小波分解结合自适应神经模糊推理系统的呼吸预测研究

目的:研究一种方法精确预测胸腹部肿瘤放射治疗中的非规则呼吸运动。方法:提出基于小波分解和自适应神经模糊推理系统的呼吸运动预测方法（WANFIS）,利用小波分解将呼吸信号分成基线、低频和高频三部分,并分别采用线性拟合、自适应神经模糊推理系统（ANFIS）、简单移动平均进行预测,然后综合三部分预测值作为呼吸运动预测结果。基于30例临床数据回顾性分析,将WANFIS算法与神经网络（NN）、CyberKnife放射外科系统的Synchrony呼吸同步追踪系统、ANFIS这三种典型预测算法进行对照比较。结果:本文提出的WANFIS算法的归一化均方根误差（nRMSE）平均值为0.09,小于NN的0.17、Synchrony的0.11 以及ANFIS的0.11。结论:WANFIS能更好地预测非规则呼吸信号,更有效地补偿放疗系统时间延迟。     

基于顺序嵌入结合关联嵌入的呼吸运动预测

目的 提出一个深度学习模型实现呼吸运动各个方向一体化的建模预测。方法 将不同方向的呼吸运动信号分别输入由LSTM组成的顺序嵌入层去捕获历史运动状态的顺序依赖,得到顺序嵌入表示。顺序嵌入表示通过自注意力机制实现各个方向的关联嵌入,得到关联嵌入表示。将顺序嵌入表示和关联嵌入表示进行拼接输入由全连接神经网络组成的预测层生成非线性预测分量,并于平行于上述结构的自回归模块生成的线性预测分量相加生成最终的预测。模型的训练采用“预训练+微调”的模式。在我们的实验中,304例呼吸运动轨迹被使用进行模型预训练,7例测评样本被使用进行模型的测试。结果 所提出预测模型相比于其他比较方法取得更准确的预测效果,在7例测评样本不同延迟时间上的3D方向绝对偏差减小平均达70%以上。结论 提出模型在解决精准放疗过程中的系统延迟问题有很大的应用价值,能提供精准的位置预测。     

基于双能X射线透视成像的肺部肿瘤运动跟踪方法及临床评价

目的:利用双能X射线透视成像技术,通过呼吸周期内高低能运动图像序列对软组织剪影图像配准,提供一种无需金属标记的肺部肿瘤呼吸运动跟踪方法。方法:以肺部肿瘤患者的高低能X射线透视图像为研究对象,通过自动双能减影算法获得软组织减影图像,然后采用本研究提出的一种结合自适应参考图像选择和归一化互信息匹配的肿瘤运动跟踪算法,计算肿瘤呼吸运动轨迹和运动幅度。采集并分析19例肺癌患者的临床数据,以人工测量结果为参考基准,评价肿瘤运动跟踪算法的准确性。结果:19例病例分析结果显示,运动跟踪算法计算获得的肿瘤呼吸运动轨迹和运动幅度,与人工测量方法获得的结果具有很好的一致性。对大部分病例,头脚方向运动幅度明显大于左右和腹背方向运动幅度,位于肺下半部分肿瘤的运动幅度明显大于位于肺中上部肿瘤。结论:无需金属标记的肿瘤运动跟踪算法,利用双能减影软组织图像,直接对肿瘤进行图像配准,能够较准确地跟踪肺部肿瘤呼吸运动。     

基于单片机的提高放疗精度的控制方法

目的探索通过摆位床的逆向且同步于器官的运动来抵消呼吸运动造成的器官运动.提高放疗精度.方法利用呼吸参数采集系统等得到肺容积与肺部器官的位移关系曲线,用单片机控制步进电机,步进电机通过传动机构带动摆位床使其能实时地按器官运动规律逆向且同步地运动.结果实验表明运用该方法可实现步进电机按位移关系曲线运动.结论在放射治疗过程中,通过对摆位床实时地按器官运动规律逆向地运动来抵消呼吸运动造成的器官组织运动是可行的.     

