目的:探索深度神经网络(DNN)辅助的心肌声学造影(MCE)定量分析对经皮冠状动脉介入治疗(PCI)成功开通梗死相关动脉后的急性ST段抬高型心肌梗死(STEMI)患者短期预后的预测价值。方法:回顾性纳入2021年6－11月于武汉大学人民医院接受PCI成功开通梗死相关动脉(心肌梗死再灌注后血流分级3级)的STEMI患者97例。PCI后48 h内进行MCE检查，随访至术后120 d。主要心血管不良事件定义为心源性死亡及因充血性心力衰竭、再发心肌梗死、卒中、再发心绞痛再入院。心肌分割框架由基于U-net和LSTMs的组成，输出各心肌节段平台期增强强度(A)、灌注速率常数(β)和微循环血流量(MBF)，并进行MCE定量参数重复性检验。通过MBF将患者等分为低MBF组与高MBF组，比较两组间基线特征、心血管不良事件的差异。其他纳入变量包括常规生化检查、室壁运动分析、MCE定性分析及左室射血分数等。通过Cox风险回归分析探索各变量与预后的关系。绘制ROC曲线以评估模型预测效能，使用综合判别改善指数(IDI)进行模型间的预测效能比较。结果:自动心肌分割所有帧(3 810帧)耗时377 s。其中92.89%、7.11%的帧由经验医师评价为"良好分割"和"需要校正"。A、β、MBF的观察者内及观察者间组内相关系数为0.97~0.99。20例患者在随访期间出现心血管不良事件，多因素Cox回归分析显示，梗死相关动脉支配区域MBF每增加1 IU/s，短期发生心血管不良事件的风险降低6%( HR 0.94，95% CI＝0.91~0.98)。低MBF组短期内发生心血管不良事件的风险比高MBF组高4.5倍( HR 5.50，95% CI＝1.55~19.49)。在MCE传统定性分析中加入DNN辅助的MCE定量分析后，预后预测IDI为15%(AUC 0.86，敏感性0.78，特异性0.73)。 结论:STEMI患者PCI术后的梗死相关动脉支配区域微循环血流量是短期心血管不良事件的独立保护因素。基于DNN的MCE心肌分割框架可快速、客观、可重复地输出微循环定量灌注参数。在传统定性分析中加入DNN的定量分析对预后预测提供了增量价值，有望成为STEMI-PCI术后患者风险分层与临床随访的有力工具。

目的 建立一种用于髋臼周围截骨(periacetabular osteotomy,PAO)手术的骨刀变形预测模型,快速且精准地预测骨刀变形.方法 建立包含皮质骨和松质骨的骨盆-骨刀有限元数值模型,分析节点应变与形变之间的相关性,并优选综合相关性最强的 5 个节点的应变作为输入,选择刀刃部分节点的位移增量作为输出.通过数据集训练模型后,采用基于有限元数据集的深度学习神经网络回归模型,建立骨刀应变-形变预测模型.在模型预测完成后,利用双目视觉定位系统确定截骨手术过程中骨刀的空间精确位置,以此对骨刀进行术中跟踪.结果 预测模型的R2 为 0.987 81,骨刀离散成节点后的平均变形误差为 0.07 mm.该预测模型能够快速且精确地获取骨刀变形,在降低PAO手术事故方面显示出巨大的潜力.结论 建立的骨刀变形预测模型可通过骨刀的应变信息快速预测骨刀的变形,从而避免伤及组织周围神经和血管等组织,降低PAO术中难度和风险,并为临床应用提供理论支撑.

针对传统肺结节检测模型无法随新数据增加而动态优化更新的问题,提出了一种新的肺结节检测模型——任务增量元学习模型(TIMLM).该模型由内外2个循环构成.内循环设置了增量学习正则化更新约束,而外循环通过元更新策略对新旧知识进行采样并学习一组适应新旧数据的广义参数.在不改变模型主体结构的前提下,TIMLM尽可能地保留了之前学到的旧知识.通过在公开的肺部数据集上开展实验验证,结果表明,相较于传统的深度网络模型和主流的增量学习模型,TIMLM在准确度和敏感度等指标上都有显著提升,展现出良好的持续学习和抗遗忘能力.

为实现乳腺癌数据规则可视化,提出一种基于Lasso和增量学习结合的、以改进的属性偏序结构图为可视化工具的乳腺癌诊断规则提取方法.采用乳腺癌数据为数据源基础上算法分为4步:首先使用Lasso方法进行特征选择实现降维,在9个特征中选出前4个关联度最大的特征;其次进行基于Gini指数的连续数据粒化,通过增量学习方式动态生成形式背景;再次融合二次Lasso筛选,将维数由17降为3;最后使用新的基于基尼指数和覆盖对象的行列优化方法生成属性偏序结构图可视化规则,提取出规则7条.将数据处理结果与主流分类器对比,结果表明,基于该算法的规则提取实现96.52％的诊断准确率,均高于随机森林(94.25％)、Adaboost(90.00％)、1NN(91.33％)、3NN(90.67％)、支持向量机算法(95.00％).最后采用不同增量比例(10％ ～ 90％)数据验证增量学习算法效果,表明顺序学习数据量达到30％时模式已经完备,数据量在20％时准确率已经接近支持向量机算法,证明该方法是一种用于诊断可视化的规则发现的有效手段.

目的:尝试采用重复增量修剪法对457例卒中后吞咽功能患者的病历资料进行机器学习,探讨患者个人证候体征对显效率的影响.方法:从病历系统中提取符合纳入条件的舌三针治疗卒中后吞咽功能障碍患者的病例资料,运用重复增量修剪算法对所搜集的资料进行机器学习.结果:学习结果显示,吸烟与否、肥胖患者、血糖偏高、疾病分期等是对舌三针治疗卒中后吞咽功能障碍患者显效率影响最大的因素.结论:采用重复增量修剪法对卒中后吞咽功能患者显效率判断率高,可以协助临床医生做临床决策.

