詳細內容
該項目為國家自然科學基金資助面上項目（項目批準號：61471064）。該項目理論成果如下：
1. 上下文特征篩選：基于高維醫(yī)療健康體檢數據特點提出數據預處理方案，提高模型效果及模型收斂速度；基于機器學習的高血壓風險評估模型展開了對應的研究，篩選肥胖相關的方便獲取的上下文特征；基于隨機森林算法分析每種因素對高血壓的影響，得出對高血壓影響最大的上下文指標。
2. 體域網的研究：提出了異構無線傳感器網絡(HWSNs)節(jié)點優(yōu)化分配方案，實現異構傳 感器節(jié)點在網絡中的優(yōu)化分配。在區(qū)域覆蓋中的能耗問題上，提出一個新型高能效節(jié)點部署機制(LEDS)，提高了網絡壽命約 15% -20%且達到將近 98%的利用率。在點覆蓋中的精度問題上，提出基于標準的卡爾曼濾波的最優(yōu)跟蹤算法，使跟蹤精度最大化。
3. 數據挖掘算法的研究：提出了一種更適合于對高血壓慢病進行挖掘的模糊加權關聯分類算法(GRWFAC)。通過篩選肥胖相關的上下文特征，提出并實現了基于決策樹的高血壓風險評估模型。構造了疾病早期篩查和高危人群識別模型，并應用于心腦血管疾病的智能診斷。4.預警模型的研究：從于心血管慢病數據集上開展加速比和并行效率評估實驗，驗證了
挖掘方案的可行性以及 MRWFAC 算法在應對海量數據處理時在擴展性和效率方面獲得的性能
提升；設計出了一套高血壓早期預警的整體模型，由數據預處理及特征提取、模型訓練、診斷預警三個部分構成。
5.醫(yī)療影像的研究：考慮到高血壓是阿爾茲海默癥的誘發(fā)因素，該項目在原研究內容基 礎上引入了基于多模態(tài)磁共振影像的組織分割研究，構建基于多目標的交互式神經網絡模型， 實現海馬體的自動分割研究，其戴斯相關系數(DSC) 可達 0.919(±0.023) ， 精準度(Precision)可達 0.926(±0.032)。
該項目實踐成果主要有：針對患有高血壓、糖尿病、肥胖等慢性疾病患者、老年人等人群，以健康監(jiān)測及運動促進為主要手段，搭建 WeHealth 遠程健康管理平臺。在其數據采集部分中，除了可穿戴設備以外，又提供了一種可供病人自行填寫上傳測量信息的數據采集方式，開發(fā)了數據采集微信小程序，并應用于中國人民解放軍總醫(yī)院。
技術信息
| 愿意合作方式 |
投資入股 |
愿意投資額度 |
面議
|
| 有效截止時間 |
2023-04-29 |
| 聯系人姓名 |
認證用戶可見 |
聯系人QQ |
認證用戶可見 |
| 聯系人電話 |
認證用戶可見 |
聯系人郵箱 |
認證用戶可見 |
| 聯系人地址 |
認證用戶可見 |
聯系人單位 |
認證用戶可見 |
| 區(qū)域 |
認證用戶可見 |
附件信息
