一、中心电子监护系统的临床应用（论文文献综述）
刘晓彬[1]（2021）在《MIMIC数据库脓毒症早期凝血指标预警价值及深度烧伤数据挖掘方法研究》文中提出一、研究背景电子健康档案（electronic health records,EHR）是人们在日常健康相关活动中直接形成的可以保存并具有查阅价值的电子化的历史记录[1]。目前可通过医院等公共卫生服务机构、自我健康上报等多渠道的动态甚至实时的信息收集,能在循证医学领域、公共卫生领域以及药物安全性监测等方面发挥重要作用。既往的电子信息档案由于数据格式不一、保密要求各异等问题,仍缺乏有效方法将既往医疗实践中的海量数据进行系统获取、分析和整合,大量宝贵的数据资源被闲置浪费。当前回顾性研究医疗数据越来越多地被应用于流行病学和预测建模[2 3],如何从海量的多维度医疗临床数据中获取有用信息以助于对某一疾病和治疗方法进行更加深入的理解,正逐渐成为目前的研究热点。危重症监护数据库（Medical Information Mart for Intensive Care database,MIMIC database）是美国麻省理工学院发布的一个多参数、结构化的单中心重症监护数据库[4-6]。记录了美国波士顿BID医学中心（Beth Israel Deaconess Medical Center）重症监护病房的长期而全面的临床医疗记录。该数据库通过去隐私化后对公众免费开放,提供给全球的研究者进行学术研究。MIMIC-Ⅲ在2015年底发布,是目前使用最多的版本[7],包含了49 785例患者的入院记录,并包含了从2001年至2012年之间,合计53 423例ICU患者的住院记录。麻省理工学院在2020年8月发布了MIMIC-IV v0.4[8],在MIMIC-Ⅲ的基础上进行了更新和改进,采用模块化方法进行数据结构化组织,突出数据来源,以便更好地对不同数据源进行调用,但目前该更新版本数据仍在开发中。危重烧伤患者创面范围大、病程长,容易发生感染[9]。脓毒症是重度烧伤患者死亡的重要原因之一[10 11]。脓毒症病理生理机制包括全身凝血系统的活化,导致抗凝血因子大量消耗、纤溶系统受到抑制、内皮系统发生损伤和无法控制的炎症反应[12]。当凝血功能发生严重紊乱时,常导致致死性的多脏器功能不全,最终造成患者死亡[13]。目前已有多个研究证明各种凝血指标与脓毒症的预后密切相关[14-16],但大多为单中心小样本研究。目前对临床医疗数据挖掘的另一个研究热点是关于重症患者结局预测的研究,即基于数据库利用计算机或数学建模统计学方法,进行统计学分析或构建神经网络模型等,对预后的预测具有较好的准确性[17 18]。MIMIC数据库较以往单中心的数据具有更加丰富的结构化的生理参数信息,提供了更为全面的协同变量信息,更有利于进行单因素及多因素的回归分析。因此基于MIMIC数据库对脓毒症患者早期凝血指标预警价值的研究,对于脓毒症的诊治具有积极指导意义。深度烧伤包括较深或伴感染的深Ⅱ度、Ⅲ度和Ⅳ度烧伤,较小面积的深度烧伤创面愈合需要3周以上,较大的深度烧伤通常需要手术治疗[19]。临床中观察到烧伤创面早期通常会发生进行性加深[20],其机制包括烧伤后的高凝状态及微血栓形成[21]、血管内皮细胞被激活后炎症因子大量释放[22]、中性粒细胞聚集后释放氧自由基和蛋白水解酶等机制[23]。而深度烧伤早期进行充分补液、抗凝治疗、合理的抗感染治疗等,可以有效改善循环、防治感染,有效缓解了创面的加深,改善了预后[24-27]。因此,研究深度烧伤早期临床指标和治疗方案对判断预后及提供治疗依据有一定的意义。而MIMIC数据库无疑是一个较好的可作为探索性数据分析的研究资料,但目前尚无针对该数据库中深度烧伤患者的研究和数据提取方法讨论。因此,探索一套可行的收集烧伤患者各项生理参数和临床检验结果的数据提取方案,具有重要的临床意义。二、研究目的第一部分:基于危急重症监护MIMIC-Ⅲ数据库,研究脓毒症患者早期凝血指标与预后关系,判断不同指标的预警价值。第二部分:基于最新发布的MIMIC-Ⅳ数据库,探索针对深度烧伤患者临床资料的数据挖掘方法,并尝试对烧伤后早期数据进行提取和初步分析,探讨方案的可行性及分析数据质量。三、研究方法第一部分:（1）依照文献方法提取MIMIC-Ⅲ数据库中的脓毒症患者数据;（2）对早期凝血数据及协变量进行单因素和多因素的Cox回归检验,研究脓毒症患者早期凝血指标与预后关系,并描绘生存曲线,判断不同凝血指标的预警价值。第二部分:（1）下载MIMIC-Ⅳ数据库本地映像后,在Python环境下调用Pandas核心数据分析支持库中的函数导入并整合数据。（2）基于Git Hub中MIT-LCP/mimic-iv公开代码对研究烧伤所需的特定参数进行个体化的修改,构建出一套适用于对MIMIC-Ⅳ数据库中深度烧伤患者临床数据进行采集、合并、分析的系统方案。（3）通过使用Pandas+Matplotlib+Seaborn的方式,对MIMIC-Ⅳ数据库中的深度烧伤早期数据进行采集和初步分析,尝试实现数据可视化。（4）对此挖掘数据方案的可行性进行评估并探讨数据库的质量。四、研究结果第一部分:（1）提取到了符合纳入排除标准的共计2794例脓毒症患者;（2）通过对基线资料进行分析,判断各种因变量与28天生存情况的联系。28天存活组与死亡组基线资料相比较,在年龄、入院方式、48小时内最高体温、最低体温、最低血氧饱和度、最低收缩压、最低舒张压、最低每小时尿量、最低血红蛋白、最低红细胞比容、最高白细胞计数、最高血糖值、最高血钾、最低血钾、最低血钠、最低血镁、最高血肌酐、最高血尿素氮、Elixhauser并发症评分、有无呼吸机使用、肾脏替代治疗、SAPSⅡ评分、q SOFA评分、SOFA评分,以及入院时刻PT、PTT、INR、PLT计数上均存在统计学差异;（3）通过单因素Cox回归和多因素Cox回归模型进行检验,入院时刻PT、PTT、INR及PLT计数与28天生存情况之间均存在非线性关系。（4）PT、PTT和INR是入住监护室28天死亡的风险因素,PLT计数是保护因素;（5）PT、INR及PLT计数对入住监护室28天死亡的预测更为敏感,可作为评估脓毒症的严重程度和判断脓毒症的预后的预警指标。第二部分:（1）初步建立了一套在Python环境下运行的,适用于对MIMIC-Ⅳ数据库中深度烧伤患者临床数据进行采集、合并、分析的系统方案。（2）使用本研究建立的数据挖掘方法,在MIMIC-Ⅳ数据库中筛选出了共计106例2度以上深度烧伤患者,提取到患者的基础资料和72小时内病程中生命体征、实验室检查及用药情况等信息,并通过Pandas+Matplotlib+Seaborn实现了临床资料的数据可视化。（3）对所提取到的临床数据进行分析表明:通过此套方案筛选出的深度烧伤患者临床数据格式和早期临床资料特征无明显逻辑错误,结果基本可信,可作为进一步研究提供方法依据和数据参考。（4）MIMIC-Ⅳ数据库虽然较常规的单中心数据有着更加丰富的结构化的生理参数信息,但由于目前存在病例数目较少、诊断较混乱且遗漏较多、治疗过程不明晰等缺陷,在烧伤领域应用范围仍较有限。五、结论通过对MIMIC-Ⅲ数据库中脓毒症患者临床数据进行提取,证明早期凝血指标与入住监护室28天死亡存在关联,可作为评估脓毒症严重程度和预后的预警指标。本研究建立的针对MIMIC-Ⅳ数据库中深度烧伤患者临床数据进行采集、合并、分析的系统方案可行,提取数据质量稳定。筛选出的深度烧伤患者的数据格式和早期临床特征,可作为进一步研究的方法依据和数据参考。MIMIC-Ⅳ数据库是一个可以作为探索性数据分析的研究资料库,但在烧伤领域应用范围仍较有限。
