基于半监督学习的骨科植入物推荐系统应用研究

• 作者: 李琼 谭晓宇 邱禧荷 陈珏
• 来源期刊: 传感器与微系统
• 学科: 工学
• 关键词: 骨科植入性治疗 半监督学习 智能决策
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 研究与探讨
• 页码范围: 11-13,17
• 页数: 4页
• 分类号: TP399|TP212
• 语种: 中文
• DOI: 10.13873/J.1000-9787(2020)11-0011-03

摘要

硅/银羟基磷灰石涂层分别能提高金属植入物生物相容性与抗菌性.利用"Wide&Deep"和密集网络结构推荐系统,结合半监督学习训练推荐骨科植入材料比例,为每位患者提供针对性骨病治疗与康复方案.系统能解决病例特征多类型、标注数据量少的复杂问题,获得优化多特征融合网络结构的半监督学习优化算法,在测试数据集上获得高准确度的骨科植入方案推荐,为医生提供临床智能决策支持.