摘 要：為了解決現(xiàn)有影像增強檢查過程中存在的造影劑注射方案不優(yōu)化、注射器控制不智能，各操作環(huán)節(jié)不連通的問題，提出了一種基于Java開發(fā)的一體化注射方案智能推薦與控制系統(tǒng)。通過智能化注射方案推薦，建立智能化的注射方案推薦模型，實現(xiàn)自動推薦最合適注射方案，提高注射效果和安全性；通過結(jié)合注射設(shè)備和影像處理算法，實現(xiàn)自動化注射方案控制，提高注射的準確性和一致性；通過實時監(jiān)測注射過程中的影像數(shù)據(jù)和生物參數(shù)，對現(xiàn)有的檢查全流程進行集成，保存并顯示過程數(shù)據(jù)，提高治療效果和患者的體驗。最終，通過規(guī)則、案例推理與深度神經(jīng)網(wǎng)絡(luò)協(xié)同應(yīng)用，實現(xiàn)造影劑方案的智能生成，并通過長連接實現(xiàn)對高壓注射器的反饋與控制，為提高影像增強的智能化程度、改善醫(yī)療過程和結(jié)果和促進醫(yī)療結(jié)果互認提供了良好的綜合方案。該系統(tǒng)已于華西醫(yī)院進行應(yīng)用，能夠在影像增強檢查中簡化操作，提高影像質(zhì)量，減輕對患者的身體損害，減少醫(yī)療資源的浪費。

關(guān)鍵詞：電子計算機斷層掃描；造影劑；給藥方案；高壓注射器

中圖分類號：TP182文獻標(biāo)志碼：A

文章編號：1001-3695（2023）08-031-2442-05

doi：10.19734/j.issn.1001-3695.2023.04.0191

Research and development of intelligent recommendation of image enhancement injection scheme and its control system

Tian Chenyu Zhang Tao Li Zhenlin Yu Zeyuan

（1.West China Biomedical Big Data Center，West China hospital of Sichuan University，Chengdu 610041，China；2.School of Mechanical Engineering，Sichuan University，Chengdu 610065，China；3.School of Automation Engineering，University of Electronic Science amp; Technology of China，Chengdu 610097，China）

Abstract：The existing imaging enhancement examination process faces issues such as suboptimal contrast agent injection schemes，lack of intelligent control over injectors，and disconnected operation steps，this paper proposed a Java-based integrated intelligent recommendation and control system for injection schemes to address these problems.Through the intelligent injection scheme recommendation，it established a model for recommending optimal injection schemes to realize the automatic recommendation of the most suitable injection scheme，thereby improving the effectiveness and safety of injections.Additionally，by integrating the injection equipment with image processing algorithms，the system achieved automated control over the injection scheme，thereby enhancing accuracy and consistency during injections.Furthermore，by monitoring the image data and physiological parameters during the injection process in real time，the system integrated the existing examination process，saved and displayed the process data to improve treatment effectiveness and enhance the patient experience.Ultimately，through the coordinated application of rules，case-based reasoning and deep neural networks，the system achieved intelligent generation of contrast agent schemes.And it also realized feedback and control over the high-pressure injector through a persistent connection，which provided a good "comprehensive solution to improve the intelligence level of imaging enhancement，enhance the quality of medical processes and outcomes，and facilitate mutual recognition of medical results.The system has been successfully applied at West China Hospital，which can simplify operations in imaging enhancement examinations，improve image quality，reduce patient harm and medical resource waste.

Key words：CT scan；contrast agent；dosage regimen；high pressure syringe

0 引言

影像增強掃描采用電子計算機斷層掃描（computed tomography）技術(shù)，通過注射造影劑可以顯著提高病變的檢出率［1］，輔助醫(yī)生進行病情的診斷。然而，增強掃描的圖像結(jié)果受到多個因素的影響，包括設(shè)備、患者個人情況、造影劑等［2］。其中，造影劑的種類、用量、注射速度等相關(guān)參數(shù)都顯著影響著圖像的結(jié)果［3］。CT造影劑具有一定毒性［4］，可能引發(fā)對比劑腎病等一系列毒副作用的產(chǎn)生，嚴重的患者需要接受透析治療，并會導(dǎo)致延長住院的情況出現(xiàn)。某醫(yī)院在680例進行增強掃描的患者中，出現(xiàn)中度反應(yīng)4例、輕度反應(yīng)41例、失敗7例［5］，這些毒副作用難以完全消除。而在現(xiàn)有影像增強的拍攝過程中，造影劑的注射方案幾乎完全由操作人員的經(jīng)驗確定［6］，這種做法常常無法兼顧CT機器情況、造影劑情況與患者個體情況，這不僅導(dǎo)致患者產(chǎn)生毒副作用的幾率提高，也使得影像增強的圖像質(zhì)量參差不齊，更嚴重影響了跨醫(yī)院、跨區(qū)域的影像檢查結(jié)果互認。此外，僅依賴操作人員的經(jīng)驗來確定注射方案可能導(dǎo)致部分患者在長時間注射和掃描后仍無法滿足圖像要求，嚴重影響患者的健康，并造成醫(yī)療資源的浪費。

