【摘 要】
：
慢性阻塞性肺疾病,简称慢阻肺,是最常见的慢性呼吸病,其较高的发病率和死亡率给社会带来了沉重的负担。中医治疗慢阻肺具有疗效精准、副作用小的优势,规范的中医治疗是降低疾病负担的关键。目前我国慢阻肺患者基数大、合格的中医生数量不足,因此针对慢阻肺的中医智能诊疗研究具有重要现实意义。针对慢阻肺中医诊疗数据集缺乏问题,本文首先设计了一种全新的慢阻肺患者信息录入形式,并对湖北省中医院肺病科近五年来（2016-
论文部分内容阅读
慢性阻塞性肺疾病,简称慢阻肺,是最常见的慢性呼吸病,其较高的发病率和死亡率给社会带来了沉重的负担。中医治疗慢阻肺具有疗效精准、副作用小的优势,规范的中医治疗是降低疾病负担的关键。目前我国慢阻肺患者基数大、合格的中医生数量不足,因此针对慢阻肺的中医智能诊疗研究具有重要现实意义。针对慢阻肺中医诊疗数据集缺乏问题,本文首先设计了一种全新的慢阻肺患者信息录入形式,并对湖北省中医院肺病科近五年来（2016-2011）的临床病案数据进行规范化录入,进一步地,本文对患者症状、体征等特征进行分级规范化,并提出将无症状看作一种症状表现以统一患者症状集长度,最终得到规范化的慢阻肺中医诊疗数据集,消除了原始病案数据中的信息杂乱现象,能够更好地适应后续模型训练。针对慢阻肺患者症状繁多,治疗处方呈现多样化,中医智能诊疗缺乏“症状-证型-处方”一体化模型等问题,本文提出了一种基于编码器-解码器结构的端到端慢阻肺智能诊疗模型。模型首先通过Transformer编码器充分提取患者的病理特征,依此推断出患者的证型,进一步地结合患者的病理信息和证型信息解码处方。针对模型构建过程中存在的证型和药物分布不均衡问题,本文将损失函数分为证型推断损失和处方推荐损失两部分,证型推断损失通过改进Focal Loss以提升模型对难辨证型的关注度,处方推荐损失采用一种非对称的损失函数区分模型对不同药物的正样本和负样本的关注度,进而缓解每种药物的正负样本数量差异对模型输出的干扰。在本文构建的慢阻肺中医诊疗数据集上进行实验,将本文提出的模型与经典模型进行对比,实验结果表明,证型推断的F1值达71.10%,处方推荐的F1值达63.51%,高于对比模型。同时,对比实验表明改进后的损失函数相比传统交叉熵损失明显降低了数据不均衡对模型的影响,模型的证型推断和处方推荐结果更精准。为了实际地辅助医生诊断,本文基于上述慢阻肺智能诊疗模型,设计并实现了慢阻肺中医智能诊疗系统,系统具备证型推断、处方推荐等功能,目前本系统已在湖北省中医院投入使用。
其他文献
近年来,多媒体业务的蓬勃发展带来了网络中视频流量的井喷式增长,互联网用户开始追求更高质量的视频传输业务。随着小型卫星通信组网技术与发射技术日趋成熟,可全球覆盖的低轨道宽带卫星通信网络（低轨道卫星网络）,为视频组播带来了新的发展契机。通过在低轨道卫星网络中部署软件定义网络（Software Defined Network,SDN）框架,可以克服地面网络分布式管理瓶颈,实现更高效的软件定义组播（Sof
为保障工业系统的可靠性,尽可能避免因设备运行异常导致的危害,如何高效地检测出设备异常运行状态是一个急迫的问题。大多数异常的发生是一个渐变的过程,因此本文通过检测传感器采集的时间序列片段样本用于判别设备是否处于异常运行状态。基于传统信号处理的检测算法需要针对具体设备做特征工程,不利于应用到不同类型的设备,存在泛化性差的问题。而深度迁移学习能够自动地从不同类型设备数据中提取有用特征,无需依赖过多标注数
