疾病预测
疾病预测的相关文献在1986年到2022年内共计417篇,主要集中在内科学、自动化技术、计算机技术、预防医学、卫生学
等领域,其中期刊论文191篇、会议论文39篇、专利文献125965篇;相关期刊158种,包括人天科学研究、江西科技师范大学学报、中华流行病学杂志等;
相关会议37种,包括《中医杂志》特邀心血管专家学术座谈会暨中医治疗冠心病心绞痛疾病临床经验会议、中法老年医学高峰论坛2016暨第二届中国老年医学研究机构联盟大会、第四届全国分子流行病学暨第八届晋冀鲁豫流行病学学术会议等;疾病预测的相关文献由996位作者贡献,包括徐啸、徐衔、李劲松等。
疾病预测—发文量
专利文献>
论文:125965篇
占比:99.82%
总计:126195篇
疾病预测
-研究学者
- 徐啸
- 徐衔
- 李劲松
- 刘小双
- 孙瑜尧
- 张瑜
- 李军
- 杜乐
- 杜小军
- 王奔
- J.V.斯奈德
- R.W.格维恩
- 史晓宇
- 周天舒
- 孙毓忠
- 池胜强
- 王洪平
- 田雨
- 肖京
- 陈子洋
- 不公告发明人
- 俞海燕
- 刘鹏鹤
- 吴庆庆
- 孙亮
- 孙晓平
- 孙超良
- 徐亮
- 曾嵘
- 杜登斌
- 林旭
- 王光明
- 王燕
- 肖占沛
- 谭红霞
- 赵丽丽
- 过公俭
- 郭晓方
- 金敏
- 钱庆
- 阮晓雯
- A·L·莫劳
- D·S·纽伯格
- G·M·鲁伊斯-帕拉希奥斯
- 云欢
- 井口亚希
- 何兰青
- 何昆仑
- 余秀琼
- 侯凤琴
-
-
钟坤华;
秦小林;
陈敏;
陈芋文
-
-
摘要:
近年来,机器学习在医疗保健领域取得了巨大成就。然而,成功应用于医疗问题的机器学习方法仅仅是基于关联而不是因果关系,关联在逻辑上并不意味着因果关系。与关联相比,因果关系进一步探索了变量之间更本质的关系。医疗保健的特殊性决定了其研究方法必须符合因果关系规范,否则错误的干预措施可能会给患者带来巨大负面影响。为此,提出一种因果特征发现与预测方法,用于实例疾病预测。因果特征选择基于函数因果生成神经网络,并使用强化学习框架设计可解释的因果实例特征选择和预测模型。该网络模型由因果预测网络、预测网络和因果门选择网络3个神经网络组成,采用Actor-Critical方法对其进行训练,并在合成数据、开源数据和真实医学数据进行验证,证实了该模型可以在给出预测结果的同时提供因果解释。
-
-
岳益兵;
于颖;
沈磊;
王燕;
王莹莹;
詹秀秀;
吕伟波
-
-
摘要:
利用体检数据预测肌少症的患病风险,探索预测肌少症的重要因素,以实现肌少症的早期诊断.基于2019年上海某医院的5641名人员的体检数据,利用Wilcoxon秩和检验和卡方检验找出差异显著的特征,使用8种机器学习方法对是否患有肌少症进行预测.采用受试者操作曲线下面积(AUC)评价模型预测效果,建立较优的肌少症预测模型,并利用特征评分寻找预测肌少症的重要因素.LightGBM(Light-gradient boosting machine)、随机森林和逻辑回归预测效果较优,测试集AUC值达到0.93以上.模型确定了年龄、体质量、身高、身体质量指数(body mass index,BMI)、腰围、臀围、舒张压以及平均红细胞血红蛋白量、高密度脂蛋白、平均红细胞体积、红细胞、甘油三酯是预测肌少症的重要因素,体格检查、血检指标、血常规、肝肾功能、生活习惯和一般信息是预测肌少症重要体检项目.文章建立了有效的肌少症患病风险预测模型,确定了预测肌少症的重要因素和体检项目,在一定程度上有助于肌少症患者的管理.
-
-
李荣庭;
段鹏;
胡瑞;
范莲静
-
-
摘要:
常见的传染病预测模型需要大量数据作为支持如灰色模型、人工神经网络模型、通径分析模型.对于突如其来的大规模传染病,其数据量小、预测结果亟待使用的特点对预测工作的准确度和速度提出了双重要求.针对2009年美国爆发的甲型H1N1流感新增病例的少样本数据集,优化ARIMA模型,建立一种对未来流感新增病例数的预测模型,使得该模型的预测结果不再依赖大量的数据并具有较高的可信度.在研究中,引入支持向量机模型对误差进行优化,通过最小残差值函数找到合适的参数,并应用到自回归过程中.仿真结果表明,SVM优化后的ARIMA模型无需大量数据亦能保证预测的结果准确.