闫妍[2]（2021）在《基于人-机任务的ICU护士工作心理负荷及影响因素研究》文中研究指明研究背景及目的:当前,计算机技术、互联网技术、人工智能等新兴技术在卫生保健领域广泛渗透,护士作为临床一线工作者必须面对大量人-机任务带来的诸多变革,尤其ICU中各种医疗仪器设备种类和数量都越来越多,仪器的精密性及自动化程度不断提升,由此带给护士工作心理负荷的变化值得关注。因此,本研究拟在相关理论的指导下,聚焦ICU护士,探究基于人-机任务的护士工作心理负荷及影响因素,在此基础上分析任务难度、系统可用性及自我效能对ICU护士工作心理负荷影响的作用路径,以期为制定基于人-机任务的ICU护士工作心理负荷应对策略提供参考。研究方法与内容:本研究包括如下四部分研究内容:1、基于人-机任务的ICU护士工作心理负荷体验的质性研究:通过对14名ICU护士进行半结构式访谈,了解ICU护士在执行护理人-机任务时的工作心理负荷体验并分析可能的影响因素,归纳总结ICU常见护理人-机任务。2、典型护理人-机任务筛选的调查研究:依据前期研究结果形成护理人-机任务调查表初稿,并通过专家论证形成最终的护理人-机任务调查表;采用便利抽样法对7所三级甲等医院的159名ICU护士进行问卷调查,并根据ICU护士对调查表中护理人-机任务的重要性、执行频率和困难程度的评价结果筛选出典型护理人-机任务。3、基于典型人-机任务的ICU护士工作心理负荷及影响因素研究:根据前期研究形成的基于人-机任务的护士工作心理负荷影响因素理论框架,应用一般自我效能感量表、护士版NASA任务负荷指数量表、护理操作技术难度评价表、系统可用性量表等工具,采用多阶段抽样的方法选取9所三级甲等医院的427名ICU护士进行调查,应用多重线性回归分析基于人-机任务的ICU护士工作心理负荷的影响因素。4、基于结构方程模型的ICU护士工作心理负荷研究:在前期研究基础上,采用结构方程模型进一步分析任务难度、系统可用性及自我效能对ICU护士工作心理负荷影响的作用路径。研究结果:1、本研究采用质性研究中的描述现象学研究法,通过对14名ICU护士的半结构式访谈,析出“面临种类繁多的护理人-机任务”、“认可人-机任务普及的优势”、“面对新的负荷挑战”“工作心理负荷呈现阶段变化的趋势”以及“工作心理负荷受多种因素共同影响”五大主题。2、本研究通过专家论证,形成最终的护理人-机任务调查表,根据159名ICU护士对护理人-机任务重要性、执行频率、困难程度的评价结果,筛选出8项ICU典型护理人-机任务:j使用护理工作站进行护理评估与记录;k使用护理工作站处理医嘱;l微量注射泵推注药液;?血气分析仪分析血气;n呼吸机的使用;o除颤仪除颤;p监护仪监测生命体征;q血糖仪测量血糖。3、本研究针对427名ICU护士调查结果的分析显示:（1）ICU护士执行护理人-机任务时工作心理负荷总分为（52.04±16.48）,负荷感受、自我评价两个维度得分为（59.71±21.56）、（36.70±18.16）。8项典型护理人-机任务按照心理负荷得分由高至低依次为除颤仪除颤（58.48±14.66）、呼吸机的使用（58.45±15.02）、使用护理工作站处理医嘱（54.23±14.61）、使用护理工作站进行护理评估与记录（53.89±13.88）、监护仪监测生命体征（51.17±16.23）、血气分析仪分析血气（50.45±15.72）、微量注射泵推注药液（45.88±16.70）、血糖仪测量血糖（43.77±18.41）。（2）ICU护士工作心理负荷影响因素多重线性回归分析结果显示:ICU护士执行不同人-机任务时其工作心理负荷影响因素不同,其中任务难度、系统可用性在ICU护士执行不同人-机任务时都会影响其工作心理负荷,而职称、工作科室、自我效能、新技术接受度和机器接受度等因素仅在某些护理人-机任务执行过程中会影响ICU护士的工作心理负荷。4、采用结构方程模型分析任务难度、系统可用性和自我效能感对ICU护士工作心理负荷的作用路径发现,8项典型护理人-机任务执行过程中,任务难度对ICU护士执行人-机任务工作心理负荷具有直接的正向预测作用,系统可用性对ICU护士工作心理负荷起间接的负向预测作用,而护士自我效能对ICU护士工作心理负荷有间接的正向预测作用。研究结论:1、ICU护士认可人-机任务普及带来工作量减少等优势,其在执行人-机任务时工作心理负荷处于中等水平,但脑力要求越来越高,在特殊情境中护士容易产生受挫感,且ICU护士执行人-机任务时的工作心理负荷呈现阶段变化的趋势,会经历磨合期、适应期、谨慎期三个阶段。2、护理人-机任务分为常规治疗、急救及生命支持、监测、信息化四大类,从中筛选出8项典型护理人-机任务。ICU护士执行急救及生命支持类护理任务时负荷感受最高,而自我评价最差,其次是信息化类护理任务,而监测类和常规治疗类任务给护士带来的负荷感受较低,自我评价较好。3、ICU护士执行护理人-机任务时其工作心理负荷受到多种因素共同影响,包括个体因素（职称、工作科室、自我效能、新技术接受度、机器接受度）、任务因素（任务难度、任务中断、多任务）、机器因素（系统可用性）等。4、本研究构建了“基于人-机任务的护士工作心理负荷影响因素模型”。任务难度直接影响ICU护士执行人-机任务时的工作心理负荷,护士的自我效能和机器的系统可用性通过任务难度间接ICU护士执行人-机任务时的工作心理负荷。
邹林珂[3]（2021）在《风湿免疫疾病患者的创新药物治疗管理服务模式研究》文中认为目的:探讨强直性脊柱炎（Ankylosing Spondylitis,AS）和类风湿关节炎（Rheumatoid Arthritis,RA）门诊患者接受药物治疗管理服务后药物治疗问题的改善情况;同时检测生物性改善病情抗风湿药（Disease-Modifying Antirheumatic Drug,DMARDs）的潜在、严重的风险信号,为预防不良事件（Adverse Event,ADE）提供理论依据。方法:首先建立四川省人民医院就诊的AS和RA患者的个人档案,根据初次问诊时患者的检查指标及症状评估患者在适应症、安全性、有效性、依从性方面存在的药物治疗问题,其中采用中文版《风湿病治疗依从性问卷》评价患者的治疗依从性,并使用回归模型分析患者依从性的影响因素;2019年10月～2020年10月期间给予患者药学干预措施和患者教育,一年后对比末次随访与初次患者评估时的有效性、安全性、依从性变化情况。另一方面,下载美国FAERS数据库的2012年9月～2020年4月的数据,采用Med DRA软件进行器官/系统分类和汉化,采用报告比值比法对5种生物性DMARDs进行信号检测;将信号检测结果与临床随访观察发现的ADE和DME清单对比,分别检测出潜在、严重的风险信号。结果:本研究纳入的103例RA患者和112例AS患者使用频次最多的生物性DMARDs分别为托珠单抗和依那西普;RA患者合并用药最多的品种为甲氨蝶呤,使用率达59.2%;AS患者合并用药的种类以NASIDS居多,使用率为15.2%。经过一年的药物治疗管理服务,风湿免疫疾病患者的药物治疗问题由424个下降至97个,由平均每人1.97个降低至0.45个;血细胞沉降率、C反应蛋白指标均值显着降低;安全性问题由111个减少至29个,不良反应减少率为73.87%,类风湿关节炎患者和强直性脊柱炎依从性好的患者比例分别从29.13%提升至85.44%、由28.57%提升至80.36%;临床结局改善率分别为66.22%和63.01%。在FAERS数据库中,随访发现的ADE共检出61个风险信号,其中8个风险信号未在说明书中记载。检测出的26个严重ADE信号主要涉及肝、胆、耳、眼、肺、胰腺等多个器官,依那西普的严重ADE信号最少。结论:本研究为风湿免疫疾病患者建立了创新药物治疗管理服务模式,该模式解决了药物治疗问题并带来较高的临床价值,本研究发现的潜在、严重的风险信号为生物性DMARDs安全性监护点的制定提出了理论依据。
