金玮
- 作品数：7 被引量：40H指数：3
- 供职机构：上海交通大学医学院附属新华医院更多>>
- 发文基金：上海市卫生局科研基金上海市科委科研计划项目更多>>
- 相关领域：医药卫生自动化与计算机技术电子电信更多>>
- 基于CNN和高速通信技术的医用人体姿态识别方法被引量：6
- 2022年
- 为了快速、准确地获取人体跌倒信息,使跌倒病人及时获得救助,基于卷积神经网络(CNN)提出了一种人体姿态识别方法。该方法通过高速通信技术获取医院高清摄像头实时视频数据,利用OpenPose提取人体关键点并结合XGBoost分类器进行人体姿态估计。文中模拟医院场景进行单人与多人情况下的跌倒、正常行走和半蹲测试实验,再对分类结果建立一个状态序列集进行平滑处理,预测出是否有跌倒事件发生并及时进行告警。检测结果显示,所提出的方法准确度为99.75%、敏感度为100%、特异度为99.68%,可以准确地实现人体跌倒自动检测,且应用方便、实时性好。
- 金玮孟君黄宇飞何萍
- 关键词：跌倒检测高速通信卷积神经网络
- 急诊预检分诊系统在医院的移动应用研究被引量：16
- 2012年
- 移动医疗应用是医院实施数字化医院的重要探索。分析了在医院发展创新移动医疗应用的技术环境和业务环境,并以急诊预检分诊系统为切入点,详细阐述了基于移动应用的急诊预检分诊系统的设计,并结合实践效果给出了发展移动医疗应用的展望。
- 尤超邓晓群徐珂金玮吴韬
- 关键词：急诊预检分诊
- 基于聚类算法的住院天数与费用的相关性被引量：1
- 2019年
- 【目的】探讨出院患者住院天数与各项费用之间的关系,并根据关系找出主要影响因素及寻求减少目前医院患者住院天数的方法。【方法】通过分析某三级医院某年非手术住院费用数据,以住院天数和各费用之间关系为研究对象,利用clementine软件采用聚类算法对患者各费用与住院天数进行聚类分析,得到出院患者各住院天数与各项费用之间聚类结果,并汇总聚类结果得到出院患者住院天数与各项费用的相关性。【结果】出院患者住院天数与住院总费用、西药费、住院费、治疗费存在着高度的正相关性但住院总费用存在相邻两天增长不明显的情况,住院天数与化验费、材料费存在两阶段正相关性并具有两个峰值且化验费数值明显高于材料费,而住院天数与中成药、检查费无明显正相关性。【结论】目前我院平均住院天数有进一步减少的空间,根据化验费峰值天数与总费用相邻两天增长不明显天数对应的情况,反应出当时主要影响因素为检验项目较多时导致结果等待时间过长(经调研当时检验设备在门诊量较大时存在积压情况),检验设备扩容及合理排序送检患者可以有效降低住院天数提升床位使用率,缓解医院床位紧张。
- 左嵩潘伟华金玮
- 关键词：数据挖掘聚类住院费用住院天数
- 基于工作流自动化的医院多终端管理与安全策略研究与实践被引量：3
- 2018年
- 目的:探索医院多终端多用户情况下的管理与安全策略。方法:对医院终端管理及安全的现状、难点进行分析,结合信息部门IT服务特点进行服务升级与优化。结果及结论:通过实施基于工作流自动化的医院多终端管理及安全部署,有效提升了医院终端管理与安全防御机制,实现了信息部门管理的闭环。
- 许健金玮黄黎明潘伟华
- 关键词：工作流自动化
- 基于物联网技术的远程智能医疗系统设计被引量：11
- 2020年
- 针对突发性疾病预防及常见慢性疾病规范管理对远程医疗的实际需求,设计了一套基于物联网技术的远程医疗系统。本着安全性、稳定性、智能化及实时性的设计原则,基于物联网技术设计了系统的整体架构。并进一步优化系统的物理架构和功能架构。为了提高系统的实用性,基于蓝牙传输技术设计信息采集模块,细化系统工作流程。测试诊断数据的统计和分析结果表明,文中所设计的远程智能医疗系统对于多类常见疾病的误诊率及漏诊率均较低,具有良好的鲁棒性。
- 金玮潘伟华
- 关键词：物联网远程医疗系统蓝牙传输信息采集
- 融合矩阵分析模型的跨域虚拟网络源节点隐私位置信息保护方法被引量：1
- 2023年
- 为了提升跨域虚拟网络安全性,提出融合矩阵分析模型的跨域虚拟网络源节点隐私位置信息保护方法。该方法使用用户网络源节点隐私位置信息,生成跨域虚拟网络源节点隐私位置信息矩阵,建立维度相同秩为1的矩阵;利用融合矩阵分析方式,将矩阵与跨域虚拟网络源节点隐私位置信息矩阵进行融合后,生成跨域虚拟网络源节点隐私位置信息可逆矩阵,并将该矩阵看做网络源节点隐私位置信息保护密钥;同时以该密钥为基础,利用跨域虚拟网络源节点隐私位置信息保护方案,对需要保护的用户网络源节点位置隐私信息矩阵进行加密、云服务器解密等操作,实现网络源节点隐私位置信息保护。实验结果表明:该方法可有效保护跨域虚拟网络源节点隐私位置信息,提升跨域虚拟网络的安全性。
- 金玮孙新
- 关键词：信息保护可逆矩阵加密方案
- 基于词向量和深度学习模型的医疗数据分析方法研究被引量：2
- 2021年
- 在自然语言处理领域中,电子医疗数据越来越多地与文本处理技术结合使用,以辅助医生进行诊断。但电子医学文本数据通常存在大量冗余、语义缺失、歧义等问题,导致基于特征提取的传统分类器不能充分发挥作用。针对上述问题,结合词向量法与深度学习理论,将医学文本中的数据和词表示为一个定长的矩阵,并利用改进LSTM模型与改进Yoon模型进行结合,整合成一个综合学习模型。最终,在实际医疗数据分类实验中验证了综合学习模型的有效性。实验与数据分析结果表明,对比改进后的LSTM模型与Yoon模型,综合学习模型在医学电子数据文本分类的准确率及精确度分别得到了较为明显的提高。
- 金玮左嵩许健黄于飞巩清源潘伟华