-
-
周艳;
吴滨;
甘解华
-
-
摘要:
脑血管疾病三级救治信息网络平台通过对救助信息、资源的整合以及对管理过程的控制以改进对于信息化技术的管理,提供了一种全新的、科学的、高效的、便捷的管理模式。平台操作方便快捷,数据处理能力高效,显著提高院外急救反应能力及急救处理能力,进而提升服务质量,实现急救快速化、准确化、规范化,改善医疗急救管理,最终提高急救成功率及生存质量。平台能够提高应急反应能力、突发事件共同协作能力以及急救现场的救援成功率,节约医疗系统物力、人力资源,对于提高救治水平、缓解医疗资源不足、缓解医疗资源分布不均具有实际意义。
-
-
周素素;
张伟伟
-
-
摘要:
预后和诊断在疾病的预防和治疗中起着至关重要的作用。本文基于临床肿瘤组织的DNA甲基化芯片数据,利用反卷积算法对肿瘤组织进行分解,将估计得到的肿瘤组织中各细胞类型所占比例和细胞类型特异性的甲基化位点作为生物标志物,利用SVM算法构建该疾病的预测模型。TCGA肺腺癌、肾透明细胞癌的数据分析表明,所提方法在预测精确度和鲁棒性上都优于常用算法。
-
-
李恺文
-
-
摘要:
进入二十一世纪,科学技术得到了空前发展,使得人们逐渐揭开人工智能这一领域的神秘面纱,而将其应用于医疗领域则更是人类思想上的一大进步。本期《协和医学杂志》主题为“人工智能在病理学中的应用”,从病理图像识别、图像储存、辅助诊断、疾病预测等多方面展示了人工智能技术在病理学领域应用的最新进展。封面图构思伊始,我在表现形式上进行了多角度尝试,包括如何更好地体现人工智能、如何描绘背景中大脑形状的神经网络等等。在选题策划专家及美术指导老师的指点和帮助下,封面图结构不断优化,最终,画面以模拟的神经网络为背景,主体以“流水线”的形式呈现了病理图像的处理全过程,包括病理样本获取、病理切片染色、图像识别和分析等。机器手臂不仅为人工智能的形象化展示,也象征着未来人工智能将在该领域中大显身手。结合抗疫的时代背景,画面右上角增添了机器手臂操作核酸检测咽拭子的想象,寓意在当下抗疫中,人工智能也在发挥着不可或缺的作用。
-
-
郭凯;
艾菊梅
-
-
摘要:
本文通过研究KNN(K-最近邻)算法在疾病预测领域的使用与分析,总结出KNN的2点不足,针对不足进行相应改进并提出F_KNN(循环最近邻搜索)算法:1)针对KNN计算量大、效率低下的缺点,本文采用FLANN(快速最近邻搜索)循环搜索与待测样本距离最近的点,记录若干个最近邻点作为最近邻点子集,利用此子集取代全集对待测样本进行计算,可以降低计算量,极大地提高了KNN算法效率;2)针对KNN难以对高维数据集分类的缺点,本文采用AHP(层次分析法)对样本的特征属性进行相关性研究,使用合适的参数分配权重,提高了KNN算法准确率。本文采用一组脑中风数据集对优化后的算法进行实验,实验结果表明,F_KNN准确率达96.2%。与传统KNN相比,F_KNN提高了分类性能且极大地提高了算法效率。在处理高维且较大的数据集时,F_KNN算法优势明显,具有较好的应用前景。
-
-
邬金鸣;
孙海霞;
王嘉阳;
钱庆
-
-
摘要:
目的探索重症老年患者(≥60岁)急性肾损伤早期连续风险预测的可行性,促进机器学习在临床决策支持中的应用。具体实现以6 h为单位连续预测重症老年患者在未来48 h的急性肾损伤发病风险,并探索可实现何种程度的早期预测,以及比较当前数据和累积数据的预测效果。方法基于重症监护医学信息数据库(Medical Information Mart for Intensive Care,MIMIC)-Ⅲ,应用逻辑回归、支持向量机、随机森林和轻量梯度提升机(light gradient boosting machine,LightGBM)建模预测。基于曲线下面积(area under curve,AUC)、精确度和召回率进行结果评估。结果共11261条重症老年患者记录纳入研究。基于当前6 h数据预测时,LightGBM的AUC达0.845~0.925,随机森林、支持向量机和逻辑回归的最高AUC均低于0.73。基于入重症监护病房最初6 h数据,LightGBM效果最好,AUC达0.845。LightGBM应用当前数据比累积数据获得更高的AUC、精确度和召回率,随机森林、支持向量机和逻辑回归反之。结论利用LightGBM对重症老年患者进行急性肾损伤早期连续预测切实可行,仅基于重症监护病房前6 h数据的预测结果就可以达到24 h积累数据的预测效果。此外,不同模型对数据的接收能力和适用性不同,LightGBM在当前数据中表现优于累积数据,其他3种模型在累积数据中表现优于当前数据。
