头痛专病继续教育方法探索

目前国内头痛专病继续教育缺乏统一规范的标准方法,因此以解放军总医院神经内科目前开展的2种头痛继续教育模式(头痛学校和头痛进修教育)为例来探索头痛专病继续教育方法。头痛学校:以短期培训班形式招募培训对头痛诊疗有兴趣的医师,教授头痛诊疗基础知识、头痛系统性疾病管理模式(screen,migraine,aura,red flag and treatment,SMART)和计算机临床决策支持系统(computerized clinical decision support system,CDSS);头痛进修教育:以神经内科头痛病房、头痛门诊为实践基地开展为期半年到1年的头痛专病进修教育。头痛学校可在相对短的时间培训出大量头痛专病医师,部分优秀学员具备开办头痛专病门诊的资质和能力,但缺乏诊疗实践能力的培训;头痛进修教育:在培养头痛专病专家方面更有优势,但其时间、人力成本更高。头痛专病继续教育可有效促进头痛诊疗规范化、同质化,是减轻头痛专病所致负担的必要途径。不同头痛专病继续教育方法各有优缺点,在实践中可互为有效补充。

基于国际头痛诊断标准的原发性头痛辅助决策系统

针对原发性头痛在我国发病率较高但诊断准确率较低的问题,提出了一种将文本化的国际头痛诊断标准转换为计算机可执行推理的临床知识建模和知识库构建方法。该方法首先将基于诊断标准绘制的诊断思维流程图转换为规范化的临床知识表达模型,再将临床知识表达模型通过规则映射技术转换为计算机推理诊断所用的规则,形成知识库,并以此为基础开发了覆盖完整头痛诊断流程的原发性头痛辅助决策系统。临床评估显示,该系统可正确地识别出91. 3%的偏头痛、87. 2%的紧张型头痛和90. 0%的丛集性头痛病人,对常见的原发性头痛具有较高的诊断准确率。

人工智能在骨质疏松症中的应用研究综述

骨质疏松症是一种发病率高、起病隐匿的疾病.若不及时发现,导致病情加重和死亡率增加,将给患者及家庭带来沉重的负担.人工智能技术可有助于骨质疏松症的早期发现,预测患者患病风险.首先综述了常用于骨质疏松领域的医学人工智能技术的基础理论和研究现状,然后从骨质疏松症的危险因素分析、风险预测、识别与诊断三方面入手,分析回顾了相关研究,以期为国内同行提供关于该领域研究的最新进展.同时指出目前人工智能技术在骨质疏松应用的制约因素和挑战,并提出未来展望,为国内开展相关研究提供参考.

以“软件设计模式”促进“面向对象程序设计”课程教学方法研究

"面向对象程序设计"是高校计算机类专业的核心课程,其中有关面向对象的继承、多态、反射等概念一直是授课讲解时的难题,缺乏能将这些概念应用并向学生解释清楚的案例。本文基于"知识降维"思想,将软件设计模式这门课中的部分通俗易懂的内容经过简化后引入"面向对象程序设计"的课程中,解决了讲解面向对象概念缺乏案例,学生不易理解部分抽象概念等问题,同时加深了学生对于这些概念的理解,取得了较好的课堂效果。

基于临床指南的知识图谱构建技术研究

随着人工智能的迅猛发展以及智慧医疗的提出,具备高关联性,高结构化的医学知识图谱成为智慧医疗的研究热点。然而基于互联网大数据构建的知识图谱,其知识质量难以保证,难以适用于具有高专业、高要求、高准确度的临床辅助诊疗场景。本文提出一种基于临床指南的知识图谱构建方法,着重在知识源头进行优化,主要对其中包含的陈述性知识和流程性知识进行建模。最后以非小细胞肺癌与冠心病两类疾病为例,分别构建了疾病知识图谱,验证了该方法的可用性。

基于3D-ResNet深度影像特征的胆囊癌生存预测模型

建立一个精准的个体化胆囊癌患者生存预测模型,分析、寻找新的胆囊癌预后因素,对于患者预后评估、治疗模式选择、手术患者筛选、术后辅助治疗方案确定及医疗资源合理使用均具有重要意义。本文提出一种基于3D-ResNet提取深度影像特征建立胆囊癌患者生存预后模型的方法,通过迁移学习以及训练3D-ResNet自动提取患者CT的深度特征,并利用提取的深度影像特征,通过Cox比例风险回归模型建立胆囊癌患者的生存预测模型。实验结果表明,基于深度影像特征建立的胆囊癌患者预后因子在预测患者生存时的C指数达到0.734,利用深度影像特征预后因子预测患者的1、3、5年存活率AUC分别达到0.833、0.791、0.813。本方法对胆囊癌预后预测有着良好的指示作用。

