智能控制和故障诊断中的模糊建模与推理

介绍了基于多层感知器网络的模糊规则自动生成算法,给出基于模糊模型的故障诊断推理方法,从而能有效处理复杂系统的故障诊断.     

一种基于非线性独立元分析(NICA)的化工过程监控方法

针对实际工业过程数据中的非线性问题,研究了一种基于非线性独立元分析的多变量过程监控方法。该方法根据贝叶斯原理,构造多层感知器网络恢复过程数据,并以此建立过程的数学统计模型,对其进行实时监控。在大型工业设备仿真器TE上的应用表明了该方法的有效性,同时,在故障诊断方面也体现出了一定的优越性。     

应用人工神经网络模型优选心脏穿透伤急诊分类方法

目的 对心脏穿透伤(PCT)急救时可用的两种分类法(分型法、分期法)进行比较,优选出较为适用的急诊分类法.方法 应用人工神经网络(ANN)模型,模拟急诊室医师诊断PCT的临床思维过程,将急诊室医师所用的诊断依据作为网络模型输入变量,包括患者胸部受伤部位、到达急诊室时收缩压、心率、意识等临床特征;将分型法和分期法作为输出变量,通过多层感知器神经网络(MLP)模型分析PCT患者临床特征与其分型(分期)之间的映射关系,从而优选出准确率较高的分类法.结果 通过MLP建立的PCT分类模型以14→3→7三层网络结构为最优.训练样本中,临床分型法总准确率(84.8%)与临床分期法总准确率(93.7%)比较,差异无统计学意义(P>0.05);测试样本中,临床分型法总准确率(73.9%)与临床分期法总准确率(100.0%)比较,差异有统计学意义(P<0.05);保留样本中,临床分型法总准确率(67.7%)与临床分期法总准确率(93.5%)比较,差异有统计学意义(P<0.05).结论 心脏穿透伤急救时按临床分期法指导分类、救治,判断更为简便,准确率更高,值得临床推广应用.     

基于机器学习的老年创伤性颅脑损伤预后研究

目的建立老年创伤性颅脑损伤预后模型,并分析预后的影响因素。方法收集2009年1月—2019年1月颅脑外伤患者2272例资料,其中老年组患者680例（年龄≥65岁）,非老年组1592例（年龄＜65岁）。将伤后第3个月格拉斯哥结局评分、住院天数、并发症次数作为终点指标,利用多种机器学习的算法进行两组间预后因素差异的分析。结果老年组患者与非老年组患者相比,预后更差,住院时间更长,两组间差异有统计学意义（P=0.024,P＜0.001）。老年组经过筛选,老年组患者的3个终点指标使用多层感知器模型,非老年组中格拉斯哥结局评分使用多层感知器模型,住院天数、并发症次数的预测采用C5.0决策树模型。急诊GCS、具体年龄对老年组患者的预后有更大的影响。结论老年颅脑外伤患者与年轻人所适用的机器学习模型不尽相同,老年人预后更差,年龄和急诊GCS对预后的影响可能更大。     

基于机器学习的脑膜瘤术后短期结局预测模型

目的基于脑膜瘤患者的术前真实世界临床变量,使用机器学习算法构建术后短期预后不良的预测模型。方法回顾性地收集了2011年9月—2022年3月在同济大学附属第十人民医院神经外科进行手术切除治疗的脑膜瘤患者的临床变量和出院时的格拉斯哥预后评分（Glasgow outcome scale, GOS）。使用GOS评分将患者进行分组,≤3级的患者定义为预后不良。将患者按照7∶3的比例随机分为训练集和验证集,分别使用支持向量机（support vector machines, SVM）、随机森林（random forest, RF）、梯度提升（gradient boosting, GB）、自适应增强（adaptive boosting, AdaBoost）和多层感知器（multilayer perceptron, MLP）算法在训练集上进行建模,使用验证集检验模型的预测能力。针对预测能力较好的模型使用Shapley Additive Explanations（SHAP）算法进行模型解释。结果收集了424个脑膜瘤患者的42种临床特征数据和GOS评分,筛选后有23种临床特征纳入了训练集的机器学习模型构建。基于不同算法的机器学习模型在验证集中的预测能力表现不同,AdaBoost的表现最优,曲线下面积为0.925。SHAP算法提示在AdaBoost模型中,脑膜瘤最大径、入院时血压、术前的钙离子浓度、血尿素浓度和血肌酐浓度对模型决策的贡献度较大,提示这些术前临床特征与脑膜瘤患者术后短期预后存在相关性。结论本研究使用真实世界大数据,构建了一种可解释的基于AdaBoost算法的机器学习模型,在预测脑膜瘤患者术后短期不良结局上具有良好的效果。     