面對這一問題，醫(yī)療專家系統(tǒng)是國內(nèi)外專家學(xué)者研究的一個方向，如Masivi［7］開發(fā)的模糊醫(yī)療專家系統(tǒng)，能夠通過規(guī)則庫與事實庫的匹配輔助醫(yī)生進行診斷；Pelaez等人［8］基于人工神經(jīng)網(wǎng)絡(luò)，開發(fā)了針對心臟疾病的自動診斷系統(tǒng)。然而，這類醫(yī)療專家系統(tǒng)通常依據(jù)檢查的結(jié)果輔助或代替醫(yī)生進行診斷，而不能對檢查過程本身涉及的各類參數(shù)進行優(yōu)化，同時也難以直接與一線醫(yī)療器械集成，對于一線操作人員提供的輔助作用有限。在CT增強掃描的一線操作方面，國內(nèi)外企業(yè)與科研單位也進行了大量相關(guān)研究。德國Bayer開發(fā)了P3T軟件，該軟件能夠?qū)崿F(xiàn)患者的個性化造影劑方案生成，但考慮的注射因素僅有體重一項；在注射過程中僅能實現(xiàn)數(shù)據(jù)的發(fā)送，難以實現(xiàn)高壓控制器的自動中止，也無法獲得高壓注射的過程數(shù)據(jù)。江蘇恒瑞醫(yī)藥股份有限公司開發(fā)的影像增強造影劑注射系統(tǒng)則需要手動輸入各項注射參數(shù)，其數(shù)據(jù)傳輸無法直接上傳至醫(yī)院信息平臺，需要借助額外的物理媒介；成都金盤電子科大多媒體技術(shù)有限公司開發(fā)的影像增強質(zhì)控平臺則主要面向開單醫(yī)生，并通過規(guī)則推理產(chǎn)生注射方案，智能化、定制化程度仍顯不足，且不能直接控制一線操作器械，需要由操作人員查看數(shù)據(jù)再進行錄入；四川大學(xué)開發(fā)的CT對比劑智能應(yīng)用專家系統(tǒng)通過知識庫的構(gòu)建輔助一線人員確定造影劑用量［9］，但無法直接控制高壓注射器，增加了操作量。

上述的相關(guān)系統(tǒng)與研究都在三個方面存在問題：造影劑注射方案考慮的參數(shù)不足，生成結(jié)果不夠智能化；注射器的控制與使用不夠智能化和便捷；各操作環(huán)節(jié)缺乏連通性，許多環(huán)節(jié)需要手動完成。因此，開發(fā)一款能夠應(yīng)用于增強掃描現(xiàn)場的影像增強注射方案智能推薦及控制系統(tǒng)，集成國產(chǎn)高壓注射器與醫(yī)院信息系統(tǒng)，存儲過程數(shù)據(jù)，應(yīng)對不同病患智能化生成并執(zhí)行注射方案是非常有必要的。該系統(tǒng)從醫(yī)院信息系統(tǒng)獲取患者信息，能夠?qū)崿F(xiàn)注射方案的智能生成功能、國產(chǎn)注射泵的精準給藥過程控制及參數(shù)反饋功能與數(shù)據(jù)存儲功能。這些功能不僅能夠覆蓋已有系統(tǒng)的缺點，同時也能夠?qū)崿F(xiàn)優(yōu)化注射方案的生成，并進一步提升圖像質(zhì)量，降低患者痛苦，減少醫(yī)療資源浪費，并促進跨醫(yī)院、跨區(qū)域的醫(yī)療結(jié)果互認。

