检索结果-内蒙古大学图书馆

陆军军医大学学报 2025年第6期47卷 613-622页

作者：李佳芮钱力沈俊杰郭泓麟秦茂洋伍亚舟陆军军医大学(第三军医大学)军事预防系医学系军队卫生统计学教研室重庆

目的旨在对10种癌症转录组学数据开展深度分析与特征提取,进而实现对癌症样本的分期诊断。方法在UCSC Xena网站收集发病率最高的10种癌症转录组学数据(包含4938个样本和59428个基因),以变分自编码器为基础,利用特征重要性排序思想,通过... 详细信息

目的旨在对10种癌症转录组学数据开展深度分析与特征提取,进而实现对癌症样本的分期诊断。方法在UCSC Xena网站收集发病率最高的10种癌症转录组学数据(包含4938个样本和59428个基因),以变分自编码器为基础,利用特征重要性排序思想,通过引入掩码算法和增量特征选择方法(incremental feature selection,IFS),构建了增量特征排序选优变分自编码器(incremental feature ranking and selection variational autoencoder,IFRSVAE);与随机森林(random forest,RF)、支持向量机(support vector machine,SVM)和极限梯度提升树(eXtreme gradient boosting,XGboost)结合测试了该方法的性能,并同其他方法进行比较。结果提取了21个特征用于后续分类,较于传统变分自编码器、递归特征消除和Lasso回归模型,IFRSVAE模型在3种分类器上均取得了较好性能(AUC值最高,其余指标也表现良好);其中IFRSVAE-RF表现最好,AUC达到了85.49%(95%CI:83.24%~87.74%)。此外,还应用了沙普利加性解释(Shapley additive explanations,SHAP)模型对特征贡献进行展示。结论本研究探索并验证了IFRSVAE在特征提取方面具备一定成效。基于此构建的IFRSVAE-RF模型,在癌症分期诊断任务中展现出较好的表现,为深度学习在癌症分期诊断方法的研究方向上,提供了一种可供参考的新思路。

关键词：癌症分期转录组学变分自编码器机器学习

来源：评论

学校读者我要写书评

暂无评论

多源数据预测重庆市肝炎发病趋势的时滞输入神经网络研究

引用

陆军军医大学学报 2024年第12期46卷 1447-1456页

作者：姚田华陈锡程伍亚舟陆军军医大学(第三军医大学)军事预防医学系军队卫生统计学教研室重庆400038

目的利用多源互联网数据构建时序分析融合工具,继而精准预测重庆市肝炎的发病趋势。方法利用卫生疾控中心数据库获取肝炎发病率数据,大气污染物数据来源于中国环境监测总站官网,气候数据来源于国家气象星系中心,网络指数数据来源于百度... 详细信息

目的利用多源互联网数据构建时序分析融合工具,继而精准预测重庆市肝炎的发病趋势。方法利用卫生疾控中心数据库获取肝炎发病率数据,大气污染物数据来源于中国环境监测总站官网,气候数据来源于国家气象星系中心,网络指数数据来源于百度搜索引擎,时间范围均为2013年11月至2023年5月。基于现有的时序分析方法,利用多源数据对分解模型的残差部分进行校正。基于非自回归(non-autoregressive,NAR)和长短期记忆递归神经网络(long short term memory,LSTM)的各自优势,构建了时滞输入神经网络(delayed input neural network,DINN)。之后,还在其基础上加入了星雀优化算法(nutcracker optimizer algorithm,NOA)和联合四分位-Huber损失函数(joint quantile Huber loss,JQHL)等优化模块,继而构建了DINN+。结果相较于常见的单输入模型及同步多输入模型,DINN可取得最为优异的预测效果。在加入超参数和损失函数优化后,DINN+的预测性能进一步提升,其测试集MSE为0.1709、MAE为0.4612、RMSE为0.5821、MAPE为0.0626、R 2为0.8840。结论基于多样方法和多元数据融合的思想,在既往的时序分析方法基础上,本文提出了一个准确性和泛化能力良好的DINN+优化模型。该模型丰富和补充了利用多源数据校准传染病时序预测分析的方法学研究内容,可作为未来传染病公共卫生层面影响因素分析及趋势预测的全新基准。