基于多层感知器神经网络的住院病案内涵质量预测模型研究

目的/意义探讨影响住院病案内涵质量的重要因素,为病案内涵质控提供预测模型,提高住院病案内涵质量。方法/过程收集2022年6—11月上海市第一人民医院经质控督查的住院病案590份,单因素分析初筛影响因素,构建住院病案内涵质量的多层感知器神经网络预测模型。结果/结论预测模型的AUC为0.940,95%CI为0.928～0.951,灵敏度为93.73%,特异度为78.22%。影响病案评为甲级的独立因素集中在手术安全核查表、首次主任查房分析、手术护理记录单等方面。多层感知器神经网络内涵质量预测模型的预测效能较好,能够为住院病案内涵质量管理提供理论参考。     

网络课程运行中可操作目录树的设计与实现

介绍了网络课程目录树在运行中可操作的实现算法,包括目录树的数据绑定、目录树节点的增加、删除、修改与排序等,结合具体网络课程平台开发实例,阐述了该算法在．NET环境中的实现框架及其在系统数据层、业务层及表现层中的编码实现。     

基于多层图和紧凑性的显著性检测算法

针对传统的自底向上的显著性检测模型突出背景、前景区域不均匀以及显著目标位于图像边缘致使检测效果差等问题,提出了一种基于多层图和紧凑性的显著性检测模型。首先,将图像过分割为超像素,在超像素基础上结合图像块层和聚类层构建多层图模型,能够有效检测不同尺度的图像并获得均匀的显著区域。然后,基于紧凑性假设建立紧凑性模型,并采用元胞自动机优化。根据超像素的紧凑性筛选出可靠的前景种子点和背景种子点,基于多层图模型利用流行排序算法分别计算基于前景种子点和背景种子点的排序分数,从目标和背景的角度结合两种排序分数得到显著图。最后,对显著图进行滤波获得光滑的前景和背景区域,得到最终显著图。在常用的数据集MSRA-1000和ECSSD上与9种流行算法进行比较,实验结果表明该算法具有较高的准确率和召回率。     

颅内动脉瘤电解可脱性弹簧圈栓塞治疗的智能化方案设计

目的：探讨电解可脱性弹簧圈（GDC）在颅内动脉瘤栓塞治疗过程中弹簧圈最佳方案的自动设计。方法：收集20例GDC栓塞疗效／费用比值较高的颅内动脉瘤手术资料。资料中包括三维数字减影血管造影（3D DSA）测量的动脉瘤容积、位置,最大横径和最大长径以及GDC选择方案。建立案例数据库,并采用数据挖掘手段（空间超多面体模型和多层感知器网络的结合使用）建立专家经验模型,结合方案评价算法建立小型专家系统,实现GDC栓塞过程中弹簧圈最佳选择方案的自动设计。结果：将3D DSA测得并经过校正的颅内动脉瘤容积、位置、最大横径D1及最长径D2 4个参数输入专家系统,然后点出“方案设计”按钮,约15s-40s后,GDC选择方案即出现在方案设计结果框内。结论：案例数据库,采用数据挖掘手段建立的专家经验模型以及DEA方法可应用一动脉瘤弹簧圈框塞的方案设计,该软件的临床价值尚需进一步验证。     