基于多层次集成学习的骨质疏松辅助诊断研究

目的原发性骨质疏松是一种起病隐匿、病程较长,在中老年人中高发的疾病,其可引起包括骨折在内的一系列严重症状,是我国中老年人致残致死的主要原因之一。与骨质疏松相关的生理检验指标有很多,如何筛选利用这些指标为诊断服务、建立诊断模型,尚未有成熟、统一的方法。方法利用人工智能相关技术,对临床骨质疏松患者指标使用多种特征相关性算法进行特征选择,并在此基础上提出了一种多层次的集成学习框架:SAB-SVMKNN算法,其通过将内部同质学习器集成和外部异质学习器集成结合,将集成学习中的Boosting算法和Bagging算法使用Stacking进行集成,构建性能更强,适应性更好地诊断预测模型。结果使用特征选择从原始数据中的31项临床指标中筛选了对于骨质疏松最重要的8种相关特征,通过这种方式使各模型准确率平均提高了9.2%,且该研究对应的模型准确率提升18.6%,最终达到了94.8%的准确率。结论特征选择对于临床诊断和骨质疏松疾病的研究具有重要意义,该研究构建的预测模型可以有助于提高医生的诊断准确率。

医学信息工程专业发展及课程设置探讨

医学信息工程是以信息技术和医学为主的多学科交叉与融合的新兴综合性学科,但是目前不同学校的专业的课程设置不同,存在一定的分歧。本文分析了国内兄弟院校医学信息工程专业本科阶段开设的课程,提出了我校医学信息工程专业课程设置及人才培养方案。

基于改进Attention U-Net的胆囊自动分割模型研究

目的基于多尺度融合注意力机制,提出改进Attention U-Net的胆囊自动分割模型,提高胆囊自动分割模型的性能,以辅助医生进行临床诊断。方法首先选取2017年1月—2019年12月上海交通大学医学院附属新华医院普外科、吉林大学白求恩第一医院肝胆胰外一科和吉林大学中日联谊医院普外科收治的88例病理诊断明确的胆囊癌患者、28例慢性胆囊炎胆囊结石患者和29例健康对照,构建胆囊分割数据集,然后通过对医学常用深度学习图像分割方法U-Net和Attention U-Net进行分析,提出基于多尺度融合注意力机制改进的Attention U-Net方法,并设计实验对3种方法进行对比评估。结果提出的改进Attention U-Net方法在验证集上的交并比阈值(IoU)分数、Dice系数、检测精度(Precision)和召回率(Recall)分别为0.72、0.84、0.92、0.79,全部优于传统U-Net和Attention U-Net方法。结论本文提出了基于多尺度融合注意力机制改进的Attention U-Net模型,其性能优于U-Net和Attention U-Net,证明了本方法中改进的注意力机制可以很好地改善U-Net模型在胆囊影像上的分割结果。

骨质疏松筛查系统设计与实现

目的骨质疏松症是一种起病隐匿、发病率高、治疗费用高的致残类疾病。早发现、早治疗可以显著改善骨质疏松患者的生存状态。早发现的最佳途径是通过社区医院的定期筛查,但目前市场上缺乏用于此类筛查的工具,因此亟需构建骨质疏松筛查系统。方法移动医疗的发展为解决此类问题提供了技术支持。通过提出内容可定制技术、骨质疏松临床指南数字化技术和医学化验单OCR识别技术,分别解决了筛查内容复杂多变、骨质疏松筛查知识建模和化验单图像数据结构化问题。结果基于微信小程序的MINA框架,制定了一套面向骨质疏松症筛查的便捷、轻量级解决方案,开发出"骨质疏松AI筛查防治"微信小程序,并已开展临床试用。结论此程序可方便地应用于社区筛查,提高医务人员的工作效率。

全体系康复辅助器具智能评估配置云平台研究

目的:针对目前康复辅助器具服务过程中服务内容不完整、不规范问题,通过创建康复辅助器具服务云平台,规范辅具服务,实现流程一体化的康复辅助器具服务模式。方法:提出一种新型全体系康复辅助器具服务模式,包含两个维度:一是整合民政、残联、医疗卫生等现有资源建立康复辅助器具服务体系;二是针对辅具需求、评估、配置、辅具供应、训练、使用、反馈等全链条流程,建立覆盖全流程技术层面的康复辅助器具服务体系。云平台采用工作流模型驱动技术将相关服务部门的业务逻辑进行整合,利用人工智能规则引擎技术对患者进行康复辅助器具的智能化评估和配置。结果:建立面向患者、医疗卫生、民政、残联、辅具厂商的辅具服务云平台,可有效支持各机构部门的协同工作。功能覆盖从辅具申请、评估、到配置的各类康复辅助器具服务。结论:该平台具有流程、辅具配置规则可配置等特点,可使不同部门间实现资源共享、服务协同、供需互动,提高康复辅助器具配置服务工作的高效性和便捷性,减轻工作人员负担。

