<?xml version="1.0" encoding="utf-8"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005">
<channel xmlns:cfi="http://www.microsoft.com/schemas/rss/core/2005/internal" cfi:lastdownloaderror="None">
<title cf:type="text"><![CDATA[广西科学 -->医疗场景]]></title>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[肢体康复机器人技术与发展趋势]]></title>
<link><![CDATA[http://gxkx.ijournal.cn/gxkx/ch/reader/view_abstract.aspx?file_no=20240501&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[脑卒中在医学上属于神经系统疾病，会导致人体肢体运动障碍和大脑认知障碍。近年来，智能肢体康复机器人在临床上得到广泛应用，其能为患者提供有效的重复性康复训练，帮助患者重塑受损神经，改善大脑认知能力，进而恢复肢体的运动功能。本文总结了国内外肢体康复机器人的研究现状，根据作用部位的不同分别阐述了肢体康复机器人在脑卒中患者康复训练中的临床应用成果。数据证明，肢体康复机器人相比传统康复治疗手段能达到更好的康复效果，能够有效节省人力物力，解决康复需求大、康复医师资源缺乏的问题。同时，本文从结构设计、运动意图识别和控制策略3个方面分析了康复机器人的关键技术，并且对其未来发展趋势进行展望。随着未来新型材料及人工智能技术的发展，肢体康复机器人将朝着轻量化、多功能化和智能化等方向发展，协助康复医师制定更规范的个性化训练方案。]]></description>
<pubDate>2025/3/13 16:06:36</pubDate>
<category><![CDATA[医疗场景]]></category>
<author><![CDATA[高学山，刘开源，赵鹏，苗明达]]></author>
<guid><![CDATA[http://gxkx.ijournal.cn/gxkx/ch/reader/view_abstract.aspx?file_no=20240501&flag=1]]></guid><cfi:id>5</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于注意力机制的毫米波雷达ECG信号反演算法研究]]></title>
<link><![CDATA[http://gxkx.ijournal.cn/gxkx/ch/reader/view_abstract.aspx?file_no=20240502&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对毫米波雷达反演高精度的人体心电图(ECG)信号，本文提出一种融合小波变换和注意力(Attention)机制的AM-CNN-GRU神经网络的ECG信号重建方法。首先对雷达信号进行预处理，从中提取与生理特征相关的相位形变信号，并使用滑动窗口去除直流干扰；然后利用小波变换对形变信号进行分解，提取出与ECG信号显著相关的小波基分量，并在CNN-GRU网络的基础上，对小波分解的信号引入通道注意力机制，输入到网络中训练得到ECG信号。实验数据验证表明，本文提出的模型相比传统的CNN-BiLSTM模型，在模型参数更轻量化的同时，取得了更高精度的ECG信号反演结果。]]></description>
<pubDate>2025/3/13 16:06:36</pubDate>
<category><![CDATA[医疗场景]]></category>
<author><![CDATA[段伟，黄廷磊，刘杰，韩啸宇]]></author>
<guid><![CDATA[http://gxkx.ijournal.cn/gxkx/ch/reader/view_abstract.aspx?file_no=20240502&flag=1]]></guid><cfi:id>4</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[一种基于去噪自编码器融合相似度的药物-靶标相互作用预测方法]]></title>
<link><![CDATA[http://gxkx.ijournal.cn/gxkx/ch/reader/view_abstract.aspx?file_no=20240503&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于机器学习预测潜在药物-靶标相互作用(Drug-Target Interaction,DTI) 的方法是一个具有竞争力的研究主题，但当前相关的预测方法和模型在特征学习方面尚有较大的发展空间。本研究基于无监督学习思想提出了一个结合去噪自编码器和分子相似度非线性计算方式的药物-靶标相互作用预测方法。该方法通过去噪自编码器学习和构建药物-靶标相互作用对的特征，并在此基础上融入药物-药物、靶标-靶标之间的相似信息以增强药物-靶标特征的丰富度，从而提高模型的预测能力。在Enzymes、Ion channels、GPCRs和Nuclear receptors等4个基准数据集的比较实验结果表明，本研究所提出的模型显著优于PPAEDTI、AutoDTI++、CMF、Bi-PSSM、ESBoost、CNNDTI、NFSPDTI和EFMSDTI等8个较先进模型，并与另一先进模型aSDAE相当。可见，本研究所提出的模型提高了药物(化合物)与靶标相互作用的预测性能，可为新药研发和药物重新定位提供更优的药物-靶标相互作用预测支持。]]></description>
<pubDate>2025/3/13 16:06:36</pubDate>
<category><![CDATA[医疗场景]]></category>
<author><![CDATA[林艳梅，曹爱清，彭昱忠]]></author>
<guid><![CDATA[http://gxkx.ijournal.cn/gxkx/ch/reader/view_abstract.aspx?file_no=20240503&flag=1]]></guid><cfi:id>3</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[高血压患者管理多维度“健康指数”构建及应用研究]]></title>
<link><![CDATA[http://gxkx.ijournal.cn/gxkx/ch/reader/view_abstract.aspx?file_no=20240504&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[本研究基于LightGBM算法，构建一个基于大数据分析和人工智能技术的多维度“健康指数”评估模型，通过综合分析个人体征、生化指标和高血压相关数据，为高血压患者提供精准的健康管理服务。利用广西某大型三甲医院的医疗健康大数据，设计并实现包含23项主要风险因素的算法模型。实证研究表明，模型在提高高血压患者血压控制率和降低并发症风险方面展现出显著效果，并有效提升了健康管理师的工作效率。本研究可为高血压患者管理提供一种新的量化、可视化工具，并为其他慢性病的多维度健康管理研究提供方法论参考。]]></description>
<pubDate>2025/3/13 16:06:36</pubDate>
<category><![CDATA[医疗场景]]></category>
<author><![CDATA[李虎，甘昕艳，黄秀文]]></author>
<guid><![CDATA[http://gxkx.ijournal.cn/gxkx/ch/reader/view_abstract.aspx?file_no=20240504&flag=1]]></guid><cfi:id>2</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于深度神经网络的阿尔茨海默病早期诊断算法]]></title>
<link><![CDATA[http://gxkx.ijournal.cn/gxkx/ch/reader/view_abstract.aspx?file_no=20240505&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[由于阿尔茨海默病(Alzheimer's Disease，AD)目前无法治愈，只能通过早期干预的方式缓解其恶化，因此使用神经影像学技术对阿尔茨海默病进行早期诊断已经在临床中得到广泛应用。本文利用深度学习技术，对基于磁共振成像(Magnetic Resonance Imaging，MRI)数据的阿尔茨海默病早期诊断进行了研究。首先，引入样本重加权策略来缓解疾病诊断数据集中普遍存在的类不平衡问题对模型的影响。其次，设计监督对比学习来提升模型的特征提取能力。在4个神经退行性疾病诊断数据集上的消融实验结果表明，本文提出的方法取得了比现有算法更好的性能。]]></description>
<pubDate>2025/3/13 16:06:36</pubDate>
<category><![CDATA[医疗场景]]></category>
<author><![CDATA[刘星毅]]></author>
<guid><![CDATA[http://gxkx.ijournal.cn/gxkx/ch/reader/view_abstract.aspx?file_no=20240505&flag=1]]></guid><cfi:id>1</cfi:id><cfi:read>true</cfi:read></item>
</channel>
</rss>