一、On information field of clinical diagnosis（论文文献综述）
郭星晨[1]（2021）在《融合多模态特征的乳腺癌分类系统的分析与设计》文中研究指明随着医疗水平的不断提高,使用机器学习方法对乳腺癌进行分类预测,已成为近年来研究热点。由于乳腺癌临床诊断数据与超声影像是诊断其类型的关键依据,因此本文对来自Biendata Competition公开数据集中乳腺癌患者的临床诊断数据和超声影像进行分析及特征融合,构建了基于决策树的分类模型对乳腺癌类型进行预判,设计与实现了分类系统。本文的主要研究内容包括:（1）乳腺癌分类模型的筛选。首先,分析了决策树、Logistics回归和支持向量机三种机器学习分类算法;然后,以乳腺癌临床诊断数据训练分类模型,利用Res Net-50提取出影像特征,并与诊断数据特征融合,训练分类模型,分别对比三种分类模型性能,确定以决策树算法建立模型;最后,对比单模态及双模态数据分别训练的决策树分类模型性能,实验结果表明了影像对分类的辅助作用。（2）融合显着特征与临床诊断数据特征构建乳腺癌分类模型。首先,基于Faster R-CNN对超声影像显着病灶区域进行自动标注;然后,利用Res Net-50提取影像显着病灶区域特征,将提取的显着病灶区域特征与相应的诊断数据特征融合,构建了乳腺癌分类模型;最后,对比了自动标注前后的分类模型性能,实验结果证明了影像的显着特征对分类模型性能的提升作用。（3）乳腺癌分类系统的设计与实现。首先,搭建系统前端模块,主要包括用户登录及上传信息子模块;然后,建立分类模型与分类系统的通信机制,调度分类模型辅助用户对乳腺癌类型进行预测分类;最后展示了预测类型结果。本文将机器学习经典分类算法应用到乳腺癌分类中,分别从分类模型筛选、对模型性能的提升及系统实现三个方面进行研究,最终为用户提供友好的人机交互窗口,具有重要的实践意义。
郑德重[2]（2021）在《基于多模态数据融合的肺部肿瘤智能分析技术研究》文中研究指明癌症在全球范围内威胁着人类的健康,全球癌症患者当中,肺癌作为发病率第二（男性当中仅次于前列腺癌,女性当中仅次于乳腺癌）,死亡率最高的一种癌症,对其早期诊断具有重要意义。临床上,影像学诊断信息对于肺癌的早期诊断和治疗预后都有很高的临床价值,而目前绝大多数关于肺部肿瘤的计算机辅助研究都是借助影像学信息开展的。随着医学技术的快速发展,医疗数据的种类和数量都在不断丰富和增加。由于肺部肿瘤诊断的复杂性,借助计算机辅助技术来帮助医生更加全面准确地把握这些描述患者不同体征和检查的信息,在临床诊断和治疗方面显得尤为重要。综合使用多种不同类型数据（又称多模态数据）的方法已成为智能医疗系统的重要驱动力,其应用研究范围已覆盖到从筛查发现、疾病诊断、治疗预后评估的方方面面。在本文研究中,利用人工智能技术结合多模态医疗数据以肺部肿瘤诊断为切入点做了以下几个方面的研究工作:（1）基于高斯混合的距离度量学习在数据理解及模型构建泛化性方面研究临床医疗数据不同于其他普通数据,相较而言,大多以小样本的形式散乱分布在不同医院和机构之中。利用基于大数据的人工智能技术研究临床问题时,由于存在样本规模的限制,小样本情况下训练得到的模型预测性能不稳定、容易出现偏差,同时适用范围存在质疑的问题。本文从数据理解的角度出发,提出了一种基于高斯混合的距离度量学习（DML-GMM）方法,它能帮助我们有效的了解数据的分布情况。在理解数据分布的条件下优化人工智能模型训练的流程,减小模型的偏差和方差。同时,该方法还能帮助在实践中发现奇异样本,帮助模型进行迭代更新、了解模型的适用范围及泛化性能。（2）深度学习模型可靠性研究:基于距离的置信度分数深度学习技术像“黑盒”一样,虽然在一些应用场合效果显着但缺乏一定的可解释性,而在医疗领域的应用中通常对其可靠性和可解释性有一定要求。在这样的背景和需求下,对模型的置信度进行了研究,提出了一种基于距离的置信度分数来衡量分类模型的置信度,用这种置信度分数来解释其预测结果的可靠程度。该置信度分数在分析多模态融合分类模型时,可以用来量化评估不同模态信息对于模型综合判断时对置信度的影响,从置信度的角度解释了不同类型数据对于模型作用及影响。（3）基于多模态数据的肺腺癌病理亚型鉴别技术研究肺癌的病理无创鉴别是临床诊断上一个极具挑战问题。本研究采集了1946例经临床证实的肺腺癌患者数据,使用深度学习技术结合诊断过程中常用到的多种检查信息:患者一般临床信息、血清肿瘤标志物和CT影像检查,提出了一种基于注意力机制的多模态融合肺腺癌病理分类模型用来鉴别肺腺癌的浸润性和非浸润性,该方法在测试数据上取得了88.4%的准确率和0.958的AUC,优于现有相关研究。（4）基于深度学习和影像组学融合的肺肿瘤射频消融术后疗效预测这项临床术后评估的应用研究（肺肿瘤射频消融术后疗效预测）,提出了一种基于深度学习和影像组学融合的肺肿瘤射频消融术后疗效预测模型用来预后疗效评估。该模型融合了肺部肿瘤射频消融术前术后的多模态影像信息。在样本较小的情况下取得了较好的预测性能。
杨明明[3]（2021）在《基于生成对抗网络的低剂量CT图像去噪方法研究》文中指出电子计算机断层扫描（CT）技术可快速获取人体组织结构图像,得到的图像具有极高的空间分辨率以及清晰度。CT技术目前已经成为临床诊断的重要方式,为临床医生对疾病诊断和治疗提供了强有力的帮助。随着CT技术的广泛使用,检测时产生的辐射对受检者所造成的伤害不容忽视,过量CT辐射将严重损害受检者的身体健康。但是,降低CT检测的辐射剂量会导致CT图像出现噪声、伪影,引起图像质量下降。这些噪声、伪影经常掩盖细微但重要的细节信息,对临床诊断造成不利影响。近年来,研究者基于深度学习提出多种低剂量CT图像去噪的方法。这些方法因网络结构的特征提取能力有限,在CT图像去噪中造成细节信息的模糊。此外,在临床环境中,难以获得对齐的数据集。对于非对齐CT数据集,监督去噪方法无法训练出有效的模型,而目前的无监督方法无法有效去除噪声。针对以上问题,本文提出两种低剂量CT图像去噪方法,本文的主要工作包括以下两个方面:（1）针对去噪方法造成的CT图像细节信息模糊的问题,本文提出基于多尺度特征融合的低剂量CT图像去噪方法。该方法设计了一种多尺度特征融合生成器,对于特征图中存在的冗余通道,使用八度卷积进行多尺度变换,从而使生成器具有多尺度特征提取能力。为了使生成的图像与真实图像更接近,本文将所设计的生成器应用于生成对抗网络框架,通过判别器引导生成器学习图像质量更好的CT图像。实验证明,本文所提出的多尺度特征融合去噪方法在公开数据集上取得了良好的去噪结果,保留了清晰的细节信息。（2）在临床环境中,难以获取对齐的CT数据集,导致监督方法无法有效训练。目前的非监督方法未取得良好的去噪结果。针对非对齐临床数据集,本文提出了一种基于自适应特征选择的低剂量CT图像去噪方法。该方法使用CycleGAN作为基本框架,可以实现无监督对低剂量CT图像进行去噪。本文提出一种自适应特征选择生成器,可以自适应选择多种网络结构所提取的特征信息,从而得到质量更好的CT图像。该方法使用PatchGAN作为判别器,引入感知损失函数,从而引导生成器生成包含更多细节信息的CT图像。本文所提出的方法,在临床非对齐数据集上展现了良好的去噪性能。
