异常点对线性回归分析的影响

本文通过一个妇产科研究实例来说明异常点对回归分析的影响,并给出了用以探查异常点的统计量及其计算方法。分析表明,在线性回归分析中,仅仅个别异常点的存在就可能导致产生完全不同的结论。因此对所得数据进行分析时,考虑每一组数据的可靠性是非常必要的。     

单段函数残差辨识理论在建立药物体外溶出模型中的应用

单段函数残差辨识理论在建立药物体外溶出模型中的应用苏银法（温州市医药科学研究所温州３２５００３）药物体外溶出实验数据，大多采用威布尔分布函数拟合，近来也有人采用灰色模型进行拟合［１］，但这些模型的拟合值与实测值间均存在一定的残差，而残差辨识能充分利用...     

基于迁移学习的随机深度残差网络自动睡眠分期算法

现有自动睡眠分期算法存在模型参数量多、训练耗时长导致分期效率不佳的问题。本文使用单通道脑电信号,提出一种基于迁移学习（TL）的随机深度（SD）残差网络（ResNet）自动睡眠分期算法（TLSDResNet）。首先,选取16人共30条单通道（Fpz-Cz）脑电信号,在保留有效睡眠片段后,利用巴特沃斯滤波和连续小波变换对原始脑电信号进行预处理,得到包含其时-频联合特征的二维图像作为分期模型的输入数据。随后,构建经公开数据集——欧洲数据格式存储的睡眠数据库拓展版（Sleep-EDFx）训练的ResNet50预训练模型,使用随机深度策略并修改输出层以优化模型结构。最后,应用迁移学习对人体整夜睡眠过程进行自动分期。本文算法在进行了多次实验后,模型分期准确率达到87.95%。实验表明,TL-SDResNet50可完成少量脑电数据的快速训练,总体效果优于近年来其他分期算法与经典算法,具有一定的实用价值。     

基于YOLO算法和ResNet深度卷积神经网络的结直肠息肉检测（含视频）

目的 构建一个基于YOLO算法和ResNet网络的自动检测结直肠息肉的深度卷积神经网络（deep convolutional neural network,DCNN）模型,并测试其功能。 方法 选取武汉大学人民医院消化内镜中心数据库2018年1月—2019年3月的肠镜图像及视频并分为3个数据集（数据集1、3、4）,另以公共数据集CVC-ClinicDB（由西班牙巴塞罗那医院提供的29个结肠镜检查视频中提取的612帧息肉图像组成）作为数据集2。数据集1（2018年1—11月的肠息肉图像3 700张,无息肉图像1 000张）用于DCNN模型构建、训练与验证;数据集2和数据集3（2019年1—3月的肠息肉图像320张,无息肉图像400张）用于DCNN模型在图像中的测试;数据集4（2018年12月肠镜视频15个,包含33个息肉）,用于DCNN模型在视频中的测试。主要观察DCNN模型检测肠息肉的敏感度、特异度、准确率和假阳性率。 结果 DCNN模型在数据集2中检测肠息肉的敏感度为93.19%（602/646）;在数据集3中检测肠息肉的准确率为95.00%（684/720）,敏感度为98.13%（314/320）,特异度为92.50%（370/400）,假阳性率为7.50%（30/400）;在数据集4中检测息肉逐息肉个数的敏感度为100.00%（33/33）,逐帧准确率为96.29%（133 840/138 998）,逐帧敏感度为90.24%（4 066/4 506）,逐帧特异度为96.49%（129 774/134 492）,逐帧假阳性率为3.51%（4 718/134 492）。 结论 构建的DCNN模型可用于自动检测结直肠息肉,在静止肠镜图像及肠镜视频中均具有较高的敏感度与特异度,且在视频中测试的假阳性率低,可用于帮助内镜医师检测结直肠息肉。     

基于混合域注意力机制和残差网络的特纳综合征分类研究

目的:利用人脸图像,构建基于深度学习的特纳综合征(Turner syndrome,TS)分类模型,旨在提高TS诊断准确率,降低诊断开销.方法:首先,将通道域注意力机制和空间域注意力机制以及残差结构相结合,提出一种具有混合域注意力模块的残差网络,然后使用深度迁移学习技术完成模型的初始化,最后使用TS人脸数据集对网络模型进...     