卜雨翔[4]（2021）在《基于柔性干电极和人工智能的房颤自动检测与预测方法研究》文中研究表明心房颤动（简称房颤）是一种常见且危害极大的心律失常。房颤发作时,心房杂乱无章的颤动会造成心排出量减少并加快血栓的形成,脱落的血栓则容易造成血管堵塞,严重时可能会引起缺血性脑卒中和心肌梗死等危及生命的疾病。房颤的患病率和发病率随着年龄的增长而增加,因此,随着人口老龄化的问题日益凸显,房颤对于人类健康的威胁也愈发严峻。动态心电图是临床上常用的心律失常诊断方式,但是由于其所采用的湿电极的记录性能会随记录时间增加而下降以及监护仪体积较大等问题,不适用于长时程心电监护,而房颤在发作之初通常表现为阵发性房颤,短时间的心电图检查往往不能有效地用于房颤诊断。新型的柔性干电极由于避免了导电凝胶的使用,可以应用于长时程心电监护,搭配人工智能算法的穿戴式心电监护设备近年来也显现出了其在临床房颤监护中应用潜力。但是,目前的相关研究往往仅关注于新型电极材料、穿戴式心电监护设备的研发,亦或是仅关注于基于公开数据库的房颤自动检测与预测算法研究,学术界缺乏针对该类问题的系统性研究。针对上述问题,本文的工作内容及创新点如下:（1）提出和研究了基于丝网印刷的新型柔性干电极用于生物电信号检测,并对湿电极和干电极的电极-皮肤接触面等效电路模型进行了建模和对比分析,设计了一种具有分层结构的柔性干电极的制备方案。通过对所研制的柔性干电极进行清洗测试、拉伸测试和接触阻抗测量等实验分析,全面评估了柔性干电极的电气和机械性能。同时,通过不同运动状态下的心电信号检测实验以及长时程心电信号检测实验,对柔性干电极的心电信号检测性能进行了评估,验证了柔性干电极可以在不使用医用粘合剂与导电凝胶的情况下达到与Ag/Ag Cl湿电极类似的记录效果。（2）提出和构建了基于柔性干电极和深度学习的房颤自动检测方法,基于前期的深度学习算法研究成果和本文所提出的4个待优化的心电贴导联配置方案进行了协同设计。通过包含40例房颤患者的临床试验评估,验证了本文提出的房颤自动检测方法在临床应用中的泛化能力,其平均准确率达到了93.1%。（3）提出和构建了一种基于RR间期滑动窗口和深度学习方法的房颤发作预测算法模型,基于公开数据库AFPDB的测试结果显示,该模型的最佳灵敏度、特异度和准确率分别达到93.67%、92.06%、92.86%。同时,通过提取46类不同的心率变异性特征,对采用不同心电信号分段方式时不同机器学习模型的房颤发作预测性能进行了对比评估。综上所述,本文对基于柔性干电极和人工智能的房颤自动检测与预测方法进行了研究,提出了一套基于柔性干电极的穿戴式心电监护系统及临床房颤自动检测方法,彻底解决了传统湿电极的导电凝胶所带来的问题,为临床心律失常的自动化精确诊断提供了新的技术手段,有助于推动生物电检测技术的发展和理论体系的完善。由于本课题研究时间和临床实验样本有限,本文只进行了初步的探讨和分析,本课题所得出的相关结果和结论有待将来进一步开展更大规模的临床试验来进行评估验证。
石用伍[5]（2020）在《面向心肺慢病管理的穿戴式生理参数监测感知技术研究》文中提出随着社会的发展和全球人口老龄化的趋势越发严重,心肺慢病已成为威胁老龄化人群健康的头等病因,同时,心肺慢病不断呈现年轻化发病趋势。伴随医学科技的发展以及人民健康意识的提高,现代医疗模式更主张实现对“健康人”的生命体征信息动态健康监测管理,提倡“预防重于治疗”,关注治“未病”,让病人得到个体化、动态的医疗服务。心电、心率、脉搏、血氧饱和度、呼吸、体温、血压等这些人体基本的生理参数与疾病的防治密切相关。从技术手段上来说,除了医院专业的医疗设备可以实现对人体健康状态监测外,便捷、灵活的穿戴式生理参数监测系统为个性化实时的生理参数监测提供了技术支撑平台。现代医疗模式的转变,对医疗级穿戴式微型化、智能化设备提出了更高的要求,穿戴式生理参数监测采用微型化、智能化、高精度的各种传感器采集人体的生理参数,实现对人体健康生理参数无创连续的实时监测,是实现全面健康和个性化医疗较为有效的新型医疗监护模式。然而,具备微型化、低功耗、高精度的穿戴式系统感知技术的研究目前仍然是穿戴式医疗研究的难点之一。全面深入地开展穿戴式医疗感知技术的相关研究对于个性化疾病的诊断和治疗、解决健康管理、养老服务、慢病管理和看病难等问题都具有非常重要的意义。本文以“感知”为切入点,根据穿戴式生理参数监测系统感知技术环节存在的关键问题,主要针对脉搏、心率传感器感知材料制备及传感性能测试、面向心肺慢病管理的穿戴式生理参数监测系统、穿戴式心电信号的信息融合分类算法等几个方面进行了深入的研究,具体包含以下内容:（1）多金属盐酸盐/二维氧化石墨烯（polyoxometalate/two dimensional graphene nanosheets,简称POM/2D GNs）柔性穿戴式脉搏、心率传感器感知电极材料制备及传感性能研究。本文制备了POM/2D GNs复合材料,并对该材料进行X射线衍射（X-Ray Diffraction,简称XRD）、透射电镜（Transmission electron microscope,简称TEM）、X射线能谱分析（Energy dispersive X-ray spectroscopy,简称EDS）表征及电化学性能测试。构建了基于POM/2D GNs的水滴监测传感器模型,利用放置和移除水滴的方式对该传感装置的响应能力进行测试,结果表明,测量到的ΔADC值可以很好地响应水滴放置和移除POM/2D GNs传感器时的压力信号变化。为探索POM/2D GNs传感器在人体脉搏、心率监测领域的应用潜力,我们设计了一种柔性脉搏传感器装置模型,并将其固定于手腕脉搏处,进行连续15秒的脉搏监测记录。结果表明,基于POM/2D GNs的传感器对外部脉冲很敏感,监测结果与PPG技术监测到的脉搏波结果基本一致。因此,POM/2D GNs被证实可用于穿戴式医疗系统用来实现对人体脉搏、心率等生命体征参数的监测。这项工作为柔性穿戴式心电、脉搏传感器的制备开辟了新的途径。（2）2D GNs/ZnS:Mn2+/POM力致发光柔性穿戴式脉搏、心电传感器感知电极材料制备及传感性能研究。在POM/2D GNs脉搏传感器感知材料的基础上,本文进一步制备了2D GNs/ZnS:Mn2+/POM复合材料,并对该材料进行XRD、TEM、PL（光致发光）、ML（力致发光）和电化学性能表征。结果表明,该材料具有压力控制发光性能,ML强度和压力值在一定范围内呈线性关系。由于具有高导电性能的2D GNs和POM的引入,2D GNs/ZnS:Mn2+/POM电极具备对外界的刺激响应敏感和高导电特性。构建了2D GNs/ZnS:Mn2+/POM传感器装置模型,并对脉搏、心电信号进行监测,实验结果表明,该复合材料可以作为脉搏、心电传感器感知电极用于穿戴式脉搏、心率的监测。本文的研究进一步丰富了穿戴式柔性脉搏、心率传感器感知电极材料的制备方法,对柔性石墨烯基材料作为心电、脉搏传感器的新应用提供了一定的借鉴价值。（3）面向心肺慢病管理的穿戴式生理参数监测系统。