【摘 要】
:
本论文在医疗信息化背景下,利用物联网、大数据分析技术,结合人工智能,机器学习算法设计了具备医疗信息通信与交互、智能化识别、监控和管理为一体的医疗物联网平台,实现了前端设备数据采集、多源异构体征数据归一化处理、远程体征信息智能建模分析、应用服务共享互惠的需求。传统医疗信息化系统存在数据孤岛现象严重、数据评判标准单一、患者病情误判率高的问题,且传统的体征测量及传输方式无法对病人体征进行实时监测,不能有
论文部分内容阅读
本论文在医疗信息化背景下,利用物联网、大数据分析技术,结合人工智能,机器学习算法设计了具备医疗信息通信与交互、智能化识别、监控和管理为一体的医疗物联网平台,实现了前端设备数据采集、多源异构体征数据归一化处理、远程体征信息智能建模分析、应用服务共享互惠的需求。传统医疗信息化系统存在数据孤岛现象严重、数据评判标准单一、患者病情误判率高的问题,且传统的体征测量及传输方式无法对病人体征进行实时监测,不能有效辅助医护人员对患者病情进行有效追踪。本文基于医疗物联网技术研究设计了多源异构体征数据的标准化采集、预处理、存储、模型分析及应用实践,与传统的医疗监测研究相比,具有如下内容及创新点:首先,建立统一的设备信息采集及医疗数据共享规范,从前端体征血糖仪、血压计、胎心监测仪、智能手环等四种以上的多元冗杂设备对接规范精简成一种,工作量减少75%,效率提升300%。其次,在智能风险模型研判上,该平台通过多种算法分析进行模型搭建,有利于快速有效发现潜在的疑似患者。最后,在远程病情护理上,通过改良数据传输方式将传输时效从以往的“天”缩短至“秒”级。利用对设备的实时追踪、智能采集以及对患者体征的建档分析形成智能化患者画像,实现对患者的远程医疗监护。本论文通过对多源异构数据的融合研究,不仅能够对患者进行智能化、精细化的管理,有效提升患者对潜在疾病的健康防控水平,且已在北京、福州、厦门等多家三甲医院实施应用,未来可在全国医疗行业的信息采集、智能化健康管理方面进一步深化推广。
其他文献
甲基丙烯酸甲酯(MMA)是一种高附加值的重要化工原料,由甲基丙烯醛(MAL)一步氧化酯化制备是新的绿色工艺之一。相较于研究较多的Pd基催化剂,Au基催化剂因其催化活性及选择性更高而备受关注。本文主要研发选择性氧化酯化MAL的Au基催化剂,并探究相关各种影响因素。本文采用胶体沉积法制备不同氧化物载体的Au基催化剂,并进行活性评价,发现负载于碱性氧化铝(B-Al2O3)的Au基催化剂的活性最佳,其对M
灵芝(Ganoderma lucidum)作为一种珍贵的药材受到广泛关注。灵芝孢子是灵芝的种子,含有多糖、三萜、核苷等活性成分,营养价值较高。多糖是灵芝孢子中最重要的有效成分之一,它具有抗氧化、免疫调节、抗肿瘤等作用。影响灵芝孢子多糖质量的关键在于提取技术,研究高效的灵芝孢子多糖提取技术对于其进一步的开发利用具有重要的现实意义。本论文采用不同方法提取灵芝孢子多糖,并进行了理化表征、抗氧化活性实验、
目标跟踪是计算机视觉领域中一项基础且重要的研究任务,在工业检测、智慧交通、自动驾驶等领域有重要应用。在视频的第一帧中给定初始的目标后,目标跟踪方法旨在视频的连续帧中估计该目标的范围,目标跟踪方法主要通过一个边界框来表示目标范围。随着计算机视觉和深度学习技术的发展,近年来目标跟踪方法的性能迅速提升。然而,进一步提升性能仍存在困难挑战,例如,目标的快速移动、剧烈形变、消失视野等。面对诸多困难挑战,现存
燃料电池因其相比传统能源具有更高的能量转换效率、环境友好等优点,越来越成为未来新能源领域重要的发展方向之一。甲酸的电催化氧化反应是最基础的有机酸氧化反应和直接甲酸燃料电池的重要阳极反应。但由于其常用的Pt、Pd等贵金属催化剂选择性和活性较低,而且易被毒化。随着使用时间的增加,催化效率和稳定性的降低,大大阻碍了直接甲酸燃料电池的发展。因此提高催化剂的活性一直是燃料电池研究的核心和难点。对一些关键反应
职业生涯规划对高中生的未来发展非常重要,教师必须重视对高中生进行职业生涯规划,引导高中生树立规划意识,从而助力高中生未来更好的发展。本文主要论述高中生职业生涯规划认知现状与应对策略,仅供读者参考。
通过添加导电性材料可以介导并促进互营菌与产甲烷菌间直接种间电子传递(Direct interspecies electron transfer,DIET),从而加速厌氧产甲烷过程。该策略应用于高浓难降解精对苯二甲酸(Purified terephthalic acid,PTA)废水处理上,可能实现简化工艺、降低成本,对PTA废水工业处理领域极具意义。本研究在上流式厌氧污泥床(Up-flow ana
随着全球计算力的提升,深度学习的方法正在成为解决人工智能问题的一个重要途径。图像语义分割是计算机视觉中一个重要的研究热点,在现实中被广泛应用于无人驾驶,辅助医疗诊断以及地理信息系统等。图像语义分割从本质上来讲是对图像各个像素点进行稠密分类的工作,传统算法是用一般的机器学习方法来手工设计图像的语义特征,之后再使用SVM等分类器进行分类来得到最终的图像分割结果。卷积神经网络在计算机视觉领域不断突破现有
目标跟踪是计算机视觉领域中一项基础研究任务,在视频监控、城市安防、智慧交通的场景中应用广泛。因此,对目标跟踪方法的研究具有重要的理论意义和应用价值。随着深度学习的快速发展,基于深度神经网络的目标跟踪方法表现出优越的性能,目标跟踪算法整体性能得到了显著的提升。其中,基于全卷积孪生网络的目标跟踪算法,由于其良好的跟踪精度与高效的跟踪效率,受到了研究人员的广泛关注。然而,由于背景杂乱、光照变化、目标表观
双离子电池是一种超越传统摇椅电池的新型电池体系,它具有高能量密度、低成本,环保和长寿命等优点,已成为研究热点之一。传统的双离子电池其正负极均采用石墨电极材料,石墨负极在双离子电池中低的理论比容量导致整体电池低能量密度问题,因此探究可替代石墨的负极材料是改善双离子电池性能的有效措施之一。采用高比容量的锂金属作为负极材料可显著提升电池的能量密度,但锂金属负极在循环过程中存在严重的锂枝晶生长问题导致电池
图像语义分割是计算机视觉任务中一个经典的研究方向,其目的是对图像中的每一个像素点进行分类,使得图像语义信息相同的像素点具有相同的语义类标,从而实现对图像的语义内容分割。得益于深度学习技术的不断发展,图像语义分割任务取得了一系列巨大的突破,运用卷积神经网络技术解决图像语义分割难题已经成为主流方法。基于深度全卷积神经网络(FCN)的图像语义分割模型的训练过程可以被归纳为三个阶段:(1)主干层级特征提取