詳細內(nèi)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(shù)據(jù)特點提出數(shù)據(jù)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(wǎng)的研究：提出了異構無線傳感器網(wǎng)絡(HWSNs)節(jié)點優(yōu)化分配方案，實現(xiàn)異構傳 感器節(jié)點在網(wǎng)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(wǎng)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(shù)據(jù)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(lián)分類算法(GRWFAC)。通過篩選肥胖相關的上下文特征，提出并實現(xiàn)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(shù)據(jù)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(shù)據(jù)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(shù)據(jù)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(nèi)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(jīng)網(wǎng)絡模型， 實現(xiàn)海馬體的自動分割研究，其戴斯相關系數(shù)(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(shù)據(jù)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(shù)據(jù)采集方式，開發(fā)了數(shù)據(jù)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(lián)系人姓名 |
認證用戶可見 |
聯(lián)系人QQ |
認證用戶可見 |
| 聯(lián)系人電話 |
認證用戶可見 |
聯(lián)系人郵箱 |
認證用戶可見 |
| 聯(lián)系人地址 |
認證用戶可見 |
聯(lián)系人單位 |
認證用戶可見 |
| 區(qū)域 |
認證用戶可見 |
附件信息