本文设计的穿戴式心肺慢病生理参数监测系统充分结合了传统的心电监护设备的技术优势,以低功耗、小型化和兼顾生理信号测量的准确性为目标,选取ADS1292、AFE4400、STM32等低功耗模拟前端和芯片方案,设计了集3导联的心电信号采集和血氧饱和度监测模块为一体的穿戴式心肺慢病监测系统,经验证,该系统能有效地采集到心电和血氧饱和度信号。同时利用该系统对本文制备的石墨烯基感知材料POM/2D GNs进行了心电信号的采集验证。（4）深度卷积神经网络（Deep Convolutional Neural Network,简称DCNN）的心律失常分类算法研究。通过对前端采集到的心电信号中获取有用的信息辅助临床医生的诊断具有重要意义,也是智能穿戴设备系统的核心和关键感知技术之一。本文提出了一种基于深度卷积神经网络的心律失常分类算法,生成具有患者特异性的深层结构自动心拍分类模型,提出方法的优点包括减少了前期的心电信号噪声处理、单独的特征提取等步骤。提出模型对MIT-BIH心律失常数据库四类心拍识别的平均准确率为96.79%,平均特效度为97.85%,综合性能评价指标达95.98%。（5）卷积神经网络+长短时记忆网络+注意力机制（Convolutional Neural Network+Long Short-Term Memory+Attention,简称CLSTMA）组合神经网络模型的心律失常分类算法研究。本文在深度卷积神经网络的基础上进一步提出了CLSTMA组合神经网络模型。经过20轮次的训练和调参过程,生成具有患者特异性的深层结构自动心拍分类模型,提出方法减少了前期的心电信号噪声处理、单独的特征提取等步骤的同时,进一步增强了模型的泛化能力。提出的模型对MIT-BIH心律失常数据库四类心拍识别验证结果表明,模型的综合性能评价指标达96.86%,以室性早博为例,模型的准确率达到96.70%,特效度达到98.22%,与已有文献进行比较,该模型的整体性能优于文献报道的模型性能。综上,论文的研究成果进一步拓展和丰富了穿戴式医疗感知技术方面的研究,从感知技术层面上为心肺慢病监测系统乃至利用其他柔性穿戴技术实现对人体健康体征信息的采集、疾病的预防和诊断提供了理论基础和技术支持。
奉雨娟[6]（2020）在《电子病历数据的表示学习及应用研究》文中研究表明在国家政策、行业资本和智能信息技术的共同推动下,健康医疗进入大数据时代。随着医疗信息化水平的提高,电子病历系统中积累的健康医疗数据呈现出规模大、种类多和生成速度快等特点。对电子病历数据的有效表示,根据医学问题的需求建立智能计算模型,是健康医疗大数据研究和应用的关键,具有重要的理论意义和实用价值。电子病历的表示学习,指的是从原始健康医疗记录中学习出数据的低维、稠密的表示。健康医疗数据的高维稀疏性、时序性和异质性等特性以及医学领域知识的专业性为表示学习带来了巨大的挑战。本文以电子病历中健康医疗数据的表示学习及智能化应用研究为目标,针对表示学习面临的挑战和现有方法的不足,系统性地开展了以下研究工作:针对离散医学概念的高维度、稀疏性和医学领域知识结合难等问题,本文提出了结合医学领域知识的表示学习框架,其中包括多粒度嵌入式表示方法和多通道卷积神经网络模型。实验结果证明,本文提出的模型能有效表征医学概念间的隐含关联。同时,医学领域知识的结合一定程度上解决了罕见医学概念表示学习过程中数据不足的问题。利用有监督和无监督相结合的混合学习方法,多通道卷积神经网络模型不仅能学到更好的医学概念和病人的表示,还在医疗资源消耗水平预测任务中取得了最好的性能。针对低频临床时间序列数据的时序性和采样不均匀等问题,本文提出了基于时间采样窗口计算统计量的特征表示方法,并应用于重症监护病人的急性肾损伤早期诊断任务中。此外,本文还提出了两种分别基于正负样本匹配策略和个性化预测模型的类别均衡方法,并有效提高了模型在类别不平衡数据上的性能。针对多模态健康医疗数据的多来源、异质性和异步采样等问题,本文提出了多模态数据的融合表示学习框架,并应用于重症监护病人的死亡风险预测和住院总费用预测中。为了提取医疗时间序列数据中的长距离依赖关系,本文首先利用长短期记忆神经网络模型学习低频临床时间序列数据的表示,并提出一个二维的卷积长短期记忆神经网络模型学习高频心电图信号的表示。然后提出了两种双核记忆单元网络模型学习多模态数据的融合表示。实验结果证明,双核记忆单元网络模型在两个预测任务中均优于传统的多模态数据融合表示方法。综上所述,本文提出了多种电子病历数据的表示学习方法,以挖掘健康医疗大数据中的信息,为解决临床医学应用问题提供帮助。
范玲[7]（2020）在《远程胎儿监护的临床应用》文中研究表明远程胎儿监护是应用互连网及计算机技术,孕妇在家中或远程监护终端将胎心监护图形传输到中央监护站,医生即可通过电脑或手机APP远程判读。对高危孕妇实行远程监护,便于及时发现胎儿宫内缺氧情况和及时处理,改善围产儿结局。
赵宇晨[8]（2020）在《智能监护数据统计及分析系统的设计与实现》文中研究指明随着计算机技术与大数据技术的飞速发展,世界各国医疗行业信息化的建设不断加速,各类医疗监护设备采集的医疗数据也不断增加,然而传统的以单一节点数据仓库为主要信息系统的医院由于受到硬件能力的限制,在处理大量监护数据时容易遇到性能的上限,很难做到存储能力和计算能力的双向扩展。另外,需要对医疗监护数据进行统计分析,充分挖掘数据价值,用于医疗的质量控制、科学研究和辅助诊疗等。本文针对目前医疗监护数据信息化建设的需求,研究了医疗监护数据分布式存储技术和统计分析算法,设计与实现了监护数据统计及分析系统。论文的主要工作和成果如下:1、分析了当前医护人员对于麻醉教学和医疗监护报表的具体需求,设计了针对患者手术麻醉监护数据的特点的数据统计及分析系统的系统架构。该架构承载了存储和备份数据文件的数据仓库和分布式文件系统、为医护人员提供的系统网页服务器以及支撑业务实现的相关模块。2、研究了分布式存储和处理技术,设计了系统的数据模型和数据仓库。采用分布式存储实现了医疗监护数据的有效存储和管理,使医疗机构采集的海量监护数据得到妥善地存储。在数据存储之后使用并行计算模型对监护数据进行初步的归纳,为后续对监护数据进一步挖掘工作提供规范格式的数据。3、研究了医疗监护数据统计分析方法,实现了根据监护数据生理指标阈值区分患者术中症状的智能辅诊功能。智能辅诊功能基于关联规则算法的原理,能够利用过往手术麻醉过程中产生的监护数据,挖掘患者生理指标与对应术中症状的关系,并在之后的手术麻醉过程中帮助医护人员快速发现术中患者的症状。也能在手术回溯流程中监护记录未填写情况下,辅助学员完成对患者症状的判断。目前智能辅诊功能的处理结果能够为麻醉学员提供参考。4、实现了医疗监护数据统计分析系统并进行了容器化部署。系统实现了符合医护人员使用习惯的查看麻醉记录信息和读写报表电子医疗监护报表生成功能;供医护人员生成、查看和保存监护报表的功能和供麻醉学员学习了解手术麻醉业务的回溯功能,达到了医护人员和麻醉学员预期的功能和使用要求。分析了系统容器化部署与系统监控技术,设计了采用Docker虚拟容器部署项目的方法,简化了系统部署流程,并加强了系统监控。