关键词：时序分析发病趋势 LSTM 神经网络元启发式算法

来源：评论

学校读者我要写书评

暂无评论

基于SMOTEENN算法的音乐APP听歌习惯与大学生抑郁倾向的相关性研究

引用

陆军军医大学学报 2024年第23期46卷 2670-2680页

作者：黄馨巧朱珲屈壕伍亚舟宋秋月陆军军医大学(第三军医大学)军事预防医学系军队卫生统计学教研室重庆400038

目的探究基于音乐APP听歌习惯的大学生抑郁倾向影响因素,构建预测模型并进一步优化。方法 2023年4~5月采用方便抽样对1 157份在校大学生进行问卷调查,利用单因素分析和Logistic回归分析筛选影响因素,在此基础上构建预测模型;采用SMOTE... 详细信息

目的探究基于音乐APP听歌习惯的大学生抑郁倾向影响因素,构建预测模型并进一步优化。方法 2023年4~5月采用方便抽样对1 157份在校大学生进行问卷调查,利用单因素分析和Logistic回归分析筛选影响因素,在此基础上构建预测模型;采用SMOTEENN过抽样算法改进数据集,构建预测模型。结果 Logistic回归分析发现性别:女性(OR=1.730,95%CI:1.257~2.396),年级:大四和研究生(OR=2.649,95%CI:1.198~7.506)、(OR=2.041,95%CI:1.231~3.885),专业:理科(OR=1.573,95%CI:1.052~2.350),每天听歌时长:0.5~2 h(OR=1.661,95%CI:1.011~2.695),听歌曲风:“伤情”和“怀旧”(OR=2.668,95%CI:1.701~4.226)、(OR=1.751,95%CI:1.086~2.837),留言频率:“0~5%”的歌曲留言(OR=2.938,95%CI:1.018~8.417)是抑郁倾向的独立危险因素。开始听歌的年限:1~3年内(OR=0.547,95%CI:0.347~0.872),听歌时间段:14:00~18:00和18:00~21:00(OR=0.375,95%CI:0.167~0.845)、(OR=0.313,95%CI:0.148~0.671),“国风”类歌曲:喜欢(OR=0.711,95%CI:0.541~0.941)是抑郁倾向的独立保护因素。预测效果最优的模型为基于SMOTEENN算法的Logistic预警模型,AUC为0.923。结论构建Logistic回归模型得到大学生抑郁倾向的9个独立影响因素。基于SMOTEENN算法所构建的预警模型能更准确地预测大学生的抑郁倾向。

