智能居家胎儿监护服务用户初始信任机制研究

目的研究用户对智能居家胎儿监护服务的初始信任机制,为该服务的推广提供相关建议,以提升社会家庭幸福感。方法构建智能居家胎儿监护服务初始信任模型,通过问卷调查得到有效数据258份,并利用结构方程模型对模型数据进行验证分析。结果初始信任到使用意向的路径系数最大(0.741);另外,社会影响和保障体系可正向影响初始信任(0.468,0.309),也可通过初始信任间接影响使用意向(0.349,0.208);最后,感知易用性对初始信任影响不显著,但会正向影响使用意向(0.310)。结论为促进该服务的推广,相关机构可增强智能居家胎儿监护服务的穿戴简易性,并加强与医院医生合作和相关制度管理。

智能居家胎儿监护服务医护人员初始信任机制研究

基于整合型技术接受与使用模型,引入感知风险因素构建智能居家胎儿监护服务医护人员初始信任理论模型,再围绕潜变量设计问卷对产科医护人员进行调查,最后运用验证性因子分析和偏最小二乘法对模型进行检验。结果表明医院内部应加强对该服务的宣传力度,相关机构可注重提升设备的操作简易性并加强相关安全制度管理。

基于逐步向前关联规则的产前CTG特征重要性与判读规则研究

目的:对产前胎儿监护中的胎心宫缩案例进行数据分析,验证和探究产前CTG特征对胎儿状态的重要性和判读规则。方法:数据可视化和斯皮尔曼等级相关系数分析产前胎心宫缩图数据案例及其特征重要性;针对病理状态类案例严重稀少问题,设计向前逐步关联规则算法,对胎儿状态判读规则深入探索。结果:验证了胎儿监护指南中基线、加速、减速和变异在不同范围内胎儿状态判读的理论,补充了产前胎儿监护指南。结论:研究有利于临床循证医学研究和实现机器智能判读产前胎心宫缩图。

面向智能产前胎儿监护的QBC算法机制的研究

介绍基于F1评分的平衡多样性加权委员会投票选择(Query-by-committee,QBC)的主动学习算法,阐明主动学习在智能产前胎儿监护中的作用。基于产前胎心宫缩图数据,在采用梯度提升决策树委员会投票选择的主动学习算法基础上,分歧度度量方式是采用基于投票熵和类条件后验最大熵相结合的度量方法,创新性地提出平衡因子,并结合多样性因子和F1因子进行加权计算。实验结果表明该方法仅需约41%的标注样本,即可使模型的整体性能指标达到96%以上。