1 影像增強高壓注射智能控制系統(tǒng)的整體使用流程

影像增強的檢查過程涉及醫(yī)院信息系統(tǒng)、CT掃描機、高壓注射器的軟、硬件結(jié)合的過程。在傳統(tǒng)的影像增強檢查過程如圖1所示。首先需要建立患者病例，并在醫(yī)生診斷后進行增強檢查開單，并在患者預(yù)約時間后進行拍攝，最后依據(jù)造影結(jié)果進行診斷。此時，醫(yī)院信息系統(tǒng)需要將全過程的數(shù)據(jù)與結(jié)果進行記錄，增強檢查開單則在CT方案管理系統(tǒng)中進行，該系統(tǒng)同時負責(zé)將數(shù)據(jù)發(fā)送給CT給藥系統(tǒng)與圖像數(shù)據(jù)庫，一線操作人員依據(jù)相關(guān)信息進行高壓注射器與CT系統(tǒng)的操作，并通過臨床護理系統(tǒng)的相關(guān)信息對患者進行護理工作。

傳統(tǒng)的檢查過程存在一些問題，例如，方案管理系統(tǒng)生成方案后需要護士手動輸入給藥系統(tǒng)，流程不夠自動化。為了解決這些問題，影像增強注射方案智能推薦及控制系統(tǒng)將CT方案管理系統(tǒng)與給藥系統(tǒng)集成。在掃碼后，系統(tǒng)直接從醫(yī)院信息系統(tǒng)中提取患者信息，并智能推薦或生成方案，然后控制高壓注射器。系統(tǒng)還能采集高壓注射器的過程數(shù)據(jù)，并在遇到突發(fā)事件時產(chǎn)生警報信號。其內(nèi)部流程如圖2所示。

影像增強注射方案智能推薦及控制系統(tǒng)的功能包括了注射過程的參數(shù)顯示、方案的智能生成、患者信息與過程數(shù)據(jù)的傳輸與獲取、高壓注射器的控制與警報共四項主要功能，其中，注射過程中的參數(shù)顯示、方案的智能生成、患者信息與過程數(shù)據(jù)的傳輸與獲取通過智能推薦系統(tǒng)實現(xiàn)，高壓注射器的控制與警報通過控制系統(tǒng)實現(xiàn)。

2 造影劑方案的智能生成

2.1 造影劑方案的影響參數(shù)

造影劑的注射方案涉及造影劑的種類、濃度、流量和流速四個主要指標(biāo)。這些指標(biāo)通過影響強化后的CT值來影響生成圖像的質(zhì)量。除此之外， CT機型與患者的個人因素也會影響造影的結(jié)果。CT的不同機型與探測器寬度影響了不同時期的觸發(fā)時間；而患者本人的年齡、性別、心功能、肺功能、血管情況、疾病狀況共同決定了其血流動力學(xué)，從而影響了圖像的質(zhì)量。因此，在進行造影劑方案生成或推薦時，CT的機型、患者的個人情況（包括患者曾經(jīng)進行CT的情況）都會影響本次增強掃描所用造影劑方案的參數(shù)。

2.2 造影劑方案的生成流程

在進行增強CT檢查的過程中，由于患者個體差異，一部分患者可能面臨更高的毒副作用風(fēng)險。依據(jù)醫(yī)院相應(yīng)標(biāo)準，患者將會被劃分為不同的危險等級，共包括4種等級，其中最高等級（4級）的患者將不能進行增強CT檢查，而對于3級和2級患者，對于造影劑的使用也有著更嚴格的要求，1級則為危險等級最低，對于造影劑的使用沒有特別的限制。危險等級的判斷是通過患者的既往病史信息（如是否有腎臟手術(shù)史、是否有哮喘等）進行評估的。對于高危險級別的患者，造影劑的方案需要參考更多以往的相關(guān)高危病患的案例，而這些案例的特異性較強，可以通過案例推理的方式，從相關(guān)病例中搜索最近似的情況。對于危險等級較低的病患，相關(guān)的既往案例與數(shù)據(jù)較為全面，可以通過構(gòu)建深度學(xué)習(xí)網(wǎng)絡(luò)抽取數(shù)據(jù)特征，并直接生成相關(guān)的注射方案。造影劑方案的生成流程如圖3所示。

在獲取患者信息后，首先對參數(shù)進行預(yù)處理。對于數(shù)值型參數(shù)進行歸一化處理，類別型參數(shù)采用獨熱編碼進行表達。除此之外，依據(jù)患者進行CT的不同部位，相關(guān)的方案將被拆分。參數(shù)處理后，相關(guān)病史通過詞典抽取關(guān)鍵詞，并與規(guī)則庫進行匹配，自動確定患者的危險等級。對于危險等級較高的患者，采用案例推理的方式進行參數(shù)推薦，并提醒操作人員該病患的危險程度較高。對于危險等級較低的患者，基于深度神經(jīng)網(wǎng)絡(luò)自動生成造影劑注射方案。