目的:尝试借助人工智能探讨足三里循经传导效应产生的影响因素.方法:招募广州中医药大学在读本科生、研究生受试者272例,记录其基本信息包括中医体质分类、体质量指数分级、脉象、舌苔、舌质、面色.以及采用不同规格针具及针刺手法针刺足三里后最终是否产生循经传导效应.运用重复增量修剪算法(RIPPER)对结果进行预估并总结相关影响因素的规则.结果:①阴虚质者往往出现循经传导效应(共55例,其中有1例被错分,即未出现循经传导效应);②平和质者出现循经传导效应(共39例,其中有0例被错分,即未出现循经传导效应);③痰湿质合并舌苔为薄白者出现循经传导效应(共31例,其中有8例被错分,即未出现循经传导效应);④痰湿质合并舌质为淡者出现循经传导效应(共7例,其中有2例被错分,即未出现循经传导效应);⑤特禀质者全部出现循经传导效应(共6例,其中有0例被错分,即未出现循经传导效应);⑥其他体质类型或体质和症状的组合不出现循经传导效应(共134例,其中有4例被错分,即出现循经传导效应).模型对测试数据的分类准确率迭94.49％.针具规格的不同和针刺手法的不同与循经传导效应差异均无统计学意义(均P＞ 0.05).结论:体质可能是循经传感效应出现与否最重要的影响因素.

目的 研究在氟西汀作用下联合式学习记忆模型小鼠记忆维持和消退的行为学特征及利用电生理方法探究其在大脑Barrel区神经基础.方法 行为学实验:将26只出生16d的C57小鼠随机分为对照组(n=13)和氟西汀组(n=13),两组每天分别注射生理盐水与等量氟西汀.利用多感觉刺激模拟器刺激小鼠右侧胡须的同时给与乙酸丁酯气味刺激.每天给予小鼠相应药物后,进行训练,连续10d;11～17d仅给药不刺激;第18天给药并恢复刺激训练,每天进行拍摄记录分析;场电位实验:选择小鼠大脑左侧桶状皮层,记录信号出现频率.结果 行为学实验结果:氟西汀组小鼠胡须摆动频率及角度增量大于对照组(P＜0.01);与第10天的峰值相比,第17天各组小鼠胡须的摆动角度及频率都有所减少,且对照组减少量更大(P＜0.05);再次训练1d后,各组小鼠胡须的数据迅速增至峰值左右,且两组差异有统计学意义(P＜0.05);场电位实验结果:第10天给予胡须刺激时,氟西汀组场电位信号频率大于对照组(P＜0.05);第17天给予胡须刺激时,氟西汀组场电位信号的频率大于对照组(P＜0.05).结论 小鼠受到联合训练后,形成了联合记忆,且氟西汀对小鼠的联合学习记忆的能力具有增强作用、对遗忘具有延缓作用,能够增强桶状皮层细胞的功能.

针对智能健康服务中多源异构信息难以有效融合及疾病实时预警等问题,以发病人数多、潜伏期长、死亡率高、对经济生活影响重大的心脑血管疾病和糖尿病为研究对象,以"数据—信息—知识管理"为主线,采用大数据、智能信息处理和知识管理等理论,构建基于增量式在线特征提取和离线深度学习的疾病预警模型,并开发了健康医疗信息服务管理大数据平台及实时预警服务支持系统.旨在为提高我国医疗信息服务水平、合理配置医疗资源提供理论与实践支持.

目的 以名中医治疗甲状腺结节的临床病案为研究对象,探索运用不完备信息系统下混合增量式约简发现诊疗规律,为传承名老中医学术思想、精准化临床用药提供参考.方法 基于国医大师周仲瑛教授及其团队的临床甲状腺结节诊疗医案,构建混合增量式信息系统,以适应数据集不断变化的临床医案要求,研究混合增量式学习,提出对象增加时的增量式区分矩阵的属性约简算法,分析核心药物、治法、病机和证型.结果 核心病位以肝为主,多涉及脾、肾、痰、瘀、郁、火、虚为其主要病理因素.证型分分为气郁型、痰湿型、湿热型、血瘀型、及阳虚型.结论 在临床医案数据上运用增量式信息系统,构建基于增量式区分矩阵,可有效的提取核心方、核心药,探索"法-方-药"之间的联系,为传承名老中医学术思想,指导临床用药提供参考.

当前的科技创新与医疗突破越来越依赖于多学科的交叉、融合,对复合型人才储备的需求越来越大.随着深度学习等人工智能技术在医学领域的应用不断发展,智能医疗已成为医学的重要分支.其中,眼科由于其诊疗的眼部影像依赖性,成为人工智能发展最有前景的医疗学科之一.交叉学科人才的培养对于医学人工智能的快速发展至关重要.封面展示了交叉学科人才在智慧医疗服务中发挥的重要作用,五个具备代表性的医疗元素与计算机二进制算法交织进入人脑,提示在医学教育中,医疗知识将与人工智能算法有机结合,培养交叉学科人才.蓝红渐变半透明人物居中,心电图网络跨越形象,波幅从异常到正常,提示交叉学科人才在医疗服务中起到的重要作用.未来可能通过心电监测、血药追踪、影像拍摄等方式,由医生大脑与人工智能协同工作实现健康诊疗,降低医疗成本,提高医疗效率.路漫漫其修远兮,正是医学人工智能具有巨大的发展和应用潜能,鼓舞着我们不断地回溯及总结医学人工智能研究,站在巨人的肩膀上创造知识的增量,以创新人工智能与医学交叉学科人才的培养模式.