机器学习结合CT影像组学预测2型糖尿病患者椎体脆性骨折

目的：探讨机器学习结合CT影像组学特征构建模型预测2型糖尿病（type 2 diabetes mellitus,T2DM）患者椎体脆性骨折的准确性。方法：回顾性收集140例（新发椎体脆性骨折的T2DM患者70例,对照组70例）患者CT图像和临床资料。另收集18例（椎体脆性骨折的T2DM患者16例,对照组2例）患者的前次CT图像和临床资料作为外部验证集。应用单因素分析、Pearson相关分析、最小冗余度最大相关度算法、二元logistic回归分析和最小绝对值收缩和选择算子模型筛选出最佳特征。基于支持向量机、多层感知器、极端梯度提升（eXtreme Gradient Boosting,XGBoost）构建预测模型。应用受试者工作特征曲线下面积（area under the curve,AUC）对模型效能进行评估。结果：从每例患者的CT图像中提取了1 037个影像组学特征,然后精简为14个影像组学特征。17个临床特征中性别、年龄、体质指数是预测结果的独立因素。其中XGBoost分类器表现最好,训练集中XGBoost模型的AUC分别为1.000、0.929、1.000;测试集中分别为0.954...     

超滤过程的Flemmer复合模型

采用内压式和外压式中空纤维膜组件超滤红霉素发酵滤液，用麦夸脱（Marquardt)算法对浓差极化－凝胶层模型和Flemmer复合模型（以下简称复合模型）进行参数拟合与检验，比较了两个模型的伪劣，结果表明，由于复合模型既考虑了浓差极化的影响，也考虑了超滤膜中尚未形成凝胶层部分压力对通量的影响，使其与实验结果吻合得比凝胶层模型好，可有于通量预测，具有较高的精确性和较广的适应性。     

交互式数字参考咨询的用户模型

介绍了交互式数字参考咨询的种类及用户模型,采用关键词向量空间表示方法和关键词算法(LRU算法),构建以用户兴趣为核心的交互式参考咨询用户模型,并通过该模型将用户隐性需求显性化,以有效发现用户需求偏好和提高用户信息服务的满意度。     

局域网中的多层客户机／服务器应用

目的：介绍在局域网环境下的多层客户机/服务器应用技术。方法：采用组件对象模型技术介绍一个三层的应用模型。结果：通过介绍可以增加有关概念的理解及实际应用能力。结论：多层的客户机/服务器应用是当今网络服务程序设计的主流。     

BP神经网络修剪算法筛选白血病预后危险因素

目的 通过单层BP网络的修剪算法，进行白血病预后危险因素筛选，并讨论修剪算法在医学统计中的应用及其与逐步logistic回归的联系。方法 对上海市1985—1995年间部分初发白血病病人的6个月预后及可能的影响因素进行分析，分别用修剪算法和逐步logistic回归拟合不同的模型，利用ROC曲线下面积比较各个模型的判别和预测效果。结果 利用修剪算法，可得到与逐步logistic回归相同的BP模型结构；应用不同的修剪参数得到含不同连接的BP网络模型，最终稳定于含10个连接的模型。所有修剪的BP网络对测试集的判别效果均好于逐步logistic回归。结论 修剪算法可以进行变量筛选，并可应用于弱影响因素的探索。修剪的单层BP网络的权重系数与逐步logistic回归的回归系数相同，具有流行病学含义。     

信息检索中基于链接的网页排序算法

介绍超链接环境下基于链接的网页排序算法,比较和分析了ＰａｇｅＲａｎｋ算法和ＨＩＴＳ算法,指出了ＰａｇｅＲａｎｋ算法更适合于搜索引擎的服务器端,而ＨＩＴＳ算法更适合于搜索引擎的客户端,还构造并初步实现了在信息检索中,应用超链接环境下网页排序算法的综合模型。     

