区域数字卫生关键技术和应用示范研究

发布时间：2020-06-04 03:08

【摘要】：第一章图像分类中针对主动学习算法的列子集选择方法和基于增强流形学习的高斯混合模型研究第一部分图像分类中针对主动学习算法的列子集选择方法研究背景：图像和文本分类是计算机视觉和机器学习中的一项重要任务,然而手动标记图像是极为费时和昂贵的,但是在图像分类、文本分类等问题中,有标记的样本数据往往是很较难获取的,对图像进行人工标注往往又是费时和费力的。如何选择少量最具有价值的样本进行人工标注,从而提高分类性能是极为重要的。主动学习是图像分类的常用技术,但是目前已有的主动学习分类的具体算法对于图像分类还存在不足,没有考虑要以最小化重构误差来选择最优子集,也没有考虑图像数据的空间是高度非线性的内在几何结构。目的：基于列子集选取思想,解决目前图像分类样本标准算法中的主动学习方法存在的问题,提出新的主动学习算法来帮忙完成分类图像。方法：通过研究分析目前主动学习的有关算法,发现这些算法的优缺点,基于主动学习的列子集选择算法,提出了一种新的主动学习算法提出使用核的思想来定义的非线性主动学习算法,即核空间列子集选择的主动学习方法,以便在数据空间呈现高度非线性时发现数据中的几何结构,实现在投射的核空间中选择最具代表性的数据点。经过在再生核希尔伯特空间进行主动学习,解决了目前主动学习的非线性问题。最后,运用耶鲁大学的实验结果数据集ATT和coi120证明了本算法的有效性。结果：在人造数据集中,本文提出的方法能从两个圆及两个月牙中较为均匀的选择数据,这样能更好的代表整个数据集,效果较好。在真实图像数据集测试中,本文提出的算法在标注相同数量的样本情况下,分类的错误率都明显低于其他算法结论： (1)提出基于列自己选取的主动学习方法 (2)提出基于核空间的列子集选取的主动学习方法 (3)解决了目前线性主动学习方法无法捕捉图像数据非线性结构的缺陷 (4)在模拟和真实数据的模拟上证明了算法的学习能力和实际应用能力第二部分基于增强流形学习的高斯混合模型研究背景：高斯混合模型(GMM)已被广泛用于各种领域,包括文本文件的数据分析,人脸图像和基因。基于拉普拉斯约束的混合高斯模型(LapGMM)和基于局部一致性的高斯模型(LCGMM)被提出来增强高斯混合模型的效果,显示比原来的GMM性能优越。但是,这两个模型只考虑了数据的局部一致性,而没有保持全局一致性,因而存在不足。目的：研究基于增强流形学习的高斯混合模型(RGMM)的有效性。方法：通过在原有高斯混合模型上加入新的约束项来实现RGMM,并且运用EM算法来求解。分别在文本、人脸图像及临床医学数据等三个数据集上验证RGMM模型的有效性。结果：基于增强流形学习提出了一个新的高斯混合模型,利用EM算法来迭代优化模型参数。最后,在三个实际数据集上测试了效果。结果显示,RGMM比LapGMM和LCGMM要好。该模型基于增强流形学习的混合高斯模型不但保持局部一致性,而且保持了全局一致性。非常清楚地保证了相离点在映射后相离以及相近点在映射后相近的特征。结论： (1)基于增强流形学习提出了一个新的高斯混合模型--高斯混合数据分析模型(RGMM) (2)高斯混合数据分析模型更准确表达数据在流形空间上的位置关系。非常清楚地保证了相离点在映射后相离以及相近点在映射后相近的特征。不但保持局部一致性,而且保持了全局一致性。 (3)利用EM算法迭代优化模型参数。在三个实际数据集上测试。在模拟和真实数据的模拟上证明了高斯混合模型的学习能力和实际应用能力,结果显示,RGMM比LapGMM和LCGMM要好。第二章浙江省电子健康档案关键技术研究和示范应用背景： 2009年国家要求开始逐步为城乡居民建立电子健康档案,通过建设基于电子健康档案的区域卫生信息平台,整合健康数据建立一大基础资源数据库。本研究回顾性分析了浙江省电子健康档案的历史和现状,浙江省依托国家科技支撑计划和国家高技术研究发展计划(863计划)。在纸质档案在一些地区仍然存在,开展标准化、规范化居民电子健康档案的研究和试点工作。目的：本研究是适应国家卫生信息化建设的总体要求,进行电子健康档案的标准化研究,确定居民电子健康档案的子系统内容,研发居民电子健康档案信息系统,选择试点区域开展应用。方法：本研究依托国家数字卫生项目和卫生部医改信息化试点项目,遵循标准化、规范化的基本原则,技术选择和试点应用符合顶层化、标准化、整体化的三大基本要求。通过应用相关课题组研究的标准数据集,结合现场调研确定11个子系统内容,采用统一标准,集中统一研发居民健康档案信息系统软件,按照“逻辑集中、物理分散”的研究和部署模式,开展居民电子健康档案的研究和试点应用。结果：研究结果浙江省的居民电子健康档案信息主要分为11个域,标准化、规范化的“居民电子健康信息系统”包括11个子系统,可以动态地收集所有个体从孕育到死亡,整个生命历程中在医院、疾控、社区等机构或部门产生的健康信息,并为每个居民制定唯一的身份标识,通过信息化跟踪并管理所有的健康信息。应用成果“国家数字卫生”项目22个示范区已经建立并上传了1500余万份标准统一、信息共享的居民电子健康档案,示范区内居民电子健康档案的建档率达到90%以上。三个样板示范区的应用研究,全面推进当地的卫生信息化应用水平。结论：总结五年来的研究和示范实践,浙江省已经在示范区实现标准化、规范化的电子健康档案的动态更新和全面覆盖,有力推动了浙江省医疗卫生信息化和谐、跨越、可持续发展。