Nutch在中医药信息融合中的应用研究

针对数字时代尤其是疫情时代下民众对中医药信息需求的日益增加,亟需寻求新的解决方案以促进中医药信息融合的现代化发展,为此在Nutch的基础上设计并实现了中医药信息搜索引擎。首先,对Nutch的系统结构进行了介绍,包括其工作流程、评分机制;其次,解决了其对汉字的识别与搜索能力,并以用户友好性为导向对网页UI进行重新编写;最后,对比了优化改进前后该搜索引擎的使用效果,验证了上述设计方案的有效性与可行性。基于Nutch的中医药信息搜索引擎是Nutch在中医药信息融合中的一种现代化应用研究,满足了民众的信息获取需求,是中医药信息化道路上的一个新颖尝试,契合当前“互联网+”的发展潮流。

医药卫生与信息技术深度融合的新医科信息课程探讨

之前医药院校计算机基础教学的内容主要是Office操作和程序基础设计,已经不符合新时代新医科人才培养的要求。学科融合是新时代高校发展和创新的趋势,对于医药类人才,新医科对其在信息素质培养上提出了更高的要求。因此,怎样使计算机基础知识和医药应用相结合,使教学跟上当前信息技术飞速发展的“潮流”,使学生能够用先进的信息技术解决本专业问题,是我们迫切需要思考和改进的地方。经过10年的教学研究实践,课程组将医药卫生与信息深度融合,在公共卫生、临床、影像等多个方面找到很好的结合点。对医学生计算机知识的培养立足本专业,以培养医药学生计算思维能力为导向,以医药计算机应用案例为中心组织教学,紧跟人工智能等新技术,培养掌握先进信息工具的现代卓越医学人才,服务“健康中国”大目标。

基于超星平台的线上线下混合教学模式探索与实践——以“信息系统分析与设计”课程为例

“信息系统分析与设计”课程涉及的理论知识点多、实践性强。针对该课程在传统线下教学模式下难以达到有效的教学效果的问题,围绕课程线上线下混合教学模式的总体目标,设计出基于超星平台的线上线下混合教学模式。根据设计的混合教学模式,分别从线上和线下两方面设计了具体教学内容和教学方法,进行了教学实践。实践结果表明,该混合教学模式的学生认可度高,能够提高学生的知识运用和实践能力,教学效果好。

《信息系统分析与设计》课程线上线下混合教学模式设计

《信息系统分析与设计》是信息管理与信息系统专业的必修课程。针对该课程线下教学中存在的教学内容枯燥、教材缺少系统性的实践教学内容、课堂互动较少等问题,提出了线上线下混合教学模式教学方案设计。该教学方案设计包括线上教学设计、线下课堂教学设计和实践设计。实施结果表明,该教学模式能有效提高《信息系统分析与设计》课程的教学效果。

基于微信小程序的Web工程师模拟面试系统

面试是大学生成功就业的关键环节。该文构建一个不受时间、地点限制,能够灵活使用的基于微信小程序的Web工程师模拟面试系统。该系统提供文本答题、语音答题等形式的模拟面试,并形成模拟面试报告,为大学生顺利就业提供有效途径。

社会空间视角下大学生媒介素养教育初探

媒介素养研究范式转移过程中越来越表现出其社会空间视角的转向。通过文献资料法、观察法、访谈法等研究,提出社会空间视角的大学生媒介素养教育理念。基于社会空间理论视角,阐述大学生媒介素养建构的指向。第一,基于社会资本、权力视角的大学生媒介素养建构,引导大学生思考、探讨媒介在社会空间生产、互动过程中的作用机制,及其在社会资本变迁方面的作用机制等。第二,基于情绪感知、表达、传播、分享的大学生媒介素养建构,引导大学生思考媒介化情绪、情感的形成与分享的特征、机制、作用等。第三,基于社会时空要素的大学生媒介素养建构,引导大学生表现出特定时空下的应然媒介认知与行为。

结合判别分析和分布差异约束的领域适应方法

为解决领域适应过程中基于全局分布适配的特征变换造成的类别结构损失和局部特征损失问题,提出一种结合判别分析和分布差异约束的领域适应方法。构造领域数据分布均值距离度量用于领域间分布适配;构造类散度度量用于保持类别判别结构;基于数据局部分布信息设计不同类型的差异权重,分别用于约束域分布距离度量和类散度度量,实现判别保持和局部保持的联合优化;基于上述度量最优化的特征变换,将源域和目标域数据投影到子空间中实施分类任务。所提出的方法在领域适应过程中不仅能够缩小领域间分布差异,且兼顾类别判别保持和数据局部特征的保持,能有效提升域外数据重用的性能。在28组跨领域分类任务上的实验结果表明,所提出的方法在评价指标上优于已有的相关方法。

