脆弱性模型的随机效应检验和推广的拟合检验

目的 本文在脆弱性模型框架下推广了Cox-Snell残差和Deviance残差,并且利用这两种残差图对肾病感染数据和烧伤病人皮肤移植数据的脆弱性模型进行拟合检验.方法 本文根据等级似然估计理论,建立了在脆弱性模型下检验随机效应的WALD检验和LR检验,并把这两个检验与Commenges和Anderson(1995)的得分(SCORE)检验一起做模拟比较研究.结果 发现威布尔脆弱性模型下WALD检验和LR检验功效都很高,且优于得分检验.对肾病感染数据和烧伤病人皮肤移植数据建立脆弱性模型估计并进行检验,发现确实存在个体异质性.结论 本文在脆弱性模型框架下推广了Cox-Snell残差和Deviance残差,发现这两种残差用于脆弱性模型的拟合检验是合适的.     

普通偏残差图对自变量在回归方程中函数形式的提示作用

目的：建立一个较优的ｌｏｇｉｓｔｉｃ回归方程，探讨ｌｏｇｉｓｔｉｃ回归方程自变量的变换问题。方法；利用图示方法和Ｍｏｎｔｅ－ｃａｒｌｏ方法讨论了ｌｏｉｇｉｓｔｉｃ回归中自变量的变换问题。结果：对原有图示方法进行了改进，提出了一种新的图示方法－普通偏残差图，并用实例说明了其医学应用价值。结论：普通偏残差图不仅简单，而且能较准确地提示自变量的变换形式。     

卫生技术人才结构灰色预测初探

本文应用灰色系统理论中的预测方法对卫生技木人才结构作了分析和讨论,对湖北省历年的卫生技木人才结构的时间和数据序列进行了数据处理。预测结果为技木人才专业结构合理配备和医学教育专业设置提供了一些有效的决策依据。     

残差GM(1,1)模型用于医院临床科室门诊量预测

本文以医院临床科室门诊量的资料为例,建立了残差CM(1,1)模型,其平均拟合精度为94.02％,且能反映事物的摆动过程。又以此模型做了近期外推预测,精度为98.48％,该模型的检验及应用结果表明,拟合精度高,应用效果好,可望为医院领导编制计划和合理安排门诊人力提供科学依据。     

广西药用蕨类植物所在科的重要度分析(英文)

旨在确定广西药用蕨类植物所在各科的重要程度,用回归残差分析法对该地区56科蕨类植物中各科的植物种数和药用植物种数之间的关系进行了分析,根据残差值将56科分成31个高利用科和25个低利用科。     

基于3D ResUnet网络的肺结节分割

目的:将深度残差结构和U-Net网络结合形成新的网络ResUnet,并利用ResUnet深度学习网络结构对胸部CT影像进行图像分割以提取肺结节区域。方法:使用的CT影像数据来源于LUNA16数据集,首先对CT图像预处理提取出肺实质,然后对其截取立体图像块并进行数据增强来扩充样本数,形成相应的肺结节掩膜图像,最后将生成的样本输入到ResUnet模型中进行训练。结果:本研究模型最终的精度和召回率分别为35.02%和97.68%。结论:该模型能自动学习肺结节特征,为后续的肺癌自动诊断提供可靠基础,减少临床诊断的成本并节省医生诊断的时间。 【关键词】肺结节;分割;深度残差结构;召回率;ResUnet     

基于深度残差网络的皮肤镜图像黑色素瘤的识别

恶性黑色素瘤是最常见和最致命的皮肤癌之一。临床上,皮肤镜检查是恶性黑色素瘤早期诊断的常规手段。但是人工检查费力、费时,并且高度依赖于皮肤科医生的临床经验。因此,研究出自动识别皮肤镜图像中的黑色素瘤算法显得尤为重要。提出一种皮肤镜图像自动评估的新框架,利用深度学习方法,使其在有限的训练数据下产生更具区分性的特征。具体来说,首先在大规模自然图像数据集上预训练一个深度为152层的残差神经网络(Res-152),用来提取皮肤病变图像的深度卷积层特征,并对其使用均值池化得到特征向量,然后利用支持向量机(SVM)对提取的黑色素瘤特征进行分类。在公开的皮肤病变图像ISBI 2016挑战数据集中,用所提出的方法对248幅黑色素瘤图像和1 031幅非黑色素瘤图像进行评估,达到86.28%的准确率及84.18%的AUC值。同时,为论证神经网络深度对分类结果的影响,比较不同深度的模型框架。与现有使用传统手工特征的研究(如基于密集采样SIFT描述符的词袋模型)相比,或仅从深层神经网络的全连接层提取特征进行分类的方法相比,新方法能够产生区分性能更强的特征表达,可以在有限的训练数据下解决黑色素瘤的类内差异大、黑色素瘤与非黑素瘤之间的类间差异小的问题。     

