检索结果-内蒙古大学图书馆

信息与电脑 2025年第7期37卷 9-11页

作者：胡靖阳陈靖辉安阳学院河南安阳455000

随着医疗数据呈爆炸式增长,如何有效利用多源异构数据成为医疗数据分析领域的研究热点。文章针对该问题,提出了一种基于深度学习的多源数据融合方法,并研究了其在医疗数据分析中的应用研究,详细阐述了方法原理、技术路线及实验结果,验... 详细信息

随着医疗数据呈爆炸式增长,如何有效利用多源异构数据成为医疗数据分析领域的研究热点。文章针对该问题,提出了一种基于深度学习的多源数据融合方法,并研究了其在医疗数据分析中的应用研究,详细阐述了方法原理、技术路线及实验结果,验证了该方法在提升医疗数据分析准确性与效率方面的优势。

关键词：深度学习多源数据融合医疗数据分析异构数据

来源：评论

学校读者我要写书评

暂无评论

基于区块链的医疗数据协同分析系统研究

基于区块链的医疗数据协同分析系统研究

引用

作者：李傲飞广东工业大学

学位级别：硕士

医疗技术与信息技术的不断融合，产生了大量的医疗数据，这些多源异构的数据为人工智能在医疗领域的发展提供了肥沃的土壤。然而，医疗数据的开放风险与价值并存，在隐私保护法规的限制下，医疗大数据呈现为一种弱中心化的存储架构，医... 详细信息

医疗技术与信息技术的不断融合，产生了大量的医疗数据，这些多源异构的数据为人工智能在医疗领域的发展提供了肥沃的土壤。然而，医疗数据的开放风险与价值并存，在隐私保护法规的限制下，医疗大数据呈现为一种弱中心化的存储架构，医疗机构所拥有的数据量通常不足以训练出性能优异的机器学习模型。在数据安全日益受到重视的今天，如何在医疗数据的应用与隐私保护之间达成平衡成为重要命题。虽然各地在法律与技术手段两方面，已对医疗数据开放中的安全保护做了诸多探索，但由于医疗场景对计算数据的隐私性、数据应用过程的透明性以及计算结果的正确性要求极高，现有的解决方案仍不足以满足社会需求，制约了高质量医疗数据的知识挖掘，阻碍了社会对医疗大数据的有效利用。　　针对以上问题，本文提出了一个基于区块链的解决方案，在保障医疗数据规模化集成的同时实现机器学习式的数据分析和知识应用。进一步地，为了改善智能合约的审计性、安全性以及通用性，本文提出一种基于工作流网的智能合约建模方法。本文的主要研究内容如下：　　（1）分析医疗数据分析过程中各利益相关方的业务需求，根据数据提供方、数据分析方和知识应用方不同的业务需求设计合适的医疗数据协同业务流程，并提出了一个基于区块链的医疗数据协同分析框架，对医疗数据的采集、存储、共享、分析和销毁等医疗数据全生命周期进行安全隐私化的管理，以实现医疗大数据分布式存储环境下数据的规模化集成、透明化使用和隐私化分析。　　（2）为了改善智能合约的可审计性、安全性和通用性，提出一种基于工作流网的智能合约建模方法。基于工作流网对合约中的复杂业务逻辑进行建模，图形化的工作流网模型能够改善智能合约的可审计性。形式化的智能合约模型有助于开发人员在建模阶段就能验证工作流网的性质，从而避免智能合约中出现的死锁等逻辑错误，保证合约的安全性。生成的智能合约模型可以被翻译成代码模板，模板在完善后即可被部署到各种区块链平台。值得注意的是，形式化的智能合约模型独立于编程语言，可以被翻译成不同语言的智能合约代码，从而改善智能合约的通用性。　　（3）完成医疗数据协同分析系统的设计和原型开发，并通过一个医疗机构间的数据协同分析实验案例来验证和评估所开发系统的有效性和性能。系统的功能测试结果表明系统中的各个功能模块均可正常工作;性能分析结果表明由协同分析训练出的机器学习模型具有更高的模型预测精准度和更低的损失，相对于其他数据协同分析框架如联邦学习，基于区块链的数据协同分析框架更适合于医疗等对模型的性能以及计算的精度有极高的要求的场景。

关键词：医疗数据分析区块链智能合约工作流网

来源：评论

学校读者我要写书评

暂无评论

基于临床数据特征选择的医疗辅助诊断研究

基于临床数据特征选择的医疗辅助诊断研究

引用

作者：郭春来电子科技大学

学位级别：硕士

随着现代数字化浪潮的兴起,医疗数据的产生,对医疗系统中决策、运作有着事实支撑作用,能够更好的提高医疗系统运作效率。而如何从医疗数据中提取有效信息并进行辅助决策诊断、如何根据医疗数据来对某种疾病进行追溯、跟踪以及预测仍然... 详细信息