卢梦林[9]（2020）在《基于电子病历数据的ICU患者死亡风险预测研究》文中研究指明电子病历数据记录了从患者入院到出院的整个就诊过程的数据,使数据驱动的临床预测成为可能。重症监护病房的患者结局预测与干预选择、护理计划和资源配置密切相关,准确评价患者死亡风险、早期识别预后较差的人群并及时采取干预措施是提高患者生存率、改善生理结局的关键。ICU患者死亡风险预测研究可以分为患者特征表示和构建死亡风险预测模型两大部分。本文从这两个方面入手,在患者表示上基于遗传算法探究了不同死亡风险预测任务下的重要统计量,在构建死亡风险预测模型上提出了基于K-means的动态集成学习算法。具体研究内容如下:（1）在患者表示层面,基于统计量的患者时间序列表示方法在现有研究中被广泛采用。但已有研究中仅采用了简单的统计量或其组合,为什么选择这些统计量缺乏论证,也缺乏相关的研究来评价不同统计量的重要性。本文探究了短期、院内和长期的患者死亡预测任务下用于患者生理时间序列表示的有效统计量,为评价不同预测任务下时间序列的重要统计量提供理论和实验支持,同时也为搭建预测模型提供有效的患者表示。（2）在构建死亡风险预测模型方面,有很多研究提出不同思想的集成学习算法,但少有研究应用聚类算法提升基分类器多样性,且在融合策略上对于不同的样本都基于统一的权重向量,难以体现样本的个性化。本文提出一种基于K-means的动态集成学习算法（Dynamic Ensemble Learning Algorithm based on K-means,DELAK）,并将其应用于ICU患者死亡风险预测。为了验证提出的集成算法在ICU患者死亡风险预测的优越性,在实验中分别与与单一分类器、不同融合策略、经典集成算法和临床评分系统的预测效果进行了比较。通过对不同统计量组合的分析,本文发现了不同死亡风险预测任务下的有效统计量,可以为后续构建有效患者表示的相关研究提供一定的参考。另外,本文提出的动态集成学习算法相比于其它集成算法和融合策略都取得了较好的预测性能,也比临床上广泛采用的评分系统的预测效果有显着的提升,体现了本文提出集成算法的有效性。
刘志康[10]（2020）在《面向胎儿监护的CTG信号数字化和智能分析算法研究》文中研究指明围产期,孕妇胎心宫缩监护（Cardiotocography,CTG）是产科诊所最常规的诊断检查。临床上,胎心宫缩监护的输出形式主要是纸质CTG报告,但其视觉分析和解释缺乏客观性和可重复性,同时共享数据库也极度缺乏,因此迫切需要一套广泛适用的数字化工具。同时,为了更好地帮助医生精准诊断,利用自动化技术实现孕妇和胎儿监护也至关重要。而宫缩作为临床检测中一种主要参数,在智能化系统研究中具有很高的价值。本文面向胎儿监护的CTG信号数字化和不同强度宫缩信号智能分类算法主要研究为:（1）针对二值CTG纸质报告,提出一种数字化算法,突破已有算法对二值CTG纸质报告数字化的局限性和不适性。首先利用智能手机获取CTG图像,在网格线去除阶段,提出基于超像素的区域融合方法,设计了一种改进的二值直线掩模法,应用连通域完美去除与信号线无关的网格线和虚线。其次在信号提取阶段,根据每列信号迹线的不同状态,分别采用不同的方法提取代表像素。最后,利用B-Spline拟合提取信号并插值拟合实际信号,分别用水平和垂直直方图投影对信号幅度和时间进行校正,实现插值信号与实际信号的时间同步。同时,采用已知数据库从定量和定性两方面评估数字化效果。（2）对已有的数字宫缩信号,构建了一种融合多维度特征提取的宫缩智能分类算法,实现了由计算机辅助手段帮助医生精准诊断的构思。在信号预处理中,提出了经验模态分解结合形态学滤波去除高频噪声,引入平滑先验法去除基线漂移噪声。在特征向量构造中,采用递归分析策略,设计了融合一维时间特征和二维递归特征的多模态特征向量。最后采用优化的SMOTE-PCA-SVM分类器对宫缩信号强度进行智能分类。同时,本文引入信噪比等指标,分析对比了所设计的滤波算法及不同机器学习分类器算法的性能效果。本文的研究实现了CTG信号的数字化以及宫缩信号依据不同强度的自动分类,为CTG胎儿智能监护的应用奠定了理论基础与技术支撑。
二、中心电子监护系统的临床应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、中心电子监护系统的临床应用（论文提纲范文）
（1）MIMIC数据库脓毒症早期凝血指标预警价值及深度烧伤数据挖掘方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 缩略词表 |
| 第一部分:基于MIMIC数据库对脓毒症患者早期凝血指标预警价值的研究 |
| 一、前言 |
| 二、资料与方法 |
| 三、结果 |
| 四、讨论 |
| 第二部分:危急重症监护数据库MIMIC-Ⅳ深度烧伤数据挖掘方法研究 |
| 一、前言 |
| 二、资料与方法 |
| 三、结果 |
| 四、讨论 |
| 全文总结 |
| 一、MIMIC 数据库脓毒症患者早期凝血指标预警价值的研究 |
| 二、危急重症监护数据库 MIMIC-Ⅳ深度烧伤数据挖掘方法研究 |
| 文献综述 MIMIC数据库的研究现状 |
| 参考文献 |
| 在读期间论文发表和参与科研工作情况 |
| 致谢 |
（2）基于人-机任务的ICU护士工作心理负荷及影响因素研究（论文提纲范文）
| 摘要 |
| Abstract |
| 缩略词表 |
| 第一部分 研究背景及问题提出 |
| 一、研究背景 |
| 二、国内外文献分析 |
| 三、相关理论及借鉴 |
| 四、研究问题和研究目的 |
| 五、研究内容及技术路线图 |
| 第二部分 基于人-机任务的ICU护士工作心理负荷体验的质性研究 |
| 一、研究目的 |
| 二、研究对象与方法 |
| 三、研究结果 |
| 四、小结 |
| 第三部分 典型护理人-机任务筛选的调查研究 |
| 一、护理人-机任务调查表的专家论证 |
| 二、典型护理人-机任务筛选的调查研究 |
| 三、小结 |
| 第四部分 基于典型人-机任务的ICU护士工作心理负荷及影响因素研究 |
| 一、研究目的 |
| 二、研究对象与方法 |
| 三、研究结果 |
| 四、小结 |
| 第五部分 基于结构方程模型的ICU护士工作心理负荷研究 |
| 一、研究目的 |
| 二、统计学方法 |
| 三、研究结果 |
| 四、小结 |
| 第六部分 讨论 |
| 第七部分 研究结论、创新点及局限性 |
| 参考文献 |
| 附录 |
| 附录一 专家小组会议咨询表 |
| 附录二 护理人-机任务调查表 |
| 附录三 典型人-机任务情境下ICU护士工作心理负荷调查问卷 |
| 综述 基于CiteSpace的医护人员工作心理负荷研究的可视化分析 |
| 参考文献 |
| 在读期间发表论文和参加科研工作情况 |
| 致谢 |
（3）风湿免疫疾病患者的创新药物治疗管理服务模式研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 我国药物治疗管理服务的研究现状 |
| 1.3 药物治疗管理服务在风湿免疫疾病中的研究 |
| 1.4 研究内容 |
| 1.5 论文的主要贡献与创新点 |
| 第二章 建立风湿免疫疾病患者的新型药学服务模式 |
| 2.1 引言 |
| 2.2 研究对象与纳排标准 |
| 2.2.1 研究对象 |
| 2.2.2 纳入与排除标准 |
| 2.3 药物治疗管理服务的主要途径 |
| 2.3.1 药学问诊 |
| 2.3.2 风湿免疫疾病患者的药物治疗评估 |
| 2.3.3 风湿免疫疾病的药学监护计划 |
| 2.3.4 风湿免疫疾病患者的随访评估 |
| 2.4 本章小结 |
| 第三章 基于FAERS数据库的生物性DMARDS安全性研究 |
| 3.1 引言 |
| 3.1.1 药物安全性研究的背景 |
