支持向量机法及其在中药研究中的应用

在中医药现代化进程中，有效地结合现代科学技术手段对传统中医药进行更为合理的分析是一个重要研究方向。计算机科学技术与人工智能算法在中医药研究领域已取得长足发展，尤其是分类算法所具有的快速鉴别和分析能力，使其在复杂的中医药研究体系中发挥举足轻重的作用。对支持向量机分类算法及其结合其他算法在解决中医药相关领域问题方面及成果进行综述，以相关智能算法为基础探讨中医药研究过程中的诸多难题，为推动中医药现代化进程提供支撑。     

基于剂量组学预测肺癌患者放射性肺炎发生的研究

目的 探讨剂量组学在预测肺癌根治性放疗患者放射性肺炎发生中的应用潜能。方法 回顾性收集行根治性放疗的314例肺癌患者的临床资料、放疗剂量文件、定位及随访CT图像,根据临床资料及影像学随访资料对放射性肺炎进行分级,提取全肺的剂量组学特征,构建机器学习模型。应用1000次自助抽样法（bootstrap）的最小绝对值收敛和选择算子嵌套逻辑回归（LASSO‐LR）及1000次bootstrap的赤池信息量准则（AIC）向后法筛选与放射性肺炎相关的剂量组学特征,随机按照7∶3划分为训练集及验证集,应用逻辑回归建立预测模型,并应用ROC曲线及校正曲线评价模型的性能。结果 共提取120个剂量组学特征,经LASSO‐LR降维筛选得到12个特征进入“特征池”,再经过AIC向后法筛选,最终筛选出6个剂量组学特征进行模型构建,训练集AUC为0.77（95%CI为0.65~0.87）,独立验证集AUC为0.72（95%CI为0.64~0.81）。结论 利用剂量组学建立的预测模型具有预测放射性肺炎发生的潜力,但仍需继续纳入多中心数据及前瞻性数据进一步挖掘剂量组学的应用潜能。     

深度学习技术在医学影像中的应用

近十年来,人工智能(artificial intelligence,AI)在医学领域发展迅速,很大程度上得益于机器学习(machine learning,ML)技术的发展与进步,而机器学习也成为医学领域创新的新引擎。医学成像领域中,机器学习对图像重组、病变分割、计算机辅助检测(computer-aided detection,CADe)和诊断(computer-aided diagnosis,CADx)等方面的优化产生了积极影响[1,2]。与传统的医学图像分析技术相比,机器学习技术不需要由医学及技术领域专家为特定分析制定明确相关的功能。     

基于机器学习的脑胶质瘤多模态影像分析

脑部胶质瘤是临床中常见的一种原发性脑肿瘤，具有复发率高、死亡率高以及治愈率低的特点。常规临床诊断主要依靠计算机断层扫描(CT)和磁共振成像(MRI)检查技术进行鉴别。随着成像技术和机器学习方法的不断发展，多模态影像智能分析技术已经逐步成为研究热点，在脑胶质瘤的病灶分割测量、肿瘤分级、预后生存周期预测和基因型辨别等方面具有重要的应用前景。本文重点介绍基于机器学习和多模态影像在脑胶质瘤临床辅助诊断和预后评估中的应用进展。     

中国卫生总筹资方法学研究

中国卫生经济培训与研究网络“中国卫生总费用”课题组的一组研究报告,对卫生总费用的研究与测算是我国卫生经济研究工作的一大进展。它对于制定卫生经济宏观政策,制定区域卫生规划均有重要意义。在本世纪末,我国卫生总费用预计将达到什么水平?卫生总费用占国内生产总值的比重预计将达到什么水平?卫生总费用的筹资结构将会发生什么变化?卫生总费用的分配流向将会发生什么变化?从我国卫生工作的指导方针与原则出发考虑,这些发展变化是否合理?如果不合理,应该如何调整?如果不调整将会带来什么危害?卫生总费用反映全国人民有支付能力的卫生保健需求,医疗总费用反映全国人民有支付能力的医疗保健需求,医疗保健总需求与医疗保健资源拥有量(总供给)之间是否平衡?是医疗资源供给能力大于有支付能力的医疗保健需求呢,还是有支付能力的医疗保健需求大于医疗资源的供给能力?如果说,医疗资源的总供给能力已经大于医疗保健总需求,我们应该采取什么宏观卫生经济对策?提出了这些问题,并尝试作出一些回答。这些答案是否正确?希望读者参加讨论。     

基于实验均方误差F值的基因表达数据最佳聚类评判方法研究

目的 近年来产生了一些用于分析基因表达数据的聚类算法，却很少有关于评价聚类算法方法的研究。本研究的目的是尝试建立一个定量的评价基因表达数据聚类结果的方法。方法 本研究提供了一个系统的评价聚类结果的方法，利用我们提出的实验均方误差F值对几个常见的聚类算法进行比较。结果 利用F值对类质量的评价和利用已有的生物学知识对类进行分析的结果一致。结论 实验均方误差F值可以定量地评判用于基因表达数据的聚类算法。     

基于LVQ的自发脑电信号的分类研究

为了识别在不同思维状态下的自发脑电(EEG)信号，本文用6阶自回归(AR)模型表示EEG信号，用学习矢量量化(LVQ)神经网络作分类器，分别用LVQl和LVQ2．1算法对网络进行训练，并对分类结果进行测试，比较了网络选择不同参数时对分类正确率的影响。研究表明：竞争层神经元数目直接影响了正确率，当选择最佳参数值时分类正确率为62％-83％，因人而异。     

基于独立分量分析的盲源分离技术

独立分量分析(ICA)是一种新的盲源分离技术，到目前为止，人们已从不同的角度提出了多种ICA算法。本文较为详细地介绍了基于信息极大传输理论的Infomax算法。实验表明独立分量分析具有良好的盲源分离性能。     

差商最速下降法及其收敛性

证明了精确线搜索下的差商最速下降法的整体收敛性,提出了非精确线搜索下的有关算法并证明了收敛性。