-
基于深度学习的幽门螺杆菌人工智能辅助诊断系统研究
编辑人员丨4天前
目的:构建一套内镜下识别幽门螺杆菌( Helicobacter Pylori, HP)感染多重特征的人工智能辅助诊断系统,并评估其在真实临床病例中的表现。 方法:回顾性收集2020年1月—2021年3月在武汉大学人民医院消化内镜中心同时间段行 13C呼气试验和胃镜检查的1 033例受检者资料, 13C呼气试验阳性(定义为 HP感染)为病例组(485例), 13C呼气试验阴性为对照组(548例)。将提示 HP阳性和 HP阴性的各类黏膜特征胃镜图像,以及以案例为单位的 HP阳性和 HP阴性病例胃镜图像以8∶1∶1的比例随机分配到训练集、验证集和测试集,基于卷积神经网络(convolutional neural network,CNN)和长短期记忆网络(long short-term memory network,LSTM)开发一套识别 HP感染的人工智能辅助诊断系统,其中,CNN可识别并提取每例患者内镜图像中的黏膜特征,生成特征向量,然后LSTM接收特征向量,综合判断 HP感染状态。以灵敏度、特异度、准确率和受试者工作特征曲线下面积评估系统的诊断性能。 结果:该系统对结节样改变、萎缩、肠上皮化生、黄斑瘤、弥漫性发红+点状发红、黏膜肿胀+皱襞肿大蛇形+黏液白浊和 HP阴性特征的诊断准确率分别为87.5%(14/16)、74.1%(83/112)、90.0%(45/50)、88.0%(22/25)、63.3%(38/60)、80.1%(238/297)和85.7%(36/42)。其综合判断患者 HP感染的灵敏度、特异度、准确率和受试者工作特征曲线下面积分别为89.6%(43/48)、61.8%(34/55)、74.8%(77/103)和0.757,其诊断准确率与内镜医师白光下诊断 HP感染的准确率相当(74.8%比72.1%, χ2=0.246, P=0.620)。 结论:本研究开发的系统在评估 HP感染方面具有较好的诊断性能,可用于辅助内镜医师判断 HP感染状态。
...不再出现此类内容
编辑人员丨4天前
-
SARIMA、GAM和LSTM在肾综合征出血热预测中的应用效果比较
编辑人员丨4天前
目的:分析季节性差分自回归移动平均模型(SARIMA)、广义相加模型(GAM)和长短期记忆神经网络模型(LSTM)在肾综合征出血热(HFRS)发病率拟合及预测中的效果,为优化HFRS预测模型提供参考。方法:在公共卫生科学数据中心(https://www.phsciencedata.cn/)收集全国和HFRS发病率居前9位的省份(黑龙江、陕西、吉林、辽宁、山东、河北、江西、浙江和湖南省)2004-2017年HFRS逐月发病率资料,其中,2004-2016年资料作为训练数据,2017年1-12月资料作为测试数据。利用训练数据拟合全国和9个省份HFRS发病率的SARIMA、GAM、LSTM;利用拟合模型预测2017年1-12月HFRS发病率,并与测试数据比较。采用平均绝对百分比误差( MAPE)评价模型拟合及预测精度, MAPE < 20%时模型拟合或预测效果为好,20%~50%为可接受,> 50%为差。 结果:从总体拟合及预测效果来看,全国和黑龙江、陕西、吉林、辽宁、江西省的最优模型为SARIMA( MAPE分别为19.68%、20.48%、44.25%、19.59%、23.82%、35.29%),其中,全国和吉林省模型拟合及预测效果为好,其余均为可接受;山东、浙江省的最优模型为GAM( MAPE分别为18.29%、21.25%),其中,山东省模型拟合及预测效果为好,浙江省为可接受;河北、湖南省的最优模型为LSTM( MAPE分别为26.52%、22.69%),模型拟合及预测效果均为可接受。从拟合效果来看,GAM在全国数据中拟合精度最高, MAPE =10.44%。从预测效果来看,LSTM在全国数据中预测精度最高, MAPE = 12.23%。 结论:SARIMA、GAM、LSTM均能作为拟合HFRS发病率的最优模型,但不同地区拟合的最优模型表现出较大差异。今后在建立HFRS预测模型时应尽可能多地纳入备选模型进行筛选,以保证较高的拟合及预测精度。
...不再出现此类内容
编辑人员丨4天前
-
融合空气数据的深度网络慢阻肺评估测试评分预测模型的构建及意义
编辑人员丨4天前
