一个医疗辅助诊断专家系统的设计与实现

本文介绍《急性腹痛辅助诊断》专家系统的组成，系统知识的获取及表示模式，系统的推理规则及冲突的消解方法，系统与用户的接口方式以及自学习功能的设计。系统通过不断地学习，最终成为具有不同用户自己独特风格的一个专家系统。

基于深度学习的医疗辅助诊断数据分析方法

针对海量医疗诊断数据缺乏高效且准确的分析方法,文中提出了一种基于深度学习的医疗辅助诊断数据处理方法。该方法对医疗诊断数据进行预处理,包括归一化处理与主成分分析,以得到医疗数据特征;利用部署多层感知器的神经网络分析已完成预处理的数据,从而实现诊断分类,为医生提供智能化的辅助诊断;基于Python软件平台对所提方法展开实验测试。结果表明,所提方法的损失值与平均准确率分别为53和85%,均优于其他对比方法,且具有良好的工程应用价值。

面向对象的黑板集成模型在ICU医疗辅助诊断中的应用

针对 ICU的现状 ,阐述了研制 ICU医疗辅助诊断系统的意义 ,结合 ICU的医疗复杂背景 ,对比分布式协作专家系统工具 BITAL-DEST,提出了面向对象的黑板集成模型。在此基础上 ,初步实现了系统的框架 ,以两种联系紧密的危重病为例 ,设计了由两个黑板模型集成的系统原型。运行结果表明 ,面向对象的黑板集成模型用于 ICU医疗辅助诊断是可行的。

最大似然法和医疗辅助诊断方法

１医疗辅助诊断方法医生为病人诊断的过程实际上是一个复杂的过程。他要根据病人的病史、各种症状、各种检查结果来确定病人所患的病种。由于很多疾病都可能有共同的症状，而某一种疾病又可能有多种症状，疾病和症状之间有着非常复杂的相互关系。加上患者的个体差异、地区...

面向医疗辅助诊断的可视化多属性决策方法

传统的医疗辅助诊断决策通常通过专家依靠经验对备选方案进行决策,但是这种方法依赖于专家已有的经验并且可能会为专家带主观疲劳。基于多属性决策理论,提出了一种可视化多属性决策方法。该方法使用有序加权几何算子将数据进行降序排序,生成一个有序序列;通过可视图理论将有序数据转化为复杂网络中的结点,通过复杂网络中结点之间的连接关系将有序数据可视化;借鉴库伦定律,使用结点之间的距离与结点自身数值的大小设置支持度函数用以描述结点的支持度。实验通过病因诊断与病情诊断两个案例验证提出的医学辅助诊断多属性决策方法的可行性与有效性。

医疗辅助诊断系统中新型的双向隐私保护方法

为了保护医疗辅助诊断系统中患者的个人隐私,本文提出一种新的结合决策树与不经意传输(Oblivious Transfer, OT)技术的双向隐私保护方法.该方法首先利用决策树对已有诊断信息进行分类来形成辅助诊断,并利用差分隐私确保决策树构建过程中不会泄露数据库的隐私.其次利用OT技术保护查询过程中的隐私,并提出一种决策树索引协议将决策树算法与OT协议有效结合.提出的方法最早将决策树与OT技术应用于医疗辅助诊断系统,并且在客户端进行医疗数据查询并得到准确查询结果的情况下,能够极好地保护客户端、服务器以及数据库的隐私信息,实现更全面的双向隐私保护.理论分析结果表明,本文提出的方法在保护隐私的同时具有较高的通信效率.进一步地,实验结果也表明,提出的方法不仅具有较高的查询效率,同时还具有较高的查询准确率.