基于融合反馈式粒子滤波器的多目标跟踪算法

针对足球视频中多球员跟踪问题,提出一种基于融合反馈式粒子滤波的多目标跟踪算法。该算法将球员状态的检测信息与球员的动力学模型结合,设计粒子滤波算法的建议分布,使其能融合最新的观测数据,并由此对下一帧球员可能的状态进行抽样,然后计算各抽样与参考模板间的相似度,最终通过估计球员状态来达到跟踪目的。仿真实验结果表明：本文提出的跟踪算法能较好地解决不同球员间的遮挡问题,实现多名球员的跟踪,具有较好的实时性和鲁棒性。     

基于改进狼群算法的甲醇合成塔转化率机理建模及参数估计

以某甲醇合成塔为研究对象,通过深入分析甲醇合成过程的反应机理,建立了甲醇转化率软测量机理模型。为了提高模型参数的估计精度,提出了一种改进的狼群算法,引入了历史次优的概念与禁忌搜索机制。仿真实验结果表明,改进算法的全局搜索能力明显优于基本算法。以某甲醇合成过程的实际运行数据为样本,运用改进的狼群算法对甲醇转化率机理模型进行参数估计,与基本狼群算法相比,获得的参数精度更高,能更准确地预测合成塔出口处的甲醇转化率。     

基于高斯过程和改进教与学优化算法的甲醇合成转化率软测量

针对高斯过程软测量建模过程中,常用的共轭梯度法难以完成高维协方差矩阵的超参数确定等问题,引入了教与学优化算法(TLBO)对高斯过程的训练过程进行了优化,提高了模型训练速度。并对基本的教与学优化算法做出了相应的改进:一是改进了算法的"学生阶段";二是增加了"课外阅读阶段",提高了算法的性能。将这一建模方法应用于甲醇合成转化率测量中,结果表明,该方法具有较好的估计精度。     

基于混沌最小二乘支持向量机的软测量建模

提出一种改进算法,用来解决现有最小二乘支持向量机方法在处理大规模样本软测量建模问题时出现的模型结构复杂、失去支持向量稀疏性且正规化参数和核参数难以确定等问题。对样本集进行预处理,通过计算样本间欧氏距离进行样本相似程度分析,去除样本集中1/3的样本以简化支持向量机模型结构并提高计算速度。定义了一种混沌映射构成混沌系统并分析了其遍历性。应用改进的混沌优化算法优化最小二乘支持向量机模型参数以提高模型的拟合精度和泛化能力。将改进算法用于丙烯腈收率软测量建模中,仿真实验结果表明：模型精度较高,泛化性能好,满足现场测量要求。     

基于改进果蝇算法优化的SVM风电功率短期预测

由于风力发电功率预测的准确性直接关系到电网的供需平衡,直接影响着并网系统的运营成本,因此风电功率预测的准确性非常重要。对于预测精度不高的问题,提出了一种改进的果蝇算法优化的支持向量机的预测方法。由于支持向量机的惩罚因子和核函数参数选择对预测精度有很大影响,因而利用改进的果蝇算法对支持向量机参数进行优化,用优化好的参数进行建模训练,然后把建好的模型应用于功率预测,最后对数据进行评估。预测结果表明:改进的果蝇算法优化的支持向量机对风力发电功率预测有更好的准确性。     

带有未知参数的非线性系统递阶模型跟踪控制器的设计

从参数估计与最优控制双目标优化的观点出发,采用大系统中分解-协调的方法,给出了一种对非线性系统四级递阶模型跟踪控制的算法,并用于求解带未知参数的同步电机励磁控制问题。仿真结果表明,此算法计算简便、结构分明,能达到较好的参数估计精度,而且能使非线性对象很好地跟踪模型。     

Respiratory support status from EHR data for adult population: classification,heuristics, and usage in predictive modeling