随着现代数字化浪潮的兴起,医疗数据的产生,对医疗系统中决策、运作有着事实支撑作用,能够更好的提高医疗系统运作效率。而如何从医疗数据中提取有效信息并进行辅助决策诊断、如何根据医疗数据来对某种疾病进行追溯、跟踪以及预测仍然是当前医疗数据领域一个重要的研究方向。在当前的精准医疗的概念上,在对临床数据辅助诊断中,如何做到通过算法模型得出的结果能与医学知识相恰而做出恰当的诊断结果是有意义的。已有的数据分析算法在一定程度上能够对医疗数据任务得到较好的预测正确率,例如神经网络,但是缺乏对输入特征的有效性进行考量,从而导致难以对选择出的特征存在的意义进行解释,同时对小样本医疗数据分析的准确率难以保证等问题。针对上述问题,本文从特征选择角度提出了对应的方法进行改进。本文的主要工作如下:(1)特征选择。针对特征的有效性问题,同时兼顾到高维度特征进行降维等问题,在宏观层面,通过定义特征有效性的意义,利用特征自身之间的特点和关系进行选择,基于这种思想,本文提出了一种改进的基于最大相关最小冗余的遗传算法,实现对特征空间进行搜索选择。实验结果表明,该模型能够有效的降低特征维度,同时能够保留较好的原始信息量。(2)数据预测。为了更好的得到有效特征以及提高算法整体预测正确率,需要对特征空间和模型空间进行拟合适应,本文提出了一种改进的基于随机森林的序列前向选择算法,实现对特征空间和模型空间的双向拟合。实验结果表明,该模型能够进一步降低特征维度数,同时能够提高整体算法的预测正确率。(3)医疗数据临床辅助系统。基于本文提出的特征选择模型和数据预测模型,设计和实现了医疗数据临床辅助系统,通过数据导入、参数设定等功能模块,能得到最终的预测结果。

关键词：医疗数据分析特征选择机器学习启发式搜索算法

来源：评论

学校读者我要写书评

暂无评论

基于改进岭回归模型的数据识别与预测算法设计

引用

信息技术 2025年第3期49卷 23-27页

作者：马骁河北北方学院附属第一医院河北张家口075000

为了对医疗财务领域产生的海量数据进行识别和趋势预测,文中提出了一种基于改进岭回归的数据识别与预测算法。模型利用具有自注意力机制的卷积神经网络对数据的特征进行提取,并分配相应的权重,然后通过改进的岭回归算法进行风险预测。... 详细信息

为了对医疗财务领域产生的海量数据进行识别和趋势预测,文中提出了一种基于改进岭回归的数据识别与预测算法。模型利用具有自注意力机制的卷积神经网络对数据的特征进行提取,并分配相应的权重,然后通过改进的岭回归算法进行风险预测。在岭回归算法中引入核函数,将非线性数据映射到高维空间实现数据的精准回归预测。以6家大型医疗机构的数据集为样本进行实验,结果表明,所提模型算法的预测精确率达95.4%,召回率为94.6%,F1分数为94.8%,高于传统的主流机器学习算法模型,证明了该算法模型的有效性,能够对数据进行风险预测。

关键词：医疗数据分析岭回归卷积神经网络识别预测数据映射

来源：评论

学校读者我要写书评

暂无评论

C4.5决策树算法在医疗数据分类中的应用研究

引用

安庆师范大学学报（自然科学版） 2021年第2期27卷 49-53页

作者：郭星晨王青青王亚阜阳师范大学计算机与信息工程学院安徽阜阳236037

随着医疗水平的不断提高,借助机器学习方法对大量的医疗诊断数据进行分析成为近年来热点研究方向之一。在介绍C4.5决策树算法的相关理论及建树流程基础上,以竞赛项目中的乳腺癌数据集为基础,对数据集进行预处理,建立决策树分类模型,以... 详细信息

随着医疗水平的不断提高,借助机器学习方法对大量的医疗诊断数据进行分析成为近年来热点研究方向之一。在介绍C4.5决策树算法的相关理论及建树流程基础上,以竞赛项目中的乳腺癌数据集为基础,对数据集进行预处理,建立决策树分类模型,以可视化形式展示分类结果。实验结果表明,该分类模型可达到较高的准确率,证明决策树算法有助于医疗数据分析应用。