自适应球形演化的药物-靶标相互作用预测方法

相较于传统药物的研发,药物-靶标的预测方法能够有效降低成本,加快研发进程,但是在实际应用中存在数据集平衡度低、预测精确率不高等问题。基于此,提出一种自适应球形演化的药物-靶标相互作用预测方法ASEKELM(self-Adaptive Spherical Evolution based on Kernel Extreme Learning Machine)。该方法根据结构相似的药物与靶标更易存在相互作用的原理筛选出高置信度的负样本;并且为了解决球形演化算法易陷入局部最优的问题,利用搜索因子历史记忆的反馈机制及群大小线性递减的策略(LPSR),实现全局搜索和局部搜索的平衡,提高算法的寻优能力;然后利用自适应球形演化算法对核极限学习机(KELM)的参数进行优化。在基于黄金标准的数据集上将ASEKELM与NetLapRLS(Network Laplacian Regularized Least Square)、BLM-NII(Bipartite Local Model with Neighbor-based Interaction profile Inferring)等算法进行对比,验证算法的性能。实验结果表明,在酶(E)、G-蛋白偶联受体(GPCR)、离子通道(IC)和核受体(NR)数据集中,ASE-KELM的ROC曲线下面积(AUC)与PR曲线下面积(AUPR)均优于对比算法;且基于DrugBank等数据库,ASE-KELM在预测新药物-靶标对的验证过程中表现良好。

基于Xception与迁移学习的中药饮片图像识别研究

为实现对常用60种中药饮片图像的精准快速识别,构建13 088张常见中药饮片图像数据集,采用迁移学习的方式,以深度学习算法中Xception卷积神经网络模型为基准,对饮片图像进行训练与识别。模型训练的初始学习率设置为0.01,优化器中设置Nesterov动量超参数为0.9,训练次数为100轮,得到在训练集上的分类准确率达到100%,验证集准确率为97.42%,测试集准确率为97.26%,最后结合混淆矩阵这一指标对模型的识别能力进行评估分析。该模型与传统依靠提取中药饮片图像特征的机器学习算法相比,分类效果更好,泛化能力更强。

医药类院校激发数据结构学习兴趣的教学探索

针对医药类院校的《数据结构》教学中存在的问题以及学生特点,从课程特点、学生学习兴趣层面分析了影响教学及学习效果的因素;探讨学生的学习兴趣在学习过程中起到的重要作用;提出若干教学设想,用以激发学生的学习兴趣,提高教学效果。

基于朴素贝叶斯和word2vec的中医电子病历文本信息抽取

目的本文主要讨论如何用机器学习算法对非结构化的中医电子病历文本进行信息的分类抽取,抽取出症状、处方、治法等有用信息。方法先将电子病历文本进行分词,然后进行标签标注,采用朴素贝叶斯和word2vec算法训练形成模型,最后进行模型测试。结果实验结果表明,该算法模型的信息抽取查准率可达80%以上。结论该研究在中医电子病历文本信息抽取领域做出了初步探索,为进一步进行中医药领域的数据挖掘和科研工作提供了良好的基础。

基于Bert-BiLSTM-CRF模型的电子病历隐私信息识别方法

随着电子病历数据开放共享的需求越来越大,电子病历去隐私性问题亟需解决。利用自然语言处理技术,提出一种基于Bert-BiLSTM-CRF模型的电子病历隐私信息识别方法。采用某三甲中医院的电子病历作为数据来源,结合当前公开的数据集进行训练,得到正确率为94.02%、召回率为94.25%、F1为93.98%的中医电子病历隐私信息识别模型。与其他传统模型进行对比实验表明,Bert-BiLSTM-CRF模型能有效识别并保护电子病历中的隐私数据,有助于医疗数据的开放共享。

大学生饮食习惯与体质健康的相关性分析

目的 研究饮食习惯体质健康的相关性,为有效预防身体亚健康提供参考依据。方法 采用文献资料法、问卷调查法、数理统计法和数据挖掘算法进行调查与分析。随机抽取珠三角地区210例在校大学生作为研究对象,分析大学生体质健康情况、饮食习惯形成影响因素和饮食行为与健康状况的相互影响关系。结果 大学生目前体质健康情况不甚乐观,轻体重[体质量指数(body mass index,BMI)<18.5kg/m^(2)]占35.71%,肥胖(BMI≥28.0kg/m^(2))占0.95%,轻体重女生比例明显高于男生,但超重和肥胖男生比例高于女生。躯体健康占54.76%,亚健康44.29%,疾病状态占0.95%。结论 饮食习惯与体质健康存在显著相关性。影响大学生现有饮食习惯的前3个因素是生活环境、学业繁忙和注重养生(非生病需要)。通过关联规则分析方法对饮食习惯与躯体健康进一步分析,造成身体亚健康的前3名影响因素为三餐不规律、膳食结构不合理及营养知识缺乏;纯素食主义者更容易身体亚健康;饮品对身体亚健康影响强度依次为:果汁类饮品、功能类饮品和奶茶。

医学决策分析实训中学生专业信息素养的问题与提升

针对医学决策分析课程教学过程中出现的典型问题,从信息素养的角度,分析学生存在的不足,从多角度挖掘问题根源,并尝试教学改革完成对问题的思考和全面解决,在专业训练中提升学生的信息素养。