田昕彤[4]（2021）在《2型糖尿病合并高血压患者舌象及症状相关性研究》文中进行了进一步梳理研究一国内舌诊文献可视化及计量研究目的:围绕“舌诊”利用Cite Space软件开展系统的文献计量及可视化分析,对国内舌诊领域研究情况进行梳理,分析舌诊研究现状及趋势。方法:以中国知网（CNKI）为数据来源,检索并筛选2001年1月至2020年12月公开发表文献,检索式为“主题=舌诊or舌象”（精确）,通过Cite Space5.7软件将所纳入文献的作者、机构及关键词进行共现分析并得到相关可视化知识图谱。结果:近20年有关舌诊的研究整体呈增长趋势,通过知识图谱结果显示,该领域主要研究人员1217人,形成了以王忆勤、梁嵘、许家佗、陈群为代表的4个高产团队,研究力量集中在上海、北京、天津、广州,主要以中医药科研院所为主。通过关键词聚类得到聚类模块性Q值（Modularity Q）=0.256,平均轮廓性S值（Mean Silhouette）=0.9042,说明通过该聚类得到的关键词能够精确地反映该领域的研究热点,主要有舌诊客观化、舌象与疾病的相关性及舌诊文献研究,关联度较高的证型主要为湿热证和血瘀证,主要涉及到的疾病为慢性胃炎、糖尿病、冠心病、高血压及多种恶性肿瘤,对常见疾病及其常见并发症的相关研究较少。结论:舌诊领域各研究团队内部及机构之间合作较为密切,且呈现出多学科融合的趋势。目前涉及到舌象相关性研究的疾病数量较少,今后的研究可以加强各学科间合作,深入挖掘舌诊与临床疾病的相关性。研究二2型糖尿病合并高血压患者舌象与临床症状相关研究目的:分析2型糖尿病合并高血压患者舌象在不同性别、吸烟史、病程、现代医学指标等因素中的变化并探索该病的证型分类。方法:对710例2型糖尿病合并高血压患者进行信息采集,信息采集表主要包括问卷基本信息、知情同意书、患者基本信息表、中医临床诊断记录表及临床资料确认单。应用上海中医药大学研制的TDA-1型舌象仪采集患者舌象图像,对患者舌象进行初步判别,判别内容主要包括患者舌色、舌形、舌态、苔色、苔质,对舌色、苔色及部分舌形、苔质与患者性别、吸烟史、病程及血压、血糖进行分析。于中医临床诊断记录表中提取出现频率最高的25个症状及10个舌象特征,通过对患者症状及舌象进行聚类分析,探寻2型糖尿病合并高血压的证型分布。结果:（1）舌象研究结果:以性别作为分组,男性组与女性组在白苔、黄苔、黑苔、裂纹、厚苔、薄苔、腻苔中有统计学差异（P<0.05）,女性白苔与薄苔占比较男性高,男性黄苔、黑苔、裂纹、厚苔、腻苔占比较女性高;以有无吸烟史作为分组,两组患者在白苔、黑苔、裂纹、薄苔、腻苔上有统计学差异（P<0.05）,其中,无吸烟史组的患者在白苔与薄苔中的占比高于有吸烟史组的患者,有吸烟史组的患者在黑苔、裂纹及腻苔中的占比高于无吸烟史组的患者;以糖尿病病程作为分组,则不同组在淡红舌、红绛舌中有统计学差异（P<0.05）,糖尿病病程≤10年时,患者在淡红舌中占比较高,糖尿病病程>10年时,患者在红绛舌中占比较高;以高血压病程作为分组,则不同组在淡红舌、暗红舌、裂纹、薄苔中有统计学差异（P<0.05）,当高血压病程<5年时,患者在淡红舌中占比较高,当高血压病程≥5年时,患者在暗红舌、裂纹、薄苔中的占比较高;以空腹血糖作为分组时,患者在齿痕、薄苔中有统计学差异（P<0.05）,空腹血糖≥7mmol/L时,患者在齿痕及薄苔中占比较高;以收缩压作为分组时,患者在红绛舌中有统计学差异（P<0.05）,收缩压<140mmg H时患者在红绛舌中占比较高;以舒张压作为分组时,患者在黑苔及薄苔中有统计学差异（P<0.05）,当舒张压≥90mmg H时,患者在黑苔及薄苔中的占比较高。（2）临床症状与舌象聚类研究结果:根据聚类分析结果结合中医理论,将聚类分为2类最为合理。聚类1包括以下症状与舌象:“口黏”、“盗汗”、“腰酸”、“便秘”、“肢体麻木”、“头重”、“目眩”、“口渴多饮”、“多汗”、“咽干”、“夜尿”、“牙齿松动”、“心悸”、“胸闷”、“失眠”、“烦躁易怒”、“淡红舌”、“红绛舌”、“舌尖红”、“齿痕”、“苔黄”、“苔腻”,聚类2包括以下症状与舌象:“疲倦”、“乏力”、“听力减退”、“耳鸣”、“裂纹”、“瘀点”、“口干”、“口苦”、“视物昏糊”、“目干涩”、“头晕”、“苔薄”、“苔白”。结论:（1）2型糖尿病合并高血压患者舌象特征随性别不同有统计学差异,男性较女性更易出现黄苔、黑苔、裂纹、厚苔、腻苔,这与患者生活方式密切相关;（2）2型糖尿病合并高血压患者舌象与吸烟史存在统计学差异,吸烟对该病患者舌象存在一定程度的影响;（3）2型糖尿病合并高血压患者舌象与病程、血糖及血压存在统计学差异,患者病程、血糖及血压的变化在舌象上有一定程度的反映,提示舌象可以成为辅助该病临床诊断的中医特色指标之一;（4）通过症状与舌象聚类分析将本病归类为两个证型,分别为肝肾阴虚证与气阴两虚证,通过对患者证型进行分类,有助于为临床辨证论治提供依据。研究三 2型糖尿病合并高血压患者舌象参数与临床症状相关性研究目的:进一步研究2型糖尿病合并高血压患者舌象,探讨该病患者舌象参数与中医临床症状的相关性,探寻其中规律。方法:应用上海中医药大学研制的TDA-1型舌象仪对710例2型糖尿病合并高血压患者进行舌图采集,通过软件进一步对舌象参数进行提取,软件为天津中医药大学自主研发“中医舌象智能辅助诊断系统”,提取内容主要有舌尖（R、G、B）、舌质（R、G、B）、舌苔（R、G、B）、齿痕数量、最大齿痕面积、裂纹数量、最长裂纹长度、点刺数量、最大点刺面积、瘀斑数量、最大瘀斑面积。将通过软件提取出的舌象参数与中医临床诊断记录表中出现频率最高的25个症状进行斯皮尔曼相关性分析,以得到舌象参数与中医临床症状的相关性。结果:（1）舌尖与症状分析结果:舌尖R、G、B与口渴多饮、口黏呈负相关;舌尖R、B与口干、烦躁易怒呈负相关;舌尖R与视物昏糊、多汗呈正相关;舌尖G与疲倦呈正相关。（2）舌质与症状分析结果:舌质R、G、B与口干、烦躁易怒、牙齿松动、口渴多饮呈负相关;舌质R、G与口苦呈负相关;舌质G、B与肢体麻木、口黏呈负相关;舌质R与失眠呈正相关,与目眩呈负相关;舌质G与乏力呈正相关;舌质B与夜尿呈正相关;瘀斑数量及最大瘀斑面积与咽干呈正相关,与目干涩呈负相关,瘀斑数量与烦躁易怒呈正相关。（3）舌苔与症状分析结果:舌苔R、G、B与牙齿松动和口黏呈负相关,与失眠呈正相关;舌苔R、G与乏力、烦躁易怒呈负相关;舌苔G、B与口干呈负相关;舌苔G与自汗呈正相关;舌苔面积与目干涩、听力减退、胸闷呈负相关,与咽干呈正相关。（4）舌形与症状分析结果:齿痕数量及最大齿痕面积与疲倦呈正相关,最大齿痕面积与乏力呈正相关;最长裂纹长度与牙齿松动呈负相关,与烦躁易怒及腰酸呈正相关;点刺数量及最大点刺面积与盗汗呈正相关。结论:舌象参数能够反映患者临床症状的变化情况,为临床诊疗2型糖尿病合并高血压提供可参考的辨证依据。
王宁[5]（2021）在《基于电子病历的中医临床决策支持研究》文中研究表明近年来,人工智能成为推动社会发展的新动力,正在重塑各个行业的运营模式。人工智能在医疗运作管理中的主要应用之一是开发决策支持工具,以优化临床诊疗决策,为患者提供更准确的诊断和治疗方案,提升医疗服务质量和效率,降低医疗错误和成本。信息化系统的广泛应用使得医疗机构积累了以电子病历为代表的海量医疗数据,通过挖掘电子病历数据隐藏的知识和信息,可以为临床诊断和治疗提供决策支持。中医作为我国最古老的传统医学,被应用于防治多种疾病,是我国医疗服务体系的重要组成部分。目前传统中医诊疗决策多依赖于医生专业能力和临床经验,主观性较强,诊疗水平参差不齐,并且缺乏信息化的临床辅助决策工具。中医电子病历不仅包含结构化数据,还包含隐藏大量有用信息的非结构化文本。然而,非结构化文本通常含有大量以古汉语表达的医疗专业术语,句法结构特殊且语义复杂,如何从中提取有用信息优化诊疗决策是一项重大的挑战。因此,基于中医电子病历的临床决策支持研究有重要的现实意义和理论价值。基于此背景,本文以通过数据驱动的方法优化诊疗决策为目标,基于电子病历中的结构化、非结构化数据,利用传统机器学习、深度学习和自然语言处理等方法,分别对中医证型预测、处方自动生成以及药物疗效相关性学习等中医临床诊疗中的三个关键性问题进行了研究,构建了从诊断、处方到疗效评价的中医临床决策支持体系。本文主要研究内容和结论如下:首先,针对临床诊断决策任务,本文第三章研究了基于预训练语言模型的中医证型预测,解决了如何辅助中医诊断病人的问题。本研究将中医证型预测建模为文本分类问题,直接以临床非结构化文本作为输入,提出了一种基于多个预训练语言模型的集成学习方法,构建了中医证型预测的端到端模型。实验结果显示本研究方法能够有效预测中医证型,模型评估指标宏平均F1和准确率分别为90.97%和94.23%。相比文献中主要的文本分类模型,本研究方法预测性能更优,有助于优化临床诊断决策。其次,针对临床治疗决策任务,第四章研究了基于序列到序列学习的中药处方自动生成,解决了如何辅助中医为病人制定处方用药的问题。本研究将中药处方自动生成任务建模为序列到序列的文本生成问题,提出一种采用特殊掩码机制微调预训练语言模型的方法,使得原本不具备序列生成机制的预训练语言模型可以完成中药处方生成任务。我们还利用药名全称编码对词级进行建模,进一步提高了模型的语义表示能力。实验结果显示本研究方法在生成高频中药上实现了较好的效果,模型评估指标召回率和精确率分别为78.24%和70.60%,处方生成表现明显优于相关文献中的模型。最后,针对药物疗效评价任务,第五章研究了基于关联规则的患者用药和治疗效果相关性学习,解决了如何辅助临床中医分析药物疗效的问题。本研究提出了基于关联规则方法的处方用药与治疗效果相关性学习框架。