浙江省一方面坚持全省标准统一、规范开发设计、统一部署,使得全省电子健康档案的建设符合原卫生部颁布的标准和规范要求,逐步实现全省的标准化、规范化电子健康档案全面覆盖,全省健康信息共享、互联互通。这项研究成果也被写入卫生强市、强县考核的基本指标中,进入了政府的年度责任制考核体系,成为推进居民电子健康档案建设的重要抓手。第三章卫生信息平台的体系架构与功能模式研究背景：面对医疗卫生部门条块分割、各自为政和医疗卫生信息资源不能共享、各种应用系统低水平重复的现状,如何实现区域范围内居民健康信息的互联互通、信息共享,卫生信息平台就凸现其重要性。以健康档案、电子病历和远程医疗为切入点,大力推进标准化、规范化居民电子健康档案建立的背景下,推进省市县三级卫生信息平台的规范化建设,将有利于快速推进医疗卫生信息化的进程,如何在一省范围开展卫生信息平台建设,如何协同区域范围内的应用信息系统和服务极为重要目的：研究省市县三级卫生信息平台的系统架构和功能架构,具体阐明三级平台的功能定位,实现基于个人健康信息的数据存储、分析、管理和共享的基础功能。研究标准化卫生信息平台服务功能和区域卫生应用信息系统的部署模式,构建健康档案与电子病历的卫生信息平台,整合电子病历、公共卫生等与个人健康相关信息,实现省市县三级卫生信息平台的应用服务。对外提供医疗就诊、双向转诊、远程诊疗、个人健康管理门户等综合性服务,对内提供宏观决策和疾病监测、预警等应用。方法：本研究中的省市县三级卫生信息平台是依据统一规划、统一标准、集成开发、共建共用四大原则,按照平台独立性、平台可扩展性、技术先进性选择技术,借鉴应用规范的平台系统架构,采用多种数据分析方式,实现健康档案、电子病历和公共卫生数据的传输、存储、分析和展示。采用区域应用信息系统的技术部署方式,实现区域范围内医疗卫生信息的整合。结果：研究确定省市县三级卫生信息平台的系统架构和功能架构。完成省市县三级卫生信息平台的数据服务包括数据采集、数据存储、数据交换和数据分析技术的研究和部署。完成基于健康档案和电子病历的主题分析内容和展示系统的研制,实现健康信息的六大类主题分析图表展示。提出四种区域信息系统的概念,即区域医院信息系统(rHIS)、区域检验信息系统(rLIS)、区域医学影像信息系统(rPACS)、区域电子病历系统(rEMR)。完成区域应用信息系统的设计和部署蓝图,并完成试点部署。结论：从目前状况来看,构建省市县三级卫生信息化平台是一种合理且行之有效的架构模式。明确省市县三级卫生信息化平台的功能分工,符合我国的国情,有利于发挥各级卫生行政管理部门的积极性。在省市县三级平台建设过程中,运用云计算技术建立虚拟化的县级卫生信息平台,可以有效降低建设的总成本,提高整体的社会效益第四章基于卫生信息平台的电子病历信息共享研究和实现背景：目前国内的电子病历使用的数据格式和传输协议都没有统一的标准,导致无法实现电子病历的自动化交换和共享,在不同医院之间不能进行有效的临床信息交换,无法使患者的临床信息得到充分利用。目的：研究信息共享的关键技术,通过电子病历的标准化和结构化的处理、传输和交换,实现电子病历信息的共享。方法：在卫生部电子病历数据标准的基础上,结合采用情景分析法和层次分析法,通过Delphi法专家咨询确定电子病历可以结构化的数据项,运用SWOT分析法,结合应用可扩展标记语言(XML)和临床文档结构标准(CDA)两项技术,实现电子病历的标准化传输和交换。结果：完成电子病历信息标准化和结构化的处理、传输和交换流程的技术研究,形成技术规范；实现电子病历完整性的自动测试。有123家医院实现电子病历标准化上传省级卫生信息平台,有16家电子病历提供商具备了电子病历标准化和结构化的处理、传输和交换能力。结论：实现电子病历信息的标准化、结构化处理和标准化自动交换,实现电子病历的标准化上传。形成电子病历的标准化交换和共享技术规范,为在今后医院之间实现电子病历信息的交换、共享和利用奠定了理论和实践基础。第五章远程专家门诊服务模式的设计与应用研究背景：新医改要求：“利用网络信息技术,促进城市医院与社区卫生服务机构的合作”。但目前我国医疗行业存在医疗卫生资源分布和患者需求不相匹配,优质医疗资源主要分布在大城市大医院中。大医院医疗资源长期处于供应紧张的状态,县级医院、社区卫生服务机构则往往因不能满足患者需求而导致医疗资源闲置,难以实现患者合理、有效流动。目的：探索新的医疗卫生服务模式,充分发挥远程医疗服务系统的功能,引导患者合理流动,充分发挥医疗资源的作用,是我们研究目的。方法：将县医院、社区卫生服务中心远程系统建设和专家预约服务相结合,针对患者需求,研究远程专家门诊服务模式、服务流程,研究具体的信息技术选型、患者预约流程和后台管理流程,研究视频处理技术和信息安全技术。结果：试点的某社区卫生服务机构开展远程预约专家门诊前,就诊患者的平均门诊费用为109.7元,月平均门诊人数为1236人；开展远程预约专家门诊一年后,患者平均门诊费用为90.3元,同比分别下降17.7%,月平均门诊人数为1437人,同比分别上升16.2%。结论：远程专家门诊使得患者到基层社区卫生服务机构和县级医院的就诊积极性和主动性得以提升,使广大居民切实享受到信息技术发展带来的便捷、经济、安全、有效的医疗服务。基层医疗机构能够充分享受到上级医院的专家、设备及其他资源,提高了基层医疗卫生机构医疗水平,提升了服务水平。上下级医疗卫生机构之间的联系更加紧密,形成既能提供优质医疗服务,又能降低病人负担的远程医疗服务新模式,让老百姓享受到“等待在家里,看病在社区,专家在眼前”的优质医疗服务,初步实现“首诊在社区、大病进医院,康复回社区”的就医新格局。
【图文】：