关键词：大学生音乐APP 听歌习惯抑郁倾向预警模型

来源：评论

学校读者我要写书评

暂无评论

基于随机生存森林算法的NK/T细胞淋巴瘤患者预后模型的构建与验证

引用

陆军军医大学学报 2025年第3期47卷 275-284页

作者：黄侦伍亚舟陆军军医大学(第三军医大学)军事预防医学系军队卫生统计学教研室重庆陆军军医大学(第三军医大学)第一附属医院血液病中心重庆

目的探讨NK/T细胞淋巴瘤(natural killer T-cell lymphoma,NKTL)患者的生存预后影响因素。基于随机生存森林(random survival forest,RSF)算法,构建预测NKTL患者总生存期(overall survival,OS)的预后模型。方法从SEER数据库收集2000-2020年的NKTL患者的人口统计学和临床病理资料。按照7∶3的比例将患者划分为训练队列(n=471)和验证队列(n=203)。通过Cox回归分析确定影响患者OS的预后因素,并基于分析结果构建列线图模型。同时,使用RSF算法确定影响患者OS的预后因素,并构建RSF模型。采用ROC曲线、校准曲线和决策曲线、净重新分类指数(net reclassification improvement,NRI)和综合判别改善指数(integrated discrimination improvement,IDI)对模型的预测能力进行评估,并比较2种模型的预测效果。通过2种模型计算每位患者的风险得分,根据风险得分的中位数,将患者分为高风险组和低风险组,并绘制生存曲线进行比较。结果Ann Arbor分期、年龄、放疗、联合治疗和疾病类型是与生存显著相关的预后变量。在验证队列中,列线图模型的1、3和5年ROC曲线下面积(area under curve,AUC)分别为0.745、0.771和0.748,而RSF模型的AUC为0.764、0.792和0.761。ROC曲线显示2种模型在预测OS方面具有良好的准确性和区分性。校准曲线显示2种模型预测的生存与实际生存之间具有良好的一致性。两种模型均能有效地将患者分为预后差组和预后好组,并且预后差组患者的OS显著低于预后好组(P<0.0001)。决策曲线显示RSF模型的净获益优于列线图模型。与列线图模型相比,RSF模型的NRI为0.184(95%CI:0.098~0.267,P<0.01),IDI为0.300(95%CI:0.241~0.359,P<0.01),RSF模型的预测能力优于列线图模型。结论Ann Arbor分期、年龄、放疗、联合治疗和疾病类型是NKTL患者预后的影响因素,本研究据此建立的RSF模型对NKTL患者预后具有很好的预测能力,可有效评估患者预后。

关键词： NK/T细胞淋巴瘤 SEER数据库列线图机器学习随机生存森林生存预测

来源：评论

学校读者我要写书评

暂无评论

基于SMOTE算法和机器学习模型建立原发性肝癌术后的预后预测模型

引用

陆军军医大学学报 2024年第19期46卷 2236-2240页

作者：潘比余靖华黄译贤伍亚舟李芳陆军军医大学(第三军医大学)军事预防医学系军队卫生统计学教研室重庆400038

目的基于合成少数类过采样技术(synthetic minority over-sampling technique,SMOTE)算法和机器学习模型构建原发性肝癌术后的预后预测模型。方法选取美国国立癌症研究所的监测、流行病学及最终结果(Surveillance,Epidemiology,and End ... 详细信息

目的基于合成少数类过采样技术(synthetic minority over-sampling technique,SMOTE)算法和机器学习模型构建原发性肝癌术后的预后预测模型。方法选取美国国立癌症研究所的监测、流行病学及最终结果(Surveillance,Epidemiology,and End Results,SEER)数据库中4297例患者进行回顾性队列研究,通过独热编码和平均值插补法进行数据预处理,利用SMOTE算法解决数据类别不平衡问题,将临床变量纳入机器学习模型,基于决策树(decision tree,DT)、随机森林(random forest,RF)、梯度提升决策树(gradient boosting decision tree,GBDT)、极限梯度提升算法(eXtreme Gradient Boosting,XGBoost)方法构建预后预测模型(SMOTE+DT/RF/GBDT/XGBoost),通过比较多种模型的性能,筛选出最佳的预测模型。结果组合模型SMOTE+RF展示出最优的预测性能,受试者工作特征曲线(receiver operating characteristic curve,ROC)下的面积(area under the curve,AUC)、准确率和精确率均高于其他模型,分别为0.895、0.811、0.806。结论基于SMOTE+RF算法的原发性肝癌的预后预测模型可有效预测原发性肝癌患者的生存结局。

关键词：原发性肝癌少数类过采样技术算法机器学习预测模型

来源：评论

学校读者我要写书评

暂无评论

普通病房护士安宁疗护基本能力评估量表的研制及信效度检验

引用

陆军军医大学学报 2024年第20期46卷 2337-2345页

作者：吴昱齐雷蕾马会娟王鹏宇罗羽陆军军医大学(第三军医大学)护理系重庆400038 陆军军医大学(第三军医大学)陆军特色医学中心胸外科重庆400042 陆军军医大学(第三军医大学)军事预防医学系军队卫生统计学教研室重庆400038

目的研制普通病房护士安宁疗护基本能力量表,并检测其信效度。方法通过文献回顾、小组讨论、专家咨询、小样本预调查等方法募集、筛选条目初步形成测试量表;于2021年1-3月用该量表对1000名来自各内科、各外科、急诊科、妇产科及重症监... 详细信息

