对慢性肾脏病患者运动情况的调查

慢性肾脏病(chronic kidney disease, CKD)患者随着肾功能下降,其心肺功能下降、肌肉萎缩、心理障碍等问题日渐突出,严重影响患者的生活质量[1]。越来越多的肾脏病及康复工作者认识到CKD患者运动康复治疗的重要性[2]。规律的运动训练可以改善CKD患者的机体功能、肌肉强度,减轻机体炎症状态,延缓肾功能进展[3-6]。但是临床上发现很多CKD患者缺乏运动、不重视运动,可能与担忧肾病进展、心血管事件等有关。

基于深度学习的舌象自监督聚类

目的:解决人工智能舌诊领域数据标注成本较高且带有较强主观性的问题。方法:基于深度学习中的对比学习技术,对舌象进行自监督聚类。该方法首先利用卷积神经网络将不同数据增强模式下的舌象映射到潜在空间,并在学习同类实例之间共同特征的同时尽可能区分非同类实例;随后利用高斯混合模型对网络提取的特征向量进行聚类。结果:在无需引入先验知识的情况下,利用300张舌象仪采集的无标签图像取得了52.54%的聚类纯度。结论:该方法一定程度上将医疗工作者从费事费力的数据标注工作中解放出来。除应用于自动化舌象分类外,该方法还可进一步针对不同病症的特殊舌象症候群进行聚类分析,其提取的舌象特征也可为舌体分割、舌色分类、苔质分区等下游任务提供预训练的参考。

基于计算机视觉的点刺标注与检测

目的:智能化地识别点刺在舌体不同区域的分布情况。方法:首先利用LoG算子对舌体图像进行卷积运算,对舌体上的斑点进行初步检测;随后利用人工交互的方式微调点刺标注,并训练卷积神经网络模型Fast-RCNN。结果:将同一舌象仪采集的240张图像作为训练集,60张图像作为测试集,达到了90.78%的召回率,优于已有的方法。结论:本文提出的数据预标注与人工微调方法将细粒度的点刺标注变为了可能。在精确到点刺个体的数据集基础之上,本文引入卷积神经网络进行亚像素级的点刺分布检测,其结果可为中医临床诊断提供客观化、定量化、自动化的参考依据。

基于“内外合邪”辨治新月体型IgA肾病

由于病理机制复杂,西医对新月体型IgA肾病尚无有效治疗措施,预后通常较差。本文从中医"内外合邪"角度对新月体型IgA肾病的辨治进行探讨,认为IgA肾病固有的内邪与外入之风热、湿热相合,蕴成毒瘀,是IgA肾病新月体产生的关键因素。因毒瘀伤肾为新月体型IgA肾病的根本病机,故治疗原则为扶正祛邪、调畅三焦。临证分缓急轻重,可取得积极疗效。

人工智能在中医诊断中的应用进展

本研究立足于各类人工智能算法的数学原理,阐述了人工智能在中医诊断中的应用现状及问题。其中传统机器学习算法,如支持向量机、贝叶斯算法等因其小样本学习的特性,在闻诊、问诊等场景具备较高的精度与稳健性;而近年来新兴的深度学习算法则可以处理如图像、音频信号、文本等非结构化数据,与望诊、切诊等场景相契合;多模态深度学习则可以充分挖掘望闻问切数据中的信息,并在特征空间中进行隐式的四诊合参。人工智能的引入可以进一步推动中医的客观化、定量化发展,但其数据驱动的特性要求进一步规范现行的中医数据库建立流程。

人工智能在中医药的研究现状及展望

中医药在世界范围内难以被广泛接受的主要问题是缺少足够客观定量的数据支撑和完备而自洽的理论体系。此外,传统中医术语的模糊性、理论知识的难以理解性、治疗思维的抽象性、中医医案的繁杂性也对中医现代化发展带来了极大的挑战。随着信息技术的日新月异,大数据和人工智能技术为规范中医诊疗数据、构建智能中医诊疗体系以及突破传统中医诊疗模式提供了新方法,进一步推动了中医药智能化的发展。经过半个多世纪的发展,中医与人工智能技术的融合逐步深入,取得了一定的应用成果,如中医药中医信息化数据库、中医四诊采集设备、中医辅助诊疗系统以及智慧中医健康管理等。但就目前而言,中医药智能化发展中仍存在数据标准欠缺、相关制度不够完善、交叉人才匮乏等问题,未来还需进一步建立规范的数据标准,完善数据共享、知识产权、伦理规范等法律法规,加速培养学科交叉复合型人才,创新思维革新医疗模式等,促进人工智能背景下的中医药创新发展。本文从知识发现与机器学习的角度,对人工智能在中医药的研究进展概括总结,以期为中医药智能化提供助力。