首先,我们分别定义了实验室单个指标是否有效改善和患者整体治疗结果是否有效改善,接着利用关联规则学习挖掘了处方用药与有效改善指标或整体治疗结果的关联模式,最后利用卡方检验提取统计学显着的关联规则。我们从单药物-单指标、单药物-多指标、多药物-单指标和多药物-多指标四个角度进行挖掘,并对比了不同治疗效果评价方法下的挖掘结果。实验结果得到临床医生和相关文献的验证,表明了该方法的有效性和可靠性。本文的主要贡献有:（1）本文对中医电子病历多类型数据进行了挖掘,特别是对非结构化文本进行了分析和建模,通过研究中医证型诊断、处方自动生成和中药疗效评价三个重要问题,进一步补充了中医临床诊疗决策支持研究。（2）本文为中医电子病历挖掘提供了新的研究方法。针对中医证型预测和处方生成问题,本文提出利用预训练语言模型在小规模数据训练的方法,建立了基于深度学习的端到端模型。针对疗效评价问题,提出了一种结合关联规则和卡方检验挖掘高维稀疏变量间的统计学显着关联规则的方法。（3）本文研究对提高中医临床诊疗决策质量有积极意义。通过构建从诊断、用药到疗效评价的中医临床决策体系,有效满足了临床实际需求。一方面可以为医生诊疗决策提供有益的参考,减轻医生负担并提高诊疗水平。另一方面,有助于增强患者诊疗的准确性和针对性,从而提升患者治疗效果并降低患者医疗费用。
汤纬地[6]（2021）在《基于表面肌电的上肢运动分析关健技术研究》文中研究说明人体运动的产生依赖于骨骼肌在中枢神经的刺激下收缩并带动骨以关节为支点定向运动。在运动过程中,骨骼肌收缩会产生肌电（electromyogram,EMG）信号,其承载了运动神经驱动信息,能够反映运动的状态和意图。其中,表面肌电（surface EMG,SEMG）信号由皮肤表面无创采集得到,操作过程简单方便,十分适用于人体运动分析研究。基于SEMG的运动分析,既包括分析运动的产生机制、探究运动功能障碍的病理、评价运动健康状态,也包括捕获运动行为、理解运动意图、实现以运动信息为控制指令的人-机接口应用,均具有重要的研究意义。准确地解析运动状态和理解运动行为都依赖于SEMG信号处理技术的突破。具体地,在运动健康分析方面,尽管SEMG分析被认为是一种非常有前景的无创检测神经肌肉病变和客观定量评价运动功能障碍的工具和手段,但尚未形成系统的评价方法体系,特别是评价指标和方法的性能以及临床意义有待进一步的提高和验证。在运动意图分析方面,尽管基于模式识别的多自由度肌电控制技术展示了良好的应用前景,但其局限于对多种预定义的、非连续的动作模式进行顺序识别,缺乏对连续运动全过程的刻画分析。此外,肌疲劳对肌电控制的性能呈现负面影响,其机制尚不清楚且克服肌疲劳影响的方法和手段仍不成熟。针对上述缺乏有效的临床诊断指标及评估方法和难以准确估计连续运动信息两个关键问题,论文以发展SEMG信号处理技术为目标,以灵巧且具有重要功能的人体上肢运动作为研究对象,开展了复杂神经肌肉病变诊断、外周神经损伤（peripharal nerve injury,PNI）后运动功能损伤评定,以及关节运动量连续估计的关键技术研究,提出了有效方法和解决方案。本论文的主要研究内容与研究成果如下:（1）针对脑卒中偏瘫肌肉存在复杂病变且缺乏有效的SEMG诊断方法这一问题,提出了基于SEMG聚类索引指标的神经肌肉病变诊断方法,并用于检查偏瘫侧近、远端肌肉运动单位（motorunit,MU）病变情况的异同。从脑卒中上肢偏瘫患者的双侧和健康受试者的利手侧的肱二头肌、鱼际肌、第一骨间背侧肌分别采集在不同力度水平下进行等长收缩的SEMG信号,并选用聚类索引分析方法对每块肌肉的MU病变情况进行检查和对比。研究发现脑卒中后偏瘫肌肉MU病变类型较为复杂,既存在神经源性病变也存在肌源性病变。特别地,在个体层面上两块远端肌肉的病变类型表现出了很高的一致性,但在近、远端肌肉间未发现明显的相关性。在此基础上,从病理机制角度对上述研究发现给予了合适的解释。该工作不仅有助于揭示脑卒中偏瘫的病理机制,为临床诊断和治疗提供指导,也验证了基于SEMG的神经肌肉病变的无创诊断技术具有重要的实际应用价值。（2）针对外周神经损伤（PNI）的评定面临巨大的临床需求但尚缺乏定量且便捷的评价分析技术这一现状,该工作致力于通过分析PNI发生后可能出现的SEMG改变和功能异常构建用于上肢外伤性PNI评定的SEMG无创诊断与评估技术。依据解剖学知识设计了 SEMG信号采集位点与运动测试任务,提出一套量化评估方法框架进行SEMG信号处理和分析,包括对上肢PNI存在性评定和对单根神经损伤程度评估两个模块,最后给出对前臂正中神经、尺神经和桡神经外伤性损伤程度的量化评估结果。实验募集了 7名上肢PNI受试者和10名健康受试者,所提方法的量化评估结果与临床常规评估结果具有很高的一致性,证明了所提方法的有效性。此外,相比于传统的临床电生理诊断法,所提方法兼顾运动功能评估和神经完整性评估,评估结果更能反映待测者相关神经损伤对应的实际运动功能水平。（3）针对当下常规的基于SEMG的肘关节连续运动角度估计方法性能有限,无法支持复杂的运动状态下的运动估计这一技术瓶颈,提出了肘关节动态运动量连续估计方法。以假设肘关节动态屈曲、伸展和悬停三种运动对应不同的原动肌-拮抗肌收缩平衡态为基础,提出了基于平衡态的肘关节角度估计方法。所提方法包括检测运动转向和悬停起止的平衡态数据分割,并基于不同的平衡态分别建立SEMG-肌力-关节角度的希尔模型和力学模型,实现对连续运动的关节角度估计。实验设计了多种包含有各种复杂情境如自由转向和悬停的肘关节运动任务进行测试,并与四种同类方法进行对比。结果表明,所提方法在各种任务测试下均可以有效提升肘关节运动角度的估计精度,特别在有转向和悬停情况时具有显着性能提升。（4）针对肌疲劳影响SEMG信号成分进而造成肘关节角度估计性能下降的问题,提出了肌疲劳状态下的肘关节角度估计方法。研究发现一部分疲劳敏感型受试者在疲劳诱导的动态运动中呈现SEMG均方根幅值明显增加,频谱下移等变化,特别是SEMG信号低频段的均方根幅值在疲劳过程中增长最为明显。据此,提出了基于频带优选的SEMG滤波方法,实现对疲劳状态的SEMG输入进行修正。结果表明对于疲劳敏感型受试者,当SEMG信号先经过下截止频率为100Hz的高通滤波后,再进行肘关节连续运动角度的估计,可以达到较高的精度,克服了疲劳状态的影响。该研究发现也进一步验证了疲劳状态下的SEMG信号特性改变可能与I型（慢型）肌纤维募集增加有关。
梅昊陈[7]（2021）在《基于深度学习的鼻咽癌CT图像的自动分割算法研究》文中认为鼻咽癌是指发生在鼻咽腔壁上的恶性肿瘤,经常出现在中国南部,东南亚,中东和北非。鼻咽癌的发现和治疗时间越早,治疗的成功率就越高,放射治疗是鼻咽癌最常用的治疗方法。在进行放疗时需要在医学图像中勾画出目标靶区以避免放疗损伤人体的健康区域。目前,勾画任务通常是由经验丰富的放射科医生通过对二维切片逐个手动勾画完成的,这不仅繁琐而且费时费力。而鼻咽癌目标靶区的自动分割方法能够提升这一过程的效率,减少医生的工作量。因此目标靶区的自动分割方法研究是很有必要的。目前,鼻咽癌目标靶区的深度学习自动分割方法大多是在CT图像等医学图像上进行研究的。同时医学图像中肿瘤放疗靶区的自动分割仍是一个充满挑战的课题,它面临着由于不同软组织之间对比度低、边界模糊、目标区域较小、临床实际使用的医学CT图像三维分辨率较低等因素所带来的挑战。为了解决这些问题,本文提出了一个2.5D的卷积神经网络（CNN）,以处理鼻咽癌CT图像平面内和平面之间分辨率差异较大的问题。此外,本文提出了一个空间注意力模块,使网络能够专注于目标小目标进行学习,并利用通道注意力来进一步提高分割性能。不止如此,本文还使用多尺度采样方法来对网络进行训练,使得网络能够学习图像不同尺度的特征,接着将学习得到的多尺度特征与多模型集成方法相结合,以提高分割结果的鲁棒性。本文还根据模型集成方法对分割结果的不确定性进行了估计,这对于衡量放射治疗规划中鼻咽癌目标靶区的自动分割结果的可靠程度非常重要。在本文收集得到的鼻咽癌CT图像数据集上的实验结果表明:（1）本文提出的2.5D卷积神经网络在处理具有非统一分辨率的CT图像时要比常用的2D和3D网络具有更好的性能。（2）本文的注意力机制可以使得网络更加关注鼻咽癌目标靶区这样的小区域,从而提高整体分割精度。（3）本文提出的多尺度模型集成方法可以取得更鲁棒的结果,同时根据集成方法可以获得不确定性信息,以帮助医生做出更好的临床决策。