目的:构建融合空气数据的深度网络慢性阻塞性肺疾病(慢阻肺)评估测试(CAT)评分预测模型,并探讨其意义。方法:采用定组研究的方法,自2015年2月至2017年12月从北京大学第三医院、北京大学人民医院和北京积水潭医院呼吸科门诊入选稳定期的慢阻肺患者,采集患者住宅区附近的室外环境监测空气数据,计算患者每日空气污染物暴露量和天气数据,并连续记录患者每日的CAT评分。通过融合时序算法和神经网络建立模型对患者未来一周的CAT评分进行预测,并比较该模型与长短期记忆模型(LSTM)、添加全局注意力机制的LSTM模型(LSTM-attention)和自回归移动模型(ARIMA)的预测准确程度,并探讨预测模型的意义。结果:共纳入47例慢阻肺患者,平均随访时间为381.60 d,利用采集的空气数据和CAT评分构建长短期记忆模型-卷积神经网络-自回归(LSTM-CNN-AR)模型,其模型的均方根误差为0.85,平均绝对误差为0.71,较LSTM、LSTM-attention和ARIMA三者中最优模型平均预测准确度提升21.69%。结论:基于慢阻肺患者所处环境的空气数据,融合深度网络模型可更精准地预测慢阻肺患者的CAT评分。
...不再出现此类内容
编辑人员丨4天前
-
利用Informer深度学习网络预测呼吸运动
编辑人员丨4天前
目的:研究时间序列深度学习方法预测呼吸运动。方法:纳入肺癌患者的呼吸运动数据80例,将每一例呼吸运动数据按8∶2的比例划分为训练集和测试集,深度学习采用Informer网络,预测约600 ms延迟的呼吸运动,采用归一化均方根误差(nRMSE)和相对均方根误差(rRMSE)评估模型性能。结果:Informer的整体效果优于常规的多层感知器(MLP)和长短期记忆(LSTM)模型。在423 ms的预测时间下,Informer模型的平均nRMSE和rRMSE分别为0.270和0.365;在615 ms的预测时间下,平均nRMSE和rRMSE分别为0.380和0.379。结论:采用的Informer模型在预测时间较长时有较好的效果,对提高实时跟踪技术的效果具有潜在应用价值。
...不再出现此类内容
编辑人员丨4天前
-
基于小波变换和CNN-LSTM的肺音分类算法
编辑人员丨2周前
目的:针对如何建立有助于电子听诊诊断的肺音分类模型,提出一种基于卷积神经网络(CNN)-长短期记忆网络(LSTM)的混合深度学习肺音分类模型方法.方法:首先使用小波变换对数据集进行特征提取,使肺音信号转化为能量熵、峰值等特征;在此基础上构建CNN和LSTM的混合算法分类模型,其中将小波变换提取的特征先输入CNN模块,能够获得数据的空间维度特征,再通过LSTM模块获得数据的时间维度特征,融合两类特征,通过模型可以将肺音分类,从而达到辅助判断患者的肺部疾病.结果:CNN-LSTM混合模型准确率、F1分数均明显高于其他单一模型,可达到0.948和0.950.结论:提出的CNN-LSTM混合模型分类准确率更高,在智能听诊领域具有广泛的潜在应用价值.
...不再出现此类内容
编辑人员丨2周前
-
基于连续小波变换和高阶统计量的心律失常识别算法
编辑人员丨2周前
针对可变持续时间心电图(ECG)数据信号的非平稳性和时序性问题,提出一种基于连续小波变换(CWT)和高阶统计量(HOS)的心律失常识别算法.首先,针对可变持续时间ECG数据中每个样本的数据点数量不同,采用RR间期插值法预处理数据,并通过CWT将信号分解为不同的时频分量,从而使网络能够更好地提取心电信号中的时间和频率特征.其次,针对时序信息利用不充分的问题,提出基于HOS和长短期记忆网络的时序挖掘模块,以捕捉和学习ECG信号中的长期依赖关系,从而有助于识别和理解特定的心律失常类别.通过在公开的ECG数据集MIT-BIN上进行的大量实验,验证所提方法的有效性和优越性.
...不再出现此类内容
编辑人员丨2周前
-
机械通气人机不同步自动检测算法综述
编辑人员丨2024/3/16
该研究总结了患者与呼吸机非同步性(patient-ventilator asynchrony,PVA)自动识别技术在机械通气过程中的应用.在早期阶段,规则及阈值的设定方法依赖于呼吸机参数及波形的人为解析,虽然这类方法直观并易于操作,但在阈值设定和规则选择上相对敏感,不能很好地适应患者状态的微小变动.随后,机器学习和深度学习的技术开始出现并发展.这些技术通过算法自动提炼和学习数据特性,使PVA的检测更具鲁棒性和通用性.其中,逻辑回归、支持向量机、随机森林、隐马尔可夫模型、卷积自编码器、长短期记忆网络、一维卷积神经网络等方法都被成功地用于PVA的识别.尽管深度学习方法在特性提取上取得了显著进步,但是它们对标签数据的需求较大,可能会消耗大量医疗资源.因此,强化学习与自监督学习的结合可能是一个实际可行的解决方案.此外,算法的验证大多基于单一的数据集,未来对于跨数据集验证的需求将是一个重要且充满挑战性的发展方向.