基于高效时空图卷积的异常步态识别算法研究

为实现人体异常步态的自动识别,本研究提出一种基于高效时空图卷积神经网络的异常步态识别算法,使用两个Kinect深度相机传感器提取人体三维骨架数据,基于时空图卷积采用早期多分支融合策略,生成关节、运动和骨骼三类特征。经特征融合后,使用两个时空图卷积块作为主流网络进行训练,结合时空关节注意力机制增强模型鉴别能力。在两个公开数据集上测试分别取得了99.37%和96.10%的平均准确率,实验结果高于其他基于骨架的图卷积神经网络方法。本研究提出的高效时空图卷积网络能有效鉴别异常步态,有助于异常步态的早发现、早诊断和早治疗。

基于VTK的交互式切割的研究与实现

本文探讨利用开源的Visualization Toolkit(VTK)技术开发出可视化软件.VTK是面向对象的通用可视化类库,在科学和工程界有着广泛的应用,文中主要介绍交互式切割的意义以及VTK的可视化开发流程,并在此基础上讨论了两种交互式切割方式(Cropping和Clipping)的原理和实现方法,提出将其应用于医学教学、科研和临床诊断的虚拟切割中的设想,完成三维重建与虚拟切割的功能,从而满足临床与科研的需要.

主观性耳鸣临床特征与病程相关性分析

目的 探讨主观性耳鸣患者不同病程之间的临床特征和相关性。方法 选择2021年1月~2022年1月在上海市七家医院就诊的595例主观性耳鸣患者,依据病程分为6组,根据患者的临床信息和耳鸣残疾量表(tinnitus handicap inventory,THI),耳鸣评价量表(tinnitus evaluation questionnaire,TEQ),视觉模拟量表(VAS)等数据,比较各组患者的临床特征及病程相关性。结果 不同病程耳鸣患者的听力损失存在统计学差异(P<0.05),病程≥36个月的患者听力损失率更高,中、重度听力损失患者比例更高;病程1~3个月的患者耳鸣程度更严重,更容易伴随烦躁症状,结果存在统计学差异(P<0.05);在耳鸣初期(0~3个月),气滞血瘀型比例最高,随着病程进展(≥12个月),肝肾阴虚型比例最高,病程1~6个月的患者更容易伴随入睡困难,结果存在统计学差异(P<0.05);特发性耳鸣患者的耳鸣频率、响度与病程存在统计学差异(P<0.05),病程0~6个月的患者低频所占比例较高,病程≥6个月的患者高频所占比例更高,随着病程进展,耳鸣响度逐渐降低;不同病程之间凝血酶原时间(PT)、活化部分凝血活酶时间(APTT)存在统计学差异(P<0.05),3~6个月的患者PT、APTT高于病程<1个月和≥36个月的患者。结论 耳鸣的临床特征和严重程度与病程存在相关性,因此,在耳鸣的治疗中,除了疾病本身外,根据病程选择恰当的治疗方式,特别在急性期侧重患者的心理状态是改善临床疗效的一个途径。

基于跨模态特征融合的胆囊癌诊断模型研究

针对目前尚未有研究使用深度学习方法将胆囊癌影像、放射组学特征和肿瘤标志物等实验室检查数据融合应用于胆囊癌诊断的问题,提出一种跨模态特征融合的胆囊癌诊断模型。首先利用3D U-net网络进行胆囊区域分割并提取放射组学特征,使用三维卷积神经网络提取医学影像深度特征,再将这两者与实验室检查数据进行特征融合,将融合结果作为分类器的输入进行胆囊癌诊断。实验结果表明,该方法在分类准确率、特异度、灵敏度、精确率上相比最优的单类特征模型分别提高16.67%、12.62%、11.54%和13.14%。同5种常见的影像分类模型比较,其在准确率、特异度和精确率上均至少提高10.00%、25.00%和13.33%,由此得出该方法在胆囊癌诊断上具有更好的准确率与可靠性。

