胎儿电子监护自动分析系统的设计与实现

提出一种对围产期胎儿宫内发育和健康状况自动评估分析系统.该系统通过对探头获取的胎心信号、宫缩压信号进行处理,识别出胎心宫缩图的胎心率基线、胎心率加速和减速、胎心率基线变异、宫缩等生理参数指标,并根据计算出的参数值和临床上广泛采用的评分法,完成胎儿在宫内的健康状况评估分析,为妇产科医生提供诊断依据.通过临床试验验证,相比传统的人工判读模式,本系统能够获取较为客观公正的生理参数值,有效避免人工识别的主观性误差,提升围产期胎儿的监护质量.

一种基于深度学习的眼科疾病诊断方法

针对目前逐年上升的眼科疾病尤其是糖尿病性视网膜病(DR)患病率高的问题,设计一种新型眼科疾病诊断方法。该研究采用2019年Kaggle糖尿病性视网膜病检测竞赛数据集,采用先进的深度学习框架,构建多种先进的神经网络模型,经过训练,得到预测结果,最后融合多个模型提高Kappa分数,最终使模型具有较强的健壮性从而解决模型过拟合问题。文中方法包括病情诊断、自动评分分析等功能。实验结果表明,该方法极大地缩短了眼科医生的诊断周期,提高了诊断的准确率和效率,为眼科医生提供了一种便捷、高效的诊断辅助。