缺血性脑卒中患者急性期rs-fMRI数据对恢复期记忆功能的预测作用

目的探讨缺血性脑卒中患者静息态功能磁共振成像(resting-state functional magnetic resonance imaging, rs-fMRI)的神经活动局部一致性(regional homogeneity, ReHo)指标预测其恢复期的记忆功能情况及残差学习(residual learning, REL)对机器学习模型预测性能的影响。方法 2019年6月至2021年6月采集35名首次缺血性脑卒中患者卒中后1周(急性期)的rs-fMRI数据, 并在卒中后6个月(恢复期)随访瑞氏听觉词语学习测试(Rey auditory verbal learning test, RAVLT)的记忆评分。利用卒中患者急性期rs-fMRI数据提取的ReHo指标, 分别构建传统支持向量回归(support vector regression, SVR)模型以及基于REL的SVR(REL-SVR)模型对患者卒中后6个月时的记忆评分进行预测。利用Pearson相关系数评价模型性能, 并比较两个模型的预测准确性。结果基于急性期的ReHo指标, SVR模型所得预测值与真实值之间的相关系数r=...     

基于深度学习机器视觉模型的水生蔬菜中4种有害元素提示系统研究

目的 建立一种基于机器视觉技术的水生蔬菜中4种有害元素含量水平提示系统，为食品风险监测采样过程中的风险提示提供技术支持。方法 利用残差网络(ResNet)和稠密连接网络(DenseNet)机器视觉模型，对茭白、慈姑、荸荠、菱角、藕等5种水生蔬菜图片图像进行训练，结合本省水生蔬菜中铬、砷、铅、镉等4种有害元素风险监测数据，构建5种水生蔬菜的图像识别及其有害元素含量水平的风险提示系统。结果 利用现有Vegfru数据集中与之相关蔬菜图片总计1 500多张，用两个模型进行120轮训练后，训练集和验证集识别准确度均>83%。从训练时间的角度考虑，最终选择Resnet-152模型用于预测。利用该模型对市面上购买的5种水生蔬菜进行识别，同时给出对应的铬、砷、铅、镉等4种有害元素含量范围，验证结果表明，4种有害元素含量均在提示范围内。结论 利用深度学习模型建立了对特定水生蔬菜有高辨识度的识别系统，结合已有食品风险监测数据，形成了4种有害元素污染浓度范围提示功能，可用于食品安全风险监测工作。     

用多元回归分析小儿手术麻醉期间潮气量影响因素

目的 确定小儿手术麻醉期间机械通气时潮气量的影响因素。方法 采用ＳＡＳ软件对资料进行残养差分析，共线诊断并利用原点迫近回归实现龄回归分析。结果 在残差图上，学生化残差大致落在│ｒ│≤２的水平带状区域内且无任何趋势。一般回归分析的标准误大多大于１．５；身高和体重的方差构成比分别为９０．８７％和５１．３９％，均超过了５０％；在龄迹图２中，当Ｋ＝０．３时，龄迹大体稳定，据此所拟合的龄回归方程的所有回归系     

Cox比例风险假定的线性相关检验及应用

目的 介绍Cox比例风险假定检查的线性相关检验法并探讨其在实际数据中的应用.方法 线性相关检验通过Schoenfeld残差与生存时间秩次的相关性检验,推断数据是否满足比例风险假定,实例的数据分析以SAS程序实现.结果 线性相关检验简单有效,提供了统计量和P值,结果客观,易于判断.结论 在Cox比例风险假定检验中,线性相关检验为一种简便易用的方法.