- 博客(28)
- 收藏
- 关注
RSS订阅原创 Imaris wrl format export and learn
【代码】Imaris wrl format export and learn。
2025-11-25 23:25:02
297
原创 六大 EHR 数据库核心特征描述
第一部分 六大 EHR 数据库核心特征描述一、MIMIC4：全球重症研究 “黄金标杆”核心定位：麻省理工学院主导的公开重症医学数据库，聚焦 ICU 患者全周期诊疗数据，是重症领域科研与 AI 模型开发的首选数据集。数据概况：最新 3.0 版本覆盖 2008-2022 年数据，含 54.6 万住院人次（其中 9.4 万 + ICU 患者），分钟级生命体征监测（如心率、血压），配套电子病历、实验室检查、影像报告等多维度数据，特护单（chartevents）数据量较旧版激增 50%。
2025-10-27 01:39:28
690
原创 mimic提取相关的实验室检查信息
本文介绍了从MIMIC-IV数据库中提取缺血性卒中患者的SQL查询方法。首先创建临时表stroke_patients_subjects存储符合ICD-9(434%)或ICD-10(I63%)诊断标准的患者ID，并关联患者表获取人口统计学信息。随后通过ALTER TABLE添加实验室检查相关的字段，并更新数据。最后，通过UNION ALL查询统计卒中患者各类实验室检查(如血液、脑脊液、骨髓等)的检测数量。该查询流程实现了卒中患者数据的筛选、扩展和统计分析，为临床研究提供数据支持。
2025-10-13 04:14:24
588
原创 R 语言 + 卒中 Meta 分析（续）：机器学习 Meta 与结构方程 Meta 完整实现
本文介绍了两种高级Meta分析方法在卒中研究中的应用：机器学习Meta分析和结构方程Meta分析。通过R语言实现完整分析流程，重点关注卒中预测模型性能评估和风险因素因果路径分析。机器学习Meta分析部分演示了如何整合不同机器学习模型（如LSTM、随机森林）的AUC性能指标，包括数据转换（Fisher-Z值）、效应量合并、结果可视化（森林图）和异质性分析。结构方程Meta分析部分展示了卒中风险因素间因果关系的建模方法。文章提供了详细的R代码，从数据准备到结果解读，强调这些方法在卒中临床研究中的实用价值，特别是
2025-08-29 17:47:43
700
原创 R 语言 + 卒中 Meta 分析
本文介绍了使用R语言进行卒中Meta分析的4类核心场景，包括传统配对Meta分析、网络Meta分析、剂量-效应Meta分析和生存分析Meta分析。重点展示了rtPA溶栓vs常规治疗预防卒中复发的配对分析、3种抗血小板药物的网络对比，以及他汀类药物剂量与卒中风险的剂量-效应关系。通过完整代码示例和临床意义解读，为卒中临床决策提供循证依据。关键结果包括：rtPA可使卒中复发风险降低51.8%，双联抗血小板治疗（阿司匹林+氯吡格雷）在预防卒中复发中效果最优等。所有分析均基于真实卒中研究逻辑构造，代码可直接复现。
2025-08-29 17:00:25
1041
原创 mimic数据统计
本文介绍了MIMIC-IV数据库的安装连接方法及核心表结构说明，重点分析了卒中相关ICD编码提取技术。主要内容包括：1)通过psql命令连接数据库并导入数据；2)详细说明医院表结构（如admissions、diagnoses_icd等20余张表）及其功能；3)卒中ICD编码范围（ICD-9为430-438，ICD-10为I60-I69）；4)SQL示例代码：提取缺血性卒中（434）和阿尔茨海默病（G30/G31）患者ID；5)诊断频次统计与ICD编码匹配方法，包括Python代码实现ICD标题匹配及异常处理
2025-08-21 20:59:41
914
原创 PostgreSQL导入mimic4
本文档详细介绍了在PostgreSQL中安装和配置MIMIC-IV数据库的完整流程。主要内容包括：1）使用psql工具连接数据库的正确方法；2）通过命令行或pgAdmin创建专用数据库；3）执行官方建表脚本的两种方式；4）导入CSV.gz压缩数据的关键步骤及常见问题解决方案；5）添加表约束和索引以保证数据完整性和查询性能；6）最终的安装验证方法。文档提供了具体命令示例和注意事项，特别强调了路径权限、数据预处理和用户权限等关键问题。该指南适用于需要部署MIMIC-IV数据库进行临床数据分析的研究人员。
