基于SP_LDA模型的商品推荐算法

在电子商务的商品推荐系统中,为了给用户提供个性化的商品推荐,不少研究者提出了各自的推荐方法.由于方法中考虑的影响因素小等原因使得一些问题仍未得到解决,如:精准度不高、时间复杂度较高等.针对以上问题,在LDA主题挖掘模型的基础上提出了一种新的适用于商品(SP)推荐的数据挖掘模型:SP_LDA模型.通过该模型进行推导,得到商品概率的计算公式.通过对用户的历史购买数据和浏览数据进行分析,以计算的方式求解商品被推荐的概率,最终得到用户潜在感兴趣的商品.实验表明本模型能够高效地对商品进行挖掘,合理地向用户推荐感兴趣的商品.

基于注意力机制的医学影像深度哈希检索算法

针对现阶段医学影像检索中检索性能差、精度低、缺乏可解释性等一系列问题,提出了一种结合了注意力机制的医学影像检索算法。以深度卷积神经网络为基础,以贝叶斯模型为框架,所提算法引入了由语义特征引导的注意力机制模块,通过分类网络的引导,生成包含语义信息的局部特征描述子,同时使用全局特征与富含语义信息的局部特征作为哈希网络的输入,引导哈希网络从全局和局部的角度关注重要特征区域,增强了哈希编码的特征表达能力,并引入加权似然估计函数解决了正负样本对数量不均衡的问题。采用MAP和NDCG作为评价指标,选择ChestX-ray14数据集进行实验,将所提算法与目前常用的深度哈希方法进行对比。实验结果表明,本文算法在哈希编码不同码位下的MAP值和NDCG值都远优于现有的深度哈希方法,证明了其有效性。

一种糖尿病足溃疡智能测量模型的构建与验证

目的:糖尿病足溃疡的测量是临床诊断的重要一环,高精度测量与评估是高效管理的保障。目前临床上缺乏精确、便捷的测量工具。近年来人工智能技术在图形分割与识别领域中彰显了一定的潜力。本研究旨在基于深度学习方法对糖尿病足溃疡影像进行分析,构建糖尿病足溃疡智能测量模型并对其进行初步验证。方法:选取1 042例糖尿病足溃疡的图像,对溃疡边缘及不同的颜色区域进行人工标注,其中782张作为训练数据集,260张作为测试数据集。采用Mask RCNN溃疡组织颜色语义分割及RetinaNet标尺数字刻度目标检测来建立模型,将训练数据集输入模型并进行迭代。利用测试数据集验证智能测量模型。结果:基于深度学习建立了糖尿病足溃疡的智能测量模型,训练集和测试集组织颜色区域分割的mAP@.5IOU(mean average precision@.5 intersection over union)分别为87.9%和63.9%,标尺刻度数字检测的mAP@.5IOU分别为96.5%和83.4%。以测试集的人工测量结果为参照,智能测量结果的平均误差约3 mm。结论:糖尿病足溃疡智能测量模型测量糖尿病足溃疡具有较高的精确度及良好的鲁棒性,未来的研究可采用更大规模的数据样本对模型做进一步优化。

新冠肺炎疫情期间群众居家隔离防护依从性及其对焦虑程度的影响

目的调查新型冠状肺炎疫情暴发期间群众居家隔离防护依从性及其对焦虑程度的影响。方法采用横断面研究方法,通过问卷星发送问卷到微信及朋友圈,以滚雪球的方式进行匿名线上调查,调查时间为2020年2月4—6日。采用自行编制的一般资料调查表、居家隔离防护知-信-行问卷,以及SAS焦虑自评量表调查群众居家隔离防护依从性及焦虑程度。结果共调查454名人员。被调查人员SAS焦虑程度平均得分为(38.74±8.46)分,高于中国常模,差异有统计学意义(P<0.05)。知-信-行调查得分分别为:知识知晓程度(24.70±3.96)分,信念态度(12.75±1.10)分,行为依从性(65.54±5.02)分;行为依从率为93.63%。不同新冠肺炎疫情相关人群、家中居住人口数量、是否接触感染者或疑似患者人群的SAS焦虑得分比较,差异均有统计学意义(均P<0.05)。不同年龄、婚姻状况、文化程度、职业、新冠肺炎疫情相关人群的行为依从性得分比较,差异均有统计学意义(均P<0.05)。SAS焦虑程度与信念态度、行为依从性呈负相关(P<0.01);知识知晓程度与信念态度呈正相关(P<0.01);信念态度与行为依从性呈正相关(P<0.01)。结论群众居家隔离防护期焦虑情绪较明显,并与群众居家隔离防护知识知晓程度、信念态度、行为依从性有着紧密的相互影响的关系。