...不再出现此类内容
编辑人员丨2024/3/16
-
长短时记忆神经网络模型在河北省麻疹疫情发病趋势预测中应用
编辑人员丨2024/3/16
目的 探讨长短时记忆(LSTM)神经网络模型在麻疹疫情发病趋势预测上的可行性,为科学防控麻疹提供参考依据.方法 收集中国疾病预防控制信息系统传染病监测系统中河北省发病日期为2004年1月—2020年12月的51 012例麻疹病例发病数据构建LSTM神经网络模型,选择最优模型对河北省麻疹疫情发病趋势进行预测,并采用均方误差平方根(RMSE)和平均绝对误差(MAE)评价模型预测效果.结果 河北省 2004、2005、2006、2007、2008、2009、2010、2011、2012、2013、2014、2015、2016、2017、2018、2019 和 2020 年分别报告麻疹病例 950、4 837、7 953、4 973、2 273、3 359、14 457、79、38、353、5 365、3 825、1 825、287、241、130和67例,从2015年开始河北省麻疹发病数逐年下降,且发病具有明显的季节性;视窗长度分析结果显示,当视窗长度取3时,模型预测效果最好,RMSE和MAE值分别为17.288和12.334;本研究构建LSTM神经网络模型对河北省2017-2020年麻疹发病情况进行预测,模型预测的发病趋势与实际趋势基本一致,RMSE和MAE值在2017、2019和2020年均<10,但2018年误差略大.结论 LSTM神经网络模型在河北省麻疹疫情发病趋势预测中效果较好,可用于麻疹发病趋势的研判和风险评估.
...不再出现此类内容
编辑人员丨2024/3/16
-
一种基于三轴姿态传感器和计算机视觉的针刺手法分类系统
编辑人员丨2024/1/20
目的:采用计算机视觉和传感器技术探索针刺手法的动作特征,提升针刺手法识别分类精度并量化分类.方法:以针刺物理参数的时域特征与手法视频中动态手势特征相结合的方式对针刺手法进行识别分类.选取2位针灸专家和3位年轻针灸师的针灸操作过程作为研究对象.收集的数据包括提插补法、提插泻法、捻转补法、捻转泻法4种手法,以上都由右利手医生进行.针灸操作过程中,采用三轴姿态传感器采集手指移动加速度和旋转角速度,以此计算针刺过程中手部移动速度、幅度、力度、角度等参数,分析物理参数与不同手法之间在时域上形成的映射关系;计算机视觉技术提取针刺手法视频中图像的时空特征,用三维卷积神经网络(3D CNN)和长短期记忆(LSTM)神经网络的混合模型对针灸操作视频中的动态手势进行识别和分类,分类过程中将物理参数的时域特征与动态手势特征结合实现手法分类.结果:本研究中4种手法的物理参数结果显示,补法中插针速度快、用力重,提针速度慢、用力轻;泻法中提针速度快、用力重,插针速度慢、用力轻.捻转补法中左捻用力重、旋转幅度大,右捻用力轻、旋转幅度小;泻法中右捻用力重、旋转幅度大,左捻用力轻、旋转幅度小.提插手法主要体现在Z轴上的垂直作用力,捻转手法主要体现在X与Y轴水平方向作用力.该方法对提插补、提插泻、捻转补和捻转泻的识别分类有较高的准确率,分别为95.56%、93.33%、95.56%和91.11%,与单一使用传感器获取手法信息的分类方法相比,识别准确率有明显的提升.结论:该系统能实现针刺手法中物理参数的定量分析和动态手法识别,为后续针刺手法的量化与传承提供一定基础.
...不再出现此类内容
编辑人员丨2024/1/20
-
2011-2021年湖北省武汉市乙型肝炎流行特征分析及发病预测
编辑人员丨2024/1/13
目的 分析湖北省武汉市2011-2021年乙型肝炎(乙肝)的流行病学特征,探讨季节性差分自回归滑动平均(SARIMA)模型与长短期记忆神经网络(LSTM)模型在乙肝发病预测中的应用.方法 通过描述性流行病学方法分析武汉市2011-2021年乙肝流行特征;建立SARIMA模型和LSTM模型,对武汉市乙肝月报告发病数进行拟合与预测,并评价两种模型的效果.结果 2011-2021年武汉市报告乙肝累计发病数为55 115例,年均报告发病率为47.37/10万;无明显季节性发病高峰;发病年龄主要集中在30~59岁人群,占比为60.90%;发病人群以家务及待业、不详、农民为主;男、女性别比为2.17∶1,男、女性乙肝年均报告发病率分别为62.64/10万、30.99/10万;中心城区年均报告发病率为44.93/10万,低于远城区的50.96/10万.SARIMA模型、LSTM模型的均方根误差分别为43.24、16.55,平均绝对百分比误差分别为7.60%、3.05%.结论 武汉市成年人乙肝防控工作不容忽视,应加强老年人、青年男性等重点人群的乙肝监测、疫苗接种和宣传教育等综合防控工作.建立的LSTM模型拟合和预测效果总体上优于SARIMA模型.
...不再出现此类内容
编辑人员丨2024/1/13