吴昊[8]（2020）在《基于改进Faster R-CNN的多部位病变检测系统设计与实现》文中研究说明高清晰度的医学CT（Computed Tomography）在临床医疗诊断中发挥着关键作用。医生可以通过CT图像对患者做出病情诊断并给出治疗方案。在目前的计算机辅助诊断系统中,现有检测功能只针对一种特定部位进行病变检测。然而,在实际的临床诊断中会发现,许多病变其实是相关的。单一部位的检测不利于医生对病情做出全面诊断。多部位的病变检测可以更早的发现病变转移并进行治疗,同时可以挖掘不同病变之间存在的关系。本文针对目前单一部位病变检测在医学诊断中的局限性,建立了一个基于改进Faster R-CNN的多部位病变检测系统。该系统能够对多个部位的CT图像进行病变检测,取得了较好的检测效果。此外,在该系统中医生和管理员能够对病人就诊信息和医生个人信息进行管理,方便医生在临床诊断中使用该系统。本文具体工作如下:（1）对数据集中的CT图像进行预处理,包括图像降噪与图像增强。对不同的降噪方法与增强方法进行分析对比,最后确定采用维纳滤波和小波变换对图像进行预处理。（2）采用改进后的Faster R-CNN网络对预处理后的CT图像进行模型训练。首先,对VGG16特征提取网络进行改进,用于增强特征图的分辨率并增加病变区域的采样率。其次,根据数据集中不同病变框的大小重新设计区域建议网络中的锚框,特征图经过区域建议网络得到候选建议区域。最后,经过池化层和全连接层得到最终预测结果。针对实验中传统非极大值抑制算法出现相邻病变区域漏检的情况,本文引入高斯加权罚函数进行改进,取得了较好的改进效果。（3）使用FROC曲线对改进后的检测模型进行评价。实验结果显示,当平均每幅图像的假阳性区域个数一定时,改进后的模型检测灵敏度优于原始模型,能够检测出更多真实病变区域。使用改进后的检测模型对多个部位CT图像进行病变检测,实验结果显示该网络模型能够较好的检测多个部位CT图像中的病变。（4）基于改进Faster R-CNN的多部位病变检测模型,使用Python中的Django框架建立多部位病变检测系统。系统前端采用Bootstrap框架,使用jQuery插件进行页面布局。系统包含三个功能模块,分别是登陆模块、检测模块和管理模块。该系统能够在临床中辅助医生进行多部位病变诊断并对患者就诊信息进行管理。
李藤[9]（2020）在《模糊粗糙集决策方法及其在医疗领域的应用》文中提出基于海量复杂数据的医疗诊断问题是人工智能和医疗领域的难点。传统的决策方法面向的是小规模数据,而在大样本、多属性数据上,传统决策方法无法使用。同时,现有机器学习分类算法难以高效、准确地做出决策。基于模糊粗糙集的决策方法综合了粗糙集和模糊集的优势,能够很好的处理不确定、不完备数据,在智能决策中得到广泛使用。因此,本文在模糊粗糙集理论基础上,先研究面向医疗大规模数据的特征选择方法,进而在属性压缩后的数据上进行决策规则提取。针对属性维度高、样本对象少的基因数据,在模糊粗糙集理论基础上,提出了模糊区分矩阵属性约简方法,并设计了相应的启发式算法（FDM）。模糊区分矩阵是区分矩阵的模糊化推广,能够体现不同属性对于对象之间区分程度的差异,将区分程度更高的属性优先挑选出来,从而提高分类学习算法的性能。在结直肠癌基因数据上,FDM算法从2000个基因中,高效地筛选出了 5个与结直肠癌发病的关键基因,分类精度由74.17%提升到88.06%。针对样本规模大的临床诊疗数据,在模糊覆盖粗糙集理论上,提出了模糊相关族特征选择方法,并设计了相应的启发式算法（FRF）。数值实验过程中,与现有的三种代表性属性约简算法相比,FRF算法在7个公开数据集上的最大平均运行时间从2858.77秒压缩到29.21秒,并保持了较高的分类精度。在甲状腺疾病诊断数据上,用时45.9秒便筛选出了甲状腺疾病诊断的相关指标,分类精度由93.37%提升到 96.69%。本文提出的模糊区分矩阵和模糊相关族属性约简方法,能高效地提取关键诊疗指标,改善数据质量,并提高智能诊断的准确率,有望辅助医生进行临床诊断。
吕尚[10]（2020）在《基于代谢组学的白头翁皂苷B4抗痛风性关节炎（GA）机制研究》文中认为痛风性关节炎（GA）是我省、我国乃至全球范围内高发病率的代谢性风湿疾病,严重威胁和影响患者健康及日常生活,其具有相对明确的病程:无症状高尿酸血症（HUA）-急性痛风性关节炎（AGA）-发作间歇期（DIP）-慢性痛风性关节炎（CGA）。AGA是由于患者长期处于HUA状态,造成尿酸钠（monosodium urate,MSU）晶体在关节囊、软骨或关节周边组织沉积,刺激滑液膜产生滑膜血管扩张、通透性增加、白细胞渗出等病理反应从而引起的一类急性炎症反应。目前化药临床治疗GA以秋水仙碱、非甾体抗炎药、糖皮质激素类药物为主,疗效肯定,但通常伴随着不良反应,如耐药性、内源激素抑制和消化道刺激等;中药临床治疗GA主要包括单味饮片、中医经验方和中成药,具有一定疗效,但疗程较长,且往往与化药联合使用,难以对其作用机制进行详细阐述和研究。所以,随着中药现代化研究的深入,针对GA发病的“多层次”特点从天然产物中寻找安全性高、药效作用明确的活性单体并阐明其作用机制是目前GA临床治疗的迫切需求,同时也正是本论文的核心研究任务。本课题组发现白头翁皂苷B4（P-b4）对MSU晶体诱导的关节炎具有较强抗炎活性,故拟以非靶向代谢组学为主要研究手段,结合靶向定量与药理学验证,鉴定P-b4相关药效biomarkers和潜在治疗靶点,明确P-b4对体内“基因-蛋白-代谢物”表达的特异性调控,从分子和细胞水平阐明其抗GA的作用机制,并尝试推断其临床干预GA的最佳介入阶段和治疗终点。本论文药效学研究部分表明P-b4对AGA具有确切的治疗效果且安全无毒（第一章）,同时P-b4干预后的GA大鼠血清代谢组学研究揭示了一个与GA诊断标准相关的重要实际问题:当GA模型组大鼠表面症状（以关节肿胀度和痛阈值为指标）于24小时内自发消退后,32种内源性“药效biomarkers”与急性发作时（6-9小时）依然基本处于同一水平（第二章）。这可能是导致下一次急性发作,甚至持续发作的内在原因。据此,本论文提出科学假说:临床症状的消退或某些生化指标（如血尿酸）的下降并不能作为GA治疗的终点,类似P-b4消除炎症反应的同时将内源性biomarkers回调的现象才是治疗有效性的标志。但目前P-b4的抗GA作用机制尚不明确,将很大程度上影响其后续新药研发和指导临床用药,因此极有必要从体内整体水平阐明P-b4消除GA炎症反应的同时将内源性biomarkers回调的作用机制,并在目前研究阶段中尝试推断P-b4临床治疗痛风性关节炎的最佳阶段和治疗终点。本研究在三年内收集了579名受试者的血清样本,分为训练集（n=379）和验证集（n=200）。所有样本均采用统一标准采集,获得血清生化指标（第三章）。通过一系列的多变量统计分析和相关分析,选取12项血清生化指标作为GA的候选风险因素,首次提出并得到GA的“血清生化轮廓”,可以有效区分GA的不同阶段。由此,笔者认为患者血清生化指标总体水平偏倚到一定程度可能导致某一特定阶段症状的出现。因此,笔者认为应改进以往单一指标的诊断模式,转而采用多指标进行临床综合诊断和预测。在此基础上,建立了5个GA分期（包括健康阶段）的临床诊断模型,并采用多元有序逻辑回归法对其进行了前瞻性检验。接着将验证集数据代入上述模型,输出预测结果并与原始结果进行对比。验证结果证明该临床诊断模型可应用于临床和研究,以提高GA患者病程分期的准确性。同时,本研究提出的“血清生化轮廓”可用于临床GA的辅助诊断和预测（第四章）。采用非靶向代谢组学的方法,应用UPLC-Qtof-MS/MS技术平台识别和鉴定了GA的五个临床阶段中共有的496种“诊断biomarkers”,其中有12种代谢物同时满足以下三个条件,可作为GA病程演化的潜在生物标志物（第五章）:（1）在五个病程阶段显着差异性表达;（2）五个GA病程阶段患者血清中均能检出;（3）在五个病程阶段中具有连续且稳定的上调或下调趋势。同时对与GA病程演化过程相关的关键代谢通路进行了富集与分析,得到了11条关键通路和相关上游蛋白（第五章）。进一步采用靶向代谢组学的方法,应用UHPLC-QE-MS技术平台对已鉴定的12种潜在生物标志物进行精确定量验证（第六章）,并发现Indoleacetic acid、DL-2-aminoadipic acid、kynurenic acid和N1-Methyl-2-pyridone-5-carboxamide在GA的5个阶段中的动态变化最具有规律性,因此我们认为该四种代谢物最具作为GA病程演化潜在生物标志物的前景。