【摘 要】
:
随着人工智能技术与大数据技术的飞速发展,医疗行业中数据的信息化也在不断地建设。随着医疗数据的建设和完善,人工智能技术开始辅助医疗的研究和发展。无痛分娩,在医学上被称为“分娩镇痛”,在这里具体指的是硬膜外镇痛。这种方式可以使孕妇在分娩时的疼痛感得到极大缓解,让分娩更加顺利,但是也会对孕妇和婴儿产生的不良影响一直备受争议。对于这个人工分析较为困难的问题,人工智能技术及大数据技术可以在研究和辅助分析方面
论文部分内容阅读
随着人工智能技术与大数据技术的飞速发展,医疗行业中数据的信息化也在不断地建设。随着医疗数据的建设和完善,人工智能技术开始辅助医疗的研究和发展。无痛分娩,在医学上被称为“分娩镇痛”,在这里具体指的是硬膜外镇痛。这种方式可以使孕妇在分娩时的疼痛感得到极大缓解,让分娩更加顺利,但是也会对孕妇和婴儿产生的不良影响一直备受争议。对于这个人工分析较为困难的问题,人工智能技术及大数据技术可以在研究和辅助分析方面发挥重要作用。本文针对无痛分娩对母婴结局相关影响的问题,使用相关系数和机器学习的方法研究了无痛分娩数据与母婴结局的相关性,建立了无痛分娩母婴结局预测机器学习模型,设计与实现了无痛分娩母婴结局预测应用系统,论文的主要工作和成果如下:1、研究了母婴结局与生理指标相关关系。母婴结局与生理指标相关关系研究将从数学角度、机器学习模型角度等进行分析,寻找不同的母婴结局的最相关因素和次相关因素等不同缘由。通过数学模型计算生理指标与不同结局以及各个生理指标之间的线性关系和生理指标和不同结局之间的非线性相关程度,通过机器学习模型挖掘不同的生理指标对母婴结局的重要性差异,使用机器学习的可视化探究模型的分类方式,通过这些研究进一步为临床医护人员提供一定的指导和见解。2、设计了无痛分娩母婴结局预测算法。根据生理指标,设计机器学习模型算法,使用机器学习模型对母婴结局进行预测。在产妇接受分娩镇痛的过程中,临床医护人员需要考虑大量的信息,机器学习算法可以在分娩镇痛前和分娩过程中使用产妇分娩期间的生理特征数据,对无痛分娩的母婴结局进行预测。由于目前医生根据特征数据和临床经验难以对接受分娩镇痛后的母婴结局进行准确估计,而更为强大的机器学习可以对这一复杂的临床情况进行分析判断,为医生提供一定的建议和分析。医生可以在分娩镇痛前和分娩过程中利用以机器学习算法为基础的预测模型,得到一个母婴结局的预测结果,同时根据围产期产妇各项生理特征,得出一个较为准确的分娩镇痛母婴结局。3、设计与实现了无痛分娩母婴结局预测系统,针对无痛分娩母婴结局预测算法,以及目前医生无法对无痛分娩的母婴结局进行预估的现状,研究制作了无痛分娩母婴结局预测系统。系统和病人的数据库相连,同时制作GUI页面,医生可以输入孕妇和婴儿的相关信息预测母婴结局或无痛分娩的并发症。同时部署数据库,让医生可以随时调取数据库中的信息进行预测分析。而在分娩过程中,系统可以自动根据分娩过程中数据的迭代进行自动预测,可以给医生更好的帮助。
其他文献
随着5G、高精度通信等现代科技的飞速发展,网络授时作为其中的关键支撑技术受到了广泛的关注。分布式测量、算法调度、高频交易等众多新兴应用对网络授时的需求也快速增长,对现有网络授时系统的授时精度提出了更高的要求。精确时间协议(PTP)是目前应用广泛的授时协议,实现了授时精度从毫秒级到亚微秒级的巨大突破。然而由于实际网络中存在上、下行不对称的时延,导致PTP时间偏移计算结果不准确,授时精度也因此受到了限
传统的心理测评模式受到纸质心理量表和地域、时间等方面的制约,无法满足大规模的心理测评。本文依据心理云平台开展心理测评业务的要求,利用软件开发技术设计和实现心理量表构造及测评报告生成系统,使之提升心理测评业务的效率和规模。本文首先分析和归纳系统周围环境、用户角色、功能性需求、非功能性需求。根据系统周围环境分析与其他系统和用户的交互情况,将用户划分为系统管理员、机构管理员、量表管理员。系统功能性需求分