2025-08-17 17:25:57
630
原创 MIMIC-IV 数据库表结构全解析（附卒中入院 PostgreSQL 提取代码）
作为重症医学领域最具影响力的公开数据库，MIMIC-IV（Medical Information Mart for Intensive Care IV）涵盖 2008-2019 年贝斯以色列女执事医疗中心（BIDMC）近 19 万患者、45 万次住院的标准化临床数据。对于卒中研究而言，其结构化的表设计能完整追溯患者从急诊入院到 ICU 治疗、预后随访的全流程。本文将系统拆解 MIMIC-IV 的所有数据表，并提供可直接运行的 PostgreSQL 提取代码，助力卒中领域研究者高效用数。
2025-08-16 16:00:11
1920
原创 把doi直接插入word中，然后直接生成参考文献
打开输入Word文档，遍历段落提取所有DOI，为每个唯一DOI编号并存储。尝试获取每个DOI的参考文献信息，区分成功与失败的DOI。再次遍历段落，将成功获取信息的DOI替换为上标引用序号。在文档末尾添加分页符、“参考文献”标题及格式化的参考文献列表，最后保存文档并打印成功和失败转换的DOI信息。字段，则从中提取作者、年份、标题、期刊、卷号、期号、页码等信息，格式化为APA格式参考文献字符串并返回；函数提取所有符合格式的DOI字符串，返回包含这些DOI的列表，忽略大小写。类，用于通过DOI查询参考文献信息。
2025-03-31 19:47:25
6205
原创 #基于Django实现机器学习医学指标概率预测网站
模板文件（templates）：负责页面的展示和用户交互。视图文件（views.py）：处理用户请求和业务逻辑。URL配置文件（urls.py）：定义URL路由规则。模型文件（models.py）：定义数据库模型（本项目暂未涉及数据库操作）。应用配置文件（apps.py）：配置应用信息。项目设置文件（settings.py）：配置项目的全局设置。通过以上代码的详细分析，我们实现了一个基于Django框架的医学指标概率预测系统。
2025-03-30 19:40:48
1004
原创 孟德尔随机化：脑卒中研究新钥匙
孟德尔随机化：脑卒中研究新钥匙孟德尔随机化，作为一种基于遗传变异的因果推断方法，正逐渐成为医学研究领域的有力工具，在脑卒中研究中发挥着关键作用。它的基本原理源于孟德尔遗传定律，即个体在受精过程中，等位基因会从父母那里随机分配给后代，这种随机分配类似于随机对照试验中的随机分组。通过巧妙利用这一特性，孟德尔随机化将遗传变异作为 “自然发生” 的工具变量，以此来探索暴露因素与疾病之间的因果关系。在传统的观察性研究中，混杂因素和反向因果关系是难以避免的难题。
2025-03-26 22:20:28
818
原创 基于OmicVerse的Bulk RNA-seq数据细胞类型解卷积与模拟单细胞生成
通过以上步骤，我们实现了从Bulk数据到模拟单细胞数据的全流程分析，为缺乏单细胞数据时的下游分析提供了有效解决方案。实际应用中需根据数据特点调整参数，并通过交叉验证确保结果可靠性。尝试多种工具（如CIBERSORTx、MuSiC），评估结果一致性。
2025-03-19 18:24:50
1320
原创 基于多 Agent 架构的医疗病历处理系统代码详解
通过以上详细的代码解释，我们可以看到这个多 Agent 架构的医疗病历处理系统是如何协同工作的。从查询病历信息到向量化、病例汇总、医疗指导和预后预测，每个 Agent 都承担着特定的任务，利用大语言模型的强大能力实现了对医疗病历的有效处理和分析。这种架构不仅提高了医疗数据处理的效率，还为医疗决策提供了有力的支持。#Python #多 Agent 架构 #医疗病历处理 #DeepSeek32B #Ollama。
2025-03-14 00:01:07
1049
原创 # 基于DeepSeek与LangGraph的智能病历数据库交互系统开发指南
这种技术组合不仅能提升医疗数据的利用效率，更能为精准医疗提供有力支撑。随着医疗大模型的不断发展，该系统将成为智能医疗生态的重要组成部分。
