该数据集旨在允许测试不同的方法，以检查与使用对比度和患者年龄相关的CT图像数据的趋势。基本思想是识别与这些特征密切相关的图像纹理，统计图案和特征，并可能构建简单的工具，以便在对这些图像进行错误分类时自动对这些图像进行分类（或查找可能是可疑情况，测量错误或机器校准不良的异常值） ） overview.csv CT Medical Images_datasets.txt CT Medical Images_datasets.zip

糖尿病预测：使用Cima决策树算法和K-最近模型，根据患者的实验室测试结果变量（例如葡萄糖，血压等​​），使用Pima Indians糖尿病数据集来预测患者是否患有糖尿病。 Python-Scikit学习，SciPy，熊猫，MatPlotLib

心衰预测 分类项目可根据某些患者属性预测由于心力衰竭导致的死亡。

癫痫发作检测 该存储库包含“深度学习”项目的代码，用于识别癫痫诊断患者的异常脑电图。 参考 ChronoNet：用于异常EEG识别的深度递归神经网络 如果您发现存储库中的代码很有用，请使用以下命令将其引用： @misc{chitlangia2021epileptic, author = {Chitlangia, Sharad}, title = {Epileptic Seizure Detection using Deep Learning}, year = {2021}, publisher = {GitHub}, journal = {GitHub repository}, howpublished = {\url{https://github.com/Sharad24/Epileptic-Seizure-Detection/}}, }

背景：CHF（充血性心力衰竭）是世界上最重要的死亡和发病原因之一。 诸如螺内酯之类的利尿剂可以减少CHF患者的肺部充血并减少纤维化程度。 目的是评估螺内酯是否可以降低呼吸道阻力，我们是否可以通过脉冲示波法定量追踪利尿剂治疗心力衰竭患者的效果。 方法：该临床试验在阿瓦兹教学医院进行。 除了常规症状的药物治疗外，在服用螺内酯的1个月之前和之后，通过脉冲示波法评估了24例充血性心力衰竭（CHF）患者，其分类为II-IV级功能性，EF <40％。 所有数据均通过16号SPSS软件进行分析。结果：患者年龄为61±10岁，对照年龄为57±7岁。 螺内酯前后的示波数据分别为X5（-0.14±0.05 vs -0.14±0.05，P：0.93），R5（0.39±0.21 vs 0.39±0.15，P：0.35），X20（-0.04±0.06 vs -0.06） ±0.06，P：0.37），R20（0.04±0.03 vs 0.06±0.06，P：0.37），Zrs（0.39±0.21 vs 0.39±0.15，P：0.35）。 结论：CHF患者使用环磷内酯1个月比对照组有降低外周气道阻力的趋势。 尽管

临床护理路径对射频消融术的肝癌患者健康教育效果评估借鉴.pdf

Apriori算法案例--患者病症1000条数据 具体内容去博客看

医药 Medicyl是基于区块链的分散式健康档案管理系统。 该系统专注于高效，安全地存储患者的电子健康记录，从而为人们提供更好的访问和控制其记录的功能，并使人们能够轻松，安全地与医生，医院或保险公司共享记录。 灵感 电子健康记录（EHR）是患者医疗史的数字版本。 迄今为止，尚无关于其EHR已被存储的患者数量以及严重缺乏安全性和隐私性的真实报告。 因此，印度需要现代实施电子病历。 印度任何人都可以去任何健康服务提供者或药房并以电子格式访问其健康记录的想法至关重要，并且在某些情况下可以挽救生命。 特征 下图显示了传统系统所面临的挑战以及Medicyl中为解决这些挑战而实现的功能的映射。 演示版 查看Medicyl的详细演示。 具有屏幕截图和功能的： 病人 医生 安装 步骤一：克隆存储库 $ git clone https://github.com/priyamshah112/M

可以登记查询病人信息，包括姓名、性别、年龄、住院号、出入院时间、联系电话、家庭住址、入院诊断、病理诊断等等信息的管理

科研课题论文：冠脉搭桥手术患者的康复护理价值分析.pdf