基于MVC的个人体检信息管理系统设计

对个人体检信息进行管理有利于人们了解自身的健康变化趋势,从而有针对性地进行身体健康保养,也有利于提前发现潜在的致病因子和早期病灶,实现早期预防和治疗。针对个人体检信息管理系统的需求,笔者提出一种基于MVC的个人体检信息管理系统设计。系统使用ASP.NET MVC框架开发,采用B/S架构,拥有注册模块、登录模块、体检记录模块、体检结果比较模块、体检图像管理模块、体检指标管理模块、体检知识模块、附近医院查询模块以及个人信息模块9个功能模块。详细介绍系统架构设计、功能设计、数据库设计以及程序设计,同时测试与应用结果表明设计的系统很好地实现了相应的功能,应用反馈效果良好。

谷歌地图在物流信息系统中的研究与应用实现

谷歌地图是由谷歌公司提供的利用成熟的Web技术和GIS技术,基于互联网实现的一种电子地图服务。随着现代计算机技术的发展,计算机技术在物流产业的应用也得到了快速的发展。在物流信息系统中引入谷歌地图电子地图进行开发不仅可以使用户查看到不同类型的地图具有良好的用户交互的界面,而且成本低、开发快。本文将主要介绍谷歌地图API的相关知识,以及利用谷歌地图提供的API和当今流行的GPS技术,在我们物流信息系统中实现车辆跟踪的开发实现。

“激励-启发式”教学方法在《信息系统分析与设计》课程中的应用研究

《信息系统分析和设计》是信息管理和信息系统专业学生的一门必修的专业基础课。针对该课程教学中存在的学生兴趣不高和课程要求高、实践性强、枯燥、繁琐和复杂的问题,提出了一种对应的“激励-启发式”教学方法。该教学方法主要包括制度激励、问题启发和实例启发三个基本部分,用于引导学生积极思考,活跃课堂气氛,达到提升学生学习兴趣和增强学习效果的目的。实施结果表明,该教学方法能有效提高《信息系统分析与设计》课程的教学效果。

一种面向中文拼写纠错的自监督预训练方法

预训练语言模型BERT/RoBERTa/MacBERT等虽然能够通过预训练任务中的掩码语言模型(MLM)很好地学习字和词的语法、语义及上下文特征,但其缺乏拼写错误识别及纠正能力,且在中文拼写纠错(CSC)任务中面临预训练与下游任务微调目标不一致的问题。为了进一步提升BERT/RoBERTa/MacBERT等模型的拼写错误识别及纠正能力,提出一种面向中文拼写纠错的自监督预训练方法MASC。MASC在MLM的基础上将对被掩码字的正确值预测转换成对拼写错误字的识别和纠正。首先,MASC将MLM对字的掩码扩展为相应的全词掩码,目的是提升BERT对单词级别的语义表征学习能力;接着,利用混淆集从音调相同、音调相近和字形相近等方面对MLM中的被掩码字进行替换,并将MLM的训练目标更改为识别正确的字,从而增强了BERT的拼写错误识别及纠正能力;最后,在3个公开的CSC语料集sighan13、sighan14和sighan15上的实验结果表明,MASC可在不改变BERT/RoBERTa/MacBERT等模型结构的前提下进一步提升它们在下游CSC任务中的效果,并且消融实验也证明了全词掩码、音调和字形等信息的重要性。

基于Resinv-Unet的图像特征点检测方法

针对传统特征点检测算法需人为制定检测机制和基于深度学习的特征点检测网络泛化能力不强的问题,引入灰度不变量和残差结构,设计并实现具备像素级特征点检测能力的残差不变量神经网络(residual-invariant neural network,Resinv-Unet)。采用自标注的方式,在真实场景图像数据集的基础上构建用于训练神经网络的数据集。实验结果表明,Resinv-Unet相较于现有的特征点检测算法和特征点检测网络,在真实场景图像上具有更强的泛化能力和鲁棒性,在平均精确度、精确度和召回率上均取得更好的性能指标,其中,平均精确度达到0.7155、精确度达到0.7762、召回率达到0.7137。

球形演化极限学习机在药物—靶标相互作用智能预测中的应用

为解决药物研发中湿法实验耗时长且高成本等问题,采用机器学习预测药物-靶标相互作用。同时,为解决机器学习在建立药物-靶标相互作用模型时,受到分类器的类不平衡和参数优化等各种问题的制约。文章提出了一个基于球形演化极限学习机的药物-靶相互作用预测方法(SEELM-DTI),该方法主要使用筛选法选择高置信负样本、利用球形演化算法对极限学习机的参数进行优化。该研究将SEELM-DTI与SELF-BLM、NetLapRLS、WNN-GIP、SPLCMF、BLM-NII在基准数据集中进行试验比较,评价指标为AUC与AUPR。实验结果表明:SEELM-DTI的性能和效果优于其他基准算法,并且解决了类不平衡和参数优化问题,最后在常用的多个药物数据库上验证了SEELM-DTI预测药物-靶标相互作用的效果。