期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
DeepSeek赋能的儿科全流程智慧医疗系统的构建和应用效果评价
1
作者 张晓波 冯瑞 +11 位作者 杨睿 叶成杰 王新 葛小玲 史雨 王立波 傅唯佳 祁媛媛 张玉蓉 安海龙 王艺 李倩 《中国循证儿科杂志》 北大核心 2025年第3期217-222,共6页
背景复旦大学附属儿科医院基于前期自行研发的智能辅助诊断工具,融合本地化部署的DeepSeek大模型,构建智慧医疗系统,以提升儿科医疗服务效率和医患满意度。目的评价已构建的智慧医疗系统在儿科医院患儿全流程医疗服务真实场景中的应用... 背景复旦大学附属儿科医院基于前期自行研发的智能辅助诊断工具,融合本地化部署的DeepSeek大模型,构建智慧医疗系统,以提升儿科医疗服务效率和医患满意度。目的评价已构建的智慧医疗系统在儿科医院患儿全流程医疗服务真实场景中的应用效果。设计横断面调查。方法结合医学知识库、知识图谱及检索增强生成等技术,在原有“小布AI医生”基础上,构建覆盖诊前、诊中、诊后全流程的儿科智慧医疗系统(简称DS-小布医生2.0),通过医院大数据平台采集性能指标,并分别以随机数字表法抽取50名门诊医生、以便利抽样法选取200名患儿家长,进行可用性评估。主要结局指标系统的总体性能及诊前、诊中和诊后评价指标。结果DS-小布医生2.0于2025年3月3日至5月11日临床应用期间,系统服务11957人次患儿,累计使用86533次。核心性能表现为:峰值CPU利用率5%,推理链路完成时间5.9 s,医学推理准确率81.5%。全流程各阶段指标优异:诊前导诊建议使用率82.3%;诊中诊断准确率92.4%,信息提取准确率96.4%;诊后患儿随访依从率74.0%。该系统的准确率为92.4%,双语评估替补(4元语法)指标(BLEU-4)评分为0.87,面向召回的摘要评估指标(最长公共子序列)(ROUGE-L)评分为0.73,交叉熵指标(CEM)为0.92,以上指标均优于美国OPEN AI公司的GPT-4 Med模型和来自美国斯坦福大学的Bio MedLM模型。在用户可用性评价方面,50名医生完成测试后系统可用性问卷(PSSUQ)调查,在系统质量、信息质量、界面质量和总体评价方面可用性较好;采用净推荐值量表(NPS)对200名患儿家长进行调查,净推荐值达+78分。结论DS-小布医生2.0实现了高精度的儿科全流程智慧医疗服务,用户满意度高,为缓解儿科医疗资源短缺问题提供了有效的技术方案。 展开更多
关键词 DeepSeek 医学大语言模型 智慧医疗 儿科
在线阅读 下载PDF
基于关系驱动多模态嵌入塑形的图像描述生成
2
作者 周练 俞国瑞 +3 位作者 张玥杰 冯瑞 张涛 张晓波 《中文信息学报》 北大核心 2025年第9期160-172,共13页
记忆遗忘、错误积累和上下文依赖是基于序列的图像描述生成任务目前面临的主要挑战,为减轻其影响并考虑语义和视觉嵌入之间的上下文依赖性,该文针对图像描述生成提出一种基于关系驱动的多模态嵌入塑形方法。该方法聚焦于正则化关系三元... 记忆遗忘、错误积累和上下文依赖是基于序列的图像描述生成任务目前面临的主要挑战,为减轻其影响并考虑语义和视觉嵌入之间的上下文依赖性,该文针对图像描述生成提出一种基于关系驱动的多模态嵌入塑形方法。该方法聚焦于正则化关系三元组(主语、谓语和宾语)中涉及的多模态嵌入空间结构,对每种模态的关系创建正三元组和负三元组。针对正三元组,其宾语和所有主语、谓语的加和之间距离应尽可能小,而负三元组的这种距离应尽可能大。基于这两个距离,通过设计一个三重损失来实现正则化,该三重损失随后通过多任务学习与图像描述生成模型的损失相结合。基于所提出的关系驱动多模态嵌入塑形方法,关系的语义和视觉嵌入之间联系得到显著加强。在Flickr30k和MSCOCO数据集上的实验结果表明,所提出的方法针对图像描述生成具有良好的性能改进。 展开更多
