排序方式: 共有33条查询结果,搜索用时 16 毫秒
1.
近年来,临床诊治中的数字化信息不断增多,数据集不断扩大,模式识别和人工智能算法不断优化,促进了新兴领域——医疗大数据的发展.大数据为数据量大、增长速度快、种类多样化等特点数据的总称,这类数据需要先进的技术来提取、存储、分发、管理和分析[1].在医疗大数据分析中,对高维特征集合的系统性研究称为组学,包括众所周知的基因组学、蛋白质组学或代谢组学.与这些组学相似,通过高通量计算,从断层扫描图像中提取大量的定量特征,将数字医学图像转换为可挖掘的高维数据,这一过程称为影像组学[2].影像组学的假定是生物医学图像中包含了人眼难以查别的病理生理学信息,但可以通过定量图像分析揭示.影像组学的分析方式在肿瘤学领域得到了广泛应用. 相似文献
2.
3.
目的:基于三种机器学习算法——支持向量机(support vector machine,SVM)、分类回归树(classification and regression tree,CART)和随机森林(random forest,RF),构建重症监护室(intensive care unit,ICU)患者的ICU入住时长(length of ICU stay,LOS-ICU)分类预测模型,并与传统的定制版简化急性生理功能评分Ⅱ(simplified acute physiology score Ⅱ,SAPS-Ⅱ)模型进行比较。方法:使用美国大型重症医疗数据库(medical information mart for intensive care Ⅲ,MIMIC-Ⅲ),以ICU患者是否发生超长LOS-ICU(prolonged LOS-ICU,pLOS-ICU)作为结局指标,构建定制版SAPS-Ⅱ、SVM、CART和RF模型,使用递归特征消除法进行特征选择,基于五折交叉验证找出最佳预测模型。模型的预测性能评价指标包括Brier评分、受试者工作特征(receiver operation characteristic,ROC)曲线下面积(area under the ROC curve,AUROC)和估计校准度指数(estimated calibration index,ECI),模型性能指标之间的比较使用双侧t检验。使用本研究中预测性能最好的模型识别出来的各预测变量重要性排序结果,给出重要性排序前五位的预测变量。结果:最终共纳入40 200例ICU患者,发生pLOS-ICU的患者23.7%。其中,男性患者57.6%,患者平均年龄为(61.9±16.5)岁。五折交叉验证结果显示,相比于定制版SAPS-Ⅱ模型,三种机器学习模型的预测性能在各个指标上均有明显提升,且差异均具有统计学意义(P<0.01)。其中,RF模型在综合预测性能、区分度与校准度三个方面均表现最优,其Brier评分、AUROC和ECI分别为0.145、0.770和7.259。校准曲线结果显示,在高pLOS-ICU发生风险的ICU人群中,RF模型倾向于略微高估其风险;在低pLOS-ICU发生风险的ICU人群中,RF模型倾向于略微低估其风险。基于性能最优的RF模型识别的对pLOS-ICU预测最重要的五个变量依次为年龄、心率、收缩压、体温和动脉血氧分压与吸入氧分数之比。结论:基于机器学习方法构建ICU患者的pLOS-ICU预测模型相比于传统的定制版SAPS-Ⅱ模型,预测性能均有明显提升,其中,基于RF方法的pLOS-ICU预测模型性能最优,具有很大的临床应用潜力。 相似文献
4.
5.
由于全球经济的快速发展、工业化和现代化进程的加快,大气污染所引发的健康问题日益严重,其中大气颗粒物 (Particulate Matter,PM) 暴露对于肾脏的直接毒性正逐渐受到重视。国内外流行病学研究证实,PM对慢性肾脏病发生发展有重要影响。本文针对 PM,包括 PM10 (Particulate Matter≤10 μm)、PM2.5 (Particulate Matter≤2.5 μm) 和 PM1 (Particu‐ late Matter≤1 μm) 等与慢性肾脏病的相关性及其影响机制进行综述,为人群PM暴露干预政策制定和慢性肾脏病防控策略应对提供依据。 相似文献
6.
