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

干货牙科诊所全套患者回访话术看完就是回访高手.doc

决策树 对新患者进行分类的乳腺癌数据集的决策树。 训练数据 该模型是使用699例乳腺癌患者的数据集构建的。 数据集经过归一化和清洗，最终使500名患者接受了培训和测试的最终数据集。 共有500例患者，其中262例（52.4％）患有良性肿瘤，238例（47.6％）患有恶性肿瘤。 为了进行训练，使用了80％的数据，其中40％是良性肿瘤，40％是恶性肿瘤，其余20％用于测试。 在这20％中，12.4％来自良性肿瘤，而7.6％来自恶性肿瘤。 怎么跑 克隆存储库 启动你的服务器 现在，您可以从“决策树”中访问预测结果。 要查看命中率，请inspecionar并检查console 。 注释 src目录中的decision-tree.js文件已从以下存储库中删除，该存储库允许使用和修改： :

弗雷明汉 预测患者在第一次检查后的10年内是否患有冠心病（准确度为85％），确定风险因素并使用Logistic回归确定保险公司的费用自付额。 确定的危险因素。

抑郁症患者的面部表情识别研究

背景：抑郁症是导致残疾的主要原因之一，包括患者的主观生活质量（QOL）受损。 不幸的是，在一般实践中，只有一小部分得到正确的诊断和治疗。 本研究旨在确定抑郁症患者的主观生活质量。 方法：使用世界卫生组织生活质量仪器（WHOQOL-BREF）对18岁及18岁以上成人的代表性样本（病例和对照各100例）进行QOL评估。 还对受访者的社会人口统计学因素进行了评估。 使用Mini International Neuropsychiatric Interview评估了严重的抑郁症。 抑郁的严重程度使用汉密尔顿抑郁量表进行评估，整体功能通过整体功能评估量表进行评估。 结果：参与者的大多数是女性（62.0％）和年轻，平均年龄为39.11±12.40岁。 与健康人相比，抑郁症患者的总体主观QOL（P <0.033），身体（P <0.002），心理（P <0.001），社会（P <0.006）和环境（P <0.048）域明显受损。控制。 与健康对照组相比，抑郁症患者的整体功能也受损（P <0.001）。 结论：研究发现，抑郁症是一种严重的疾病，会影响患者对其生活质量的看法。 因此，非常有必要创新更好的治

某院住院患者抗菌药物应用.pdf

患者预处理 这是用于各种神经成像预处理操作（注册，切片，去噪，分割等）的MATLAB代码，其最初旨在处理常规临床数据（因此得名）[1]。 它以nifti文件（如.nii或.nii.gz）作为输入，并生成此数据的副本，并对其应用了所需的预处理步骤。 它还使用成对的标签遮罩（例如T1w MRI和肿瘤遮罩（或多个类别））处理图像数据，并确保生成的预处理数据是一致的。 请参阅下面的示例用例，这些用例可以独立运行，也可以启发更复杂的预处理任务。 依存关系 该算法要求以下软件包位于MATLAB路径上： SPM12：从下载。 spm_superres：从下载/克隆（如果要使用降噪或超分辨率选项）。 用例范例 1.多通道MRI分割 该MATLAB代码段将多个序列的MR图像作为输入，并生成已被共同注册和切片的图像。 然后使用SPM12统一分段例程对这些图像进行分段，并将本机+模板（未调制）空间GM，WM