以MSU晶体诱导的THP-1细胞作为GA炎症模型,对空白对照组、模型组和P-b4给药组的核苷酸结合寡聚化结构域样受体（NALP3）、半胱氨酸天冬氨酸特异性蛋白酶-1（Caspase-1）、凋亡相关斑点样蛋白（ASC）、白细胞介素1β（IL-1β）、前列腺素E2（PGE2）、肿瘤坏死因子α（TNF-α）的表达进行了研究,以此验证经过通路富集得到的代谢通路及靶点（第六章）。以上综合阐明了4种代谢物可将HUA、AGA、DIP、CGA患者与健康对照组进行区分并作为GA不同阶段的准确诊断生物标志物,且结合已鉴定的药效biomarkers和代谢通路分析同时表明P-b4可以显着降低MSU诱导的THP-1细胞中NALP3炎症小体相关蛋白m RNA表达水平,从而抑制NALP3、Caspase-1、ASC的生物合成,进而减少单核细胞对TNF-α、IL-1β、PGE2的释放,最终发挥对GA的药效作用。通过对比496种GA“诊断biomarkers”和32种P-b4“药效biomarkers”,发现GA“诊断biomarkers”囊括了P-b4“药效biomarkers”中的23种,故进一步将五个GA病程患者血清中的该23种共有biomarkers的半定量结果进行提取和分析（第七章）。发现在AGA阶段该23种共有biomarkers与健康对照组具有最显着的差异性表达,且上下调趋势与动物实验结果一致,故笔者据此推测P-b4对GA的临床最佳介入阶段为AGA阶段。在本研究完成后,将继续深入开展P-b4体内其它靶点研究、质量标准研究、制剂研究和药代动力学研究,完善药效和安全性评价,进行新药临床前研究;同时有望继续开发类似“GA诊断试剂盒”的新型GA临床诊断方法,帮助临床医生更快、更准确地预判GA的进展,改善患者的预后。
二、On information field of clinical diagnosis（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、On information field of clinical diagnosis（论文提纲范文）
（1）融合多模态特征的乳腺癌分类系统的分析与设计（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 论文组织结构 |
| 1.4 本章小结 |
| 第2章 相关技术与理论基础 |
| 2.1 乳腺癌医学影像诊断方法 |
| 2.2 相关分类算法 |
| 2.2.1 决策树 |
| 2.2.2 卷积神经网络 |
| 2.2.3 Faster R-CNN |
| 2.3 实验评价指标 |
| 2.4 系统开发技术 |
| 2.5 本章小结 |
| 第3章 乳腺癌分类模型筛选 |
| 3.1 数据集介绍 |
| 3.1.1 临床诊断数据 |
| 3.1.2 影像数据 |
| 3.2 分类模型筛选 |
| 3.2.1 基于临床诊断数据的分类模型 |
| 3.2.2 基于融合临床诊断与超声影像数据的分类模型 |
| 3.3 实验分析 |
| 3.4 本章小结 |
| 第4章 结合Faster R-CNN的决策树分类模型 |
| 4.1 数据预处理 |
| 4.2 基于Faster R-CNN自动标注显着区域 |
| 4.3 结合Faster R-CNN的决策树分类模型设计 |
| 4.4 实验分析 |
| 4.5 本章小结 |
| 第5章 乳腺癌分类系统的设计与实现 |
| 5.1 系统的详细设计 |
| 5.1.1 需求分析 |
| 5.1.2 数据库表设计 |
| 5.2 系统实现 |
| 5.2.1 用户登录模块 |
| 5.2.2 上传信息模块 |
| 5.2.3 预测模块 |
| 5.3 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 在校期间公开发表论文及着作情况 |
（2）基于多模态数据融合的肺部肿瘤智能分析技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究的背景和意义 |
| 1.2 多模态数据融合在临床肺部辅助诊断和疗效评估中的研究现状 |
| 1.2.1 多模态数据融合的概念和临床诊断中的意义 |
| 1.2.2 多模态数据融合的方式 |
| 1.2.3 多模态数据融合在肺部肿瘤诊断与疗效评估中的相关技术与现状 |
| 1.2.4 目前研究存在的问题 |
| 1.3 本文的主要工作安排和创新点 |
| 第2章 肺部疾病诊断的计算机辅助技术概述 |
| 2.1 深度学习技术基础 |
| 2.1.1 医学影像领域深度学习技术概述 |
| 2.1.2 卷积神经网络的基本结构 |
| 2.1.3 神经网络的优化 |
| 2.1.4 注意力机制 |
| 2.2 影像组学技术基础 |
| 2.2.1 影像组学技术概述 |
| 2.2.2 影像组学研究步骤 |
| 2.3 本章小结 |
| 第3章 临床小样本数据理解关键问题研究 |
| 3.1 构建模型的一般步骤及临床有限数据构建模型时可能存在的问题 |
| 3.2 常见数据划分方法及存在的问题 |
| 3.2.1 简单随机采样 |
| 3.2.2 Trial-and-error方法 |
| 3.2.3 系统抽样方法 |
| 3.2.4 DUPLEX |
| 3.2.5 分层抽样 |
| 3.3 基于高斯混合的距离度量学习方法研究 |
| 3.3.1 距离度量学习网络 |
| 3.3.2 估计网络——基于高斯混合模型的分布估计 |
| 3.4 基于高斯混合的距离度量学习方法与其他方法的对比实验 |
| 3.4.1 实验数据 |
| 3.4.2 评价指标 |
| 3.4.3 实验步骤 |
| 3.4.4 实验结果 |
| 3.4.5 实验分析及讨论 |
| 3.5 基于高斯混合的距离度量学习的奇异点发现及模型泛化性能研究 |
| 3.6 本章小节 |
| 第4章 深度学习模型可靠性研究:基于距离的置信度分数 |
| 4.1 模型可靠性研究背景及相关工作 |
| 4.1.1 模型可靠性相关研究背景 |
| 4.1.2 模型可靠性相关研究工作 |
| 4.2 基于距离的置信度分数度量方法 |
| 4.2.1 常见输出端置信度分数 |
| 4.2.2 嵌入空间中基于距离置信度分数 |
| 4.3 模型置信度分数研究相关实验及分析 |
| 4.3.1 实验数据 |
| 4.3.2 实验设置 |
| 4.3.3 评价指标 |
| 4.3.4 实验步骤 |
| 4.3.5 实验结果 |
| 4.3.6 实验分析和讨论 |
| 4.4 本章小结 |
| 第5章 基于多模态数据的肺腺癌病理亚型鉴别技术研究 |
| 5.1 肺腺癌病理鉴别研究背景及相关工作 |
| 5.2 基于多模态数据的肺腺癌病理预测模型构建方法 |
| 5.2.1 数据采集 |
| 5.2.2 数据预处理及数据划分 |
| 5.2.3 距离置信度分数在多模态融合分类网络中的构建方法 |
| 5.2.4 基于距离置信度的多模态数据融合肺腺癌病理分类模型 |
| 5.3 基于距离置信度分数的多模态数据融合肺腺癌病理分类模型实验及分析 |
| 5.3.1 基于距离的置信度分数对比实验 |
| 5.3.2 多模态数据融合肺腺癌病理分类模型与同类研究的对比实验 |
| 5.4 临床对比 |
| 5.5 讨论 |
| 5.6 本章小结 |
| 第6章 基于深度学习和影像组学融合的肺肿瘤射频消融术后疗效评估 |
| 6.1 研究背景及相关研究 |
| 6.2 数据收集 |
| 6.3 分类器设计和训练 |
| 6.3.1 数据预处理 |
| 6.3.2 目标分割 |
| 6.3.3 特征选择和数据划分 |
| 6.3.4 分类模型构建 |
| 6.4 实验结果和分析 |
| 6.5 总结和讨论 |
| 6.6 本章小结 |
| 第7章 总结与展望 |
| 7.1 本文工作总结 |
| 7.2 今后工作展望 |
| 参考文献 |
| 附录 |
| 致谢 |
| 在读期间发表的学术论文与研究成果 |
（3）基于生成对抗网络的低剂量CT图像去噪方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 选题背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 投影域预处理算法 |
| 1.2.2 图像域重建算法 |
| 1.2.3 图像域后处理算法 |