基于雾密度智能感知的腹腔镜图像去烟雾算法研究

目的在腹腔镜手术过程中,术野内会产生影响医生观察的烟和雾。相比特殊去烟或去雾装置,图像处理算法可同时实现腹腔镜图像的去烟雾操作,成本低、操作简单、易于使用。但是,目前腹腔镜去烟雾算法还存在处理后易发生色偏、细节不突出、亮度过低等问题。方法针对腹腔镜图像去雾存在的问题,该文提出了一种基于雾密度智能感知的腹腔镜图像去烟雾算法,包含透射率智能感知的图像增强模块和光照分量感知的图像增强模块。透射率智能感知的图像增强模块通过感知图像的具体像素雾含量进行去雾,可优化去雾效果。光照分量感知的图像增强模块根据图像不同像素区域的光照进行图像亮度增强,使图像在避免过增强的情况下更好地提升图像亮度。结果分别选取4K分辨率和1080P分辨率不同场景下的100张图像进行验证,无参考雾密度评价指标显示,提出的智能感知算法相比3种对照算法,雾密度分别下降了67.3%、68.1%和14.2%。结论智能感知算法有效改善了腹腔镜图像去烟雾增强效果。

3D-SPRNet:一种基于并行解码器和双注意力机制的胆囊癌分割模型

利用深度学习对胆囊CT癌变部分进行分割,能够为临床医生提供诊断参考。现有方法均采用二维影像切片作为输入,缺少空间上下文信息以及对癌变边界区域的细化。为提高边界分割的准确性,保证空间信息的连续性,本文提出3D-SPRNet胆囊癌分割模型:采用并行解码器提取多尺度高级特征并解码;使用通道注意力帮助网络强调特征提取信息;利用反向注意力关注未被预测的区域,逐步细化癌变边界。选取304位来自上海交通大学医学院附属新华医院胆囊癌患者的CT影像进行实验,得到的MIoU、IoU及Dice系数分别为0.85、0.70、0.83,优于大多数主流分割网络,通过消融实验验证各模块的有效性。实验结果表明,本文提出的网络模型能够改善分割边界粗糙的问题,提高胆囊癌变部分的分割精度。

面向高光抑制的腹腔镜图像自适应增强方法研究

目的:设计与实现一种腹腔镜图像高光抑制处理算法,填充或减弱腹腔镜观察视野中由于光照不均产生的高光反射区域,以提高医生的观察效果,防止漏诊。方法:提出一种改进的双阶段自适应阈值腹腔镜图像高光抑制方法,对视野内高光进行分割和抑制。结果:分别选取两种不同品牌的腹腔镜手术视频中各100张图像进行评价,对比原始参考算法与本研究改进算法之间的结果差异,结果表明,本研究提出的方法使谷能量等客观指标降低了9.7%。结论:本研究提出的算法可以更加有效地抑制腹腔镜图像中的高光区域。

基层医疗机构阿尔茨海默病辅助识别系统的初步建立

目的探索性建立基层医疗机构阿尔茨海默病(Alzheimer’s disease,AD)辅助识别系统。方法对50例AD患者、44例轻度认知功能障碍(mild cognitive impairment,MCI)患者及46名正常老年人进行一系列神经心理量表测试,以神经心理量表的认知分项作为条件属性,以最终诊断作为决策属性,按照不降低识别精确度为原则,应用粗糙集理论遗传算法将各条件属性进行约简,以约简后结果为基础,利用贝叶斯概率推理模型,建立AD辅助识别系统,并应用10折交叉验证方法对该系统进行反复验证。结果约简结果为10项,包括简易智能精神状态检查量表中的三步命令;蒙特利尔认知评估量表中的视空间与执行功能、命名、注意,图形记忆中的图形复制、即刻回忆及延迟回忆;听觉词语学习测验的即刻记忆及延迟回忆;工具性日常生活活动能力测试。将此10项的原始数据为基础,建立AD网络辅助识别系统。结论 AD网络辅助识别系统简单、有效、易于推广,有利于提高基层医疗机构AD的识别率。

主观性耳鸣的定制声音疗法临床研究进展

声治疗是主观性耳鸣的常见临床治疗方法,主要以听力补偿或改善听觉皮质重塑为机制,多以减轻大脑皮质对耳鸣的感知、忽略或适应耳鸣为目的,其中定制声音疗法以其丰富性和个体化而备受关注。定制声音疗法采用基于个体耳鸣症状的耳鸣管理策略,因多维度和多样性而广泛用于各种类型耳鸣的治疗,其疗效、安全性已得到广泛认可,但目前标准、方法、适应证仍存在争议。正确认识不同定制声音疗法的适用证、操作方法,有助于耳鸣患者的临床个体化诊治,改善耳鸣症状,提高临床疗效。