致的一种急性感染性肺炎。综合分析我国COVID-19的研究热点,总结中医药防治COVID-19的研究热点,为中医药抗病毒研究提供建议和对策。方法以CNKI中文数据库2020年1月1日—2020年5月26日所收录的关于新型冠状病毒肺炎的文献作为初始数据采集样本,经过数据的清洗、过滤最终纳入4287篇文献作为研究对象,通过高频词分析、共词聚类及可视化分析,绘制我国COVID-19研究的知识图谱。结果分析识别出疫情防控、中西医结合治疗、病毒流行特征、中西医用药、医护人员及密切接触者、医院感染防控为我国COVID-19的热点研究方向;中医药疗法、中医证候、辨证论治、中医用药规律、清肺排毒汤是中医药防治COVID-19的热点研究方向,且研究具有很好的延展性。结论中医药在防治新型冠状病毒肺炎中卓有成效,应进一步加大中医药抗病毒的科研投入;借助人工智能新技术挖掘中医药治疗病毒性传染病的规律和经验;重视中医四诊、体质辨识、治未病等中医理念在防治新型冠状病毒肺炎中的作用;加强互联网医院建设,整合中医药医疗资源,充分体现中医药在防治病毒性传染病的优势及特色。

一种基于水平集的胸部淋巴结全自动分割算法

肺癌是世界上发病率和死亡率最高的恶性肿瘤。现阶段,临床主要通过淋巴结病变程度判断肺癌恶性程度和预后情况。针对淋巴结的解剖特征及全身分散的问题,本文提出了一种全自动检测和分割胸部病变淋巴结的方法,首先利用全自动解剖识别方法自动识别定位PET-CT影像中的所有淋巴结区域,然后检测每个淋巴结区域中潜在的病变淋巴结,第三步采用水平集模型完成对各个淋巴结区域内部病变淋巴结的精准分割。算法分割精度率平均达到85%。

融合Seg-UNet的中医面像分割网络模型研究

目的为实现中医面像部分区域的精准分割,提出一种融合Seg-UNet的中医面像分割网络模型。方法采用Seg-Net网络中的最大池化索引将U-Net网络中的上采样改为上池化来改进U-Net网络。在U-Net网络原编码阶段的池化过程通过池化索引保留权重信息,上采样过程即可利用该索引实现特征图矩阵的扩充。在此基础上增加一层卷积扩增通道数,改进原网络中将特征图矩阵直接复制的上采样方式,从而降低池化过程中权重信息的损失。将Seg-UNet网络模型分别对脸颊、额头和嘴唇3个部位进行分割训练和测试。结果对中医面像部分区域分割精度高,分割效果优于传统U-Net和Seg-Net网络模型,采用准确率(Acc)、Dice系数、平均交并比(MIoU)作为评价指标。结论本研究结合深度学习方法实现了较好的中医面像部分区域分割效果。

一种低频交变磁场发生器的设计与实现

为解决生物学实验中作用磁场频率单一、低频控制较差、交流输出控制不佳等问题,设计了一种用于生物学实验研究的低频交变磁场发生器。满足输入波形(正弦波、方波和三角波)可调,磁场发生装置中的磁场强度拟定为对细胞产生作用的0~200 mT,频率在0~1 kHz连续可调。采用硬件设计信号发生器,用户可以手动选择参数,输出一定频率和强度的信号波形,经功率放大电路放大后,在负载线圈中产生交流电信号,从而产生相同频率的交变磁场,经锁相放大器测量,来考察输出磁场的大小与频率范围。所设计的磁场发生器输出频率在0~1 kHz连续可调,场强达到200 mT的指标,最大可超过300 mT。

“Python程序设计语言”课程的思政设计与探索

为贯彻教育部有关高等学校课程思政建设的指导思想,实现“立德树人”这一根本任务,本文尝试探索在理工科专业课程“Python程序设计语言”中融入思政元素,并设计和阐述了三种思政教育方式:思政导入、思政案例和点滴融入。通过三种思政教育方式的设计以及其在课程教学之初、案例教学实施和教学全过程各个阶段的实施,有效地激发了学生的学习兴趣,有助于引导学生形成正确的价值观。

移动云环境下实时心电监护及大数据分析平台研究

2017年1月,《中国防治慢性病中长期规划(2017-2025年)》正式发布,明确重点突破精准医疗、"互联网+"健康医疗、大数据等应用的关键技术,支持基因检测等新技术、新产品在慢性病防治领域推广应用。互联网医疗是现代医疗行业的重要发展方向,随着互联网技术的进一步发展,传统医疗行业面临着极大的发展机遇和调整。