腦卒中是一種急性腦血管疾病。腦卒中幸存者中約有70%~80%不同程度喪失勞動(dòng)能力,而且腦卒中患者康復(fù)周期長(zhǎng),康復(fù)機(jī)制復(fù)雜,給家庭和社會(huì)帶來(lái)極大負(fù)擔(dān)。傳統(tǒng)診療過(guò)程需根據(jù)醫(yī)師經(jīng)驗(yàn)進(jìn)行開(kāi)展,受醫(yī)師主觀影響較大。為彌補(bǔ)傳統(tǒng)診療方法不足,提高醫(yī)師診療效率、降低誤診率,為經(jīng)驗(yàn)不足及地方醫(yī)療水平有限的醫(yī)師提供有效決策支持,針對(duì)康復(fù)診療的計(jì)算機(jī)輔助決策研究急需完善。本文使用患者電子病歷信息,針對(duì)腦卒中患者康復(fù)輔助診斷、康復(fù)治療方案推薦以及康復(fù)預(yù)后預(yù)測(cè)三個(gè)方面進(jìn)行輔助決策研究,并構(gòu)建了腦卒中患者智能診療康復(fù)系統(tǒng),具體工作如下:1.使用自然語(yǔ)言處理技術(shù)將患者查體與評(píng)估結(jié)果轉(zhuǎn)換為詞向量作為輸入,將注意力機(jī)制與雙向GRU網(wǎng)絡(luò)融合,提取電子病歷中蘊(yùn)含的患者信息,最后通過(guò)softmax分類(lèi)進(jìn)行腦卒中康復(fù)輔助診斷,與多層感知機(jī)、卷積神經(jīng)網(wǎng)絡(luò)、以及長(zhǎng)短期記憶網(wǎng)絡(luò)進(jìn)行對(duì)比,準(zhǔn)確率分別可達(dá)60.8%、35.0%、46.8%及49.9%。2.提出將VGG16與Unet網(wǎng)絡(luò)相結(jié)合進(jìn)行多標(biāo)簽分類(lèi)任務(wù)。首先使用VGG16進(jìn)行特征提取,然后使用Unet網(wǎng)絡(luò)進(jìn)行特征重構(gòu),將損失函數(shù)由交叉熵更改為均方差,并對(duì)模型組合與損失函數(shù)的選擇進(jìn)... 

【文章頁(yè)數(shù)】：103 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景與意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 腦卒中診斷中的輔助決策
        1.2.2 腦卒中治療的輔助決策
        1.2.3 腦卒中預(yù)后預(yù)測(cè)的輔助決策
    1.3 本文的主要工作
    1.4 本文的結(jié)構(gòu)安排
第二章 相關(guān)原理與技術(shù)
    2.1 腦卒中診療相關(guān)原理
        2.1.1 康復(fù)診療流程
        2.1.2 相關(guān)康復(fù)臨床診療方法介紹
    2.2 模型相關(guān)原理介紹
        2.2.1 GRU網(wǎng)絡(luò)
        2.2.2 VGG網(wǎng)絡(luò)
        2.2.3 Unet網(wǎng)絡(luò)
        2.2.4 LSTM網(wǎng)絡(luò)
    2.3 常見(jiàn)算法介紹
        2.3.1 多層感知機(jī)
        2.3.2 卷積神經(jīng)網(wǎng)絡(luò)
        2.3.3 循環(huán)神經(jīng)網(wǎng)絡(luò)
    2.4 本章小結(jié)
第三章 基于注意力機(jī)制和雙向GRU的腦卒中康復(fù)輔助診斷
    3.1 電子病歷的詞向量表示
    3.2 基于注意力機(jī)制的雙向GRU網(wǎng)絡(luò)
        3.2.1 注意力機(jī)制
        3.2.2 基于注意力機(jī)制的雙向GRU網(wǎng)絡(luò)
    3.3 實(shí)驗(yàn)結(jié)果及分析
        3.3.1 輔助診斷數(shù)據(jù)集
        3.3.2 評(píng)價(jià)指標(biāo)
        3.3.3 實(shí)驗(yàn)結(jié)果
    3.4 本章小結(jié)
第四章 基于VGG16和Unet網(wǎng)絡(luò)的腦卒中康復(fù)治療方案推薦
    4.1 基于VGG16和Unet的改進(jìn)神經(jīng)網(wǎng)絡(luò)
        4.1.1 患者特征提取
        4.1.2 患者特征重構(gòu)
    4.2 實(shí)驗(yàn)結(jié)果與分析
        4.2.1 治療方案推薦數(shù)據(jù)集
        4.2.2 模型評(píng)價(jià)指標(biāo)
        4.2.3 實(shí)驗(yàn)結(jié)果討論
    4.3 本章小結(jié)
第五章 基于改進(jìn)LSTM網(wǎng)絡(luò)的腦卒中康復(fù)預(yù)后預(yù)測(cè)
    5.1 基于改進(jìn)LSTM網(wǎng)絡(luò)
        5.1.1 LSTM網(wǎng)絡(luò)訓(xùn)練優(yōu)化
        5.1.2 LSTM網(wǎng)絡(luò)改進(jìn)
    5.2 實(shí)驗(yàn)結(jié)果與說(shuō)明
        5.2.1 預(yù)后預(yù)測(cè)數(shù)據(jù)集
        5.2.2 評(píng)價(jià)指標(biāo)說(shuō)明
        5.2.3 實(shí)驗(yàn)結(jié)果分析
    5.3 本章小結(jié)
第六章 腦卒中智能診療康復(fù)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
    6.1 需求分析
        6.1.1 系統(tǒng)設(shè)計(jì)目標(biāo)
        6.1.2 功能性需求
        6.1.3 非功能性需求
    6.2 腦卒中智能診療康復(fù)系統(tǒng)設(shè)計(jì)
        6.2.1 系統(tǒng)模塊設(shè)計(jì)
        6.2.2 數(shù)據(jù)庫(kù)設(shè)計(jì)
    6.3 開(kāi)發(fā)框架及開(kāi)發(fā)工具
    6.4 系統(tǒng)實(shí)現(xiàn)
    6.5 本章小結(jié)
第七章 結(jié)束語(yǔ)
    7.1 本文工作總結(jié)
    7.2 后續(xù)工作展望
致謝
參考文獻(xiàn)
攻讀碩士研究生期間參研項(xiàng)目與研究成果