融合注意力机制的U型对称网络的医疗辅助算法落地与运用

本文提出了一个融合注意力机制的U型对称网络的医疗辅助算法,用于提高诊断的准确性和效率。利用深度学习技术,对医学影像和病例数据进行自动化分析。本文使用了DRIVE、LiTS和SIIM-ACR等数据集进行训练,在U-Net网络模型的基础上,创新网络编码器和解码器之间引入了注意力模块,以动态聚焦于图像中的关键特征。通过K折交叉验证来评估模型性能,并使用L2权重衰减正则化防止模型过拟合。在系统落地方面,设计了基于Django的医疗辅助小程序平台,用户可以通过微信小程序进入用户界面,实现医疗影像器官分割、在线问诊等功能。管理员则可以通过PC网页端对用户进行管理。该系统具有较高的准确性和效率,可以有效改善医疗资源分配不均的问题。

基于AI视觉技术的医疗影像辅助诊断系统在放射科质量管理中的应用效果

探讨AI视觉技术用于放射科医疗影像辅助诊断系统质量管理中应用价值。方法 2020年3月-2021年3月,放射科未引入AI视觉技术开展医疗影像辅助诊断系统管理,2021年4月-2022年4月,放射科引入AI视觉技术开展医疗辅助诊断系统管理,对比AI视觉技术引入前后放射科管理质量、质量管理满意度差异。结果 引入AI视觉技术后,放射科各项质量管理指标均优于引入前,P<0.05;引入AI视觉技术后,放射科质量管理满意度评分均较引入前高,P<0.05。结论 放射科质量管理期间引入AI视觉技术开展辅助管理,能够增强放射科管理质量,有利于提升医院整体管理水平。

CBR技术在临床辅助诊断中的应用研究

CBR是一种利用以前类似的案例 (Case)来理解并解决当前问题的技术。文章介绍了CBR的技术特点 ,并对它在临床辅助诊断中的应用进行了研究 ,主要针对病例库的组织结构、相似病例的检索算法和症状权重的调整等三方面进行了探讨 。

人工智能辅助诊断系统研究进展

本文概述了人工智能领域中专家系统(Expert system,ES)、机器学习等技术在国内外医疗领域辅助诊断中的研究进展。指出从20世纪50年代起,专家系统在常见疾病如阿尔兹海默病、脑血管疾病等的医疗辅助决策中均显示出了较好的应用前景。机器学习在医学领域如疾病诊断、图像识别与分析等方面已得到广泛应用。人工智能技术与疾病诊断深度融合,有助于缓解优质医疗资源不足的问题,减轻医生负担,提高诊断效率和准确性。但目前应用仍存在一些问题,需要从机制、法律及数据提取等方面进一步发展。

基于神经网络集成的肺癌早期诊断

将病理性诊断与计算机技术相结合以实现肺癌的早期诊断 ,首先利用数字图像技术对肺癌穿刺样本进行处理 ,提取出形态和色度特征 ,然后通过一种二级集成结构和特殊的投票方式 ,用神经网络集成对细胞图像进行分析 .实验和原型系统试用表明 。

基于多元检测的医疗诊断辅助系统的研究

通过研究过去医疗诊断辅助系统(CADS)设计中存在的问题,分析其在临床应用中存在的缺陷,提出一套新型系统的设计方案。运用多元检测理论,利用最大后验概率(MAP)判别准则,把以往累积的经验和知识以规则的形式存入计算机内,建立知识库,用贝叶斯概率分析理论的方式对疾病进行医疗诊断。统计数据表明,该系统具有较高的准确率。由诊断系统和患者信息系统两部分组成的CADS能够很好地满足临床的需求,较好地实现了计算机信息技术在医学诊疗领域的应用。

基于AI视觉技术的医疗影像辅助诊断系统在放射科质量管理中的应用效果

目的:探究基于AI视觉技术的医疗影像辅助诊断系统在放射科质量管理中的应用效果。方法:医院从2019年7月开始在放射科中实施基于AI视觉技术的医疗影像辅助诊断系统。2019年1~6月为实施前和2019年7~12月为实施后。比较实施前后放射科质量管理情况。结果:实施后后受检者等待出片时间、单次检查成本费用、单个部位检查耗时及诊断报告不合格率均显著低于实施前(P<0.05)。实施后放射科工作人员对质量管理的评分明显高于实施前(P<0.05)。结论:基于AI视觉技术的医疗影像辅助诊断系统在放射科质量管理中的应用可显著提高放射科工作人员的工作效率与工作质量,降低医院的医疗成本,提高医院管理的信息化水平。