2.3 基于案例推理的方案推薦

2.4 基于深度學(xué)習(xí)的方案生成

深度學(xué)習(xí)技術(shù)可以抽取數(shù)據(jù)間的特征，實現(xiàn)參數(shù)的生成或預(yù)測，并被廣泛使用于醫(yī)學(xué)領(lǐng)域［11］。當(dāng)患者的危險等級較低時，可以通過大量的既往案例數(shù)據(jù)進行學(xué)習(xí)，抽取其特征，并用于預(yù)測。基于深度學(xué)習(xí)的方案生成需要建立深度神經(jīng)網(wǎng)絡(luò)，一個典型的深度神經(jīng)網(wǎng)絡(luò)如圖4所示。

3 高壓注射器的精準給藥與過程控制

由于影像增強注射方案智能推薦及控制系統(tǒng)整體基于Windows平臺開發(fā)，網(wǎng)頁端的操作模式具有輕便可靠的特點。然而，直接介入高壓控制器的控制過程仍存在延遲過高等問題。相比之下，嵌入式控制系統(tǒng)具有魯棒性強、可靠性高的優(yōu)點［12］。所以，在高壓注射器的控制方面，采用了上位機+嵌入式控制器+傳感器的控制模式，通過嵌入式控制器控制高壓注射泵。

a）上位機系統(tǒng)。使用注射方案智能推薦系統(tǒng)作為上位機，負責(zé)發(fā)送完整的注射方案信息，其中包括流量、流速、藥物種類與濃度，并發(fā)送注射過程的開始信號與停止信號。

b）傳感器。包括多個流量、流速、位置、速度、角度與壓力傳感器，用于收集高壓注射器的流量、流速、位姿與壓力信息。

c）嵌入式控制器。使用現(xiàn)場可編程門陣列（field-programmable gate array，F(xiàn)PGA），負責(zé)高壓注射器的精準控制；采用PID控制，將上位機發(fā)送的流量、流速、藥物種類與濃度信息轉(zhuǎn)化為控制信號，并采集傳感器的傳感信號，保證注射過程中的造影劑種類、流量、流速與上位機發(fā)送的設(shè)定參數(shù)一致，避免過大的偏差產(chǎn)生；同時將實際產(chǎn)生的壓力、流速、流量數(shù)據(jù)返回給上位機系統(tǒng)。此外，整體系統(tǒng)采用防呆設(shè)計，需要將注射器調(diào)整到一定角度范圍內(nèi)才能夠進行注射操作。

具體的精準給藥與過程控制如圖5所示。在此基礎(chǔ)上，當(dāng)突發(fā)情況產(chǎn)生時，高壓注射器將自動停止并報警，警報信息同時將被傳送到上位機并通過注射方案智能推薦系統(tǒng)實時顯示與記錄，這些警報情況主要包括：液體用盡；漏液；液體管路破損；注射器角度發(fā)生變化；注射壓力過大；流量、流速傳感器檢測值與設(shè)定不同。

除此之外，當(dāng)上位機發(fā)送中止信號時，高壓注射器也將停止工作。

4 系統(tǒng)開發(fā)與應(yīng)用

該影像增強注射方案智能推薦及控制系統(tǒng)采用B/S（browser/server）結(jié)構(gòu)開發(fā)。服務(wù)端負責(zé)進行信息傳輸、規(guī)則推理、案例推理、方案生成與數(shù)據(jù)庫訪問等功能；瀏覽端則主要提供信息的展示，并收集操作人員對方案進行的修改與注射器的控制情況。該系統(tǒng)在Windows環(huán)境下進行開發(fā)，采用Java作為開發(fā)語言，開發(fā)工具使用MyEclipse，采用MySQL對數(shù)據(jù)庫進行管理。Web容器使用Tomcat，并在JDK8環(huán)境下運行，瀏覽器端可通過Chrome、Firefox等方式訪問。在系統(tǒng)的實現(xiàn)過程中，使用了SSH（Struts2、Spring、Hibernate）框架，部分代碼展示如圖6所示。

