智能医疗系统中的业务数据处理流程设计
人工智能训练师主机:CPU(intel i5 及以上)、内存(不少于 16GB)、操作系统(windows10)、支持深度学习训练;
30min
某医疗机构计划引入智能医疗系统,以提升诊断效率和准确性。通过分析患者的历史数据,使用机器学习算法预测患者的健康风险,从而辅助医生进行诊断和治疗。为此,该机构需要设计一套全面的业务数据处理流程,确保数据处理的高效性和准确性,为人工智能模型提供可靠的输入数据。
我们提供一个患者数据集(patient_data.csv),包含以下字段:
PatientID: 患者ID
Age: 年龄
BMI: 体重指数
BloodPressure: 血压
Cholesterol: 胆固醇水平
DaysInHospital: 住院天数
你作为人工智能训练师,根据提供的数据集和Python代码框架(1.1.1.ipynb),完成以下数据的统计和分析,为智能医疗系统提供可靠的数据支持。
(1)通过补全并运行Python代码(1.1.1.ipynb)分别统计住院天数超过7天的患者数量以及其占比。这类患者被定义为高风险患者,反之为低风险患者。将上述统计结果截图以jpg的格式保存,命名为“1.1.1-1”。
(2)通过补全并运行Python代码(1.1.1. ipynb)统计不同BMI区间中高风险患者的比例和统计不同BMI区间中的患者数。BMI区间分类设置为:偏瘦(低于18.5),正常(18.5~23.9),超重(24.0~27.9),肥胖(28.0及以上),将上述统计结果截图以jpg的格式保存,命名为“1.1.1-2”。
(3)通过补全并运行Python代码(1.1.1. ipynb)统计不同年龄区间中高风险患者的比例和统计不同年龄区间中的患者数。年龄区间分类设置为:年龄区间分类设置为:≤25岁,26-35岁,36-45岁,46-55岁,56-65岁,>65岁,将上述统计结果截图以jpg的格式保存,命名为“1.1.1-3”。
所有结果文件储存在桌面新建的考生文件夹中,文件夹命名为“准考证号+身份证号后六位”。
(1)能结合人工智能技术要求和业务特征,设计整套业务数据处理流程;
(1)设计出的业务数据底层逻辑清晰,有效合理。
考生文件夹可以保存在桌面。
jupyter notebook 工作目录(根目录):虚拟机环境中的D:\jupyter_notebook。
jupyter notebook 打开方式:在终端中输入jupyter notebook启动。
ipynb填充代码运行后,附带结果保存为html格式上传。保存方法:jupyter notebook中File->Download as->HTML(.html)。
ipynb代码在下划线上填充,请勿随意添加、删除或修改源代码的其他部分,以免影响考试结果。
截图工具:Windows附件->截图工具。截图只截取输出结果部分,其余多余内容不截取。