一款exe程序，包括简易睡眠初筛分析系统代码及文档

通过预测自闭症的可能性来改善自闭症筛查。让机器学习模型能够预测患自闭症的可能性，从而让医疗专业人员能够优先考虑他们的资源。 autism_screening.csv

用于Mac中筛选工程中未使用的图片素材。

20210409-中泰证券-医药生物行业：早筛产品落地在即，肿瘤筛查迎接新变局.pdf

根据医院需要，做的一个两癌筛查手机移动端预约系统，使用的VUE cli3、ElementUI 模仿美团地址级联选择器，规范的目录架构,对于初学者学习应该很有帮助，此程序仅供参考

由于该过程涉及主观性，因此筛查酒精使用障碍（AUD）患者一直具有挑战性。 因此，需要有力而客观的方法来自动化AUD患者的筛查。 在本文中，提出了一种机器学习方法，该方法利用静止状态脑电图（EEG）派生的特征作为输入数据来对AUD患者和健康对照进行分类，并对AUD患者进行自动筛查。 在这种情况下，在闭眼5分钟和睁眼5分钟期间记录了EEG数据。 为此，招募了30例AUD患者和15例年龄匹配的健康对照者。 在对脑电数据进行预处理之后，计算出脑电特征，例如半球间相干性和脑电三角洲，θ，α，β和γ谱带的光谱功率，涉及19个头皮位置。 使用基于等级的特征选择方法执行最有区别的特征的选择，该方法根据标准（即接收器工作特性曲线）为每个特征分配权重值。 例如，与重量较小的特征相比，重量较大的特征被认为与目标标签更相关。 因此，鉴定出一组减少的大多数判别特征，并将其进一步用于AUD患者和健康对照的分类中。 结果，研究组之间发现大脑区域之间的半球间连贯性显着不同，并提供了很高的分类效率（准确度= 80.8，敏感性= 82.5，特异性= 80，F-Measure = 0.78）。 此外，发现在不同EEG频段上

使用结构体链表，功能：输入人员信息、按来源区分风险、人员信息展示、人员信息查询、报警体温设置、文件导入等

神经网络方法在抑郁症早期筛查中应用的可行性

心脏杂波识别筛查 该报告将能够识别和开发一种预测模型，该模型可以使用机器学习算法确定患有先天性心脏缺陷的儿童和患有心脏瓣膜缺陷的成人？” 这些问题的答案将帮助听众进一步发展业务模型，从而有助于创建可预测和识别心脏杂音的便携式设备。 具有混淆矩阵，学习曲线和方框图的分类报告是度量标准，这些度量标准将用于评估算法以找到准确的响应模型。 该模型将查找分类为0-正常患者，1-先天性心脏缺陷-婴儿，2-心脏瓣膜缺陷-成人的输出变量。 初生婴儿时可以看到心脏瓣膜缺陷，成年人中也可以看到。 通过该项目，该算法将找到一个预测模型，以诊断整个年龄段其他患者的心脏缺陷

WST 2012妇幼保健信息系统基本功能规范--3.新生儿疾病筛查信息系统