目的研制普通病房护士安宁疗护基本能力量表,并检测其信效度。方法通过文献回顾、小组讨论、专家咨询、小样本预调查等方法募集、筛选条目初步形成测试量表;于2021年1-3月用该量表对1000名来自各内科、各外科、急诊科、妇产科及重症监护室等科室的护士进行调查;使用SPSS和AMOS软件对数据进行项目分析、探索性因子分析和验证性因子分析,以验证量表的信效度,最终形成正式量表。结果经因子分析提取5个公因子,37个条目,累计方差贡献率71.031%,量表整体Cronbach’sα系数为0.953,折半信度为0.772,重测信度为0.963,验证性因子分析模型拟合良好,χ^(2)/df=2.57,近似误差均方根(root mean square error of approximation,RMSEA)=0.059,比较拟合指数(comparative fit index,CFI)=0.909,增量拟合指数(incremental fit index,IFI)=0.910,非规范拟合指数(Tucker-Lewis index,TLI)=0.901。结论本研究构建的普通病房护士安宁疗护基本能力评估量表信效度良好,可以用于评价普通病房护士安宁疗护基本能力。

关键词：普通病房护士安宁疗护基本能力量表研制信度效度

来源：评论

学校读者我要写书评

暂无评论

基于转录组学数据和堆叠监督自编码器的肺腺癌预后预测研究

引用

陆军军医大学学报 2023年第6期45卷 579-585页

作者：李鹏鹏陈锡程黄金羽伍亚舟陆军军医大学(第三军医大学)军事预防医学系军队卫生统计学教研室重庆400038

目的基于转录组学数据构建堆叠监督自编码器(stacked supervised autoencode,SSAE)模型,旨在提高肺腺癌(lung adenocarcinoma,LUAD)预后预测的能力。方法收集癌症基因组图谱(the Cancer Genome Atlas,TCGA)数据库的转录组学数据(包含475例样本和25481个基因),对LUAD患者进行生存预后分析和基因差异表达分析,方法包括SSAE、随机生存森林(random survival forest,RSF)和DeepSurv,使用一致性指数(concordance index,CI)和Log-rank检验以P值评估各方法性能。结果相较于RSF(CI=0.54,P=0.15)和DeepSurv(CI=0.55,P=0.10),SSAE获得了更高的一致性指数(CI=0.58)和更低的Log-rank检验P值(P=0.05)。在生存分析上,高危组和低危组的生存结局有显著差异(HR:2.841,95%CI:1.907~4.232,Log-rank检验P<0.001)。生信分析选出了IGFBP1、ANXA13、MUC2、CIDEC、NTSR1、DSG3等21个上调的代表性差异基因。结论相较于既往研究,利用组学数据构建的SSAE可有效提高LUAD预后预测的能力。深度学习和组学研究的交叉融合可为癌症相关的诊断、治疗、预后研究提供新的方案。

关键词：肺腺癌转录组学预后预测 Cox回归自编码器

来源：评论

学校读者我要写书评

暂无评论

识别脑卒中微小病灶的多维度图像分割模型和系统开发

引用

陆军军医大学学报 2023年第6期45卷 570-578页

作者：陈锡程卫泽良叶伟王皓嘉陶永军易东伍亚舟陆军军医大学(第三军医大学)军事预防医学系军队卫生统计学教研室重庆400038 浙江省台州市立医院神经内科浙江台州318000

目的开发一种基于深度学习的多维度分割系统,在磁共振成像(magnetic resonance imaging,MRI)影像中识别微小病灶,为急性缺血性脑卒中(acute ischemic stroke,AIS)的诊治提供决策依据。方法提取并融合2D、3D网络的特征,引入了联合损失函... 详细信息

