项目名称: 重大疾病诊疗时变多目标决策与控制方法研究

项目编号: No.61374095

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 自动化技术、计算机技术

项目作者: 江志斌

作者单位: 上海交通大学

项目金额: 81万元

中文摘要: 本项目拟对重大疾病诊疗时变多目标决策与控制方法展开研究,发展科学的临床医疗决策支持方法和决策支持系统。基于新型诊疗模式,通过临床调研研究重大疾病诊疗时变多目标的耦合机理。由于重大疾病诊疗过程的多重目标之间通常具有耦合关系,因此需要对时变多目标决策优化的协调机制进行研究,对时变多目标加以确定。在此基础上建立重大疾病时变多目标的诊疗决策支持模型,利用数学和仿真的方法对病人病情状态以及疾病的产生、发展以及治疗等机理建立模型,并利用数学模型或控制模型对时变多目标决策与控制过程进行描述。在上述研究的基础上,设计优化控制策略,针对特定的案例,分析问题的结构特性,对于约束复杂并大规模的问题设计算法以求解。最后,进行临床实验与验证,开发医疗决策支持系统。

中文关键词: 癌症化疗;抗排斥治疗;模型预测控制;多目标优化;成本效用分析

英文摘要: The project intends to expand research on the control theory of medical decision making for major diseases with time-varying multi-objective, and develop scientific clinical decision support methods. Under the guidance of the new medical ideas and model

英文关键词: cancer chemotherapy;anti-rejection treatment;model predictive control;Multi-objective optimization;cost-effective analysis

成为VIP会员查看完整内容
1

相关内容

医学图像关键点检测深度学习方法研究与挑战
专知会员服务
50+阅读 · 2022年4月10日
城市数字孪生标准化白皮书(2022版)
专知会员服务
173+阅读 · 2022年1月12日
逆优化: 理论与应用
专知会员服务
36+阅读 · 2021年9月13日
专知会员服务
123+阅读 · 2020年11月15日
专知会员服务
91+阅读 · 2020年8月7日
多智能体深度强化学习的若干关键科学问题
专知会员服务
184+阅读 · 2020年5月24日
可解释强化学习,Explainable Reinforcement Learning: A Survey
专知会员服务
129+阅读 · 2020年5月14日
【强化学习资源集合】Awesome Reinforcement Learning
专知会员服务
93+阅读 · 2019年12月23日
前所未有:用AI控制核聚变,DeepMind再登Nature
学术头条
0+阅读 · 2022年2月17日
迁移学习方法在医学图像领域的应用综述
数据驱动决策的三个层级,你在哪一级?
人人都是产品经理
3+阅读 · 2021年12月7日
观点:AI与自动化是矛盾的
学术头条
1+阅读 · 2021年10月17日
【APC】先进过程控制系统(APC: Advanced Process Control)
产业智能官
60+阅读 · 2020年7月12日
深度学习与医学图像分析
人工智能前沿讲习班
40+阅读 · 2019年6月8日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Arxiv
66+阅读 · 2022年4月13日
Arxiv
92+阅读 · 2021年5月17日
A Comprehensive Survey on Graph Neural Networks
Arxiv
13+阅读 · 2019年3月10日
Arxiv
53+阅读 · 2018年12月11日
Arxiv
11+阅读 · 2018年7月31日
A Multi-Objective Deep Reinforcement Learning Framework
小贴士
相关VIP内容
医学图像关键点检测深度学习方法研究与挑战
专知会员服务
50+阅读 · 2022年4月10日
城市数字孪生标准化白皮书(2022版)
专知会员服务
173+阅读 · 2022年1月12日
逆优化: 理论与应用
专知会员服务
36+阅读 · 2021年9月13日
专知会员服务
123+阅读 · 2020年11月15日
专知会员服务
91+阅读 · 2020年8月7日
多智能体深度强化学习的若干关键科学问题
专知会员服务
184+阅读 · 2020年5月24日
可解释强化学习,Explainable Reinforcement Learning: A Survey
专知会员服务
129+阅读 · 2020年5月14日
【强化学习资源集合】Awesome Reinforcement Learning
专知会员服务
93+阅读 · 2019年12月23日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
相关论文
Arxiv
66+阅读 · 2022年4月13日
Arxiv
92+阅读 · 2021年5月17日
A Comprehensive Survey on Graph Neural Networks
Arxiv
13+阅读 · 2019年3月10日
Arxiv
53+阅读 · 2018年12月11日
Arxiv
11+阅读 · 2018年7月31日
A Multi-Objective Deep Reinforcement Learning Framework
微信扫码咨询专知VIP会员