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。

基于TPE_XGBoost的冠心病风险评估与致病因素研究

当前,冠心病的患病率逐年攀升,年轻化趋势明显。为确定冠心病的高致病因素,提升诊断准确率,构建预测模型。选取南京中医药大学附属连云港中医院的体检数据作为模型输入,首先构建XGBoost冠心病预测模型,并与支持向量机、逻辑回归、随机森林等算法进行对比;然后采用贝叶斯优化算法优化模型参数,获得最优的TPE_XGBoost预测模型;最后,利用SHAP算法对各特征进行分析解释,获得冠心病的高致病因素。结果显示,优化后的TPE_XGBoost模型在评价指标上表现较好,准确率达到0.993 7,F1值达到0.995 5,AUC达到0.998 3,排名前四的危险因素为年龄、体重指数、低密度胆固醇、舒张压,可为冠心病的临床决策提供参考。

基于数字孪生技术的智慧医疗现状分析与中医诊疗模式探讨

在全球数字化浪潮的推动下,基于数字孪生技术的智慧医疗开始得到广泛关注。结合相关文献分析,分别在中国知网(CNKI)和Web ofScience(WoS)中检索基于数字孪生技术的智慧医疗研究文献,采用CiteSpace进行可视化分析,探索基于数字孪生技术的智慧医疗现状和趋势。结合数字孪生技术在航空航天、智能制造、车辆船舶和西方医学等领域的应用模式,探讨并设计数字孪生技术在中医诊疗领域的四层技术体系,探索中医诊疗数字孪生基于五维模型的应用方法。通过深入分析与探索数字孪生技术在中医诊疗领域的应用,以期为中医传承创新提供新的思路和方向。

基于均生函数模型的高温预测

目前,常用的高温预测方法主要有灰度、指数等模型。文章采用均生函数模型预测各气象观测站未来一个月的最高气温。气候数据按照时间序列有不同时间尺度震荡的特征,传统时间序列预测模型的预测值往往趋于平均值,而均生函数模型有很好的预测结果。最后,采用ArcGIS系统将未来可能超过35℃的区域生成图像产品,供用户用Web方式查看实时的预报信息。

基于遗传算法与KNN融合的中医体质量表简化研究

目的针对中医体质量表在评估个人体质时条目多和填写时间久的问题,研究利用人工智能技术进行属性选择,帮助构建中医体质量表简短版本。方法分析由江苏省中医院体检科提供的中医体质数据,其中有特定的目标变量作为体质类型的分类。采用遗传算法的特征选择、交叉验证和KNN分类算法作为过滤器筛选问题,并通过问题子集规模、KNN分类准确率和填写时间评估效果。结果该方法选择出具有31个问题的中医体质量表简短版本,且在模型中的分类平均准确率为86.16%,时间提快了48.5%。结论该算法可以有效地找出较好的问题子集,实现降维并有一定的准确性,从而帮助简化中医体质量表。

中医四诊智能化研究现状及热点分析

中医四诊作为中医诊断辨证的基本手段,近年来在人工智能的赋能下进一步传承创新。汇总了近十年中医四诊智能化研究的中英文文献,在此基础上分析其现状,完成基于知识图谱的可视化分析,并进一步对该领域的研究热点进行了深入探讨。最后,结合已有的研究现状,对中医四诊智能化的下一步发展提出思考和展望,以期对该领域的研究提供参考和借鉴。

中医四诊智能化现状及关键技术探讨

中医四诊是传统中医对疾病进行辨证施治的主要手段。近年来,伴随着人工智能技术的快速发展,中医四诊智能化也取得了丰硕的成果。通过对“望、闻、问、切”四诊的科研进展和应用实践的智能化现状的分析,探讨实现四诊智能化需要解决的三大技术问题,即数据准备、特征提取和模型构建中的关键技术,以及其在四诊中的应用方式和效果,并对已有的相关方法进行了客观的对比与分析。并据此指出中医四诊智能化研究目前仍面临的问题,即精准标注数据集缺失、泛化特征提取能力有限、四诊融合的智能化研究相对缺少等。认为中医智能化今后发展应注重建立标准数据库,关注特征提取的标准化和自动化,设备应向小型化、移动化和可穿戴化发展,硬件和流程应标准化和规范化,“四诊合诊”应不断融合。