相位解缠绕算法在磁敏感加权图像中的应用与比较

为了找到能有效解决磁敏感加权成像(SWI)相位信息缠绕问题的方法,针对8种空域解缠算法进行分析和比较,其中:选取5种全局优化算法,分别为加权最小二乘法(WLS)、解缠离散估计的相位区域扩张标记法(PRELUDE)、最大流/最小切相位解缠法(PUMA)、差值映射累加法(ARM)、排序多聚类法(SL-MC);3种积分算法,分别为枝切法(Branch-cut)、基于傅里叶滤波的质量图引导法(WFF-QG)、递归正交参考相位解缠法(PUROR)。采用两组Matlab仿真图像和两组来自Alltech公司提供的1.5 T真实SWI数据进行实验,以原始缠绕相位与再缠绕相位之间的突变点统计值和算法运行时间作为量化指标,评价8种算法的优越性。结果显示,PUROR的P±|M|值为0,运行时间最短,鲁棒性较强,解缠绕结果可靠,在实际临床应用中可尝试采用PUROR法。     

应用ARIMA模型预测青海海西州地区肺心病的发病率

背景:由于肺心病发病率受多种因素的影响,且各种因素之间又保持着错综复杂的联系.因此,用确定性数学模型来分析和预测比较困难.目的:探讨ARIMA模型在时间序列资料中的应用,建立海西州地区肺心病发病率的预测模型.方法:利用时间序列分析方法对海西州地区2003-01/2008-12肺心病发病率数据进行了分析.经过数据平稳化、模型识别确立了3种ARIMA模型,并借助于AIC和SC准则,选出了最佳模型ARIMA(2,1,1).最后,对该模型进行了模型诊断检验和模型预测,确保了所建模型的合理性.结果与结论:ARIMA(2,1,1)模型预测值的动态趋势和实际情况基本一致,整体效果不错,结果比较理想.提示:ARIMA(2,1,1)模型可作为海西州地区肺心病发病率的预测模型,且通过此模型可帮助人们了解肺心病发病率的发展趋势,有重点地对肺心病进行健康防治工作,有效地降低肺心病对人们的危害,保障人们的生活质量.     

残差自回归模型和Holt双参数指数平滑模型在“一带一路”沿线部分国家婴儿死亡率预测中的应用及比较

  目的  探讨残差自回归模型和Holt双参数指数平滑模型在"一带一路"沿线部分国家（中国-中南半岛经济走廊沿线）婴儿死亡率预测中的应用。  方法  利用越南、老挝、柬埔寨、缅甸、泰国、新加坡、马来西亚和中国1978-2013年婴儿死亡率时间序列数据作为训练集建立残差自回归模型、Holt双参数指数模型，以2014-2016年婴儿死亡率作为验证集验证模型，并比较拟合及预测效果。  结果  在各国婴儿死亡率预测模型拟合中，残差自回归模型各赤池信息准则（Akaike information criterion，AIC）评价指标均优于Holt双参数指数模型。预测方面两模型均显示出较高的预测精度，残差自回归预测模型大部分指标（绝对误差和相对误差）小于Holt双参数指数模型。其中老挝、缅甸、柬埔寨三个国家残差自回归模型对不同年份的婴儿死亡率（infant mortality rate，IMR）预测效果均优于Holt双参数指数模型。  结论  残差自回归模型和Holt双参数指数模型在"一带一路"沿线部分国家婴儿死亡率预测中表现均较好。残差自回归模型的拟合效果更优，残差自回归模型对婴儿死亡率的预测效果在大多数国家大多数年份优于Holt双参数指数模型。