基于DCE-MRI影像组学模型对乳腺NME病变诊断价值的研究

目的 探讨结合机器学习早期动态增强磁共振成像(DCE-MRI)的影像组学模型在鉴别良恶性乳腺非肿块强化(NME)病变中的价值。方法 选取行乳腺DCE-MRI检查并获得病理结果的NME病变患者242例,分为训练集163例、测试集55例,外部验证集24例。基于早期DCE-MRI序列的特征选择,采用支持向量机(SVM)建立组学预测模型;由2位放射科医师独立评估MRI特征,建立传统诊断模型,预测病灶的良恶性;运用测试集和外部验证集进行测试和外部验证。采用受试者工作特征(ROC)曲线评价组学模型与放射医师的诊断效能。结果 影像组学模型鉴别乳腺NME病变良恶性达到了与高年资放射医师[曲线下面积(AUC)=0.82, 95%CI 0.66, 0.89]相当的诊断水平[(AUC=0.82, 95%CI 0.67, 0.90);P=0.30],均优于低年资放射医师的评估结果(Z=2.63,P=0.01;Z=2.41,P=0.02),同时利用外部验证集进一步验证该模型的预测效能。结论 基于早期DCE-MRI组学模型可以有效地鉴别NME病变的良恶性,与高年资放射医师诊断水平相当,并优于低年资医师诊断水平,可以辅助低年资医师做出更佳诊断。

智能化医养融合服务平台关键技术及应用研究

近年来,我国医疗健康和养老服务行业存在资源结构不平衡、医养服务智能化水平低、跨域协同难等问题;同时,缺乏应对重大疫情与突发公共卫生事件的信息化体系与机制。针对上述问题,本文基于大数据、人工智能、物联网、服务计算等新一代信息技术,通过服务模式、服务匹配、医养大数据治理、智能化诊疗服务与智能化辅助诊断机器人等关键技术创新以及智能化医养融合服务平台的研发,通过“互联网+医疗健康”和“互联网+养老”服务体系的深度智能化协同,实现了医疗健康与养老服务的深度融合,解决了医养服务资源整合难、多源多模态数据与异构系统治理难、全流程全周期智能辅助诊疗以及医养融合服务供给难等挑战性问题。

基于机器学习的心电自动诊断算法综述

阐述了心血管病的危害及心电自动诊断对临床的应用价值,介绍了传统机器学习算法以及深度学习算法在心电自动诊断方面的研究进展,分析了心电自动诊断难以实现临床应用的原因,并给出了解决对策,指出了基于机器学习的心电自动诊断有望应用于临床,提高医生识图效率。

面向ICD疾病分类的深度学习方法研究

国际疾病分类(ICD)是用于临床目的和健康管理的分类工具,是卫生统计数据的建立基础,在其庞大的分类体系中,含有与疾病健康问题和临床治疗相关的分类和对应的代码。针对在国际疾病分类的庞大标签空间中的多标签分类问题,提出一种端到端的深度学习方法。采用改进的图注意力网络对标签空间进行建模,基于注意力重构的多标签分类器进行分类。在标签空间建模中,结合国际疾病分类中手术与操作分类的层次结构,构建出三种不同的图结构,利用图注意力网络将标签空间的结构信息融入到模型中,从而利用标签之间的依赖关系进行多标签文本分类。所提出的方法与实际应用场景有着紧密联系。实验表明,在临床国际疾病分类数据集上,相比于传统文本分类和其他标签空间建模方法,所提方法在分类性能上有明显的提升。

关于省内异地就医纳入DRG付费的必要性及可行性研究

目的:对比分析山东省内异地就医情况,考察异地就医纳入DRG付费的必要性和可行性。方法:基于CHSDRG1.1版本分组器,将山东省内异地就医病例流入流出情况、异地就医与本地就医费用差异对比情况进行评价分析。结果:省内异地就医集中现象明显,病例以轻症为主,且省内异地就医费用明显高于本地就医。结论:加大对省内异地就医费用管理力度,将省内异地就医纳入就医地DRG付费和审核监管。推行同城同病同价,引导低权重病例向参保地回流、向县级及以下医疗机构下沉,提升医保基金使用效能。

企业全面预算管理体系的建设和完善

随着我国经济体制改革的不断深入和激烈的市场竞争,企业需要对内部管理模式进行优化,通过完善全面预算管理体系,加强现金流量的控制和管理,实现对企业全局性战略规划和有针对性动态调整,使全面预算管理成为兼具计划、控制、激励和评价功能的综合企业经营管理机制,保证企业在激烈的市场竞争中稳定健康的发展。如何正确认识全面预算管理,建立一套符合企业实际发展需要的全面预算体系,具有非常重要的现实意义,本文就企业全面预算管理中存在的若干问题进行分析,提出相应的建设和完善策略,以供参考和借鉴。