关键词：分类模型医疗数据分析决策树 C4.5

来源：评论

学校读者我要写书评

暂无评论

面向医疗疾病诊断的集成动态学习网络研究

面向医疗疾病诊断的集成动态学习网络研究

引用

作者：陈博钊华南理工大学

学位级别：硕士

智能医疗疾病辅助诊断模型需要满足更短诊断时间、更高诊断准确率、模型占据存储空间较少、更加方便落地实现等需求。本文面向医疗疾病诊断,主要研究集成动态学习网络的设计开发。以乳腺肿瘤和肺炎诊断为例,集成动态学习网络模型采用神... 详细信息

智能医疗疾病辅助诊断模型需要满足更短诊断时间、更高诊断准确率、模型占据存储空间较少、更加方便落地实现等需求。本文面向医疗疾病诊断,主要研究集成动态学习网络的设计开发。以乳腺肿瘤和肺炎诊断为例,集成动态学习网络模型采用神经动力学训练方法,使训练误差和测试误差单调平稳地下降收敛。相比传统的诊断模型,集成动态学习网络模型结合神经动力学理论和集成学习方法,减少所需训练的参数数目和存储空间,缩短模型训练时间和推理时间,稳步提高诊断准确率等性能指标值。这些优势为针对乳腺肿瘤和肺炎的筛查治疗提供确凿依据,有助于维护人类身心健康。本文主要研究工作概述如下:首先,针对乳腺癌存在性和乳腺肿瘤类型诊断两大任务,第二章结合神经动力学训练算法和相对多数投票策略提出投票动态学习神经网络诊断模型。相比由梯度下降算法训练而成的反向传播神经网络,投票动态学习神经网络能够大幅度提高计算效率和诊断准确率。其次,针对新冠肺炎的存在性诊断任务,第三章在第二章投票动态学习神经网络的基础上,结合深度卷积神经网络和引导聚合(Bootstrap aggregating,Bagging)集成方法提出深度集成动态学习网络诊断模型。深度集成动态学习网络将预训练卷积块而成的特征提取器和集成动态学习网络分类器串联起来,通过识别X光正位胸片图像中的特征来诊断新冠肺炎。再者,针对多种类型肺炎的诊断任务,第四章在第三章深度集成动态学习网络的基础上提出深度双阶段集成改进型动态学习网络诊断模型。深度双阶段集成改进型动态学习网络由图像特征提取器和双阶段集成改进型动态学习网络分类器两大模块串联而成,将自动识别新冠肺炎、其他类型肺炎和正常病例这一三分类任务拆分成两个逻辑相连的二分类子任务,分别用于诊断肺炎的存在性和所患肺炎类型,并且对动态学习网络进行改进。这些措施使整个深度双阶段集成改进型动态学习网络诊断模型具备更加事半功倍的诊断效果。除此之外,第四章结合深度双阶段集成改进型动态学习网络诊断模型和图形用户界面设计技术,开发出肺炎辅助诊断系统,以此达到诊断结果可视化的目的,为系统大规模落地实现奠定基础。因此,相比现有的方法模型,基于神经动力学理论的集成动态学习网络在诊断乳腺肿瘤和肺炎两项疾病诊断的运用能够缩短模型训练推理时间,稳步提升诊断准确度。并且通过开发肺炎辅助诊断系统的方式使诊断结果得以可视化,为未来研究提供创新性方向与思路。

关键词：神经动力学训练方法集成动态学习网络特征提取医疗数据分析医疗疾病辅助诊断系统

来源：评论

学校读者我要写书评

暂无评论

面向心脏房颤数据的特征表示方法和反投影稀疏表示分类方法研究

面向心脏房颤数据的特征表示方法和反投影稀疏表示分类方法研究

引用

作者：倪敏雅浙江工业大学

学位级别：硕士

随着社会的进步和医疗的发展，人们对疾病治疗和预防的需求日益增长。心脏房颤疾病作为一种常见的临床疾病，不仅影响患者的生活质量，同时经过射频消融手术后依旧可能出现疾病复发的状况。传统的医学分析方法在面对少量且不完整的房颤... 详细信息