关键词 关系驱动 多模态嵌入塑形 图像描述生成
在线阅读 下载PDF
数据驱动的开源学术成果演化规律与合作模式分析
3
作者 叶波甸 高敏 +1 位作者 王伟 陈阳 《计算机科学》 北大核心 2025年第8期45-50,共6页
开源已经成为当今软件开发领域中不可忽视的潮流,也是推动技术创新与进步的关键力量。深入探究开源发展的趋势及其合作模式,不仅有助于揭示学术界和工业界的发展态势,也能为相关研究人员或者政策制定者提供制定合理目标与规划的依据。基... 开源已经成为当今软件开发领域中不可忽视的潮流,也是推动技术创新与进步的关键力量。深入探究开源发展的趋势及其合作模式,不仅有助于揭示学术界和工业界的发展态势,也能为相关研究人员或者政策制定者提供制定合理目标与规划的依据。基于DBLP数据库,收集1998至2023年间的5990篇开源主题论文,系统分析了开源领域的整体发展轨迹。通过分析论文发表的期刊/会议、标题、引用数等统计性信息,发现当前开源成果可以被分为开源软件设计开发与开源领域实证研究两种类型,且前者在数量上占据明显优势。为了更有效地揭示开源领域研究者间的合作关系以及对应国家间的合作模式,建模开源领域研究者合作的高阶关系,同时进一步挖掘研究者背后所反映的国家合作网络。研究表明,开源领域大多数研究者来自高校,并且他们的研究兴趣主要集中在软件工程或者开源软件方面。此外,在国家合作网络中占据重要地位的国家是以美国为代表的发达国家,而以中国为代表的发展中国家对开源领域的重视程度也在提高。通过对比各国的合作模式,发现开源领域中跨国合作的模式尚未形成主流。 展开更多
关键词 开源 高阶关系 合作网络 国家合作 演化规律
在线阅读 下载PDF
基于时序图神经网络的资产管理反洗钱检测方法
4
作者 徐鑫 朱鸿斌 +3 位作者 谌杰 李青汶 张霄蓉 吕智慧 《计算机科学》 北大核心 2025年第10期60-69,共10页
资产管理行业因高频且灵活的资金操作方式,已成为洗钱活动的重要目标。然而,资产管理行业中交易结构的稀疏性、客户间隐性资金流转路径的复杂性,以及交易行为的非统一特征,使得传统显式关系的图建模方法难以有效应对这些挑战。针对上述... 资产管理行业因高频且灵活的资金操作方式,已成为洗钱活动的重要目标。然而,资产管理行业中交易结构的稀疏性、客户间隐性资金流转路径的复杂性,以及交易行为的非统一特征,使得传统显式关系的图建模方法难以有效应对这些挑战。针对上述问题,提出了一种基于时序图神经网络的资产管理反洗钱检测框架(AM-GAML)。该框架通过融合时序模型与图神经网络,构建时间-结构联合嵌入表示,并设计了基于隐式交互关系的图生成机制,能够充分挖掘交易记录中的弱关联特征并捕捉客户间复杂的交易行为模式。在真实交易数据集上的实验验证了AM-GAML在准确率、召回率、F1-score和AUPRC等多个关键指标上显著优于多个先进方法,尤其在少数类识别和泛化能力方面表现突出。所提方法为资产管理行业的反洗钱检测提供了高效且可靠的解决方案,并为复杂金融场景下的风险防控研究提供了有力支持。 展开更多
关键词 资产管理 反洗钱 时序模型 图神经网络 交易行为分析
在线阅读 下载PDF
基于重症儿童疼痛评估多模态标准数据集可视化培训平台的可用性评价
5
作者 荣心怡 冯瑞 +10 位作者 傅唯佳 黄麟 王颖雯 金芸 杨玉霞 沈伟杰 秦妍 徐昱璐 占楚仪 张晓波 顾莺 《中国循证儿科杂志》 北大核心 2025年第4期304-308,共5页