| 1.3 本文研究内容 |
| 1.4 本文结构安排 |
| 第2章 相关理论 |
| 2.1 CT成像基本原理 |
| 2.2 相关卷积神经网络模型 |
| 2.2.1 U-NET |
| 2.2.2 RED-CNN |
| 2.2.3 SK-NET |
| 2.2.4 VGG |
| 2.2.5 生成对抗网络 |
| 2.3 图像质量评价指标 |
| 2.3.1 均方根误差 |
| 2.3.2 峰值信噪比 |
| 2.3.3 结构相似性 |
| 2.4 本章小结 |
| 第3章 基于多尺度特征融合的低剂量CT图像去噪方法 |
| 3.1 引言 |
| 3.2 去噪模型 |
| 3.3 基于多尺度特征融合的低剂量CT图像去噪方法设计 |
| 3.3.1 总体框架 |
| 3.3.2 生成器设计 |
| 3.3.3 多尺度特征融合模块设计 |
| 3.3.4 判别器设计 |
| 3.3.5 损失函数 |
| 3.4 实验细节 |
| 3.4.1 实验数据集 |
| 3.4.2 实验训练细节 |
| 3.5 实验结果 |
| 3.5.1 视觉效果分析 |
| 3.5.2 定量指标分析 |
| 3.6 不同α参数对实验结果的影响 |
| 3.6.1 视觉效果分析 |
| 3.6.2 定量指标分析 |
| 3.7 本章小结 |
| 第4章 基于自适应特征选择的低剂量CT图像去噪方法 |
| 4.1 引言 |
| 4.2 无监督低剂量CT图像去噪意义 |
| 4.3 基于自适应特征选择的低剂量CT去噪方法设计 |
| 4.3.1 自适应特征选择生成器设计 |
| 4.3.2 判别器设计 |
| 4.3.3 损失函数设计 |
| 4.4 实验细节 |
| 4.4.1 实验环境 |
| 4.4.2 实验数据 |
| 4.5 实验结果 |
| 4.5.1 临床数据集实验结果 |
| 4.5.2 公开模拟数据集实验结果 |
| 4.5.3 不同模型对实验的影响 |
| 4.5.4 分析不同剂量对实验的影响 |
| 4.6 本章小结 |
| 第5章 总结与展望 |
| 5.1 全文总结 |
| 5.2 展望 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
（4）2型糖尿病合并高血压患者舌象及症状相关性研究（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 前言 |
| 研究一 国内舌诊文献可视化及计量研究 |
| 1 研究资料 |
| 2 研究方法 |
| 3 研究结果 |
| 4 小结 |
| 研究二 2型糖尿病合并高血压患者舌象与临床症状相关研究 |
| 1 研究资料 |
| 2 研究方法 |
| 3 研究结果 |
| 4 小结 |
| 研究三 2型糖尿病合并高血压患者舌象参数与临床症状相关性研究 |
| 1 研究资料 |
| 2 研究方法 |
| 3 研究结果 |
| 4 小结 |
| 讨论 |
| 结论 |
| 参考文献 |
| 附录 |
| 综述 2型糖尿病合并高血压研究进展 |
| 参考文献 |
| 致谢 |
| 个人简历 |
（5）基于电子病历的中医临床决策支持研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究内容与研究方法 |
| 1.2.1 研究内容 |
| 1.2.2 研究方法 |
| 1.3 论文结构与主要创新点 |
| 1.3.1 论文结构 |
| 1.3.2 论文主要创新点 |
| 第2章 文献综述 |
| 2.1 研究方法综述 |
| 2.1.1 机器学习 |
| 2.1.2 文本分类 |
| 2.1.3 文本生成 |
| 2.2 研究内容综述 |
| 2.2.1 中医证型诊断 |
| 2.2.2 疾病预测 |
| 2.2.3 处方推荐生成 |
| 2.2.4 中药疗效评价 |
| 2.3 本章小结 |
| 第3章 基于预训练语言模型的中医证型预测 |
| 3.1 引言 |
| 3.2 理论基础 |
| 3.2.1 自注意力机制 |
| 3.2.2 Transformer Encoder |
| 3.2.3 预训练语言模型 |
| 3.3 模型描述 |
| 3.3.1 模型总体结构 |
| 3.3.2 单模型预测方法 |
| 3.3.3 多模型集成学习 |
| 3.4 实验 |
| 3.4.1 实验数据及预处理 |
| 3.4.2 实验设置 |
| 3.4.3 模型评估 |
| 3.4.4 对比模型 |
| 3.4.5 实验结果和讨论 |
| 3.5 本章小结 |
| 第4章 基于序列到序列学习的中药处方自动生成 |
| 4.1 引言 |
| 4.2 理论基础 |
| 4.2.1 基于循环神经网络的Seq2Seq |
| 4.2.2 基于Transformer的Seq2Seq |
| 4.2.3 基于预训练模型的Seq2Seq |
| 4.3 模型描述 |
| 4.3.1 模型总体结构 |
| 4.3.2 模型微调 |
| 4.4 实验 |
| 4.4.1 实验数据及预处理 |
| 4.4.2 实验设置 |
| 4.4.3 模型评估 |
| 4.4.4 实验结果和讨论 |
| 4.4.5 案例分析 |
| 4.5 本章小结 |
| 第5章 基于关联规则的患者用药和治疗效果相关性学习 |
| 5.1 引言 |
| 5.2 模型描述 |
| 5.2.1 病人治疗效果 |
| 5.2.2 关联规则学习 |
| 5.2.3 规则显着性检验 |
| 5.3 实验 |
| 5.3.1 实验数据 |
| 5.3.2 实验设置 |
| 5.3.3 实验结果与讨论 |
| 5.3.4 结果验证 |
| 5.3.5 方法对比 |
| 5.4 本章小节 |
| 第6章 总结与展望 |
| 6.1 研究总结 |
| 6.2 研究展望 |
| 参考文献 |
| 附录A 第五章实验结果 |
| 致谢 |
| 在读期间发表的学术论文与取得的研究成果 |
（6）基于表面肌电的上肢运动分析关健技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1人体运动分析的生理学基础 |
| 1.2 肌电信号 |
| 1.2.1 肌电信号的形成 |
| 1.2.2 肌电信号的检测方式 |
| 1.3 基于表面肌电的运动健康分析研究意义及现状 |
| 1.3.1 基于表面肌电的运动健康分析及其研究意义 |
| 1.3.2 基于表面肌电的运动健康分析研究现状 |
| 1.4 基于表面肌电的运动意图理解研究意义及现状 |
| 1.4.1 基于表面肌电的运动意图理解及其研究意义 |
| 1.4.2 基于表面肌电的运动意图理解研究现状 |
| 1.5 本文的主要研究内容与创新点 |
| 1.5.1 研究内容 |
| 1.5.2 研究特色与创新 |
| 1.6 本文的组织结构 |
| 第2章 基于表面肌电的脑卒中后神经肌肉病变分析 |
| 2.1 引言 |
| 2.2 脑卒中后神经肌肉病变的原理 |
| 2.3 脑卒中后神经肌肉病变分析方法 |
| 2.3.1 算法框架 |
| 2.3.2 聚类索引分析法 |
| 2.4 实验数据采集与处理方法 |
| 2.4.1 受试者募集 |
| 2.4.2 实验数据采集 |
| 2.4.3 实验数据处理 |
| 2.5 实验结果与分析 |
| 2.5.1 聚类索引分析结果 |
| 2.5.2 统计分析结果 |
| 2.5.3 讨论 |
| 2.6 本章小结 |
| 第3章 基于表面肌电的外伤性外周神经损伤分析 |
| 3.1 引言 |
| 3.2 上肢外周神经损伤简述 |
| 3.2.1 上肢运动系统 |
| 3.2.2 上肢外周神经损伤分析 |
| 3.3 上肢外伤性外周神经损伤量化评估实验方案 |
| 3.3.1 受试者募集 |
| 3.3.2 实验方案设计与数据采集 |
| 3.4 上肢外伤性外周神经损伤的量化评估方法 |
| 3.4.1 量化评估框架 |
| 3.4.2 信号预处理与特征提取 |
| 3.4.3 上肢外周神经损伤存在性评估 |
| 3.4.4 单根神经损伤的量化评估 |
| 3.4.5 性能评价与验证方法 |
| 3.5 实验结果与分析 |
| 3.5.1 上肢外周神经损伤存在性评估结果 |
| 3.5.2 单根神经损伤量化评估结果 |
| 3.5.3 讨论 |
| 3.6 本章小结 |
