XiaoMi-AI文件搜索系统
World File Search SystemIoMT
使用 rAC-GAN 进行手术模拟的数字孪生 IoMT 系统
研发了远程医疗模拟（IoMT）系统，系统地结合混合现实（MR）、5G云计算和生成对抗网络（GAN）实现肺癌远程实施。收集曲靖和德宏90例肺栓塞（PE）阳性肺癌患者和1372例肺癌对照组的患者特异性数据，通过5G进行传输和预处理。采用一种新型基于鲁棒辅助分类器生成对抗网络（rAC-GAN）的智能网络，实现肺癌PE预测模型。为了提高远程手术实施的准确性和沉浸感，利用基于数字孪生的5G MR引导线索，将感知层的实时手术室视角和手术导航图像投射到应用层的外科医生头盔上。新型智能IoMT系统的曲线下面积（AUC）准确率分别为0.92和0.93。此外，从我们的 rAC-GAN 模型中学习到的致病特征与统计流行病学结果高度一致。所提出的智能 IoMT 系统在处理云中心的大量临床数据时产生了显着的性能改进，并为基于数字孪生的手术实施展示了一种用于远程医疗数据传输和深度学习分析的新框架。
基于 EEG 的新型精神分裂症检测，结合 IoMT 框架实现智能医疗
在神经科学领域，大脑活动分析一直被视为重要领域。精神分裂症 (Sz) 是一种脑部疾病，严重影响世界各地人们的思维、行为和感觉。脑电图 (EEG) 被证明是 Sz 检测的有效生物标志物。EEG 是一种非线性时间序列信号，由于其非线性结构，利用它进行研究至关重要。本文旨在使用深度学习方法提高基于 EEG 的 Sz 检测性能。提出了一种称为 SzHNN（精神分裂症混合神经网络）的新型混合深度学习模型，它是卷积神经网络 (CNN) 和长短期记忆 (LSTM) 的组合。CNN 网络用于局部特征提取，LSTM 用于分类。所提出的模型已与仅使用 CNN、仅使用 LSTM 和基于机器学习的模型进行了比较。所有模型均在两个不同的数据集上进行了评估，其中数据集 1 包含 19 名受试者，数据集 2 包含 16 名受试者。针对同一模型，使用不同频带上的各种参数设置和头皮上的不同电极组进行了多次实验。基于所有实验，很明显，与其他现有模型相比，所提出的混合模型 (SzHNN) 提供了 99.9% 的最高分类准确率。所提出的模型克服了不同频带的影响，甚至仅使用 5 个电极就显示出 91% 的更高准确率。所提出的模型还在医疗物联网 (IoMT) 框架中进行了评估，用于智能医疗和远程监控应用。