【摘 要】
:
探索广义回归神经网络模型在传染病发病率预测的作用,以肾出血热综合征发病率为例,构建广义回归神经网络模型用于预测,GRNN模型能够很好地预测肾出血热综合征的发病趋势,优于ARIMA模型,与ARIMA-GRNN、ARIMA-NARNN联合模型效果相当,GRNN模型不仅具有较好的预测性能,还具有较强的实用性和操作性,便于学习和推广,是一种传染病.
【机 构】
:
广西壮族自治区医学科学信息研究所 广西医科大学公共卫生学院
【出 处】
:
中华医学会第二十三次全国医学信息学术会议
论文部分内容阅读
探索广义回归神经网络模型在传染病发病率预测的作用,以肾出血热综合征发病率为例,构建广义回归神经网络模型用于预测,GRNN模型能够很好地预测肾出血热综合征的发病趋势,优于ARIMA模型,与ARIMA-GRNN、ARIMA-NARNN联合模型效果相当,GRNN模型不仅具有较好的预测性能,还具有较强的实用性和操作性,便于学习和推广,是一种传染病.
其他文献
本研究采用了文献调研和对比分析的方法,调研了典型国家临床研究网络相关网站和文献,分析了我国目前临床研究网络的现状,并提出了适合我国国情的临床研究网络构建方式,希望能够为促进我国临床医学发展提供参考。我国应加强对国家临床医学研究网络架构的顶层设计,通过构建多层级结构、功能完善的国家临床研究网络,可以更好地集成、整合、统一规范地开展高质量、高技术、大队列的多中心临床试验研究,推动临床研究成果的转化应用
仔细聆听了来自各医院图书馆老师的学术报告和经验分享,首先,医院图书馆不只是一个进行图书杂志的借还、收发的地方,更是一个在信息时代以不同途径传播知识的地方;医院图书馆要发展,不能等领导来安排工作。而是要靠馆员自己去努力开发创新,变被动服务为主动服务,要有所为才能有所位。领导只要看到了你的成绩,才有可能给你资金,医院图书馆才会有进一步发展的空间,总结出了资源共享是图书馆快速提升服务效能的有效途径,它能
本研究采用文献计量学方法,对徐州市某三甲医院2011-2015年发表的科技论文进行统计分析,对该院科技水平进行客观评价,旨在为医院科研工作提供量化的评价依据.
对一个科研团队的学科服务工作单个学科馆员是无法完成的,而应是由馆内信息资源建设人员、信息技术人员、情报研究人员、学科馆员和科研团队中科研秘书、学科专家在内的协同合作的学科服务团队共同完成,形成馆内各部门、图书馆与科研团队之间的有效交流合作。学科馆员作为科研团队中的成员,面临着信息技术的网络数字化、信息资源的多元化和科研人员对知识产品需求的挑战,学科馆员应该注重提高自身的综合素质,发挥优势弥补劣势,
本研究中文本挖掘过程有,数据源中获取文献集、进行文本处理、抽取信息和进行实体识别命名、信息分析。其中一个最重要生物医学文献来源书目数据库是Pubmed(文摘型数据库)。利用文本挖掘技术,抽取NSCLC相关的基因,构建PPI网络找出相关的枢纽(hub)蛋白并进行分析,以描述和认识NSCLC相关基因特征,分析NSCLC相关hub蛋白的功能,通路和网络,以期为NSCLC的基因诊断和靶向治疗等方面提供参考
为了了解重庆地区门诊患者对健康信息的需求特点,信息获取方式与途径,以及对信息的理解和利用等,作者对重庆市某三甲医院的门诊患者的健康信息查询行为进行了调查。
为了了解该领域文献研究现状,探索其研究动态和方向,我们对国内外呼吸系统研究的SCI文献进行了计量学分析.本文从科研产出数量和学术影响两个方面纵观我国近10年呼吸系统科学领域的发展态势,并通过国家间的横向比较分析我国该领域的国际学术地位。
探索临床表型与组学融合与利用的关键技术,以支持临床和组学大数据相结合的采集、分析、判断、决策和知识发现的技术平台.方法分析临床表型与组学数据利用现状,策划融合平台总体技术路线,探讨平台研究的关键技术.开展临床表型与组学融合的各类技术与服务模式研究,对提升我国精准医学科研水平,促进健康医疗大数据各类应用在区域全面落地具有重要意义。
科技创新的关键和根本是人才,在此背景下,开展我国医药卫生高层次科技人才培养的现状与问题的相关研究,总结我国医药卫生高层次人才培养面临的重大困境与关键问题,是提高我国医学科技创新水平和全民健康水平的重要保障。首先简要介绍了我国医药卫生科技人才培养总体概况;其次,运用定量与定性的分析方法从我国每年新增医学博士数量、博士后规模、诺贝尔奖获得者分布、高被引科学家占比、千人计划、长江学者、新增院士等方面调研
通过对乳腺癌数据的处理,实现对乳腺癌的三阴性、Her-2、PR、ER、Ki67、淋巴结及转移等指标的分类,从而对乳腺肿瘤的良性和恶性做出识别,以达到辅助诊断乳腺癌的目的.SVM的最高准确率为85.19%,LDA的最高准确率为92.60%,而KNN的分类效果相对较好,最高准确率达到了96.30%。这说明对于同一数据集,不同分类器的分类效果不同。所以要想获得较好的分类效果,分类器的优选是关键因素。在S