針對醫(yī)院信息系統(tǒng)，影像增強注射方案智能推薦系統(tǒng)采用http協(xié)議，使用WebService方式連接，并通過XML格式進行文件傳輸，字符編碼采用UTF-8編碼；針對高壓注射器的控制，通過長連接接入高壓注射器進行控制，字符編碼采用UTF-8編碼。該系統(tǒng)的使用情況如圖7所示，圖中1所示為高壓注射器實體，以及其內(nèi)部的嵌入式控制系統(tǒng)；圖中2所示為注射方案智能推薦系統(tǒng)。通過網(wǎng)頁端的形式，該推薦系統(tǒng)可以被訪問，并與高壓注射器連接，實現(xiàn)對高壓注射器的控制。

高壓注射器的工作情況可以通過推薦系統(tǒng)進行查看，如圖8所示。高壓注射器按照規(guī)定的流量、流速進行工作，并對工作過程中的流量、流速與壓力數(shù)據(jù)予以記錄與顯示。

如圖9、10所示，影像增強注射方案智能推薦及控制系統(tǒng)的工作流程共有八個步驟：a）使用掃碼槍掃碼，或是手動輸入患者編號；b）系統(tǒng)自動獲取患者信息；c）系統(tǒng)依據(jù)患者信息自動生成或推薦注射方案；d）現(xiàn)場操作人員可以依據(jù)實際情況修改方案；e）系統(tǒng)鎖定，注射即將開始；f）開始注射；g）注射開始，相關(guān)參數(shù)開始實時顯示；h）注射結(jié)束，顯示結(jié)束的相關(guān)頁面。

在經(jīng)過步驟h）后，該系統(tǒng)的一個工作流程結(jié)束，可以通過再次掃碼重復(fù)執(zhí)行信息獲取—方案生成—注射器控制的步驟。相關(guān)系統(tǒng)已在某醫(yī)院影像科室應(yīng)用。

相較于傳統(tǒng)的影像增強注射方案，本文基于Java開發(fā)的一體化注射方案智能推薦與控制系統(tǒng)具有以下優(yōu)勢和創(chuàng)新點：

a）個性化推薦。傳統(tǒng)的注射方案往往基于醫(yī)生經(jīng)驗和專業(yè)知識，缺乏個性化考慮。而本系統(tǒng)采用智能推薦算法，能夠根據(jù)患者的病情、影像數(shù)據(jù)和生物參數(shù)，為每個患者推薦最合適的注射方案。這種個性化推薦可以提高注射效果和安全性，并減少不必要的影響。

b）自動化控制。傳統(tǒng)的注射方案控制通常需要醫(yī)生手動調(diào)整注射器參數(shù)，存在主觀因素和人為誤差。而本文系統(tǒng)結(jié)合注射設(shè)備和影像處理算法，實現(xiàn)自動化注射方案控制。系統(tǒng)根據(jù)智能推薦模型提供的注射方案，自動調(diào)整注射器參數(shù)，提高注射的準確性和一致性。

c）實時監(jiān)測與集成化處理。傳統(tǒng)的注射過程監(jiān)測仍是空白，數(shù)據(jù)處理通常是分散的，缺乏整合和統(tǒng)一的管理。而本文系統(tǒng)具備實時監(jiān)測注射過程中的影像數(shù)據(jù)和生物參數(shù)的能力，并將其集成到系統(tǒng)中進行處理和存儲。醫(yī)生可以實時監(jiān)測注射過程，獲取全面的數(shù)據(jù)支持，并進行更精確的診斷和治療。

通過與現(xiàn)有方案的對比，本文設(shè)計的系統(tǒng)在個性化推薦、自動化控制和實時監(jiān)測等方面更具優(yōu)越性。這些創(chuàng)新點和優(yōu)勢使得系統(tǒng)能夠提高注射方案的精確性、減少人為誤差，并改善醫(yī)療效果和患者體驗。具體參數(shù)如表1所示。

5 結(jié)束語

如何實現(xiàn)CT影像的高質(zhì)量拍攝一直是備受關(guān)注的問題，影像增強注射方案智能推薦及控制系統(tǒng)直接從醫(yī)院信息系統(tǒng)中獲取信息，智能生成方案，并直接控制高壓注射器進行工作，該系統(tǒng)的應(yīng)用具有以下效果：a）依據(jù)既往案例信息與相關(guān)醫(yī)學(xué)數(shù)據(jù)，智能化、個性化生成造影劑注射方案，能夠依據(jù)不同患者的情況生成最合適的方案，減少對患者身體的損害，提升圖像拍攝的質(zhì)量；b）直接控制高壓注射器，減少臨床人員的操作量，減小了操作失誤的風(fēng)險，通過采集高壓注射器的返回信息，實現(xiàn)數(shù)據(jù)的存儲與集成，輔助內(nèi)部算法的更新；c）提供相對統(tǒng)一的標(biāo)準，保證拍攝結(jié)果的同質(zhì)化，能夠促進跨醫(yī)院、跨區(qū)域的醫(yī)療互認。

