期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于贝叶斯网络的临床信息模型检索方法研究:以HL7 V3为例 被引量:2
1
作者 黄晓硕 杨林 李姣 《中国生物医学工程学报》 CAS CSCD 北大核心 2020年第4期440-448,共9页
临床信息模型的可复用性是实现健康医疗信息互联互通和共享的重要基础,检索并识别出临床信息模型中可复用的对象是提高复用性的一种有效途径。以HL7.org发布的HL7 V32017标准版本为研究对象,应用扩展的4层贝叶斯网络表征该临床信息模型... 临床信息模型的可复用性是实现健康医疗信息互联互通和共享的重要基础,检索并识别出临床信息模型中可复用的对象是提高复用性的一种有效途径。以HL7.org发布的HL7 V32017标准版本为研究对象,应用扩展的4层贝叶斯网络表征该临床信息模型,在简单贝叶斯网络的基础上增加分层消息描述(HMD)之间语义相似性的扩展层,通过网络的逐层概率推演识别出可复用的临床信息模型。实验设计"就诊预约"、"实验室结果"和"病人实体"等3个检索任务,并应用平均精度均值MAP、平均精度AP和截止点准确率等3个指标以评价检索方法的性能。最终构建含有3428个节点和22646条边的4层贝叶斯网络,自上而下依次为数据元素层、HMD层、重复的HMD层和消息类型层,各层节点数量分别为2177、422、422和407。检索结果显示,MAP值达到了0.382,在第3、第5和第10截止点的平均准确率分别达到77.8%、60.0%和46.7%;该方法不仅可以检索出通用型和领域型两类可复用模型,还能够发现临床语义切实相关的对象(例如检索"就诊预约"时返回的"预约更新通知"对象)。所提出的方法将有助于提高HL7 V3信息模型的复用性,并促进临床信息标准的国际化建设,同时对其他临床信息模型检索方法的优化和改进存在一定的借鉴意义。 展开更多
关键词 HL7 V3 贝叶斯网络 临床信息模型 信息检索
在线阅读 下载PDF
中英文标准化动脉粥样硬化性脑血管病术语中国专家共识
2
作者 中国卒中学会医疗质量管理与促进分会 《中英文标准化动脉粥样硬化性脑血管病术语中国专家共识》编写组 +1 位作者 李子孝 李姣 《中国卒中杂志》 北大核心 2024年第8期973-977,共5页
动脉粥样硬化性脑血管病疾病负担沉重,严重危害我国人民健康,是亟待解决的疾病问题之一,但目前我国尚未对动脉粥样硬化性脑血管病统一术语。《中英文标准化动脉粥样硬化性脑血管病术语中国专家共识》参考国内国际临床指南、本领域国际... 动脉粥样硬化性脑血管病疾病负担沉重,严重危害我国人民健康,是亟待解决的疾病问题之一,但目前我国尚未对动脉粥样硬化性脑血管病统一术语。《中英文标准化动脉粥样硬化性脑血管病术语中国专家共识》参考国内国际临床指南、本领域国际权威共识等内容,基于动脉粥样硬化性脑血管病的诊断、治疗、分型、并发症等10个类别扩增中英文术语,将为动脉粥样硬化性脑血管病术语的制定提供标准化的建议和指导,以推动我国动脉粥样硬化性脑血管病信息形成统一共识,促进其与国际接轨。 展开更多
关键词 动脉粥样硬化性脑血管病 标准化术语 专家共识
在线阅读 下载PDF
人工智能辅助诊断应用中的伦理探讨与哲学思辨 被引量:2
3
作者 李佳明 张曦 +2 位作者 杨丽 吴子唯 侯丽 《中国医学伦理学》 北大核心 2024年第9期1037-1045,共9页
医学诊断的思维过程需要综合判断与分析判断。然而在这两种判断过程中,人类的思维有着难以避免的局限性。而随着人工智能技术的发展,符号主义和连接主义能够在一些方面有效弥补人类思维的缺陷,作出更准确的诊断判断,但他们也有各自的局... 医学诊断的思维过程需要综合判断与分析判断。然而在这两种判断过程中,人类的思维有着难以避免的局限性。而随着人工智能技术的发展,符号主义和连接主义能够在一些方面有效弥补人类思维的缺陷,作出更准确的诊断判断,但他们也有各自的局限性。可以想见,符号主义与连接主义的融合发展将助力提升医学辅助诊断能力。但是有关连接主义人工智能的运用依然存在准确度和透明性、可解释性之间的矛盾,由于其透明性和可解释性不足,产生了对人工智能的诸多担忧。通过梳理医学诊断的思维流程、整理人工智能各流派之间的差异以及人工智能背后的语义哲学和真理观念的变革,可在一定程度上纾解对人工智能运用的伦理担忧,推动人工智能在医学诊断领域的实际运用。 展开更多
关键词 人工智能 医学诊断 哲学分析 医学伦理
在线阅读 下载PDF
基于多特征融合的药物疾病关联预测模型构建
4
作者 康宏宇 李勤 +2 位作者 李姣 顾耀文 侯丽 《中国生物医学工程学报》 CAS CSCD 北大核心 2023年第4期453-460,共8页
构建基于药物多特征融合的药物疾病关联预测模型,为药物知识发现提供新思路。借助药物的化学结构、药物-副作用关联、药物-靶标关联的3个特征,构建融合的药物综合相似度及基于MeSH的疾病语义相似度特征表示方法。利用图卷积神经网络模... 构建基于药物多特征融合的药物疾病关联预测模型,为药物知识发现提供新思路。借助药物的化学结构、药物-副作用关联、药物-靶标关联的3个特征,构建融合的药物综合相似度及基于MeSH的疾病语义相似度特征表示方法。利用图卷积神经网络模型抽取药物-疾病图数据特征信息,构建基于多特征融合的药物疾病关联预测模型(MFFGCN),进而实现未知的药物疾病关联发现。利用269种药物、598种疾病及其之间的18416种关联关系,对药物疾病存在的未知关联进行预测,借助AUC、AUPR、准确率、灵敏度、召回率、F1等多个评价指标进行评价。结果表明,多特征融合的药物疾病关联预测方法的AUC指标为0.8662,较单一特征的平均预测指标最大相对提升为2.48%,较4种代表性基线方法的指标最大相对提升为1.67%;AUPR指标为0.3412,较单一特征预测结果最大相对提升为1.67%,较4种代表性基线方法提升27.49%。对预测结果中药物-疾病预测关联得分中排名前10的组合及阿霉素为例的单一药物预测组合进行文献研究验证、临床治疗验证,同样证明MFFGCN在未知的药物疾病关联预测上表现良好,能有效地发现药物的新适应症,为药物重定位提供方法借鉴和理论依据。 展开更多
关键词 多特征融合 药物 疾病 关联预测 图卷积神经网络
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部