糖耐量减低的危害及其防治

糖尿病(DM)是因为胰岛素绝对或相对缺乏引起的代谢紊乱,是危害人体健康的主要疾病之一。严格控制血糖是目前预防或延缓糖尿病血管病变发生发展的关键。近年来,餐后高血糖在糖尿病的诊断、治疗目标以及慢性并发症发病机理上的重要性受到愈来愈多的关注。     

基于GA_Xgboost模型的糖尿病风险预测

糖尿病是一种无法根治的代谢性慢性病,早发现、早治疗能降低其发病风险。机器学习模型可以对疾病进行有效预测,提供辅助诊疗。为此,提出一种GA_Xgboost模型应用于糖尿病风险预测。以Xgboost算法为基础,利用遗传算法良好的全局搜索能力弥补Xgboost收敛较慢的缺陷,通过精英选择策略保证每一轮的进化结果最佳。实验结果表明,GA_Xgboost模型在糖尿病预测中的均方误差为0.606,预测精度优于线性回归、决策树、支持向量机和神经网络等算法,调参时间为152 s,用时少于网格搜索和随机游走方法。     

糖尿病临床诊断事件序列中频繁模式的发现算法

随着各大医院信息化建设进程的不断推进,医院中的各生产系统如HIS（医院信息化系统）、EMR（电子病历系统）等已经积累了规模庞大的临床数据,这种临床大数据对于提升临床医疗质量有着深远的意义。糖尿病作为一种慢性病,容易引发多种并发症如肾病、眼病等。为了找出糖尿病并发症出现的规律,本文首先对糖尿病历史临床诊断数据进行事件序列化,然后对传统的SPADE算法进行改进,提出一种糖尿病临床诊断事件序列频繁模式发现算法NFPS,该算法考虑糖尿病治疗时间间隔,通过时间窗口的设定,支持对该时间窗口内糖尿病并发症频繁出现模式的发现。实验结果表明其在临床糖尿病并发症频繁模式发现上的有效性。     

新型"自愈"绷带

一种使用患者自体细胞的革命性"自愈"绷带被开发出来.该技术可以为治疗多种愈合缓慢的伤口(如压迫性溃疡)提供一种更有效、更快速和更具成本效率的方法.目前,这种绷带已用于严重烧伤患者,并且成功地试用于糖尿病性溃疡患者.     

面向智能血糖管理的餐前胰岛素剂量贝叶斯学习优化方法

餐前胰岛素剂量精准决策是改善糖尿病患者血糖管理的关键.临床治疗中胰岛素剂量调整一般在较短时间内完成,具有典型的小样本特征;数据驱动建模在该情形下无法准确学习患者餐后血糖代谢规律,难以确保胰岛素剂量的安全和有效决策.针对这一问题,设计一种临床经验辅助的餐前胰岛素剂量自适应优化决策框架,构建高斯过程血糖预测模型和模型有效性在线评估机制,提出基于历史剂量和临床经验决策约束的贝叶斯优化方法,实现小样本下餐后血糖轨迹的安全预测和餐前胰岛素注射剂量的优化决策.该方法的安全性和有效性通过美国食品药品监督管理局接受的UVA/Padova T1DM平台测试结果和1型糖尿病患者实际临床数据决策结果充分验证.可为餐前胰岛素剂量智能决策及临床试验提供方法基础和技术支持,也为中国糖尿病患者血糖管理水平的有效改善,提供了精准医学治疗手段.     

C4.5算法在2型糖尿病分类规则建立中的应用*

基于大量实测数据,将数据挖掘C4.5算法引入2型糖尿病的数据处理之中,建立了多条有效规则,通过测试其患病与未患病的平均正确识别率达97%。重要的是建立的这些规则同医学上的认识基本一致,可以说这些规则的建立为解释糖尿病发病因素之间的相互关系以及影响程度提供了一种新的方法,为建立2型糖尿病的预警和干预控制的研究提供了基础。     

美公布治疗糖尿病的新方法——肝内移入胰岛细胞

经过大约25年的努力,加拿大埃德蒙顿市阿尔伯塔大学的研究人员终于公布了一项有希望对付甚至某一天彻底治愈胰岛素依赖性糖尿病的研究成果,胰岛素依赖性糖尿病是一种慢性疾病,需每日向病人体内注射一定剂量的胰岛素,以帮助病人将糖转变为能量.     