形数,例子,主动学习,数据集

0图2.2 —个在合成的双月形数据集上的简单例子。不同的主动学习算法对数据点的选择。被选中的数据点旁边的数字表示它们被选中的顺序。（a) AOD, (b) DOD, (c) KCSS?c,e。1.4.2图像分类中的实验设定在三个图像数据集上进行了实验。第一个是Yale人脸数据集1，第二个是AT&T人脸数据集2,第三个是COIL20图像库3。每张图片都是32 X 32像素的，每个像素为256级灰度。于是每张图片可以用一个1024维的向量来表示。用不同的主动学习算法来选择训练图片，然后用线性回归方法来训练图片分

平均绝对误差,数据集,算法性能

从训练集中重复随机选择k张图片并且记录平均的平均绝对误差率。图2.6 (C)表明了在COIL20数据集上的分类结果。可以发现在大多数场景下，KCSSactive比其它算法性能都好，其中KCSSacth，e的表现最好。随着训练规模的增长，不同算法间的性能差距也会缩小。表2.3中列出了具体的平均绝对误差率及标准差。Random、SVMactive、AOD、DOD、CSS^ctive和KCSS^ctive的平均的平均绝对误差率分别为 20.4%、26.9%、39.5%、41.1%、17.2%和 12.4%。可以看到CSS^ctive比之前的三种经典主动学习算法性能都更好。对最好的CSSa<:ti，/e和KCSSaeth，e进行比较，，KCSS_active能够降低27.9%的相对误差?
【学位授予单位】：浙江大学
【学位级别】：博士
【学位授予年份】：2014
【分类号】：R-05

【参考文献】