数学建模获奖论文 09年数学建模获奖论文 眼科病床的合理安排 摘要

摘要本文对眼科手术病床的安排与优化问题，建立了层次分析模型，基于 HRRN算法的病床安排模型、灰色预测模型以及基于排队论的服务强度评价模型，解决了对医院目前病床

获09数学建模论文原文 医院就医排队是大家都非常熟悉的现象，它以这样或那样的形式出现在我们面前，例如，患者到门诊就诊、到收费处划价、到药房取药、到注射室打针、等待住院等，往往需要排队等待接受某种服务。 我们考虑某医院眼科病床的合理安排的数学建模问题。

眼科病床合理安排模型，本模型采用的方法比较新颖

要： 针对问题（一）采用了层次分析方法来构建合理的评价指标体系进而建立数学模型，求解到一致性比率小于0.1则一致性检验通过，得到的权向量就可以作为最终决策的依据。 针对问题（二）为使病床的使用效率尽可能高，在确定病人优先级的情况下结合FCFS规则，建立优化分配模型，对有限的病床进行具体合理的分配，再根据分配的结果利用所建立的评价指标体系对其进行评价，从而确定该模型的可行性。 针对问题（三），根据已知附录中的数据，运用Excel进行处理，分析得出平均每天的空床数，并根据该病人住院的先后顺序及等待住院的病人数量，从而建立模型，将病人的大致入住时间告知病人。 针对问题（四）根据住院部不安排周六、日做手术这一情况，对问题二中的模型做出相应的调整，使其满足现有条件，从而构建新的优化方案。 针对问题（五）是根据平均逗留时间最短建立的比例分配模型，最终得出明确的、有说服力的结论即医院眼科仅有的79张病床按33%、16%、16%、13%、22%比例分别分配给白内障单眼、双眼、青光眼、视网膜、外伤病人的病床数为26张、13张、13张、10张、17张。 此论文获黑龙江赛区一等奖

原Development and Validation of a Deep Learning Algorithm for Detection of Diabetic Retinopathy in Retinal Fundus Photographs 深度学习应用于眼底图眼科糖尿病视网膜病变预测

关于视盘与杯盘分割的标准数据集

用于视盘与杯盘分割的数据集

利用光学相干层析成像(OCT)获得视网膜图像并对其进行分层，进而获得各视网膜层的厚度，在许多眼科疾病的临床诊断中具有重要作用。高散斑噪声、低图像对比度、存在血管等复杂结构等因素使得对视网膜的精确分层难以实现。提出了一种视网膜OCT图像的自动分层方法，利用三维块匹配和均值滤波去噪对图像进行预处理，分两步对视网膜图像分层，在每个A扫描上设置可变阈值进行逐层分割作为初步分层结果，然后对各层的初步分层结果进行连续性和完整性判断和修正。对健康和患病视网膜的OCT图像进行分层以验证提出方法的有效性。实验结果显示该方法能够精确地分出9层视网膜层，平均层边界位置偏差为(1.34±0.24) pixel。该方法能够适应噪声高、对比度低的图像，对存在血管等复杂结构的图像同样能够实现较好的分层。

国家临床重点专科评分标准(眼科)收集.pdf