【參考文獻(xiàn)】：
期刊論文
[1]吞咽分期深刺法治療腦卒中后吞咽障礙[J]. 霍綺雯,黃燕冰,林東雄,金培群.  中醫(yī)學(xué)報(bào). 2020(02)
[2]Brunnstrom分期針刺對(duì)腦卒中后肢體功能障礙的療效觀察[J]. 蔣鵬軍,喬冠瑩,胡彥紅,張路路,惠永芳,黃菀益,李貞禎.  中國(guó)老年保健醫(yī)學(xué). 2019(06)
[3]腦出血影像學(xué)特征及其預(yù)測(cè)臨床預(yù)后的研究進(jìn)展[J]. 李迪,劉舒鑫,王文志,孫海欣.  中國(guó)醫(yī)學(xué)前沿雜志(電子版). 2019(10)
[4]康復(fù)醫(yī)學(xué)精準(zhǔn)化診療服務(wù)平臺(tái)構(gòu)建探索[J]. 龍建軍,王春寶,劉銓權(quán),張永,呂星,袁健,王玉龍.  中國(guó)康復(fù)醫(yī)學(xué)雜志. 2019(10)
[5]頸動(dòng)脈內(nèi)膜斑塊切除術(shù)圍手術(shù)期腦卒中研究進(jìn)展[J]. 馬凱明,王濤.  中國(guó)臨床神經(jīng)外科雜志. 2018(10)
[6]基于EHR的醫(yī)療知識(shí)圖譜研究與應(yīng)用綜述[J]. 何霆,吳雅婷,王華珍,熊英杰,孫偲,徐漢川.  哈爾濱工業(yè)大學(xué)學(xué)報(bào). 2018(11)
[7]臨床決策支持系統(tǒng)在醫(yī)院的應(yīng)用[J]. 羅雪梅.  電子技術(shù)與軟件工程. 2018(19)
[8]腦卒中康復(fù)治療進(jìn)展[J]. 惠艷娉,席悅,張巧俊.  華西醫(yī)學(xué). 2018(10)
[9]TriAGe+評(píng)分對(duì)頭暈患者腦卒中的診斷價(jià)值研究[J]. 王為強(qiáng),宇輝,朱瑞昉.  中國(guó)全科醫(yī)學(xué). 2018(19)
[10]頸動(dòng)脈內(nèi)膜剝脫術(shù)和頸動(dòng)脈支架成形術(shù)治療缺血性腦卒中的中期效果比較:單中心經(jīng)驗(yàn)[J]. 楊林,劉建林,祁光裕,周紅艷.  中國(guó)血管外科雜志(電子版). 2018(01)



本文編號(hào)：3705218