136例糖尿病患者应用胰岛素泵治疗的护理分析

目的:探讨糖尿病患者应用胰岛素泵治疗的临床护理配合,提高治疗水平.方法:回顾性分析我院自2009年3月～2011年3月收治的136例应用胰岛素泵治疗的糖尿病患者的临床资料,总结临床护理方法.结果:经2周的治疗后,空腹血糖＜6.3mmol/L者48例,空腹血糖＞6.3但≤7.4mm01/L者83例,总有效率为94.9%;治疗期间出现低血糖者2例,血糖控制无效2例,无死亡病例.结论:应用胰岛素泵治疗糖尿病效果理想,可以有效控制血糖、降低临床死亡率,治疗期间配合以护理措施可以提高治疗效果、降低并发症发生.     

C4.5算法在2型糖尿病分类规则建立中的应用

基于大量实测数据，将数据挖掘C4．5算法引入2型糖尿病的数据处理之中，建立了多条有效规则，通过测试其患病与未患病的平均正确识别率达97％。重要的是建立的这些规则同医学上的认识基本一致，可以说这些规则的建立为解释糖尿病发病因素之间的相互关系以及影响程度提供了一种新的方法，为建立2型糖尿病的预警和干预控制的研究提供了基础。     

基于安卓平台的糖尿病监护系统的研究及实现

基于目前针对糖尿病的研究主要集中在健康管理及血糖浓度监测方面,在糖尿病病情控制方面并不乐观的现状,设计开发了一套能够实时监护老年患者注射药物情况的远程家庭医疗系统;该系统由智能检测硬件系统,手机客户端和WEB信息管理端组成,不仅可以解决独孤老人时常忘记注射胰岛素的问题,也有利于解决我国老年患者糖尿病监护难的问题,同时也能提醒青壮年实时携带注射针剂盒,缓解糖尿病并发症的发生;通过实时实验测试,该糖尿病监护系统可靠、稳定,且具有良好的实际应用价值。     

科学家找到使肝脏产生胰岛素新方法

美国科学家找到一种能使患者在切除部分胰腺之后防止患糖尿病的新方法,他们提出可以利用被切除部分胰腺产生胰岛素的细胞,在净化这些细胞之后再植入肝脏,它们会在肝脏中合成出胰岛素.这一独特方法已在伊利诺伊大学医学中心对一名36岁男子进行了试验,该中心是世界上首次分离和移植胰岛细胞的医学中心,现在这名患者正在进行恢复性治疗.     

一种新型智能闭环胰岛素泵

长期以来胰岛素泵的出现给糖尿病患者带来了福音,它的出现彻底的改变了糖尿病的治疗手段.自从上世纪七、八十年代胰岛素泵的出现开始发展到今天,胰岛素泵已经是一个较成熟的产品了.一种闭环,低费用的糖尿病治疗系统是国内广大的糖尿病患者盼望已久的产品.目前市面上还没有闭环胰岛素泵出售,如果将胰岛素泵和血糖检测仪相结合就能得到一种比较完美的糖尿病治疗方法了.介绍一种能实现无痛注射、完全自动控制并和血糖检测仪相配合的胰岛素泵.     

基于贝叶斯和可信度的糖尿病诊疗系统研究

糖尿病是现代疾病中死亡率最高的病症之一,其带来的慢性并发症具有较高的死亡率。因此,帮助病人尽早发现隐藏的糖尿病病情、监控自己的血糖并辅以相应的治疗方案显得尤为必要。文章介绍了基于贝叶斯和可信度的糖尿病诊断以及分型方法,对糖尿病病人的自我诊治、辅助实习医师诊治糖尿病有一定的实用价值。     

基于SOM的不同胰岛素敏感状态下基因数据处理

胰岛素抵抗是目前众多老年慢性疾病发病的共同途径,其发生机制的研究对于寻找与制定疾病的防治策略最有重要的意义,但传统的研究方案往往局限于一个器官、一种代谢产物,或某一、两种基因参与的条件,得出的结论多为描述性,难于进行规律上的探索。基于两种组织(肌肉和肝脏)三种不同胰岛素敏感状态下(限食、对照、肥胖)的12组4040条基因芯片数据,通过SOM聚类分析的方法,发现不同胰岛素敏感状态下的大鼠基因表达变化下所隐藏的表达模式,从而为进一步分析胰岛素抵抗发生的分子机理提供了可能。     

深度学习在糖尿病视网膜病变分级中的应用

近年来,糖尿病视网膜病变(diabetic retinopathy, DR)成为全球失明人口增加的主要原因,早期的DR严重程度分级对防止DR患者视力丧失尤为重要.由于糖尿病患者数量的逐年上升, DR分级的需求量也不断增加,然而传统的人工分级不能满足日益增长的需求,且人工分级耗时费力.深度学习技术的发展,为DR检测和分级提供了高效率且更可靠的手段.虽然,目前的DR二元检测已经取得十分好的效果,然而由于糖尿病视网膜病变的复杂性和病变程度之间的差距细微, DR严重程度分级仍然是一个具有挑战性的问题.本文对近年来涌现的DR分级方法进行了研究和总结:介绍了基于VGG、InceptionNet、ResNet、EfficientNet、DenseNet、CapsNet模型的6种深度学习分级方法;并介绍了基于多网络融合的DR分级方法;最后对基于深度学习的DR分级方法的研究趋势进行总结和展望.     