| 3.1.2 药品不良反应信号的产生和内容概述 |
| 3.2 生物性DMARDs风险信号的数据来源及检测方法 |
| 3.2.1 数据来源 |
| 3.2.2 五种生物性DMARDs药物的药名信息 |
| 3.2.3 ADE名称编码 |
| 3.2.4 生物性DMARDs风险信号检测方法 |
| 3.3 五种生物性DMARDs的信号检测结果 |
| 3.3.1 数据来源五种生物性DMARDs的风险信号分布结果 |
| 3.3.2 五种生物性DMARDs的风险信号系统/器官分类结果 |
| 3.3.3 五种生物性DMARDs药物报告前10 位的风险信号结果 |
| 3.4 生物性DMARDs的风险信号与随访数据对比 |
| 3.4.1 生物性DMARDs的风险信号与随访数据对比方法 |
| 3.4.2 五种生物性DMARDs随访数据的信号检测及说明书对比结果 |
| 3.4.3 五种生物性DMARDs随访PT的信号检测强度对比结果 |
| 3.5 生物性DMARDs药物严重ADE风险信号研究 |
| 3.5.1 严重ADE信号挖掘方法 |
| 3.5.2 五种生物性DMARDs严重ADE风险信号检测 |
| 3.6 讨论 |
| 3.6.1 五种生物性DMARDs的信号检测结果分析 |
| 3.6.2 五种DMARDs的信号挖掘与随访数据对比分析 |
| 3.6.3 生物性DMARDs的严重不良事件讨论 |
| 3.7 本章小结 |
| 第四章 全文总结与展望 |
| 4.1 全文总结 |
| 4.2 局限与展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 攻读硕士期间取得的成果 |
（4）基于柔性干电极和人工智能的房颤自动检测与预测方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 柔性电干电极与心电监护设备 |
| 1.2.2 人工智能方法在医学信号处理中的应用 |
| 1.2.3 房颤自动检测算法 |
| 1.2.4 房颤自动预测算法 |
| 1.3 本文的主要研究内容 |
| 1.4 本文的章节安排 |
| 第二章 基于丝网印刷技术的柔性生物电干电极研制 |
| 2.1 引言 |
| 2.2 电极-皮肤理论模型 |
| 2.2.1 电极-皮肤接触面等效电路模型 |
| 2.2.2 电极-皮肤接触阻抗测量原理 |
| 2.3 分层丝网印刷技术 |
| 2.3.1 丝网印刷技术的工作原理与流程 |
| 2.3.2 丝网印刷技术的分类与应用 |
| 2.4 柔性干电极的设计与工程测量 |
| 2.4.1 柔性干电极的设计与制造 |
| 2.4.2 柔性干电极的工程测量方法与结果 |
| 2.5 本章总结 |
| 第三章 基于柔性干电极的体表心电信号检测技术研究 |
| 3.1 引言 |
| 3.2 体表心电信号产生与检测的原理 |
| 3.2.1 体表心电信号产生的原理 |
| 3.2.2 体表心电信号检测的原理 |
| 3.3 穿戴式单导联心电贴与心电背心研制 |
| 3.3.1 单导联体表心电信号检测设备 |
| 3.3.2 心电信号主动去噪方法 |
| 3.4 柔性干电极与Ag/AgCl湿电极的心电检测性能对比评估 |
| 3.4.1 心电信号检测实验方案 |
| 3.4.2 心电信号检测性能评估指标 |
| 3.4.3 心电信号检测性能评估结果与讨论 |
| 3.5 本章总结 |
| 第四章 基于深度学习与导联配置优化的房颤自动检测算法研究 |
| 4.1 引言 |
| 4.2 房颤自动检测算法介绍 |
| 4.3 深度学习算法与心电贴导联配置的协同设计 |
| 4.3.1 协同设计与优化 |
| 4.3.2 协同设计评估结果与讨论 |
| 4.4 房颤自动检测算法的小样本临床试验与性能评估 |
| 4.4.1 针对房颤自动检测算法泛化能力验证的小样本临床试验 |
| 4.4.2 不同电极类型和运动状态下的房颤自动检测算法性能评估实验 |
| 4.5 本章总结 |
| 第五章 基于机器学习/深度学习的房颤发作预测算法研究与探讨 |
| 5.1 引言 |
| 5.2 房颤发作预测数据库建库 |
| 5.2.1 阵发性房颤发作预测挑战数据库介绍 |
| 5.2.2 专用数据库建库 |
| 5.3 基于机器学习的房颤发作预测算法 |
| 5.3.1 心率变异性特征 |
| 5.3.2 机器学习模型搭建与性能评估 |
| 5.4 基于深度学习的房颤发作预测算法 |
| 5.4.1 基于滑动窗口的模型输入 |
| 5.4.2 深度学习模型搭建与性能评估 |
| 5.5 本章总结 |
| 第六章 全文总结与展望 |
| 6.1 本文创新点及工作总结 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（5）面向心肺慢病管理的穿戴式生理参数监测感知技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 柔性可穿戴心率、脉搏传感器系统 |
| 1.2.1 柔性心率传感器监测机制 |
| 1.2.2 柔性传感器的结构组成 |
| 1.2.3 研究现状 |
| 1.3 面向健康生命体征监测的穿戴式系统 |
| 1.3.1 研究现状 |
| 1.3.2 穿戴式生理参数监测系统关键感知技术 |
| 1.4 存在的问题和研究方向 |
| 1.5 论文的研究内容、结构、目的及意义 |
| 1.5.1 研究内容和组织结构 |
| 1.5.2 研究的目的和意义 |
| 第二章 穿戴式心肺慢病生理参数监测的生理学基础 |
| 2.1 心脏的电生理学 |
| 2.2 心电图各波段含义及临床意义 |
| 2.3 心率、脉搏产生及临床意义 |
| 2.3.1 心率的产生及临床意义 |
| 2.3.2 脉搏的产生及临床意义 |
| 2.3.3 心率与脉搏的关系 |
| 2.4 血氧饱和度的产生及意义 |
| 2.5 心律失常类型和指标 |
| 2.6 本章小结 |
| 第三章 POM/2D GNs柔性穿戴式脉搏传感器制备及传感特性 |
| 3.1 多金属氧酸盐概述 |
| 3.2 石墨烯和氧化石墨烯概述 |
| 3.3 石墨烯基复合材料在柔性传感器中的应用 |
| 3.4 实验部分 |
| 3.4.1 2DGNs悬浮液的制备 |
| 3.4.2 POM/2D GNs柔性材料制备 |
| 3.5 仪器与材料表征方法 |
| 3.6 结果与讨论 |
| 3.6.1 样品的XRD表征 |
| 3.6.2 样品的TEM、EDS表征 |
| 3.6.3 样品电化学性能 |
| 3.7 POM/2D GNs传感器模型构建及传感特性 |
| 3.7.1 POM/2D GNs传感器工作电路 |
| 3.7.2 POM/2D GNs传感特性测试 |
| 3.8 本章小结 |
| 第四章 2D GNs/Zn S:Mn~(2+)/POM柔性心率传感器制备及传感特性 |
| 4.1 力致发光材料及其在健康监测领域的应用 |
| 4.2 实验部分 |
| 4.2.1 ZnS:Mn~(2+)纳米材料制备 |
| 4.2.2 2D GNs/Zn S:Mn~(2+)/POM复合材料制备 |
| 4.3 仪器与材料表征方法 |
| 4.4 结果与讨论 |
| 4.4.1 样品的XRD表征 |
| 4.4.2 样品的TEM表征 |
| 4.4.3 样品的电化学性能 |