肾脏疾病已成为全球范围内危害人类健康的重要公共卫生问题。除高龄、高血压、糖尿病等传统因素外,环境污染也是引发肾脏疾病的重要危险因素,尤其是大气污染及气候因素对肾脏健康的影响不可忽视。大气颗粒物及气态污染物暴露与肾脏疾病的发生、肾功能下降及患者的不良预后密切相关。气候变暖作为全球气候变化的最主要表现,同样会引起急性肾损伤及肾结石等疾病。本文对国内外大气污染及气候因素对肾脏疾病的影响及其生物学机制研究进展进行综述,以期为治理大气污染、应对气候变化,以及制定肾脏疾病人群防治策略提供依据。 相似文献
7.
知识图谱:一种系统性构建因果图的方法 《首都医科大学学报》2022,43(4):584-591
因果推断(相对于相关性分析)是基于大数据的观察性研究的主要目标。因果图通过有向无环图(directed acyclic graph, DAG)整合大量先验知识将变量之间复杂的因果关系可视化,已成为合理制定因果推断策略的重要工具。然而目前因果图的构建主要依赖专家知识和经验,亟需从整个医学知识体系的角度进行系统化构建,从现有出版物中进行医学知识提取是系统构建DAG的基础,本文将系统介绍基于美国国立卫生研究院SemMedDB数据库研发的结构化医学知识体系平台。本文尝试从跨学科角度,将因果图定义为研究问题涉及概念(头概念和尾概念)及其所有第三方变量之间的复杂网络,提出系统化构建DAG提供新策略:一是将知识图谱修剪为因果图;二是将基于人群-干预/暴露-对照-结果(population-interventions/exposure-comparisons-outcomes,PI/ECO)框架的证据结论合成为因果图。 相似文献
8.
突破性研究是科学发展进步的一种表现形式,对突破性研究的早期识别能够促进创新培育,增强源头创新能力,抢占科学创新制高点。提出了一种结合引用语句语言学特征和机器学习算法的生物医学突破性研究自动识别方法框架,构建了引用语句识别模型,未来可将引用语句识别模型运用于如学术评价、趋势发现和知识发现等特定领域。 相似文献
9.
目的建立可持续更新的全球疫苗安全性评价文献数据仓库, 为疫苗安全性循证评价提供数据支持。方法通过循证评价的标准操作步骤与人工智能技术的不断整合, 实现文献数据仓库的半自动化构建和更新。检索包括英文数据库(OVID、Scopus、Web of Science、Cochrane Library、ClinicalTrails.org)和中文数据库(万方数据知识服务平台、中国知网、维普、SinoMed)中与疫苗安全性评价相关的中英文文献, 检索日期截至2020年11月29日。按照纳入排除标准, 通过半自动化方式(人工智能文献处理系统和研究人员人工处理)对检出文献进行两阶段筛选。进一步将根据疫苗类型和免疫后不良事件种类对文献进行分组管理;建立更新制度, 定期更新文献数据仓库;组织专家优选特定疫苗安全性话题, 开展专题示范研究。结果共检索获得文献41万余篇, 根据纳入排除标准, 经过两轮筛选后最终纳入23 304篇。基于该仓库现已遴选出三个优先话题进行示范研究, 已完成"百白破类疫苗与脑病/脑炎"的系统评价, 并对过敏性紫癜、臂丛神经炎两种不良事件相关文献进行分类管理。结论持续更新的疫苗安全性文献... 相似文献
10.
可计算的临床证据综合:方法与进展 《首都医科大学学报》2022,43(4):576-583
医学出版物的快速增长,医疗数据的不断增加,为进行快速医学证据综合带来了前所未有的挑战。近年来,如何跟上海量医学证据的发展,并将其转化为临床实践是一个迫切需要解决的问题。充分利用结构化医学数据库,直接利用结构化数据促进医学证据合成已成为临床证据综合的一大趋势,尤其是在新型冠状病毒肺炎(COVID-19,以下简称新冠肺炎)疫情严峻的形势下,通过将人读的以PDF和HTML为主要格式的医学证据转化为机器可读的格式,构建医学知识图谱,服务国内医生快速了解医学研究进展,对于开展快速证据综合,支持循证临床决策具有十分重要的意义。本文介绍了当前针对系统综述和临床试验开展可计算证据综合的研究现状,并通过案例分析来明确可计算证据综合的实现框架和未来发展方向。 相似文献