医学影像处理的深度学习可解释性研究进展

随着医学影像数据的迅速增长,传统的影像分析方法给医生带来巨大挑战。利用计算机视觉技术提供自动或半自动辅助诊断,可大大缓解人工阅片压力,提高诊断的准确性,促进医疗流程的标准化建设等。目前,深度学习卷积神经网络在医学影像处理中已取得不俗表现,但深度学习“黑匣子”的不可解释性阻碍了智能医疗诊断的发展。为增强对医学影像数据处理的深度学习可解释性的了解,对近几年相关研究进展进行了综述。首先,综述了深度学习在医学领域的应用现状及面临的问题,对神经网络的可解释性内涵进行了讨论;然后,从现有深度学习可解释性的常见方法出发,重点讨论了医学影像处理的深度学习可解释性研究进展;最后,探讨了医学影像处理的深度学习可解释性的发展趋势。

突发疫情疑似症状风险自查应用的交互设计研究

针对突发疫情带来的患者线下交叉感染风险与医护人工排查患者工作量激增的社会公共安全问题,通过文献法、流行病学理论、专家咨询与主观赋权法(医院感控、呼吸内科、危急重症科、疾病控制中心等部门的专家)、人机交互设计、用户测试与可用性评估等方法,进行了突发疫情疑似症状风险自查内容、可供选项、风险权重与阈值以及人机交互设计研究,制定了疑似病案筛查与患者分类居家观察、隔离和立即就诊的早期防控策略,设计了疑似症状风险评估人机交互应用与筛查模式并上线推广使用.结果表明在突发疫情爆发早期,疑似症状风险自查应用为民众提供了简单易行的临床判断科学依据,一定程度上缓解了民众盲目焦虑、线下交叉感染风险以及医护人工排查工作量,为未来新型传染病疫情防控,提供了线上疑似症状风险筛查分类与线下患者分流就医的防控策略与人机交互设计参考.

非合作通信中OFDM系统盲均衡的方法

针对传统的正交频分复用（OFDM）系统盲均衡方法中存在接收数据短、收敛速度慢的问题，提出了一种基于符号间干扰变步长迭代的多模混合算法的 OFDM 系统盲均衡新方法。该方法首先将接收数据进行了分段复用，然后将修正的恒模算法与判决引导算法进行多模混合，并在均衡过程中采用了基于符号间干扰的变步长迭代方式。仿真结果表明，在非合作通信中，该方法不但加快了收敛速度并且保证了稳态收敛性能。

基于医联体的糖尿病足智能诊疗平台的构建与实践

糖尿病足病情发展迅速,且致残、致死率高,其治疗需要及时地多学科综合治疗和转诊。目前我国就诊转诊流程繁琐,医疗资源配置不均衡且均在线下开展,同时由于大多数足溃疡患者都伴有行动不便,这些原因导致糖尿病足患者不能及时得到规范化诊疗,甚至因为延误诊疗造成严重后果。医联体的出现与发展为患者的就诊转诊提供了绿色通道,人工智能及智慧医疗的发展也进一步促进了医学的发展。在社会、临床需求及政策驱动下,我们基于人工智能技术,构建了集糖尿病足分级评估、综合会诊、规范化治疗为一体的“掌上益足”智能诊疗平台,并实现在医联体内的推广和应用。现对智能平台进行介绍,以期为智慧化医疗建设提供一定的理论支撑和经验借鉴。

新型冠状病毒肺炎疫情下公众居家隔离防护知信行调查

目的了解新型冠状病毒肺炎疫情期间公众居家隔离防护知识知晓程度、信念态度、行为依从性及其相关关系。方法使用自行编制的居家隔离防护知识知晓程度、信念态度积极程度、行为依从程度问卷分析公众居家隔离防护情况。结果公众居家隔离防护知识知晓程度为82.33%,信念态度积极程度为91.07%,行为依从程度为93.63%。结论应增加知识知晓程度并建立积极的信念态度,促使公众居家隔离防护依从性的提高。