随着搭载在网络上的服务数量和种类的不断增加,网络中的设备也在向多元化和位置分散化的趋势发展。这种情况在提高了网络复杂性的同时,也提高了故障管理的难度。因此,告警关联分析作为故障管理的重要手段之一受到了广泛的关注。其主要目的就是通过对告警数据进行压缩、过滤及分析等操作找到数据之间潜在的关联性,并通过这些关联信息从一组告警序列中推理出指示故障根源的告警。目前,在告警关联分析方面的研究已经有了较大的进展
光纤通信以其传输容量大、传输距离长、保密性好等优点已经成为当今通信领域中一种重要的通讯方式[1]。凭借其在传输过程中保持波形、速度、幅度等不变的特性[2-4],光孤子成为了光纤通信中最具前景的介质。目前,光孤子研究的主要实验平台是锁模光纤激光器,因此对于光纤激光器的一些理论研究也就非常重要。在理论方面,光孤子在光纤中的传输可以用非线性薛定谔方程来建模[5],孤子解是在研究非线性模型中的一个重要方面
目前学术上已积累了许多关于移动边缘计算环境下任务卸载方法研究,但仍存有不足之处。一方面,目前的研究工作主要以最小化平均时延或最小化整体时延为优化目标,忽略了不同任务差异化的时延需求,导致大量任务无法按时延约束完成;另一方面,针对用户移动性造成的用户服务质量(Quality of Service,QoS)下降问题,当前研究只考虑如何通过迁移或者动态卸载提升QoS,而忽略两者之间相互依赖的关系以及对Q
近些年,移动设备数量快速增长,工业互联网、高清视频等业务场景不断涌现,致使网络中的数据流量激增。上述发展现状不仅需要移动通信网络具备更强的承载能力,并且对网络的稳健性以及泛在能力提出了更高的要求。面对这些挑战,仅靠增加接入设备、提高网络带宽难以从根本上解决问题。卫星通信的发展为应对以上挑战提供了新的思路,利用卫星实现全球无缝覆盖,并通过广播、多播技术进行高效的内容分发,在一定程度上可以弥补地面通信
随着光通信的发展,光纤通信的大容量优势已经使其成为最为主要的通信方式,光纤通信的安全性也越发重要。混沌光通信由于初值敏感性以及类噪声的特点成为了近年的研究热点。虽然激光混沌系统能够在类噪声的载波中隐藏信息,但是通过统计特性分析,其最为重要的时延密钥可以被破解,从而使得窃听者能够重构系统,威胁到系统的安全。而且,由于激光混沌系统对于时延密钥的依赖性太强,导致其非线性程度不够,密钥空间较少,也不利于系
随着云计算和大数据时代的到来,互联网时时刻刻释放出的海量数据在各行各业中发挥作用。当越来越多的大数据出现在云端,数据的使用边界问题、数据的个人隐私问题等问题也接踵而至。欧盟发布的《通用数据保护条例》明确了当企业或组织出于某种用途想要收集用户的隐私数据,在此之前必须经过用户明确的同意,如果企业或组织想要修改数据的用途,需要用户的再次同意。同时,企业或组织在使用数据时,不可将数据用于反推用户的隐私。出
随着网络信息技术的协同式发展,网络及社交媒体上每时每刻都涌现出大量的图像及文本数据。其中,图像作为一种重要的信息承载媒介,往往呈现出数据量大、内容多且覆盖广等诸多特点。面对网络中海量且持续的视觉信息,单靠人工标注工作量大、成本高、差异多,且不利于提升图片分类及索引的效率。图像生成描述系统允许用户输入图像,并自动返回与之内容匹配的自然语言描述。该模式有助于节约时间和人力成本,实现机器对图像视觉信息的
随着第五代移动通信(The fifth Generation,5G)的大规模商业部署和工业4.0的极速发展,物联网(Internet of Things,IoT)应用从传统的机器类型通信向关键任务通信转变,并对通信的可靠性、延迟和IoT设备电池寿命等提出了多样化的需求。作为5G的三大关键场景之一,高可靠低时延通信(Ultra Reliable and Low Latency Com-municat