| 第4章 基于表面肌电的肘关节运动角度估计 |
| 4.1 引言 |
| 4.2 肘关节生理结构分析及其运动平衡态假设 |
| 4.2.1 肘关节生理结构分析 |
| 4.2.2 平衡态分析假设 |
| 4.3 实验方案与数据采集 |
| 4.3.1 受试者募集 |
| 4.3.2 实验数据采集 |
| 4.4 基于平衡态的肘关节角度估计方法 |
| 4.4.1 方法框架 |
| 4.4.2 数据预处理 |
| 4.4.3 基于平衡态的数据段分割 |
| 4.4.4 依据平衡态的角度估计方法 |
| 4.4.5 性能评估 |
| 4.5 实验结果与分析 |
| 4.5.1 基于平衡态的数据段分割结果 |
| 4.5.2 角度估计结果 |
| 4.5.3 讨论 |
| 4.6 本章小结 |
| 第5章 疲劳状态下的肘关节运动角度估计 |
| 5.1 引言 |
| 5.2 肌疲劳表征的原理与方法 |
| 5.2.1 肌疲劳的生理原理 |
| 5.2.2 基于表面肌电的肌疲劳表征方法 |
| 5.3 肌疲劳状态下的肘关节连续运动角度估计 |
| 5.3.1 方法框架 |
| 5.3.2 受试者募集与实验数据采集 |
| 5.3.3 无修正的肘关节角度估计 |
| 5.4 基于表面肌电的动态疲劳分析 |
| 5.4.1 疲劳分析方法 |
| 5.4.2 疲劳分析结果 |
| 5.4.3 讨论 |
| 5.5 基于疲劳修正的肘关节角度估计 |
| 5.5.1 疲劳状态下的修正算法 |
| 5.5.2 疲劳修正结果 |
| 5.5.3 讨论 |
| 5.6 本章小结 |
| 第6章 总结与展望 |
| 6.1 论文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的其他研究成果 |
（7）基于深度学习的鼻咽癌CT图像的自动分割算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 鼻咽癌医学图像成像与治疗过程 |
| 1.2.1 计算机断层扫描显像(CT)技术 |
| 1.2.2 核磁共振成像(MRI)技术 |
| 1.2.3 鼻咽癌术前规划 |
| 1.3 本课题的国内外研究现状与目前存在的问题 |
| 1.3.1 国内外研究现状 |
| 1.3.2 目前鼻咽癌分割存在的问题 |
| 1.4 本文的主要贡献与创新 |
| 1.5 本论文的结构安排 |
| 第二章 深度学习相关理论及鼻咽癌CT图像数据集 |
| 2.1 基于医学图像处理的计算机辅助诊断系统 |
| 2.1.1 计算机辅助诊断系统 |
| 2.1.2 医学图像处理技术 |
| 2.2 深度学习理论 |
| 2.2.1 人工神经网络 |
| 2.2.2 卷积神经网络 |
| 2.3 语义分割 |
| 2.4 鼻咽癌CT数据集 |
| 2.5 本章小结 |
| 第三章 基于深度学习的鼻咽癌肿瘤靶区分割算法模型研究 |
| 3.1 引言 |
| 3.2 骨干网络的选取与设计 |
| 3.2.1 整体网络结构 |
| 3.2.2 2.5D卷积神经网络 |
| 3.3 空间注意力模块 |
| 3.4 通道注意力模块 |
| 3.5 实验结果 |
| 3.5.1 实验实施细节和评价指标 |
| 3.5.2 实验结果与分析 |
| 3.6 本章小结 |
| 第四章 多尺度采样训练策略和模型集成 |
| 4.1 目标靶区分割的整体算法框架 |
| 4.2 数据预处理步骤 |
| 4.2.1 图像插值 |
| 4.2.2 图像归一化 |
| 4.2.3 图像裁剪 |
| 4.3 多尺度采样训练 |
| 4.4 模型集成以及分割结果后处理 |
| 4.4.1 模型集成方法 |
| 4.4.2 分割结果后处理 |
| 4.5 实验结果分析 |
| 4.6 本章小结 |
| 第五章 分割结果的不确定性分析 |
| 5.1 不确定性分析意义 |
| 5.2 分割结果不确定性分析 |
| 5.3 不确定性评估方法 |
| 5.3.1 像素级别的模型不确定性 |
| 5.3.2 结构级别的模型不确定性 |
| 5.4 实验结果 |
| 5.4.1 分割结果的不确定性信息 |
| 5.4.2 不确定性和分割误差之间的相关性 |
| 5.5 本章小结 |
| 第六章 全文总结与展望 |
| 6.1 全文总结 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（8）基于改进Faster R-CNN的多部位病变检测系统设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景 |
| 1.2 国内外研究现状 |
| 1.3 论文主要工作与创新点 |
| 1.4 论文组织结构 |
| 第2章 技术介绍 |
| 2.1 CT图像简介 |
| 2.2 计算机辅助诊断技术基本原理 |
| 2.3 深度学习及卷积神经网络 |
| 2.3.1 深度学习 |
| 2.3.2 卷积神经网络 |
| 2.4 基于深度学习的目标检测模型 |
| 2.4.1 R-CNN |
| 2.4.2 Fast R-CNN |
| 2.4.3 Faster R-CNN |
| 2.5 本章小结 |
| 第3章 CT图像预处理 |
| 3.1 Deeplesion数据集 |
| 3.2 病变组织及其CT表现 |
| 3.3 图像质量评价参量 |
| 3.4 图像降噪相关方法 |
| 3.4.1 中值滤波 |
| 3.4.2 均值滤波 |
| 3.4.3 维纳滤波 |
| 3.4.4 三种图像降噪方法对比分析 |
| 3.5 图像增强相关方法 |
| 3.5.1 基于直方图均衡化的图像增强 |
| 3.5.2 基于小波变换的图像增强 |
| 3.5.3 两种图像增强方法对比分析 |
| 3.6 本章小结 |
| 第4章 基于改进Faster R-CNN的多部位病变检测模型设计 |
| 4.1 网络总体设计方案 |
| 4.2 特征提取网络的改进 |
| 4.2.1 特征提取网络选择 |
| 4.2.1.1 ZFNet |
| 4.2.1.2 VGG_CNN_M_1024 |
| 4.2.1.3 VGG16 |
| 4.2.1.4 小结 |
| 4.2.2 参数迁移学习 |
| 4.2.3 激活函数的选取 |
| 4.2.4 改进VGG16特征提取网络 |
| 4.3 区域建议网络的改进 |
| 4.3.1 区域建议网络检测原理 |
| 4.3.2 锚框尺寸重新设计 |
| 4.3.3 损失函数 |
| 4.3.4 生成感兴趣区域 |
| 4.4 分类回归 |
| 4.4.1 感兴趣区域池化层 |
| 4.4.2 非极大值抑制算法 |
| 4.4.3 损失函数 |
| 4.5 非极大值抑制算法的改进 |
| 4.5.1 传统非极大值抑制算法存在的问题 |
| 4.5.2 改进后的非极大值抑制算法 |
| 4.5.3 改进结果 |
| 4.6 实验结果分析 |
| 4.6.1 实验环境 |
| 4.6.2 评价指标 |
| 4.6.3 改进Faster R-CNN前后模型实验对比 |
| 4.6.4 不同部位病变检测实验对比 |
| 4.7 本章小结 |
| 第5章 基于改进Faster R-CNN多部位病变检测系统设计开发与实现 |
| 5.1 多部位病变检测系统需求分析 |
| 5.2 多部位病变检测系统总体设计 |
| 5.3 多部位病变检测系统平台设计 |
| 5.3.1 系统总体架构 |
| 5.3.2 功能模块设计 |
| 5.3.3 数据库设计 |
| 5.4 多部位病变检测系统实现 |
| 5.4.1 登录模块功能实现 |
| 5.4.2 检测模块功能实现 |
| 5.4.3 管理模块功能实现 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 个人简历、申请学位期间的研究成果及学术论文 |
| 致谢 |
（9）模糊粗糙集决策方法及其在医疗领域的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪言 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 面向数据的智能决策研究现状 |
| 1.2.2 模糊粗糙集属性约简研究现状 |
| 1.3 研究内容与研究方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.4 技术路线 |