-
-
杨丰春;
郑思;
李姣
-
-
摘要:
目的探索可解释机器学习方法在疾病预测中的应用。方法本研究以脓毒血症死亡风险预测为例,从重症监护医学数据库(Medical Information Mart for Intensive Care,MIMIC)-Ⅳ中采集符合纳排标准的19903例脓毒血症(sepsis-3)患者的临床数据,利用决策树、逻辑回归、随机森林、XGBoost、轻量梯度提升机(light gradient boosting machine,LightGBM)模型分别构建脓毒血症死亡预测模型。在此基础上,利用全局可解释方法(特征重要性、部分依赖图、个体条件期望、全局代理模型)和局部可解释方法(局部代理模型和Shapely值)对复杂机器学习模型进行解释,探索影响脓毒血症患者预后的危险因素。结果解释性差的机器学习模型的预测性能[模型LightGBM、随机森林、XGBoost的曲线下面积(area under curve,AUC)值分别为0.913、0.892、0.872]高于具有内在解释性的模型(逻辑回归模型AUC=0.779,决策树模型AUC=0.791),并利用全局解释性方法、局部可解释性方法两种类型的解释方法对机器学习模型决策过程进行解释。结论利用全局解释性方法可以解释在整个特征空间内机器学习模型的响应趋势,利用局部可解释性方法可以解释机器学习模型对特定病例的决策过程。
-
-
王星;
刘晓燕
-
-
摘要:
随着社会经济建设以及医疗信息化的高速发展,传统的统计、分析、预测技术已经逐步无法满足行业的需求,医疗行业逐步进入大数据和人工智能时代,利用医院信息系统所积累的医疗大数据进行汇集、建模、分析,可以预测和判定未知数据的已知类型。对于医疗诊断也是同样如此,医疗信息数据挖掘和机器学习,可以为医学诊断提供丰富的实践参考价值。通过提取某三家医院大数据平台中9个指定特征症状的100份门诊病例,再提取出其中诊断结果为咳嗽病、感冒病症的病例,依据原始样本病例得出的经验熵,以及每个特征所能得到的信息增益,最后将特征数减少至2个,与原始数据集中采集的特征值有很大程度的减少。通过算法的描述得到了较简化的区分感冒和咳嗽病的决策树模型,使用该模型对其它历史病例进行测试,具有较高的准确率,基本达到诊断要求。实际应用中,可根据决策树最终特征值进行检验指标进行采集,减少了无用或者与疾病关系不大的指标采集过程,可减少疾病诊断检验复杂度,可达到诊断预测和辅助诊断的效果病,为医疗业务以及科研提供支持。
-
-
-
王晓佳;
王雨容
- 《第十五届(2020)中国管理学年会》
| 2020年
-
摘要:
近年来,随着二胎政策的放开,人们生活水平的提高,饮食的不断提高和糖尿病的诊断标准不断完善,妊娠糖尿病的发病率逐年上升.以至于妊娠合并糖尿病仍是导致围生儿合并症发生甚至围生儿死亡的主要原因之一,危害极大.因此,针对妊娠糖尿病预测具有非常重要的研究意义.随着机器学习算法的不断发展,已经越来越多的机器学习和深度学习方法被用于对疾病发生进行预测.据此,本文提出一种基于模型融合思想的糖尿病预测方法,采用Stacking的设计思路,使用随机森林、CatBoost算法等分类方法作为初级分类器,使用逻辑回归作为次级分类器建立妊娠糖尿病预测模型.本文所用的数据来给予天池精准医疗比赛的患者诊断数据,得到的预测模型在验证集上正确率高于单个分类器,取得了较好的效果.
-
-
王晓佳;
王雨容
- 《第十五届(2020)中国管理学年会》
| 2020年
-
摘要:
近年来,随着二胎政策的放开,人们生活水平的提高,饮食的不断提高和糖尿病的诊断标准不断完善,妊娠糖尿病的发病率逐年上升.以至于妊娠合并糖尿病仍是导致围生儿合并症发生甚至围生儿死亡的主要原因之一,危害极大.因此,针对妊娠糖尿病预测具有非常重要的研究意义.随着机器学习算法的不断发展,已经越来越多的机器学习和深度学习方法被用于对疾病发生进行预测.据此,本文提出一种基于模型融合思想的糖尿病预测方法,采用Stacking的设计思路,使用随机森林、CatBoost算法等分类方法作为初级分类器,使用逻辑回归作为次级分类器建立妊娠糖尿病预测模型.本文所用的数据来给予天池精准医疗比赛的患者诊断数据,得到的预测模型在验证集上正确率高于单个分类器,取得了较好的效果.