目的开发一种基于深度学习的多维度分割系统,在磁共振成像(magnetic resonance imaging,MRI)影像中识别微小病灶,为急性缺血性脑卒中(acute ischemic stroke,AIS)的诊治提供决策依据。方法提取并融合2D、3D网络的特征,引入了联合损失函数,进而提出了一种新的2.5D方法——多维度多尺度注意力增强网络(multi-dimensional multi-scale attention enhanced network,MMAE-Net)。在AIS分割数据集(训练集171例、测试集43例)上训练和测试了所提方法的性能,并与其他方法进行比较。结果相较于2D、3D网络,2.5D网络(MMAE-Net)在各项评价指标上均可取得最优异的分割性能,获得了81.25%的Dice相似系数(dice similarity coefficient,DSC)和84.82%的灵敏度(sensitivity,SEN)。相较于U-Net、ResU-Net、DenseU-Net、AttentionU-Net和SEgmentation TRansformer(SETR)等经典方法和既往研究,MMAE-Net取得了更优异的分割性能。我们还开发了可视化自动分割系统以提升方法的实践和推广能力。结论本文基于2D、3D特征融合的理念设计了2.5D多维度分割模型MMAE-Net,其在MRI微小病灶的识别中取得了优异性能,为AIS疾病诊治提供了有效的解决方案。

关键词：微小病灶脑卒中图像分割深度学习系统开发

来源：评论

学校读者我要写书评

暂无评论

人工智能在临床领域的研究进展及前景展望

引用

陆军军医大学学报 2022年第1期44卷 89-102页

作者：伍亚舟陈锡程易东陆军军医大学(第三军医大学)军事预防医学系军队卫生统计学教研室重庆400038

人工智能(artificial intelligence,AI)的提出引发了医学领域的诸多技术创新,并彻底改变了传统医学模式。医学人工智能主要包括机器学习(machine learning,ML)、深度学习(deep learning,DL)、专家系统(expert systems,ES)、智能机器人(i... 详细信息

人工智能(artificial intelligence,AI)的提出引发了医学领域的诸多技术创新,并彻底改变了传统医学模式。医学人工智能主要包括机器学习(machine learning,ML)、深度学习(deep learning,DL)、专家系统(expert systems,ES)、智能机器人(intelligent robots,IR)及医疗物联网(internet of medical things,IoMT)等常用和新兴AI技术方法。AI在医学领域的应用主要体现于智能筛查、智能诊断、风险预测和辅助治疗等方面。当前医学AI已经取得了重大突破,大数据质量治理、新技术赋能革新、多领域知识整合和个性化医疗决策等在临床领域中将展示出更为广阔的发展前景。

关键词：人工智能大数据机器学习深度学习临床领域

来源：评论

学校读者我要写书评

暂无评论

急性前循环颅内大血管闭塞血运重建临床试验设计比较研究

引用

陆军军医大学学报 2022年第11期44卷 1143-1148页

作者：易大莉武书兴资文杰陈济安伍亚舟陆军军医大学(第三军医大学)军事预防医学系军队卫生统计学教研室重庆400038 陆军军医大学(第三军医大学)军事预防医学系军事预防医学系军队健康教育学教研室重庆400038 陆军军医大学(第三军医大学)军事预防医学系军事预防医学系系办公室重庆400038 陆军军医大学(第三军医大学)第二附属医院神经内科重庆400037

目的通过6个比较是否用药溶栓的急性前循环颅内大血管闭塞血运重建临床试验,对临床试验设计方案和试验结果进行比较分析,以期提高临床研究者对临床试验设计重要性的全面认识。方法围绕临床试验设计的要点,针对研究人群、对照选择、主要... 详细信息

目的通过6个比较是否用药溶栓的急性前循环颅内大血管闭塞血运重建临床试验,对临床试验设计方案和试验结果进行比较分析,以期提高临床研究者对临床试验设计重要性的全面认识。方法围绕临床试验设计的要点,针对研究人群、对照选择、主要指标、比较类型、样本含量估计等方面,分析其合理性和科学性。结果6个临床试验设计均存在一定的问题,从而导致4个试验的主要指标未达到显著性检验标准。主要问题是:研究人群与研究目标不符,采用了不合理的优效性比较类型,样本含量估计参数选取不合理,非劣效界值设定不符合最小临床重要差异等。结论临床试验设计还存在许多误区,需要进一步提高认识和重视程度。

关键词：血运重建临床试验设计方案比较研究

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：