| 2 相关理论背景 |
| 2.1 粗糙集理论 |
| 2.2 模糊粗糙集理论 |
| 3 基于模糊区分矩阵的基因选择方法 |
| 3.1 基因选择概述 |
| 3.2 基于模糊区分矩阵的属性约简方法 |
| 3.2.1 模糊区分矩阵 |
| 3.2.2 基于模糊区分矩阵的属性约简 |
| 3.3 数值实验与分析 |
| 3.3.1 算法设计 |
| 3.3.2 数值实验 |
| 3.4 本章小结 |
| 4 基于模糊相关族的临床诊断指标选择 |
| 4.1 属性约简 |
| 4.2 基于模糊相关族的属性约简方法 |
| 4.2.1 理论基础 |
| 4.2.2 模糊相关族属性约简 |
| 4.2.3 基于决策表的模糊相关族属性约简 |
| 4.3 数值实验 |
| 4.3.1 算法分析 |
| 4.3.2 参数设置 |
| 4.3.3 实验结果描述 |
| 4.4 本章小结 |
| 5 医疗决策实例分析 |
| 5.1 结直肠癌基因选择 |
| 5.1.1 实例描述与数据预处理 |
| 5.1.2 基因选择结果分析 |
| 5.1.3 决策规则提取与建议 |
| 5.2 甲状腺疾病临床诊断指标选择 |
| 5.2.1 甲状腺疾病与实验数据描述 |
| 5.2.2 临床诊断指标筛选结果分析 |
| 5.2.3 甲状腺疾病诊断规则及建议 |
| 5.3 本章小结 |
| 6 总结与展望 |
| 6.1 研究总结 |
| 6.2 研究展望 |
| 参考文献 |
| 攻读学位期间的主要学术成果 |
| 致谢 |
（10）基于代谢组学的白头翁皂苷B4抗痛风性关节炎（GA）机制研究（论文提纲范文）
| 致谢 |
| 中文摘要 |
| abstract |
| 引言 |
| 缩略词表 |
| 文献综述 |
| 1.代谢组学在中药研发领域的应用进展 |
| 1.1 代谢组学相关分析技术与数据分析方法 |
| 1.2 代谢组学近年在中药领域的应用实例 |
| 1.3 代谢组学在中药领域应用的问题与展望 |
| 2.白头翁皂苷B4抗痛风性关节炎的研究现状 |
| 3.痛风性关节炎发病机制研究现状 |
| 4.浅析大批量代谢组学临床血清及血浆样本采集规范及前处理方法 |
| 4.1 血液样本的选择 |
| 4.2 血液样本的采集 |
| 4.3 血液样本的前处理 |
| 4.4 血液样本的存储条件 |
| 4.5 有关大批量代谢组学临床血清及血浆样本采集规范及前处理方法的展望 |
| 第一章 白头翁皂苷B4单体分子结构鉴定及其干预尿酸盐晶体诱导的急性痛风性关节炎大鼠模型的主要药效学研究 |
| 1 P-b4单体结构鉴定研究 |
| 1.1 实验材料与仪器 |
| 1.2 分子结构鉴定 |
| 2 P-b4干预MSU晶体诱导的AGA大鼠模型的主要药效学研究 |
| 2.1 实验材料与仪器 |
| 2.2 实验方法 |
| 2.3 实验结果 |
| 3.本章小结 |
| 第二章 白头翁皂苷B4干预尿酸盐晶体诱导的急性痛风性关节炎大鼠模型的非靶向代谢组学研究 |
| 1 实验材料与仪器 |
| 1.1 实验材料 |
| 1.2 实验仪器 |
| 2 实验方法 |
| 2.1 动物实验相关伦理审查 |
| 2.2 MSU微晶体的制备 |
| 2.3 内标溶液制备 |
| 2.4 分组给药及模型建立 |
| 2.5 大鼠血清采集与前处理 |
| 2.6 液相色谱条件 |
| 2.7 质谱条件 |
| 2.8 数据处理及统计分析方法 |
| 3 检测方法的验证 |
| 4 GA大鼠血清代谢轮廓的多元统计分析 |
| 5 P-b4对MSU晶体诱导的GA大鼠潜在药效生物标志物的鉴定 |
| 6 代谢通路富集与分析 |
| 7 本章小结 |
| 第三章 痛风性关节炎临床患者血清样本的采集规范(SOP)拟定以及样本收集情况 |
| 1 血液样本选择 |
| 2 临床样本入组依据 |
| 3 相关伦理审核与批准 |
| 4 采集程序、前处理程序和存储条件 |
| 4.1 血清样本采集 |
| 4.2 血清样本的前处理 |
| 4.3 血清样本的储存 |
| 5 受试患者人口学资料与血清生化指标的检测 |
| 6 本章小结 |
| 第四章 基于临床患者血清生化指标的痛风性关节炎病程进展临床诊断模型和“血清生化轮廓”前瞻性研究 |
| 1 GA患者生化指标初步统计分析 |
| 2 GA患者“血清生化轮廓”分析 |
| 3 GA患者生化指标单因素方差分析 |
| 4 不同GA病程阶段生化指标关联性分析 |
| 5 GA病程进展临床诊断模型的建立 |
| 6 GA病程进展临床诊断模型的验证和评价 |
| 7 诊断模型的可视化处理 |
| 8 本章小结 |
| 第五章 基于非靶向代谢组学的痛风性关节炎病程进展相关生物标志物鉴定研究 |
| 1 实验材料与仪器 |
| 1.1 实验材料 |
| 1.2 实验仪器 |
| 2 实验方法 |
| 2.1 代谢物提取 |
| 2.2 超高效液相色谱条件 |
| 2.3 MS1条件 |
| 2.4 MS2条件 |
| 2.5 数据处理方法 |
| 3 分析方法的验证 |
| 3.1 仪器稳定性 |
| 3.2 内标响应情况 |
| 3.3 物质残留情况 |
| 3.4 数据质控 |
| 4 原始数据预处理 |
| 5 代谢物信息搜索整理 |
| 6 GA不同病程阶段患者血清代谢轮廓的多元数据统计分析 |
| 6.1 主成分分析(PCA) |
| 6.2 正交偏最小二乘法-判别分析(OPLS-DA) |
| 6.3 差异代谢物的筛选 |
| 7 与GA病程演化相关的潜在生物标志物的识别与鉴定 |
| 8 与GA病程演化过程相关代谢物的KEGG注释和通路富集分析 |
| 9 与GA病程演化过程相关的潜在生物标志物调控网络分析 |
| 10 本章小结 |
| 第六章 痛风性关节炎病程进展相关生物标志物的定量验证及相关通路上游P-b4潜在靶点验证研究 |
| 1 基于UHPLC-QE-MS/MS技术平台的不同病程痛风性关节炎患者血清代谢组学内源性biomarkers定量验证 |
| 1.1 实验材料与仪器 |
| 1.2 实验方法 |
| 1.3 实验结果 |
| 2 P-b4对尿酸钠诱导的THP-1中NALP3炎症小体相关蛋白及炎症因子表达的影响 |
| 2.1 实验材料 |
| 2.2 实验方法 |
| 2.3 实验结果 |
| 3 本章小结 |
| 第七章 痛风性关节炎病程进展相关代谢物与P-b4干预急性痛风性关节炎大鼠相关药效标志物的关联性研究 |
| 1 23种共有代谢物半定量结果整理与分析 |
| 1.1 半定量结果 |
| 1.2 变化趋势分析 |
| 2 各组别23种共有代谢物半定量结果的代谢轮廓分析 |
| 3 各组别23种共有代谢物变化趋势的关联性分析 |
| 4 本章小结 |
| 全文总结 |
| 参考文献 |
| 附录 |
| 学位论文答辩委员会成员名单 |
| 个人简介 |
四、On information field of clinical diagnosis（论文参考文献）
- [1]融合多模态特征的乳腺癌分类系统的分析与设计[D]. 郭星晨. 阜阳师范大学, 2021(12)
- [2]基于多模态数据融合的肺部肿瘤智能分析技术研究[D]. 郑德重. 中国科学院大学(中国科学院上海技术物理研究所), 2021(01)
- [3]基于生成对抗网络的低剂量CT图像去噪方法研究[D]. 杨明明. 四川大学, 2021(02)
- [4]2型糖尿病合并高血压患者舌象及症状相关性研究[D]. 田昕彤. 天津中医药大学, 2021(01)
- [5]基于电子病历的中医临床决策支持研究[D]. 王宁. 中国科学技术大学, 2021(09)
- [6]基于表面肌电的上肢运动分析关健技术研究[D]. 汤纬地. 中国科学技术大学, 2021(09)
- [7]基于深度学习的鼻咽癌CT图像的自动分割算法研究[D]. 梅昊陈. 电子科技大学, 2021(01)
- [8]基于改进Faster R-CNN的多部位病变检测系统设计与实现[D]. 吴昊. 桂林理工大学, 2020(01)
- [9]模糊粗糙集决策方法及其在医疗领域的应用[D]. 李藤. 中南林业科技大学, 2020(02)
- [10]基于代谢组学的白头翁皂苷B4抗痛风性关节炎（GA）机制研究[D]. 吕尚. 江西中医药大学, 2020(01)