“数字化医生”培养导向的医学计算机基础课程构建探讨

探讨在医学信息技术迅速发展的大环境下,以培养"数字化医生"为导向,分析了目前医学生信息素养的发展现状,对课程进行重新定位,对教学目标、教学体系、课程内容等进行优化重构,并将计算思维的培养充分融入到教学中,帮助学生形成科学的思维方式和借助信息技术拓展医学研究的能力,从而使医学生能够更好地具备获取信息和使用信息的能力。

医学生的医学信息技术系列课程设置与改革

在高度信息化的社会中各学科技术彼此相互渗透融合和依存发展。有必要结合医学生培养目标与社会信息化水平,为医学生配置优化的医学信息技术系列课程。提出了围绕"医学信息学"主题,提升计算机、信息技术教育的层次,强调引导学生认识在学科技术共用性下的特殊应用规律、特点和适应性。并探讨了医学信息技术系列课程设置调整和实践。

为医学生开设数据库选修课程的问题和体会

随着医院信息系统在医院的普遍使用,在医药院校为学生开设医学信息和数据库基础课程十分必要.我们开设该选修课已经有两年,本文讨论在开设该课程中,遇到的问题和体会.

医学图像管理及辅助分析系统的框架设计与实现

随着医院数字化和信息化的全面展开,医院的医学影像数据正在呈海量增长,现有对图像的管理、处理及应用方式面临着巨大的挑战。针对这些问题,研制了一个多源信息管理分析系统,并结合支持向量机的分析方法,辅助现有诊断和研究过程中对图像及医学信息的利用。

基于LSTM深度神经网络的月门诊量预测精度研究

目的:分析新疆地区慢性阻塞性肺病的月门诊量变化趋势,对医院月门诊量预测方法进行探讨,为医院合理配置医疗资源和提高救助能力提供科学依据。方法:采用ARIMA模型和LSTM模型对新疆地区慢性阻塞性肺病的月门诊量的时间序列进行预测,使用RMSPE值评价不同方法的预测精度。结果:ARIMA模型、时间步为1的LSTM、时间步为12的LSTM的RMSPE值分别是20.23%、22.23%和20.01%,相较之下时间步为12的LSTM网络的预测效果较好,时间步为1的LSTM效果最差。结论:LSTM预测医院月门诊量的准确率较高,为医院月门诊量预测提供了新的方法。

移动医疗安全问题与应对措施

随着3G、4G通讯等移动通讯技术和移动互联网技术进一步成熟,移动互联已经进入并改变着医疗业务的各个环节,远程医疗、个性化健康服务、健康管理等移动医疗应用也越来越受到重视,移动医疗在整合区域医疗资源、简化就医流程、实现医院精细化管理的同时也存在着诸多安全相关问题亟待解决,针对目前在移动医疗应用中出现的常见问题进行了归纳总结,并提出相应的应对措施。

基于机器学习方法的乳腺癌预后因素研究

收集乳腺癌的预后状况,通过Logistic回归模型、决策树和随机森林算法,分析比较不同变量对乳腺癌预后的敏感性,并比较特征变量的重要性。使用Logistic回归的多变量分析显示,年龄、N-stage、乳腺癌内分泌治疗、化疗手段、多灶性病灶、化疗与预后有关。随机森林分析的结果得到了各个因素指标的重要性评分,有助于正确选择高风险人群,有利于建立分类系统。通过该结果找到危险因素,建立较高准确率的预测模型,预测乳腺癌患者的生存能力,并可作为制定医疗决策的参考。根据患者的特征制定针对患者不同特征的个体化术后随访及辅助治疗策略,争取最大程度上预防乳腺癌的术后复发。

社区健康档案数据元著录系统的设计与开发

以番禺区社区卫生服务信息系统的开发为背景，设计开发一个用于社区健康档案数据元管理的数据元著录系统，为用户提供Web访问平台。利用该平台，普通用户可以通过浏览器直接查询和浏览已经著录的数据元，已注册用户则可进行数据元的著录管理。系统采用Java语言实现。使Eclipse开发工具，Struts、Spring、Hibernate三个开源框架。数据库采用oracle9i。