-
-
王晓佳;
王雨容
- 《第十五届(2020)中国管理学年会》
| 2020年
-
摘要:
近年来,随着二胎政策的放开,人们生活水平的提高,饮食的不断提高和糖尿病的诊断标准不断完善,妊娠糖尿病的发病率逐年上升.以至于妊娠合并糖尿病仍是导致围生儿合并症发生甚至围生儿死亡的主要原因之一,危害极大.因此,针对妊娠糖尿病预测具有非常重要的研究意义.随着机器学习算法的不断发展,已经越来越多的机器学习和深度学习方法被用于对疾病发生进行预测.据此,本文提出一种基于模型融合思想的糖尿病预测方法,采用Stacking的设计思路,使用随机森林、CatBoost算法等分类方法作为初级分类器,使用逻辑回归作为次级分类器建立妊娠糖尿病预测模型.本文所用的数据来给予天池精准医疗比赛的患者诊断数据,得到的预测模型在验证集上正确率高于单个分类器,取得了较好的效果.
-
-
王晓佳;
王雨容
- 《第十五届(2020)中国管理学年会》
| 2020年
-
摘要:
近年来,随着二胎政策的放开,人们生活水平的提高,饮食的不断提高和糖尿病的诊断标准不断完善,妊娠糖尿病的发病率逐年上升.以至于妊娠合并糖尿病仍是导致围生儿合并症发生甚至围生儿死亡的主要原因之一,危害极大.因此,针对妊娠糖尿病预测具有非常重要的研究意义.随着机器学习算法的不断发展,已经越来越多的机器学习和深度学习方法被用于对疾病发生进行预测.据此,本文提出一种基于模型融合思想的糖尿病预测方法,采用Stacking的设计思路,使用随机森林、CatBoost算法等分类方法作为初级分类器,使用逻辑回归作为次级分类器建立妊娠糖尿病预测模型.本文所用的数据来给予天池精准医疗比赛的患者诊断数据,得到的预测模型在验证集上正确率高于单个分类器,取得了较好的效果.
-
-
王晓佳;
王雨容
- 《第十五届(2020)中国管理学年会》
| 2020年
-
摘要:
近年来,随着二胎政策的放开,人们生活水平的提高,饮食的不断提高和糖尿病的诊断标准不断完善,妊娠糖尿病的发病率逐年上升.以至于妊娠合并糖尿病仍是导致围生儿合并症发生甚至围生儿死亡的主要原因之一,危害极大.因此,针对妊娠糖尿病预测具有非常重要的研究意义.随着机器学习算法的不断发展,已经越来越多的机器学习和深度学习方法被用于对疾病发生进行预测.据此,本文提出一种基于模型融合思想的糖尿病预测方法,采用Stacking的设计思路,使用随机森林、CatBoost算法等分类方法作为初级分类器,使用逻辑回归作为次级分类器建立妊娠糖尿病预测模型.本文所用的数据来给予天池精准医疗比赛的患者诊断数据,得到的预测模型在验证集上正确率高于单个分类器,取得了较好的效果.
-
-
-
-
-
刘人恺;
陈春;
张涌;
杨春水;
张玲玲
- 《《中医杂志》特邀心血管专家学术座谈会暨中医治疗冠心病心绞痛疾病临床经验会议》
| 2017年
-
摘要:
在电子健康记录(电子病历)中进行知识发现是提高临床决策,预后和病人管理的中心环节.虽然电子病历在数据集成,自动化的访问和临床工作流程改进上具有巨大潜力.但是丰富的电子病历资料为文本信息,为广大的信息捕捉带来极大的不便,也为计算机对信息分析带了了巨大的挑战.在过去的几年中,目睹到社会网络分析和方法在医疗保健信息和管理系统的应用中的不断渗透.它可以有效性的利用信息技术,显著改善保健的策略的效率,进一步影响个人的日常生活,在本文中,根据提供的电子病例的文本信息,预测的患者在目前的健康状况的基础上,未来疾病的发生.预测疾病之间的关系的问题,是一个非常困难的,特别是在没有结构数据的文本数据上.为了这个目的,本文首先采用文本挖掘方法对每一个病人的整个历史病历进行特征提取分析,并对获取的特征构造一个加权疾病网络,然后,以频繁项集的Apriori方法,以确定疾病之间的连接.一个真正的网络上的实验结果表明,该方法能准确地揭示疾病的相关性,并善于捕捉未来疾病风险表现良好.