随着社会的进步和医疗的发展，人们对疾病治疗和预防的需求日益增长。心脏房颤疾病作为一种常见的临床疾病，不仅影响患者的生活质量，同时经过射频消融手术后依旧可能出现疾病复发的状况。传统的医学分析方法在面对少量且不完整的房颤患者数据时，可能会出现结果偏离实际的情况。医学数据挖掘通过结合计算机技术、人工智能技术等方法挖掘房颤数据中的潜在价值，对降低房颤射频消融术后复发率和推动房颤疾病的诊疗都有着重大的意义。由此，本文主要从两个角度入手对心脏房颤医疗数据进行有效的分析：一是特征选择，目的在于寻找与房颤复发相关度较高的因素;二是分类，通过特征表示与反投影稀疏表示分类相结合实现更加准确的房颤复发预测。本文的主要贡献如下：　　1.提出了一种基于遗传算法（GeneticAlgorithm，GA）和随机森林（RandomForest，RF）的特征选择方法，以寻找房颤复发的重要影响因素。首先，针对于房颤患者数据倾斜的问题，本文从数据层面出发采用数据重采样技术使数据达到近似平衡，然后利用遗传算法模拟生物进化中的优胜劣汰规则，改进遗传算法策略并且将随机森林的分类效果作为遗传算法的适应度函数值，以寻找与房颤复发相关度较高的因素，并对全部影响因素进行排序。最后通过充足的实验对比证明，在本文研究的心脏房颤数据集上，本文提出的GA-RF特征选择方法优于传统的医学分析方法，与医生根据临床经验所得结果约有76%一致性，在临床上具有实际意义。　　2.提出了一种基于因子分析（FactorAnalysis，FA）和反投影稀疏表示分类（InverseProjectionSparseRepresentationClassification，IPSRC）的心脏房颤复发预测方法，以解决心脏房颤数据样本量少而导致预测效果不佳的问题。首先利用因子分析技术充分学习房颤数据的信息，然后在特征学习的基础上，利用反投影稀疏表示分类方法进行房颤复发预测。区别于稀疏表示分类方法需要充足的每类训练样本才能获得理想的结果，反投影稀疏表示分类方法可以在训练样本不足的情况下，充分利用测试样本和训练样本，以解决因数据量少而导致预测效果不佳的问题。最后通过充足的实验对比证明了本文提出的FA_IPSRC房颤复发预测方法的有效性和实用性。

关键词：特征选择医疗数据分析遗传算法反投影稀疏表示

来源：评论

学校读者我要写书评

暂无评论

大数据环境下的信息架构与数据模型

引用

信息资源管理学报 2018年第1期8卷 29-38页

作者：洪漪赵栋祥赵一鸣美国MedeAnalytics公司美国加利福尼亚州艾默里维尔市94608 武汉大学信息资源研究中心武汉430072

数据环境的变化给传统的数据处理和分析方式带来了挑战,能够适应大数据环境的信息架构与数据模型是大数据时代的应有之义。本文首先针对大数据信息架构的特征和核心组件阐述了一个包含数据存储层、数据管理层和计算模型层的大数据处理... 详细信息

数据环境的变化给传统的数据处理和分析方式带来了挑战,能够适应大数据环境的信息架构与数据模型是大数据时代的应有之义。本文首先针对大数据信息架构的特征和核心组件阐述了一个包含数据存储层、数据管理层和计算模型层的大数据处理架构模型;然后讨论了混合数据模型与大数据建模技术在大数据环境下的探索与应用;最后选取医疗健康领域,分析了大数据信息架构与数据模型在患者医保和财务数据分析、医疗质量管理和健康风险评估等场景中的应用。

关键词：大数据环境信息架构数据模型医疗数据分析

来源：评论

学校读者我要写书评

暂无评论

医院决策支持系统从传统型到移动型的建设与实践

引用

中国医疗设备 2017年第12期32卷 130-132页

作者：申宝明王锐楚宏硕徐浩庄绪金魏宾青岛大学附属医院信息管理部山东青岛266000

本文以我院决策支持系统(Decision Support System,DSS)的建设历程为例,首先介绍DSS架构、功能设计等,然后介绍传统型DSS在使用过程中出现的不足,最后介绍移动型DSS的建设方案以及应用优势和管理应用中的实践成效。

关键词：医院决策支持系统数据仓库医疗数据分析移动型决策支持系统

来源：评论

学校读者我要写书评

暂无评论

基于临床数据中心的医疗质量监控系统

引用

中国数字医学 2015年第12期10卷 16-18,29页

作者：陆耀上海交通大学医学院附属第九人民医院信息中心上海市制造局路639号200011

目的:运用信息技术,实现医疗质量的持续改进,建立事前规范、事中控制与事后分析的全面质量管理体系,涵盖医疗服务全过程和临床关键节点。方法:在第九人民医院临床数据中心(CDR)基础上,构建基于CDR的医疗质量监控管理系统。结果:通过在CD... 详细信息

目的:运用信息技术,实现医疗质量的持续改进,建立事前规范、事中控制与事后分析的全面质量管理体系,涵盖医疗服务全过程和临床关键节点。方法:在第九人民医院临床数据中心(CDR)基础上,构建基于CDR的医疗质量监控管理系统。结果:通过在CDR平台上实时展现7大类终末指标、12类环节质量指标,实现了对医疗质量的全面分析与监测。结论:基于临床数据中心(CDR)的医疗质量监控系统,增强了我院的医疗质量管理能力,使得医疗质量管理贯穿于整个病人诊疗过程。

关键词：临床数据中心医疗质量管理医疗数据分析精细化管理

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：