原发性胃癌淋巴结转移风险的新型目标预测模型

目的 寻找原发性胃癌淋巴结转移的危险因素,并构建新型目标预测模型。方法 采用回顾性队列研究的方法,收集2019年12月—2022年6月在本院普外科和肿瘤外科行胃癌根治术的514例原发性胃癌患者的临床病理资料,所有患者被随机分为目标模型组(347例,67.5%)和对比验证组(167例,32.5%)。先运用Logistic单因素分析方法,对所有病例样本进行回顾性分析,筛查影响淋巴结转移的变量,确定目标预测模型输入节点的变量项目,再使用多层感知器训练目标模型。目标模型由Logistic单因素分析筛选出的变量构成输入层。人工智能依据输入数据分析患者淋巴结转移状态,并与真实值进行比较。通过绘制受试者操作特性(ROC)曲线、获取曲线下面积(AUC)来评估模型的准确性。结果 目标模型组与对比验证组临床资料的比较,差异均无统计学意义(均P>0.05)。多因素分析结果显示,中性粒细胞与淋巴细胞比值(NLR)、肿瘤位置、肿瘤形态、肿瘤长径、分化程度、以及肿瘤分期与淋巴结转移有关。根据目标预测模型绘制出的ROC曲线分析显示,目标模型组的AUC为0.841(95%CI:0.795-0.863),对比验证...     

基于人工智能的糖尿病预测研究

目的：以临床类指标建立基于极限梯度增强（extreme gradient boosting,XGBoost）、基于梯度提升树的分类器（light gradient boosting machine,LightGBM）、自适应增强（adaptive boosting,AdaBoost）、多层感知器（multilayer perceptron,MLP）等4种分类器的糖尿病预测模型,并评价其筛查效果。方法：根据病例对照研究设计采集研究组、对照组的99项临床类数据,使用python3.8进行了分析,接着采用线性插补、固有非负隐特征（inherent non negative implicit features,INLF）模型等方法对特征缺失值进行了预测,然后使用4种分类器构建分类模型来检测糖尿病。结果：3 241例高血压合并糖尿病患者作为研究组,4 181例高血压患者作为对照组被纳入模型进行分析,包含99个特征,通过基于XGBoost、LightGBM、AdaBoost和MLP等4种分类器的糖尿病鉴别分类准确率分别为0.894 9、0.887 5、0.862 0、0.856 6。结论：本研究提...     

PageRank算法与HITS算法比较研究

对PageRank算法和HITS算法的基本思想和具体算法进行介绍,从算法思想、权重的传播模型、处理的数据量及用户等待时间几方面对两种算法进行比较,并分析其各自的优缺点。     

基于激活层前置压缩激励残差网络的早期胃癌筛查算法

目的 研究基于激活层前置压缩激励残差网络（PASE-ResNet）的快速和准确的早期胃癌筛查算法。方法 构建一个基于激活层前置压缩激励残差网络的早期胃癌筛查算法。为聚焦任务相关的图像区域，提升模型的特征表达能力，将压缩激励模块（SE）与激活层前置残差网络（PreAct-ResNet）中的残差模块相结合，提高与任务相关的特征通道权重。此外，为提高早期胃癌的筛查性能，提出“局部筛查+全局滑窗”的策略，经数据扩充后得到数据集子图18 400幅。利用PASE-ResNet模型通过滑动窗口的方式对胃镜图像进行检测，获得了精细的筛查结果。结果 本文提出的模型在早期胃癌筛查中取得了98.03%的准确率、98.96%的灵敏度和96.52%的特异性值。结论 本文提出的基于激活层前置压缩激励残差网络，达到了较好的筛查精度，有望在临床中辅助医生快速诊断。     

心率变异性分析方法学的实验研究

介绍了心率变异性的基本概念和进行心率变异性分析的基本分析方法,并提出了便携式心率变异性分析设备的系统结构和进行心率变异性分析的分析算法.设备硬件方面,在分析心电信号的特征的基础上,介绍了一种可实现的心电采集电路.该电路采用三运放结构,具有良好的性能,文中给出了相关的测试结果;分析算法方面,介绍了用于心率变异性分析的时域分析算法和频域分析算法,并对频域分析法的自回归模型进行了推导.结合具体实例,文中给出了心率变异性分析的分析结果.