2025-03-08 16:01:33
660
1
原创 DeepSeek模型深度探索：医疗Prompt、QLoRA微调、模型编辑与RAG知识库搭建
DeepSeek 模型作为大语言模型领域的杰出代表，基于 Transformer 架构进行了深度优化与创新，展现出强大的自然语言处理能力。其核心架构融合了稀疏注意力机制，使得模型在处理长序列数据时，能够智能地聚焦关键信息，有效降低计算复杂度，显著提升运行效率。例如，在处理长篇医学文献时，模型可以快速定位关键的病症描述、诊断方法和治疗方案等信息，而无需对全文进行全面的注意力计算，从而大大提高了处理速度和准确性。动态路由网络的引入，是 DeepSeek 模型的又一重要创新。
2025-03-06 12:55:12
1357
原创 解锁大模型的核心能力：Prompt、微调、模型编辑与RAG全解析
本文深入探讨了 Prompt、微调、模型编辑与 RAG 技术，这些技术在大模型的优化和应用中发挥着不可或缺的作用。Prompt 作为与大模型交互的关键手段，通过精心设计的提示词，能够引导模型生成符合特定需求的内容，其设计原则和技巧为提升模型输出质量提供了有效指导，在智能写作、智能客服、教育等领域有着广泛的应用，为这些领域的智能化发展注入了新的活力。微调基于预训练模型，利用特定领域数据进行进一步训练，显著提升了模型在特定任务和领域的性能。
2025-03-06 09:58:51
651
原创 DeepSeek大模型不同微调方法对比分析与代码实战
本研究对 LoRA、QLoRA、AdaLoRA、LoRA + 四种微调方法在 DeepSeek 大模型上的应用进行了深入分析和对比。LoRA 通过引入低秩适配器层，大幅减少了需要训练的参数量，在显存优化和计算效率方面表现出色，适用于资源有限且任务相对简单的场景。QLoRA 在 LoRA 基础上结合量化技术，进一步降低了存储和计算需求，在极端显存受限环境下优势明显，尽管可能存在一定精度损失，但在微调效果上与 LoRA 相近。
2025-03-05 20:46:02
1703
原创 解锁单细胞奥秘：SCTtransform全解析
在生命科学的微观探索中，单细胞 RNA 测序（scRNA-seq）技术宛如一把精准的手术刀，为我们剖析细胞异质性提供了前所未有的视角。它能够深入到单个细胞的层面，揭示细胞间微妙而关键的差异，这些差异蕴含着发育、疾病发生发展等重要生命过程的密码。通过 scRNA-seq，我们可以观察到在同一组织或器官中，不同细胞的基因表达谱呈现出丰富的多样性，这些多样性反映了细胞在功能、状态和分化阶段上的差异。
2025-03-05 16:22:07
1021
原创 基于 R 语言的 miRNA 数据分析：靶基因预测与通路富集探究
基于 R 语言的 miRNA 数据分析：靶基因预测与通路富集探究一、引言在生命科学领域，微小核糖核酸（miRNA）作为一类长度较短的非编码 RNA 分子，近年来备受关注。miRNA 能够通过与靶信使核糖核酸（mRNA）的互补配对，在转录后水平对基因表达进行精细调控，进而影响细胞的增殖、分化、凋亡等多种生理过程，与众多疾病的发生发展密切相关。准确识别 miRNA 的靶基因以及深入探究其参与的生物学通路，对于揭示 miRNA 的功能机制至关重要。
2025-03-05 00:49:37
1288
原创 multiMiR：探索 microRNA 靶基因及关联的强大工具
multiMiR 是一个功能强大的 R 包，其核心价值在于集成了多个 microRNA 靶基因数据库，为 miRNA 研究提供了一站式的数据资源整合平台。它打破了不同数据库之间的壁垒，将验证过的 microRNA 靶基因数据库、预测的 microRNA 靶基因数据库以及 microRNA 疾病 / 药物数据库有机地结合在一起。
2025-03-04 19:32:07
1351
原创 解锁单细胞转录组的密码：SCTransform探秘
解锁单细胞转录组的密码：SCTransform探秘在生命科学研究的微观领域中，单细胞测序技术宛如一颗璀璨的明星，照亮了我们探索细胞奥秘的道路。它使科学家能够深入到单个细胞的层面，解析基因表达的精细图谱，为理解生物发育、疾病发生机制等提供了前所未有的视角。从早期胚胎发育过程中细胞分化轨迹的描绘，到癌症研究中肿瘤细胞异质性的剖析，单细胞测序技术都发挥着不可替代的作用，成为现代生物学研究的关键利器。然而，当我们深入挖掘单细胞转录组数据时，会发现原始数据犹如一片布满荆棘的丛林，充满了诸多挑战。首先，单细胞测序数据具
