钱步月：CERNET发展空间和潜力相当大

1984年出生的钱步月,如今已经是西安交通大学副教授、博士生导师。作为2000年后的新一代大学生,在西交大读本科时,通过CERNET接入的校园网已经普及,他很难想象没有网络的世界会是什么样子。在美国留学归来返回母校任教,并接手CERNET西安核心节点主任一职后,钱步月颇有些"回首又见TA"的感触。他认为,CERNET不但实现了对中国大学生的互联网启蒙,而且对西部地区的教育脱贫、高层次人才培养等多方面均产生了深远影响。

基于微信小程序的心理测评平台设计与实现

目的:设计开发便于用户操作的心理测评微信小程序,满足心理科临床诊疗及科研需求。方法:基于微信标记语言(WXML)开发前端微信小程序,基于Spring Boot框架开发后端并部署于云服务器,前后端数据的传输遵循Java Script对象表示法(JSON)格式,完成整体开发建设。结果:该平台可对不同人群进行多表单心理健康状况测评,基于平台的数据分析能力生成完整测评报告,供用户查询及医生、科研人员参考;同时小程序与院内体检、电子病历等系统对接,可将数据传送至相关业务系统,便于后续干预、治疗。自2021年5月试运行至2022年7月,基于微信小程序的心理测评服务平台共筛查8 457人次。结论:基于微信小程序的心理测评服务平台以较低的开发成本,高效便捷地完成了多类用户的心理测评工作,有效提高了心理科医疗服务水平及科研效率。

智慧教育研究现状与发展趋势

当前,以大数据分析、人工智能等信息技术为支撑的智慧教育模式已成教育信息化发展的趋势,也成为学术界热点的研究方向.首先,对教学行为、海量知识资源2类教育大数据的挖掘技术进行调研分析;其次,重点论述了导学、推荐、答疑、评价等教学环节中的4项关键技术,包括学习路径生成与导航、学习者画像与个性化推荐、智能在线答疑以及精细化评测,进而对比分析了国内外主流的智慧教育平台;最后,探讨了当前智慧教育研究的局限性,总结出在线智能学习助手、学习者智能评估、网络化群体认知、因果关系发现等智慧教育的研究发展方向.

基于区块链技术的区域医疗数据安全共享问题研究

目的为解决医疗数据共享中的隐私保护问题,提出一种适合于医疗数据共享的隐私保护模型.方法运用区块链技术和云存储技术,研究基于区块链的医疗数据共享存储模型,解决医疗数据共享安全性问题.结果该模型利用区块链技术可维护和控制对医疗数据的访问控制策略,并使用云服务对加密的医疗记录进行分布式存储.结论该模型可实现医疗数据防篡改和分布式存储的要求,保证对医疗数据权限控制,实现区域医疗数据的安全共享使用.

医护交互VTE信息化平台的构建与应用

对应用医护交互VTE信息化平台进行了需求分析,阐述了通过主管护师初评、主管医生复审再到主管护师执行的闭环管理流程。认为,医护交互VTE信息化平台的应用可实现评分自动计算,自动匹配风险评估规则,并能自动生成VTE相关管理报表,24小时VTE风险评估率也逐月提高。平台应用提高了医护沟通效率,减少了遗漏和差错。

三甲公立医院智慧医疗服务平台的建设实践与应用效果

目的:拓展医疗服务模式,突破空间限制,解决"三长一短"问题,降低患者就医成本,提高医疗服务智能化与便捷度。方法:通过构建覆盖诊前、诊中、诊后的智慧医疗服务平台,实现智能导诊、视频问诊、在线咨询、移动支付、送药到家、检查检验预约等功能。结果:该平台显著扩大了优质医疗资源覆盖范围,深挖了专家服务潜力,节约了患者就诊时间与成本,扩大了医院社会影响力。结论:智慧医疗服务平台可有效改善患者就医体验,提升医生工作效能,促使优质医疗资源的享有更加公平可及。

基于大数据的院级临床科研平台建设与实践

目的:数据的应用有待进一步研究分析,可以为提高医院整体医疗服务的质量提供辅助和支持。方法:阐述通过利用人工智能、知识图谱、分布式数据库、语义标签化、可视化等大数据技术,探索并构建基于大数据的院级临床科研平台。结果:平台包含科研数据管理、语义标签化查询、多维度统计分析等功能,满足临床科研人员的需求。结论:科研数据平台使科研人员将精力放在科研本身,节约科研人员的时间,提高科研产出。

