人工智能在医疗诊断系统中的应用研究

发布时间：2021-06-10 14:43

　　针对神经网络专家系统、基于规则的专家系统受到干扰序列影响而出现诊断效果差的问题,该文提出了人工智能在医疗诊断系统中的应用研究。选用STM32F103C8T6型微处理器作为采集系统主要芯片,采集患者身份信息和病理特征。预处理信号并提取相应特征,利用小波变换去噪,消除干扰序列,剔除多余病例信息。利用主成分分析技术衡量病例数据、符合度、医学资料、得病程度指标贡献度,降低病理信号特征向量维数,通过医学数据分析确诊病情。以肺癌CT诊断为例进行实验验证分析,由实验结果可知,使用人工智能技术不会受到干扰序列影响,对于胸膜凹陷和胸膜浸润诊断误差最高为0.1,该技术对于缺乏经验医生来说是具有实际应用价值的。 

【文章来源】：自动化与仪表. 2020,35(10)

【文章页数】：6 页

【部分图文】：

患者身份信息及病理特征采集框架

对于诊断模型的构建，需从病例数据和专家经验角度出发，根据医疗诊断系统中的数据库信息，确定病例指标，利用该指标计算符合需要疾病辅助诊断的数据，由此获取符合度，诊断模型如图2所示。模糊测度是基于人工智能技术训练的各个指标对疾病诊断贡献，综合衡量是指在相互影响下的贡献程度。通过与程序中设定标准值比较，用模糊积分方法计算诊断结果，得出具体诊断结果。

资深医师可从应试者大量的检验指标中选择相关的重要指标，根据指标与指标之间的相关性来判断应试者是否患上了某种疾病。以上指标选择是指在保证可信性的基础上，选择适当的算法实现降维。该模型利用人工智能技术的遗传算法来确定基础指标，遗传算法优化神经网络获取确定基础指标的步骤如图3所示。借助神经网络算法优化分析基础指标具体获取流程，主要步骤如下所示：

【参考文献】：
期刊论文
[1]人工智能在病理学研究与应用的进展[J]. 于颖彦.  中华病理学杂志. 2020(05)
[2]人工智能在脊柱畸形诊疗中的应用及展望[J]. 陈锴,蔡腾广,王晨,白玉树,李明.  第二军医大学学报. 2020(03)
[3]人工智能在脊柱外科诊断与治疗中的应用现状和发展趋势[J]. 欧阳汉强,姜亮,刘晓光,袁慧书,刘忠军.  中华骨科杂志. 2019(24)
[4]人工智能在基层医疗卫生机构的应用与思考[J]. 陆春吉,郭珉江,郑见立,李国垒,李亚子.  中华医院管理杂志. 2019(11)
[5]人工智能在中医骨伤科领域应用的现状与前景[J]. 刘军,韩燕鸿,潘建科,曾令烽,梁桂洪.  中华中医药杂志. 2019(08)
[6]人工智能及其在心血管精准医疗中的应用[J]. 刘军,尹彤.  中华心血管病杂志. 2019 (02)
[7]人工智能在恶性肿瘤诊断和治疗中的应用与前景[J]. 沈天乐,傅小龙.  中华肿瘤杂志. 2018 (12)
[8]人工智能在医疗健康领域的应用及挑战[J]. 金春林,何达.  卫生经济研究. 2018(11)
[9]眩晕疾病人工智能专家诊疗系统研究进展[J]. 王会,于栋祯.  第二军医大学学报. 2018(08)
[10]人工智能在医疗领域的应用和准入[J]. 蒋璐伊,王贤吉,金春林.  中国卫生政策研究. 2018(11)



本文编号：3222569