| 4.4.4 样品的光致发光性能测试 |
| 4.5 2D GNs/Zn S:Mn~(2+)/POM柔性心率传感器构建及传感特性 |
| 4.5.1 样品的发光与压力关系的实验验证 |
| 4.5.2 2D GNs/Zn S:Mn~(2+)/POM柔性传感器工作电路 |
| 4.5.3 2D GNs/Zn S:Mn~(2+)/POM心率监测实验 |
| 4.6 理论分析与探讨 |
| 4.7 本章小结 |
| 第五章 心肺慢病穿戴式生理参数监测系统 |
| 5.1 心肺慢病穿戴式生理参数监测系统设计 |
| 5.1.1 系统设计核心目标 |
| 5.1.2 系统结构 |
| 5.2 心电信号采集监测模块设计 |
| 5.2.1 心电信号采集模拟前端 |
| 5.2.2 心电信号处理MCU |
| 5.2.3 心电信号采集硬件电路设计 |
| 5.3 血氧饱和度监测模块设计 |
| 5.3.1 血氧信号采集模拟前端 |
| 5.3.2 血氧信号处理MCU |
| 5.3.3 指套式血氧传感器 |
| 5.3.4 血氧饱和度信号采集硬件电路设计 |
| 5.4 电源模块设计 |
| 5.5 穿戴式心肺慢病信号采集及性能测试 |
| 5.6 穿戴式心肺慢病监测系统样机 |
| 5.7 柔性石墨烯基电极的心电信号采集实验 |
| 5.8 本章小结 |
| 第六章 基于DCNN模型的智能心律失常分类识别算法 |
| 6.1 智能心拍分类技术研究 |
| 6.2 深度卷积神经网络的心电分类原理 |
| 6.3 心律失常分类的深度卷积神经网络模型 |
| 6.3.1 心电信号数据源 |
| 6.3.2 心拍数据集生成 |
| 6.3.3 ECG深度卷积神经网络结构及参数 |
| 6.4 实验结果及分析 |
| 6.4.1 实验平台及评价指标 |
| 6.4.2 结果与分析 |
| 6.5 本章小结 |
| 第七章 基于CLSTMA组合模型的智能心律失常分类识别算法 |
| 7.1 CLSTMA组合模型心电分类基本原理 |
| 7.1.1 长短时记忆网络 |
| 7.1.2 注意力机制 |
| 7.2 ECG时序信号预测分类算法 |
| 7.3 心律失常分类的CLSTMA组合模型 |
| 7.4 实验与结果分析 |
| 7.4.1 实验平台 |
| 7.4.2 心电信号数据来源 |
| 7.4.3 CLSTMA组合神经网络模型参数及评价指标 |
| 7.4.4 结果与分析 |
| 7.5 讨论 |
| 7.6 本章小结 |
| 第八章 总结与展望 |
| 8.1 研究内容总结 |
| 8.2 主要创新点 |
| 8.3 研究展望 |
| 致谢 |
| 参考文献 |
| 附录 Ⅰ 英文缩略词表 |
| 附录 Ⅱ 研究生期间取得成果 |
（6）电子病历数据的表示学习及应用研究（论文提纲范文）
| 摘要 |
| abstract |
| 主要符号对照表 |
| 第1章 引言 |
| 1.1 研究背景和研究意义 |
| 1.1.1 健康医疗大数据 |
| 1.1.2 电子病历系统 |
| 1.1.3 电子病历数据的表示学习 |
| 1.1.4 研究意义 |
| 1.2 相关研究 |
| 1.2.1 离散医学概念的表示学习 |
| 1.2.2 医疗时间序列数据的表示学习 |
| 1.2.3 多模态健康医疗数据的融合表示学习 |
| 1.2.4 结合医学领域知识的表示学习 |
| 1.3 研究内容 |
| 1.4 论文组织结构 |
| 第2章 相关理论 |
| 2.1 词嵌入式表示方法 |
| 2.2 卷积神经网络模型 |
| 2.3 循环神经网络模型 |
| 2.4 端到端的记忆网络模型 |
| 2.5 医疗健康预测任务中的类别不平衡问题 |
| 2.6 本章小结 |
| 第3章 基于医学概念嵌入式表示的卷积神经网络模型 |
| 3.1 本章引论 |
| 3.1.1 住院病案首页和疾病诊断相关组 |
| 3.1.2 研究问题 |
| 3.2 离散医学概念的表示学习 |
| 3.2.1 离散医学概念的嵌入式表示 |
| 3.2.2 离散医学概念的多粒度嵌入式表示 |
| 3.3 结合医学领域知识的多通道卷积神经网络模型 |
| 3.4 质量监测系统数据集介绍 |
| 3.4.1 数据集构建和数据预处理 |
| 3.4.2 国际疾病分类编码的统计分析 |
| 3.5 医疗资源消耗水平的预测 |
| 3.5.1 模型训练与评价 |
| 3.5.2 模型性能对比分析 |
| 3.5.3 嵌入式表示的超参数分析 |
| 3.6 医学概念的表示向量分析 |
| 3.6.1 医学概念嵌入式表示向量的可视化 |
| 3.6.2 基于嵌入式表示的医学概念相似性分析 |
| 3.7 本章小结 |
| 第4章 基于临床时间序列数据表示的个性化预测模型 |
| 4.1 本章引论 |
| 4.1.1 重症监护病房中的急性肾损伤 |
| 4.1.2 急性肾损伤疾病的早期诊断 |
| 4.2 临床医学数据库介绍 |
| 4.2.1 数据集构建 |
| 4.2.2 数据预处理 |
| 4.3 临床时间序列数据的表示方法 |
| 4.4 急性肾损伤预测任务中的类别不平衡问题 |
| 4.4.1 基于正负样本匹配策略的类别均衡方法 |
| 4.4.2 基于个性化预测模型的类别均衡方法 |
| 4.5 实验结果与分析 |
| 4.5.1 模型训练与评价 |
| 4.5.2 模型性能的对比分析 |
| 4.5.3 特征的重要性分析 |
| 4.5.4 时间采样窗口大小对模型的影响 |
| 4.6 本章小结 |
| 第5章 基于多模态数据表示的双核记忆单元网络模型 |
| 5.1 本章引论 |
| 5.1.1 医学健康领域的多模态数据 |
| 5.1.2 研究问题 |
| 5.2 单模态健康医疗数据的表示学习 |
| 5.2.1 临床时间序列数据的表示学习 |
| 5.2.2 心电图信号的表示学习 |
| 5.3 多模态数据的融合表示学习 |
| 5.3.1 双核记忆单元网络模型 |
| 5.3.2 带门控机制的双核记忆单元网络模型 |
| 5.4 基于重症监护病人的多模态数据的死亡风险预测 |
| 5.4.1 数据集构建与数据预处理 |
| 5.4.2 模型训练与评价 |
| 5.4.3 实验结果与分析 |
| 5.5 基于住院病案首页中多模态数据的费用预测 |
| 5.5.1 数据集构建与数据预处理 |
| 5.5.2 模型训练与评价 |
| 5.5.3 实验结果与分析 |
| 5.6 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间发表的学术论文与研究成果 |
（8）智能监护数据统计及分析系统的设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究现状 |
| 1.3 论文主要研究工作及结构安排 |
| 第二章 智能监护数据统计及分析系统概述 |
| 2.1 系统功能分析 |
| 2.2 系统功能模块设计 |
| 2.3 系统的关键技术研究 |
| 2.3.1 Web报表生成技术 |
| 2.3.2 报表导出技术 |
| 2.3.3 视频回放技术 |
| 2.3.4 分布式文件存储 |
| 2.3.5 并行计算技术 |
| 2.3.6 数据挖掘算法 |
| 2.4 本章小结 |
| 第三章 数据统计服务功能的设计与实现 |
| 3.1 数据统计服务功能方案设计 |
| 3.2 数据模型设计 |