日间手术全流程闭环重塑探讨与实践

目的探讨如何利用信息技术,解决目前医院日间手术运作模式所存在的问题,实现合理、科学、全面、高效的日间手术全流程的闭环管理。方法以医院日间手术中心管理流程为主,结合互联网技术重塑符合医院需求的日间手术全流程闭环。结果重塑的日间手术全流程闭环更为完善,融入患者线上即时服务,实现了从患者门诊就诊初筛、术前检查检验、手术评估与日间住院申请、麻醉评估,到日间信息核对、入院前宣教、手术预约、手术确认、术后随访的全流程数字化闭环管理。结论基于“互联网+”的日间手术全流程闭环,优化和规范了日间手术流程,有效延伸患者术前术后非在院期间医疗服务,提高医院资源使用率,提升医护人员工作便捷性,使日间手术管理更精细化,便于医院监控与管理。

T2WI机器学习在鉴别高级别胶质瘤和脑单发转移瘤中的应用

目的探讨T2WI机器学习鉴别高级别胶质瘤和脑单发脑转移瘤的价值。方法收集我院2016年1月至2018年11月经病理或随访证实为高级别胶质瘤(41例)或脑单发转移瘤(34例)的患者。所有患者术前均行常规MRI检查,其中包含轴面T2WI。采用ITK-SNAP软件在T2WI上对全瘤进行逐层手动勾画水肿范围感兴趣区(region of interest,ROI),病灶最上和最下两层除外。通过Python对每层ROI进行纹理和形态学特征提取。特征分类统计方法采用支持向量机(support vector machine,SVM)、Logistic回归和朴素贝叶斯机器学习算法,其中70%数据作为训练集,30%作为验证集。同时邀请2名具有3年以上影像诊断经验的医师对病灶水肿区/对侧正常脑组织信号比(nSI)进行半定量受试者工作特征曲线(receiver operating characteristic,ROC)分析,结果均以曲线下面积(area under the curve,AUC)、敏感性和特异度表示,并比较不同方法的诊断效能。结果基于T2WI图像特征机器学习分析,SVM算法具有较高的诊断效能,训练集和测试集AUC分别为0.79(95%confidence interval,CI:0.75~0.83)和0.71(95%CI:0.64~0.77),敏感性和特异度分别为70.88%(95%CI:65.0%~76.3%)和77.13%(95%CI:70.5%~82.9%);Logistic回归和朴素贝叶斯诊断效能较低,训练集和测试集AUC分别为0.77(95%CI:0.73~0.81)/0.67(95%CI:0.60~0.73),0.72(95%CI:0.67~0.76)/0.62(95%CI:0.55~0.69),相比SVM差异有统计学意义;医师半定量分析诊断效能最低,AUC为0.58(95%CI:0.44~0.70)。结论 T2WI图像特征机器学习在术前鉴别高级别胶质瘤和脑单发转移瘤中具有一定的优势,其中SVM模型最具潜力。

基于门诊医生站新冠肺炎流行病学史调查的设计与实现

目的借由医院信息化系统配合实现新冠肺炎疫情期的流行病学史调查。方法根据《新型冠状病毒肺炎诊疗方案》对门诊医生站系统进行嵌入式流程改造,实现对就诊患者的快速流行病学史调查工作,完成相关内容的快速录入。结果截止到目前为止,完成来院患者176 076人流行病学史调查,其中潜在疑似患者有247人。结论通过门诊医生站系统改造强制就诊环节进行流行病史的调查和录入,对病患及时分诊以及院内二次感染防控具有积极意义。

人工智能时代中国能否成为领跑者?

在2017中国软件大会的＂中国人工智能和大数据百人会·数智思享高峰论坛＂上,两位企业的老总、两位高校的教授就＂人工智能时代,中国能否成为领跑者？＂这一话题各抒己见,现场嘉宾受益匪浅。Q：在人工智能领域,中国企业是否已经处于第一阵营？陈超卓：在人工智能领域,我主要从事自动驾驶这一领域。我个人认为,我国在该行业处于第一阵营。