2025-03-02 23:11:41
865
原创 手把手教你搭建本地AI知识库：Ollama+Deepseek+Cherry Studio
通过以上步骤，我们成功地利用 Ollama 部署了 Deepseek 模型，并借助 Cherry Studio 搭建了属于自己的本地 AI 知识库。在这个过程中，我们不仅实现了数据的本地化存储和管理，还能够根据自身需求对知识库进行个性化定制，享受到了快速、准确且私密的知识服务。从实际使用效果来看，本地 AI 知识库在处理特定领域的问题时表现出色。无论是专业的学术研究，还是日常的工作资料查询，它都能迅速给出准确的答案，大大提高了我们的工作和学习效率。
2025-03-01 16:43:14
3213
原创 超详细！DeepSeek本地搭建部署、搭建知识库及智能体教程
通过以上详细的步骤，我们完成了DeepSeek的本地搭建部署、知识库的搭建以及智能体的创建。这一过程不仅让我们深入了解了大模型的应用，还为我们开发个性化的智能应用奠定了基础。在实际应用中，可以根据具体需求进一步优化模型、知识库和智能体的性能和功能。希望本文能帮助大家快速上手DeepSeek相关技术，开启属于自己的人工智能创新之旅。
2025-02-28 20:33:05
7080
原创 单细胞转录组学分析：从数据处理到功能注释
通过单细胞转录组学分析，我们成功解析了多个样本中的细胞异质性，并揭示了不同细胞群体的生物学功能。这些发现为进一步研究细胞间的相互作用和组织功能提供了重要的基础。未来，我们计划结合更多的实验验证和多组学数据，深入探索细胞功能的调控机制。希望这篇帖子能为从事单细胞转录组学研究的同行提供一些参考和启发！
2025-02-21 23:50:47
623
原创 安装 Microsoft Visual C++ Build Tools
是为了在 Windows 系统上编译和运行需要 C++ 支持的程序或库（例如某些 Python 包、Node.js 模块等）。打开“系统属性”（右键点击“此电脑” -> 属性 -> 高级系统设置 -> 环境变量）。：如果下载过程中遇到网络问题，可以尝试下载离线安装包（见下方）。：安装过程中可能需要管理员权限，请确保以管理员身份运行安装程序。安装过程可能需要一些时间，具体取决于你的网络速度和系统性能。点击“安装”按钮，安装程序会自动下载并安装所需的组件。，在安装界面中选择“创建离线安装”。
2025-02-13 22:01:45
5927
原创 使用 Conda 安装 Omicverse，pip版
在安装 Omicverse 之前，需要先安装 PyTorch 和 PyTorch Geometric (PyG)。根据您的硬件配置（是否支持 CUDA），选择合适的安装命令。根据您的 PyTorch 和 CUDA 版本，选择合适的安装命令。安装 PyTorch 和 PyG 之后，可以通过 pip 安装 Omicverse。如果没有任何错误信息，并且能够输出 Omicverse 的版本号，则说明安装成功。如果需要安装特定版本的 PyTorch，可以在 PyTorch 官方网站的。查找适合您系统的安装命令。
2025-02-13 16:07:52
1553
1
原创 在 Windows 上使用 Conda 安装 OmicVerse
如果未安装 NVIDIA GPU 或仅使用 CPU，跳过此步骤。如果需要 GPU 加速，可以使用以下命令安装 GPU 版本的。希望这些步骤能帮助你在 Windows 系统上顺利安装和使用。安装 Anaconda 或 Miniconda，推荐使用。bash复制，这一步得下很久，可以换个源下，官网太慢了。然后在浏览器中打开生成的 URL 即可开始分析。兼容（推荐 Python 3.10）。：确保安装的 Python 版本与。的路径已添加到系统的环境变量中。如果未出现错误，则表示安装成功。
2025-02-13 15:19:08
1256
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人