| 3.2.1 患者麻醉信息功能数据模型设计 |
| 3.2.2 麻醉流程回溯功能数据模型设计 |
| 3.2.3 质控/麻醉报表功能数据模型设计 |
| 3.2.4 综合医疗数据看板数据模型设计 |
| 3.3 视频文件系统的设计与实现 |
| 3.4 麻醉流程回溯功能模块 |
| 3.4.1 麻醉流程回溯功能Web端实现流程 |
| 3.4.2 麻醉流程回溯功能服务端实现流程 |
| 3.4.3 麻醉流程回溯功能测试 |
| 3.5 质控记录功能模块 |
| 3.5.1 质控记录表功能Web端实现流程 |
| 3.5.2 质控记录表功能服务端实现流程 |
| 3.5.3 质控报表功能测试 |
| 3.6 医疗数据看板模块 |
| 3.6.1 医疗数据看板Web端实现流程 |
| 3.6.2 医疗数据看板功能服务端实现流程 |
| 3.6.3 医疗数据看板功能测试 |
| 3.7 本章小结 |
| 第四章 数据分析服务功能的设计与实现 |
| 4.1 数据分析功能架构设计 |
| 4.1.1 数据层 |
| 4.1.2 访问控制层 |
| 4.1.3 应用层 |
| 4.2 监护数据持久化备份 |
| 4.3 监护数据分析功能研究 |
| 4.3.1 监护数据预处理 |
| 4.3.2 Apriori算法划分症状区间 |
| 4.3.3 产生辅诊结论 |
| 4.4 实验结果及分析 |
| 4.5 本章总结 |
| 第五章 系统虚拟容器化部署 |
| 5.1 虚拟容器化部署的研究 |
| 5.2 系统功能拆分与部属 |
| 5.2.1 主从数据库部署 |
| 5.2.2 监护数据统计功能模块的部署 |
| 5.2.3 监护数据分析功能模块的部署 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 后期工作展望 |
| 参考文献 |
| 致谢 |
| 作者攻读学位期间内成果目录 |
（9）基于电子病历数据的ICU患者死亡风险预测研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 ICU患者死亡风险预测模型研究现状 |
| 1.2.2 ICU患者生理时间序列表示研究现状 |
| 1.3 研究内容与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 2 相关理论概述 |
| 2.1 基于遗传算法的特征选择方法 |
| 2.2 K-means聚类算法 |
| 2.3 单一分类器与集成分类器 |
| 2.3.1 单一分类器 |
| 2.3.2 集成分类器 |
| 2.4 ICU患者死亡风险预测概述 |
| 3 电子病历数据集及预处理 |
| 3.1 MIMIC-III数据库介绍 |
| 3.2 研究队列选取 |
| 3.3 临床指标数据获取 |
| 3.4 数据预处理 |
| 3.4.1 异常值处理 |
| 3.4.2 数据整合 |
| 3.4.3 缺失值处理 |
| 4 基于遗传算法的患者时间序列重要统计量评价 |
| 4.1 基于统计量的患者生理时间序列特征抽取 |
| 4.2 基于遗传算法的最优统计量组合选择 |
| 4.3 实验设计 |
| 4.4 实验结果及分析 |
| 4.4.1 短期死亡风险预测结果 |
| 4.4.2 院内死亡风险预测结果 |
| 4.4.3 长期死亡风险预测结果 |
| 4.4.4 最优统计量组合的定量分析 |
| 4.5 本章小结 |
| 5 基于动态集成学习算法的ICU患者死亡风险预测 |
| 5.1 DELAK算法思想 |
| 5.2 DELAK算法描述 |
| 5.2.1 基于K-means的采样及基分类器训练 |
| 5.2.2 基于距离动态赋权的基分类器融合 |
| 5.3 基于DELAK算法的ICU患者死亡风险预测实验 |
| 5.3.1 实验设计 |
| 5.3.2 实验结果及分析 |
| 5.4 讨论 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间科研项目及科研成果 |
| 致谢 |
（10）面向胎儿监护的CTG信号数字化和智能分析算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 CTG信号数字化发展现状 |
| 1.2.2 宫缩信号智能算法发展状况 |
| 1.3 存在问题和研究内容 |
| 1.3.1 现有算法的缺点 |
| 1.3.2 研究内容 |
| 1.4 研究内容及章节安排 |
| 2 CTG信号理论基础 |
| 2.1 妊娠过程 |
| 2.2 胎儿监护 |
| 2.3 CTG信号 |
| 2.3.1 胎儿心率信号 |
| 2.3.2 子宫收缩信号 |
| 2.4 纸质CTG规格 |
| 2.5 CTG信号来源 |
| 2.6 本章小结 |
| 3 二值CTG数字化算法 |
| 3.1 图像获取 |
| 3.2 背景网格直线去除 |
| 3.2.1 图像分割算法 |
| 3.2.2 直线检测算法 |
| 3.2.3 提出的算法 |
| 3.3 信号提取 |
| 3.4 信号校准 |
| 3.5 结果与讨论 |
| 3.5.1 验证集 |
| 3.5.2 验证结果 |
| 3.6 本章小结 |
| 4 宫缩信号强度自动分类算法 |
| 4.1 宫缩信号预处理 |
| 4.1.1 融合经验模态分解和形态学处理的高频滤波 |
| 4.1.2 基于平滑先验法(SPA)的低频滤波 |
| 4.2 宫缩信号特征提取 |
| 4.2.1 多模态特征提取 |
| 4.2.2 特征向量处理 |
| 4.3 宫缩信号分类 |
| 4.3.1 基于KNN的宫缩分类诊断 |
| 4.3.2 基于SVM的宫缩分类诊断 |
| 4.4 结果与讨论 |
| 4.4.1 评价指标 |
| 4.4.2 实验结果 |
| 4.5 本章小结 |
| 5 总结和展望 |
| 5.1 工作总结 |
| 5.2 未来展望 |
| 致谢 |
| 参考文献 |
| 附录 作者在读期间发表的学术论文及参加的科研项目 |
四、中心电子监护系统的临床应用（论文参考文献）
- [1]MIMIC数据库脓毒症早期凝血指标预警价值及深度烧伤数据挖掘方法研究[D]. 刘晓彬. 中国人民解放军海军军医大学, 2021(01)
- [2]基于人-机任务的ICU护士工作心理负荷及影响因素研究[D]. 闫妍. 中国人民解放军海军军医大学, 2021(09)
- [3]风湿免疫疾病患者的创新药物治疗管理服务模式研究[D]. 邹林珂. 电子科技大学, 2021(01)
- [4]基于柔性干电极和人工智能的房颤自动检测与预测方法研究[D]. 卜雨翔. 电子科技大学, 2021(01)
- [5]面向心肺慢病管理的穿戴式生理参数监测感知技术研究[D]. 石用伍. 贵州大学, 2020(01)
- [6]电子病历数据的表示学习及应用研究[D]. 奉雨娟. 清华大学, 2020(01)
- [7]远程胎儿监护的临床应用[J]. 范玲. 中华产科急救电子杂志, 2020(03)
- [8]智能监护数据统计及分析系统的设计与实现[D]. 赵宇晨. 北京邮电大学, 2020(05)
- [9]基于电子病历数据的ICU患者死亡风险预测研究[D]. 卢梦林. 大连理工大学, 2020(06)
- [10]面向胎儿监护的CTG信号数字化和智能分析算法研究[D]. 刘志康. 杭州电子科技大学, 2020(02)