ObjectiveRespiratory support status is critical in understanding patient status, but electronic health record data are often scattered, incomplete, and contradictory. Further, there has been limited work on standardizing representations for respiratory support. The objective of this work was to (1) propose a practical terminology system for respiratory support methods; (2) develop (meta-)heuristics for constructing respiratory support episodes; and (3) evaluate the utility of respiratory support information for mortality prediction.Materials and MethodsAll analyses were performed using electronic health record data of COVID-19-tested, emergency department-admit, adult patients at a large, Midwestern healthcare system between March 1, 2020 and April 1, 2021. Logistic regression and XGBoost models were trained with and without respiratory support information, and performance metrics were compared. Importance of respiratory-support-based features was explored using absolute coefficient values for logistic regression and SHapley Additive exPlanations values for the XGBoost model.ResultsThe proposed terminology system for respiratory support methods is as follows: Low-Flow Oxygen Therapy (LFOT), High-Flow Oxygen Therapy (HFOT), Non-Invasive Mechanical Ventilation (NIMV), Invasive Mechanical Ventilation (IMV), and ExtraCorporeal Membrane Oxygenation (ECMO). The addition of respiratory support information significantly improved mortality prediction (logistic regression area under receiver operating characteristic curve, median [IQR] from 0.855 [0.852—0.855] to 0.881 [0.876—0.884]; area under precision recall curve from 0.262 [0.245—0.268] to 0.319 [0.313—0.325], both P < 0.01). The proposed generalizable, interpretable, and episodic representation had commensurate performance compared to alternate representations despite loss of granularity. Respiratory support features were among the most important in both models.ConclusionRespiratory support information is critical in understanding patient status and can facilitate downstream analyses.     

临床医学研究生学习行为的预测模型研究———线性回归和机器学习的对比分析

目的对比线性回归模型与四种机器学习算法对临床医学研究生学习行为的预测效能,探讨不同预测模型的优缺点和适用性。方法以全国6922名临床医学研究生的调查数据为例,通过自评学习行为量表获得综合得分;在训练集中,分别利用Lasso线性回归和人工神经网络、决策树、Bootstrap随机森林、提升树四种监督式机器学习算法建立预测模型;对验证集数据进行预测并比较不同模型的预测效能。结果临床医学研究生学习行为综合得分为(3.31±0.54),总体达标率为74.02%。在线性回归模型中,年龄、学校级别、学位类型、学习兴趣、压力和满意度对学习行为的影响差异有统计学意义;在对验证集的预测中,线性回归模型的敏感度为0.484,特异度为0.914,准确率为0.801。四种机器学习算法的各项指标均高于线性回归模型,其中随机森林的提升度最高。结论线性回归模型对研究生学习行为的预测效果良好,机器学习在预测准确性上优于线性回归模型,但传统线性回归模型在计算效率和可解读性上具有一定优势。     

电脑预测正常足月妊娠胎儿体重

本文从正常足月妊娠胎儿B超测定的多项指标,采用多元线性回归方程,预测胎儿的体重。应用计算机较之通常的方法,预测准确率可增加到85％。     

慢性心力衰竭长期生存列线图预测模型的构建

目的 建立一个慢性心力衰竭长期生存率列线图预测模型。方法 纳入山东省千佛山医院共235例慢性心力衰竭患者临床数据,采用LASSO回归、多因素COX回归分析后得出影响慢性心力衰竭长期生存率的独立预测因子,构建列线图模型。采用一致性指数(C-index)、校准曲线和时间依赖性受试者工作特征曲线评估列线图模型的预测能力。结果 LASSO回归筛共选出7个与慢性心力衰竭长期生存率相关的独立预测因子,分别为年龄、左室舒张末期内径、二尖瓣反流、三尖瓣反流、红细胞分布宽度、血尿酸、血尿素氮,并构建了列线图预测模型、进行模型的内部验证。训练集、验证集C-index分别为0.782、0.791,1年、5年、10年生存率的曲线下面积分别为0.813、0.843、0.876,校准曲线表现出良好的一致性。结论 通过本次研究,建立了一个能够相对准确预测慢性心力衰竭长期生存率的列线图模型,对临床医生判断慢性心力衰竭患者预后有一定的指导意义。     