本文系統(tǒng)后續(xù)研究還可以根據(jù)不斷積累的大量數(shù)據(jù)，采用更新型神經(jīng)網(wǎng)絡(luò)持續(xù)深度學(xué)習(xí)優(yōu)化注射推薦方案及控制過程，實現(xiàn)對比劑的智能匹配、注射方案推薦及過程管控、患者留觀記錄的全閉環(huán)管理，更好地實現(xiàn)不同廠商不同設(shè)備不同型號的醫(yī)學(xué)影像的高質(zhì)量同質(zhì)化及跨醫(yī)院、跨區(qū)域檢查結(jié)果的完全互認。

參考文獻：

［1］Liao Weihua，Lei Peng，Pan Jinbin，et al.Bi-DTPA as a high-performance CT contrast agent for in vivo imaging［J］.Biomaterials，2019，203：1-11.

［2］Panetta D，Gabelloni M，F(xiàn)aggioni L，et al.Cardiac computed tomography perfusion：contrast agents，challenges and emerging methodo-logies from preclinical research to the clinics［J］.Academic Radio-logy，2021，28（1）：E1-E13.

［3］胡茂清.基于身體指數(shù)計算主動脈和肝臟CT增強碘對比劑用量的臨床研究［D］.南方醫(yī)科大學(xué)，2016.（Hu Maoqing.Clinical study on the adjustment of iodine contrast medium dose based on body index in aortic and liver enhanced CT scans［D］.Southern Medical University，2016.）

［4］Jeong Y，Jin Minyong，Kim K S，et al.Biocompatible carbonized iodine-doped dots for contrast-enhanced CT imaging［J/OL］.Biomaterials Research，2022.http：//doi.org/10.1186/s40824-022-00277-3.

［5］Winklhofer S，Lin W C，Wang Z J，et al.Comparison of positive oral contrast agents for abdominopelvic CT［J］.American Journal of Roentgenology，2019，212（5）：1037-1043.

［6］史金雁.高壓注射器在CT增強掃描中的應(yīng)用與探討［J］.中國醫(yī)藥指南，2016，14（18）：81.（Shi Jinyan.Application and discussion of high-pressure injector in CT-enhanced scanning ［J］.Guide of China Medicine，2016，14（18）：81.）

［7］Masivi O M.Fuzzy expert system generalised model for medical applications［J］.Applied Computer Systems，2019，24（2）：128-133.

［8］Pelaez J I，Gomez-Ruiz J A，F(xiàn)ornari J，et al.Automatic identification of characteristic points related to pathologies in electrocardiograms to design expert systems［J］.Soft Computing，2019，23（12）：4207-4219.

［9］田宸宇，唐聃，趙武.CT對比劑智能應(yīng)用專家系統(tǒng)的研究與開發(fā)［J］.計算機應(yīng)用研究，2017，34（7）：2088-2090.（Tian Chenyu，Tang Dan，Zhao Wu.Research and development of CT contrast agent intelligent application expert system［J］.Application Research of Computers，2017，34（7）：2088-2090.）

［10］顧東曉，李曉玥，謝懿，等.基于體測健康大數(shù)據(jù)的灰色案例推理與個性化知識服務(wù)方法［J］.情報科學(xué)，2021，39（12）：3-8.（Gu Dongxiao，Li Xiaoyue，Xieyi，et al.Case-based reasoning and persona-lized service based on physical testing big data［J］.Information Science，2021，39（12）：3-8.）

［11］姚瓊，王覓也，師慶科，等.深度學(xué)習(xí)在現(xiàn)代醫(yī)療領(lǐng)域中的應(yīng)用［J］.計算機系統(tǒng)應(yīng)用，2022，31（4）：33-46.（Yao Qiong，Wang Miye，Shi Qingke，et al.Application of deep learning in modern healthcare［J］.Computer Systems amp; Applications，2022，31（4）：33-46.）

［12］Raha A，Chakrabarty A，Raghunathan V，et al.Embedding approximate nonlinear model predictive control at ultrahigh speed and extremely low power［J］.IEEE Trans on Control Systems Technology，2020，28（3）：1092-1098.