随着近年来基于位置的服务（Location-based Services,LBS）的发展,人们对位置隐私保护问题的关注度越来越高。位置和轨迹数据通常会包含用户个人的敏感信息,直接发布会对用户隐私造成威胁。差分隐私（Differential Privacy,DP）作为一种具备坚实数学基础的隐私保护方法,在位置和轨迹数据发布中得到了广泛的应用。然而,现有的位置差分隐私发布机制,大多数只考虑静态场景的位
如今视频传输已占据因特网中绝大多数的带宽,传统的视频组播方式会产生大量的带宽浪费。而新兴的大规模多层低地球轨道（Low Earth Orbit,LEO）卫星网络可以通过星间链路进行带宽优化的视频组播,显著减少流量浪费。目前对于卫星网络组播路由的研究集中在IP组播,但其路由性能和可拓展性有限,并不适用于大规模卫星网络。新兴的软件定义组播（Software Defined Multicast,SDM）
证照作为公民的身份凭证,在金融、交通和医疗等领域都应用广泛。由于人工查验效率低下,难以适应日益加快的国际化进程,因此亟需实现证照的自动化查验。然而,证照种类繁多,版面结构复杂多样,证照表面印有复杂的背景图案和防伪特征并且常常出现字符污渍和缺损等情况,给现有算法带来了巨大的挑战。针对以上问题,本文提出了一套适用于证照的结构化识别算法。针对证照中细长文本检测困难问题,本文提出了一种分组多路可选择卷积,
随着基于位置的社交网络平台的发展,产生的大量含有时空信息的签到数据给用户行为特征研究带来了新机遇。作为最具代表性的研究之一,跨社交平台用户身份匹配推动了用户跨域信息融合,促进了更优质的商业服务和个性化推荐质量,因此引起了广泛的研究关注。然而,在处理时空签到数据时,现有工作大都使用离散化方法,忽略了时空本身的连续性,导致严重的边界效应,影响算法性能。为了解决该问题,本文提出了基于关联位置连续签到模式
慢性阻塞性肺疾病,简称慢阻肺疾病,是一种常见的慢性呼吸系统疾病。该疾病会让患者严重丧失劳动能力,这给患者的家庭以及社会带来沉重的经济负担。中医治疗慢阻肺疾病具有毒副作用小且标本兼治的优点,能够极大缓解慢阻肺患者的症状。目前我国的慢阻肺疾病患者基数大,有经验的中医数量不足,导致中医慢阻肺医疗资源面临着巨大的压力,因此研究慢阻肺中医智能诊疗尤为迫切。针对慢阻肺中医智能诊疗中的证型和症状多样化,且证型相
零样本图像分类旨在解决缺失训练样本的未见类图像的分类问题。虽然近年来以监督学习范式在大规模数据集上训练的深度神经网络在图像分类等计算机视觉任务上取得了显著的性能提升,但是这些分类模型局限于训练集中出现过的已见类,无法对缺失训练样本的未见类进行有效地识别。然而,实际应用场景中不可避免地存在因为标注成本过高、样本稀缺、类别随时间变化导致的未见类图像样本的出现。为了解决此类问题,零样本图像分类方法期望借
自互联网诞生以来,研究如何在海量的图像数据中检索出用户所需要图像的图像检索一直是计算机科学的一个基本问题。随着智能触屏设备的普及,草图逐渐成为一种重要的媒体模态,并使得草图检索成为一个热点研究问题。已有的草图检索只能检索在训练集中出现过的类别的草图。然而作为一个实际应用问题,在实际使用时很难保证训练集能够覆盖到所有的待检索类别。零样本草图检索任务,则要求计算机能够对训练集中未出现类别的草图实现草图
在食品、药品等领域,产品外包装上必须附带如生产日期、有效期限、生产批次等印刷文本,其重要意义是明确保质期、保留可追溯途径。存在错印、漏印等质量问题的印刷文本会给企业带来法律风险。传统人工抽检方式存在开销大、漏检率高的弊端,而使用机器视觉技术能够实现更智能、更高效的解决方案。本文研究端到端的文本检测识别算法,并研发了一个印刷文本视觉检测识别软件系统。主要工作如下:（1）针对激光打印文本存在对比度低的