脑出血急性期常规生化指标对脑出血预后的临床价值

目的 探讨脑出血急性期常规生化指标的变化在患者预后判断中的价值.方法 将497例急性脑出血患者根据临床转归不同分为有效组和无效组,并以110例健康人作为对照组.用SPSS13.0软件统计分析常规生化指标,包括血脂(TC、TG、LDL-c、HDL-c)、尿酸(UA)、血糖(Glu)在组间的差异,探索基于常规生化指标的脑出血转归预测模型,并初步评估其预测效率.结果 治疗无效组HDL-c浓度、UA浓度明显高于有效组和对照组,有效组LDL-c浓度显著高于对照组(P<0.01).无效组和有效组Glu浓度均明显高于对照组,且无效组Glu升高幅度更大(P<0.01).Logistic回归分析显示HDL-c、UA、Glu及患者年龄是急性脑出血预后判断的重要指标.回归模型的受试者操作特征曲线下面积为0.780(95%CI 0.722～0.839),预测灵敏度和特异性分别为62.3%和85.5%.结论 高浓度的HDL-c、Glu和UA是急性脑出血不良转归的危险因素,监测和改善急性脑出血患者的HDL-c、UA和Glu,可能是预测急性脑出血转归和改善急性脑出血预后的有效措施.     

循证视角下成年女性压力性尿失禁发病风险的Rothman-Keller模型构建研究

背景　压力性尿失禁（SUI）是最常见的女性尿失禁类型，随着人口老龄化和生活方式的改变，近年来成年女性SUI发病率逐年升高。虽然SUI不会造成生命威胁，但会严重影响女性的日常工作和身心健康。目的　基于循证视角，对成年女性SUI发病风险进行评估及预测，从而有效识别出SUI高危人群，及早进行健康干预。方法　计算机检索PubMed、EMBase、SinoMed、中国知网和万方数据知识服务平台，检索时间限定为2005年1月至2020年12月，筛选关于成年女性发生SUI的观察性研究。采用Review Manager 5.3软件进行Meta分析，运用Rothman-Keller模型原理构建成年女性SUI发病风险评估模型，再通过模拟数据集确定风险评估等级划分界值，最终运用Logistic回归模型进行准确度验证。结果　最终纳入18篇文献进行Meta分析，得到的12项成年女性SUI危险因素分别为年龄（≥50岁）、体质指数（BMI）（≥24 kg/m2）、绝经、泌尿系统感染、阴道分娩、盆腔脱垂、盆腔手术史、分娩次数（≥3次）、便秘、慢性呼吸系统疾病、高血压、糖尿病。根据12项危险因素的二项分布函数模拟生成20 000例数据，代入到构建的Rothman-Keller模型。绘制Rothman-Keller模型预测成年女性SUI发病风险曲线，根据其变化趋势分别选择发病风险为0.285 5、0.429 4作为成年女性SUI的低危、中危、高危划分界值。通过模拟数据集生成Logistic回归模型预测成年女性SUI发病风险曲线，根据其变化趋势分别选择发病风险为0.261 2、0.547 4作为成年女性SUI的低危、中危、高危划分界值。1例60岁女性发病风险预测验证结果：根据Rothman-Keller模型预测该个体SUI发病风险P=0.485 6（>0.429 4），属于高危人群；Logistic回归模型预测该个体SUI发病风险P=0.878 6（>0.547 4），属于高危人群，与Rothman-Keller模型个体风险评估等级划分结果一致。结论　本研究建立的成年女性SUI发病风险Rothman-Keller模型具备较强的准确性及预测性，同时为其他慢性病的发病风险预测模型研究提供了借鉴思路。     