不同胰岛素敏感状态下大鼠基因数据处理

胰岛素抵抗是目前众多老年慢性疾病发病的共同途径,其发生机制的研究对于寻找与制定疾病的防治策略最有重要的意义,但传统的研究方案往往局限于某个器官、一货机种代谢产物,或某一、两种基因参与的条件,得出的结论多为局部描述性,难以进行规律上的探素.基于两种组织(肌肉和肝脏)3种不同胰岛素敏感状态下(限食、对照、肥胖)的12组4 040条基因芯片数据,从基因表达数据的统计分析开始,观察不同胰岛素敏感状态下的大鼠组织对糖刺激反应的基因表达情况,比较、阐述胰岛素抵抗发生的分子机理;并通过SOM聚类分析的方法,发现不同胰岛素敏感状态下的大鼠基因表达变化下所隐藏的表达模式,从而为进一步分析胰岛素抵抗发生的分子机理提供了可能.     

儿童和糖尿病

美国1700万糖尿病患者中大多数人的年龄都在20岁以上,可是近10年来不仅成年人流行性糖尿病的发病率急剧上升,儿童的发病率也在增长,这种发展趋势令人担忧. 20世纪80年代,儿童糖尿病的诊断结果几乎总是I型,这是由于身体不能正常产生胰岛素而导致的,而胰岛素能帮助身体通过食物来提供燃料.最近20年来,因为儿童肥胖症普遍增多,流行性糖尿病多数与肥胖症和成年人久坐的生活习惯有关,而这些可以引起很多严重的并发病.     

数据挖掘在2型糖尿病数据处理中的应用

基于大量实测数据探索2型糖尿病的发病规律,寻求其有效的数据处理方法。将数据挖掘技术引入到2型糖尿病数据处理中得出决策分类树,再同医学认识相对照。利用11400条实测数据,采用C4．5算法得出分类树,经实验患病人群的正确识别率为80．90％,未患病人群的正确识别率为92．05％。给出的决策分类树同目前医学上认识的高危因素趋于一致,同时给出了血糖值等于5．85的临界性数值。数据挖掘方法的引入为2型糖尿病数据处理提供了一种新的方法,为其预警、干预和有效控制提供了一种新的解决方案。     

多维2型糖尿病实测数据的预处理技术

多年积累的实测糖尿病数据是一项重要的不可再生资源，对其数据的有效管理、处理、利用是一项非常必要和有意义的工作。该文就经过长期积累的2万多人次的调查和实测数据进行了有效的前期处理，其中涉及健康调查表内容以及原始数据的正确录入，对存入数据库的原始数据实施的数据清理、数据变换和数据规约3项预处理技术。2型糖尿病数据的预处理可以消除数据中的噪声、不完整和不一致性，实现数据的归一化和有效压缩，从而形成高质量的数据，可使数据的再处理(统计、数学建模、数据挖掘等)更加有效。此外，经预处理过的数据还可以作为一种重要的资源加以长期保存。     

基于胰岛素基础率估计的人工胰腺系统自抗扰控制

胰岛素基础率是人工胰腺系统实现人体血糖闭环控制的基准, 但该变量在临床治疗中难以准确确定. 针对这一问题, 本文设计了一种基于胰岛素基础率动态估计的人工胰腺自抗扰控制方法, 通过扩张状态观测器(Extended state observer, ESO)实时估计血糖代谢过程中的内部与外界干扰, 构建具备参数自适应能力的反馈控制律和胰岛素注射安全约束, 实现血糖闭环调控能力的有效改善. 在此基础上, 本文设计了基于移动设备和蓝牙模块的人工胰腺软件系统, 并通过美国食品药品监督管理局(Food and Drug Administration, FDA)接受的UVA/Padova T1DM仿真平台完成算法的比较仿真与功能测试. 本文的工作将为后续人工胰腺临床试验的开展提供方法基础和技术支持, 也为我国糖尿病患者血糖管理的改善提供精准医学治疗手段.