背景本研究团队前期开发了基于重症儿童疼痛评估多模态标准数据集的可视化培训平台,在平台构建期间,已经完成了形成性可用性评价,平台的总结性可用性尚不清楚。目的评价平台的总结性、可用性,为促进临床疼痛评估和管理提供参考和依据。... 背景本研究团队前期开发了基于重症儿童疼痛评估多模态标准数据集的可视化培训平台,在平台构建期间,已经完成了形成性可用性评价,平台的总结性可用性尚不清楚。目的评价平台的总结性、可用性,为促进临床疼痛评估和管理提供参考和依据。设计横断面调查。方法选取具有代表性的2024年5~7月于复旦大学附属儿科医院PICU工作(时间>3个月)并取得护士执业证书的护士为研究对象。排除研究期间因进修、轮转或因病假、产假等原因未在岗的护士。从平台中选择5项学习环节作为PICU护士的测试任务,观察任务正确操作率、任务完成时长、任务完成所执行操作数量。向PICU护士发放中文版单项难易度问卷(SEQ)和帕斯认知负荷自评量表(PAAS)、系统可用性量表(SUS)和净推荐值(NPS)并回收,评估平台的总结性可用性。主要结局指标SUS评分。结果30名PICU护士进入本文分析,女性27名(90%),男性3名,平均年龄(30.87±6.84)岁。5项测试任务中4项任务正确操作率均为100%,仅任务3为70%。任务4完成时长为(635.60±136.24)s,任务完成所执行操作数量为104(102.75,110)次,高于其他4项任务。5项测试任务的SEQ评分均>5分,任务4 SEQ得分最低(5.37±1.10),认知负荷指数最高(5.00±1.51)。中文版NPS得分为10分,处于“好”的范围内。中文版SUS总分为(75.42±11.75)分,总分处于“好”的范围内。结论基于重症儿童疼痛评估多模态标准数据集的可视化培训平台展现出良好的可用性,可以作为儿科ICU护士进行重症儿童疼痛评估培训的有力工具。 展开更多
关键词 危重症儿童 疼痛评估 培训平台 可用性评价
在线阅读 下载PDF
表格数据生成技术综述
6
作者 王永鑫 徐鑫 朱鸿斌 《计算机科学》 北大核心 2025年第10期3-12,共10页
表格数据因在金融、医疗等关键领域广泛应用而具有重要价值。然而,对于表格数据的有效利用,常受到数据稀缺、类别不平衡及隐私法规的严格制约。为应对这些挑战,通过生成模型合成在统计特性上与真实数据高度相似的样本,已成为一种新兴的... 表格数据因在金融、医疗等关键领域广泛应用而具有重要价值。然而,对于表格数据的有效利用,常受到数据稀缺、类别不平衡及隐私法规的严格制约。为应对这些挑战,通过生成模型合成在统计特性上与真实数据高度相似的样本,已成为一种新兴的解决方案,旨在增强数据可用性并保护用户隐私。该领域的技术发展路径从传统的深度学习模型逐步演进至前沿范式。早期的探索以变分自编码器和生成对抗网络为代表,但这些方法常面临训练不稳定和模式坍塌等瓶颈,影响了生成数据的质量。为克服这些难题,扩散模型应运而生,其通过渐进式的去噪过程,在生成高保真度和多样性的样本方面展现出显著优势。尽管如此,这些模型的核心仍是模仿统计分布,缺乏对现实世界常识的理解。为此,最新的研究转向基于大型语言模型的方法,利用其丰富的世界知识,旨在生成不仅统计真实,而且在逻辑与语义上也更合理的合成表格数据。对该领域的系统性回顾,旨在为研究者和从业者提供全面的技术认知,并为不同应用场景下选择最合适的技术路径提供决策参考。 展开更多
关键词 表格数据生成 大语言模型 生成方法
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部