常州市城镇居民慢性阻塞性肺疾病危险因素调查

目的 了解常州市城镇居民慢性阻塞性肺疾病(COPD,简称慢阻肺)患病率及危险因素。 方法 采用分层整群随机抽样方法抽取常州市钟楼区永红、西林社区40岁以上常住居民4 926例为调查对象,设计标准的流行病学调查问卷于2014年12月——2015年3月对抽样对象进行调查和肺功能检测。以支气管舒张试验FEV1/FVC<70%,并排除其他心肺疾病作为慢阻肺的诊断标准。统计患病率并采用Logistic回归模型估计慢阻肺的相关危险因素。 结果 共纳入资料完整且肺功能检测合格的3 663名调查对象,其中慢阻肺患者确诊病例274例,现患率为7.5%,城市为6.5%,农村为8.4%,男性为12.6%,女性为3.4%。单因素分析表明,性别、年龄、受教育程度、体重指数、吸烟指数、家中烹饪史、职业粉尘接触史、呼吸疾病家族史、幼年咳嗽史、呼吸系统疾病史等因素与慢阻肺发病风险显著关联。多因素Logistic回归分析发现,性别为男性(OR=0.458,95%CI:0.226～0.931),年龄越大(OR=2.947,95%CI:0.990～8.771),体重指数越低(OR=0.510,95%CI:0.277～0.937),吸烟指数越高(OR=为1.817,95%CI:1.029～3.210),有呼吸系统疾病史(OR=5.387,95%CI:3.971～7.308)与慢阻肺的发病风险显著关联。 结论 常州市城镇40岁以上居民其慢阻肺发生与性别、年龄、体重指数、吸烟指数、呼吸系统疾病史等密切相关,应重视其早期诊断,早期防治。      

基于关键变量的OPLS预测方法

产品的最终质量主要是由生产过程中的关键变量决定的,因此,回归模型的质量预测能力与过程变量的选择密切相关。本文提出了一种新的基于关键变量（CV）的OPLS预测方法（CV-OPLS）,用于输出变量较多过程的质量预测。首先,根据关键变量选取准则,为每个质量变量选取建模所需的关键过程变量。为了减少最后需要建立的模型个数,将由质量变量及其相应的关键过程变量组成的数据阵进行重组,并用OSC算法去除重组后的数据阵中与质量变量无关的干扰信息。然后,对校正后的数据阵建立PLS模型,求取相应的模型回归系数,得到最终的质量预测结果。与传统的PLS及OPLS方法相比,该方法能够在保证模型较好预测精度的前提下,有效地简化模型结构。最后,通过Tennessee Eastman（TE）过程的实验仿真验证了CV-OPLS方法的有效性。     

基于儿童营养相关指标的反复呼吸道感染预测模型构建与验证

目的：探讨基于儿童营养相关指标的反复呼吸道感染预测模型构建及验证。方法：选取2018年1月至2020年3月温州医科大学附属第一医院收治的283例呼吸道感染患儿为研究对象,均接受规范治疗,根据呼吸道感染是否反复发作分为反复呼吸道感染组和非反复呼吸道感染组,比较患儿的临床资料,应用Logistic回归模型分析反复呼吸道感染相关因素,随机选取70%（198例）的病例作为训练集,30%（85例）作为测试集,并用R软件基于训练集建立列线图预测模型,采用决策曲线分析评估Nomogram模型临床净收益,并在测试集评估模型效能。结果：两组慢性呼吸系统疾病家族史比例、出生体质量、户外活动时间、母乳喂养时间、血红蛋白、维生素A、维生素D水平对比差异有统计学意义（P＜0.05）;性别、年龄、体质量指数、居住地、出生方式、是否窒息、睡眠时间、白细胞计数、血清锌、铁、钙、镁对比差异无统计学意义（P＞0.05）;多因素Logistic回归分析显示,出生体质量提高（OR=0.995,P=0.004）、户外活动时间延长（OR=0.630,P=0.003）、血红蛋白水平升高（OR=0.846,P＜0.001）、维生素A水平升高（OR=0.437,P＜0.001）、维生素D水平升高（OR=0.938,P=0.007）为患儿反复呼吸道感染的保护因素;构建的Nomogram模型预测反复呼吸道感染相关因素C-index为0.869（95%CI=0.818～0.920）,决策曲线分析评估两组预测模型的临床收益,当含营养相关指标模型预测患儿反复呼吸道感染的值为0～0.59时,可提供附加临床收益。外部验证显示敏感度为92.00%,特异度为96.67%,准确率为95.29%。结论：出生体质量提高、户外活动时间延长、血红蛋白水平升高、维生素A水平升高、维生素D水平升高为儿童反复呼吸道感染的保护因素,含维生素A、维生素D营养指标构建的Nomogram模型可提高预测儿童反复呼吸道感染的准确性。