En las aplicaciones sanitarias, el aprendizaje profundo es una herramienta muy valiosa. Extrae características de datos brutos para ahorrar tiempo y esfuerzo a los profesionales sanitarios. Un modelo de aprendizaje profundo es capaz de aprender y extraer las características de los datos sin procesar por sí mismo, sin ninguna intervención externa. Por otro lado, las técnicas de extracción de características de aprendizaje superficial dependen de la experiencia del usuario a la hora de seleccionar un algoritmo de extracción de características potente. En este artículo proponemos un modelo multietapa basado en el espectrograma de la bioseñal. El modelo propuesto proporciona una representación adecuada de la bioseñal bruta de entrada que aumenta la precisión del conjunto de datos de entrenamiento y prueba. En la siguiente fase, los conjuntos de datos más pequeños se convierten en conjuntos de datos más grandes para mejorar la precisión de la clasificación de los conjuntos de datos de bioseñales. A continuación, el conjunto de datos aumentado se representa en TensorFlow, que ofrece más servicios y funcionalidades, lo que proporciona una mayor flexibilidad. El modelo propuesto se comparó con diferentes enfoques. Los resultados muestran que el enfoque propuesto es mejor en términos de precisión de prueba y entrenamiento.

Objetivo. Investigar y analizar el estado actual de funcionamiento de la estación de rehabilitación basada en la comunidad en un distrito de Chongqing para proporcionar algunos esquemas de referencia para mejorar la construcción del sistema de rehabilitación basado en la comunidad para Chongqing. Métodos. Se enviaron cuestionarios autodiseñados a 36 centros de rehabilitación de base comunitaria de un distrito de Chongqing para investigar el estado de los recursos humanos, los proyectos de servicio, los métodos de servicio y otros aspectos de los centros de rehabilitación de base comunitaria. Resultados. La estación de rehabilitación basada en la comunidad carece de la participación de personal médico de rehabilitación, y sólo el 33,3% de las estaciones de rehabilitación basadas en la comunidad están compuestas por recursos humanos multidisciplinarios de personal médico y comunitario. Los servicios de rehabilitación de base comunitaria se centran en la educación y la publicidad de la oferta (86,11%), y los servicios de tratamiento de rehabilitación no participan plenamente en el servicio de rehabilitación de base comunitaria (44,44%). Los métodos de los servicios de rehabilitación basados en la comunidad son principalmente carteles y otras actividades publicitarias (94,44%), y los métodos de los servicios de rehabilitación basados en la comunidad no están muy orientados a los objetivos. Conclusiones. La encuesta detectó algunos problemas que deben mejorarse en la construcción y el funcionamiento de los centros de rehabilitación de base comunitaria de Chongqing. Los centros de rehabilitación comunitaria deben enriquecer los recursos humanos y la tecnología de la rehabilitación médica, convertirse en una extensión de la restauración de las instituciones sanitarias comunitarias y promover el desarrollo de alta calidad de la rehabilitación comunitaria.