首页 > 文献资料
-
一种基于独立成分指纹和支持向量机的海员心理状况评估方法
目的：海员作为一种特殊的职业群体，其心理健康与否对整个航海过程的安危至关重要。本研究提出了一种用独立成分（ independent component ， IC ）指纹和支持向量机（ support vector machine， SVM）相结合评估海员心理状况的方法。方法首先基于健康对照组中100名受试者与海员组中88名受试者的静息状态默认网络的IC指纹特征，利用双重SVM建海员心理健康评估模型，然后利用训练出的评估模型对88名海员的心理状况进行评测，检测出心理存在异常的海员。结果从88名海员中检测出5名海员心理存在异常；进一步比较该5名心理异常海员的默认网络和健康对照组的默认网络，发现的确存在明显的不同。结论以默认网络的偏度、斜度、空间信息熵、聚类度、一步延迟自相关、时间信息熵和频率能量分布等为特征，利用双重支持向量机构建海员心理健康评估模型，能够有效地检测出心理异常的海员，该研究为今后海员心理健康的评测提供了有力的客观依据。
-
基于拉曼光谱法的品牌仿冒药检测方法研究
目的 针对目前市面上的品牌药仿冒的制假现象,以国内多个厂家生产的头孢氨苄胶囊为工具药,建立基于支持向量机和相似度法或主成分分析的两步判别方法.方法 第一步,通过模拟建立头孢氨苄胶囊品牌药及4种仿冒药的分类模型,建模交叉验证的准确率为95.63％,并对可疑样品进行预测分类,准确率为93.75％,以自制样品作为额外的预测集,假阳性率为25％.第二步,对阳性样品进行相似度计算或主成分分析,可分别将假阳性率降低至5％和0％.结果与结论 两步判别法可快速、准确地实现对品牌仿冒药的检测.
-
入境国际航行船舶外来医学媒介生物风险评估研究及应用
目的 应用支持向量机模型法评估研究入境国际航行船舶携带输入外来医学媒介生物的风险.方法 以中国第2大港、世界第5大港的宁波港作为研究范围,以2014年到港的国际航行船舶为研究对象,对834艘媒介生物阳性船舶和2 151艘媒介生物阴性船舶的33项指标展开调查,采集数据信息.对数据进行清洗及变量筛选后应用R语言编程实现支持向量机模型法建模训练,并以所建模型预测新到港的1 333艘次船舶外来媒介携带风险.结果 经过12种支持向量机模型的筛选,以预测精度为判定指标,选定分类器与核函数两个参数分别为“nu-classification”和“高斯函数”的支持向量机模型为优模型,并构建起基于支持向量机的外来医学媒介生物携带风险与入境国际航行船舶关联因子间的非线性关系模型.模型训练过程的正确分类率为78.89％,通过该模型预测船舶携带外来媒介风险与实际检疫结果的符合率达到82.52％,预测效果良好.结论 针对高度不确定的非线性系统,应用支持向量机模型法可实现更加精确的预测功能,为国境卫生检疫风险评估及预警方面的研究提供理论基础.
-
支持向量机在中医临床诊断中的研究进展
支持向量机具备坚实的数学基础,在解决问题时不回避事物固有的复杂性,而其分类与回归的方法又十分 适于复杂系统的研究.鉴于中医诊断本身所固有的复杂性,支持向量机必然成为中医诊断研究的一个强有力的工具.介 绍了支持向量机的工作原理和特点,并对支持向量机技术在中医临床诊断研究中的新应用进行了综述,展望了未来的 发展趋势.
-
肿瘤标志物检测结合支持向量机模型在胃癌诊断中的应用
目的 探讨肿瘤标志物检测结合支持向量机算法在胃癌诊断中的应用价值.方法 收集262例胃癌、156例胃良性病变患者及149例健康对照者的癌胚抗原(CEA)、糖类抗原(CA)125、CA19-9、甲胎蛋白(AFP)、CA50五项肿瘤标志物检测结果,选择优核函数,应用网格搜索和交叉验证的方法优化支持向量机算法参数,建立支持向量机分类模型,进行算法测试,并与5种肿瘤标志物联合测试、Logistic回归和决策树3种常见分类算法的结果进行比较.结果 对胃癌诊断数据集,联合测试、Logistic回归、决策树、支持向量机算法的分类准确性分别为46.2%、64.5%、63.9%和95.1%.与其他算法相比,支持向量机算法可以提高胃癌诊断的准确性.结论 肿瘤标志物检测结合支持向量机模型在胃癌的诊断上有较大应用价值.
-
基于支持向量机的急性出血性脑卒中早期预后模型的建立与评价
目的:比较支持向量机(support vector machine,SVM)和传统的Logistic回归构建的急性出血性脑卒中(intracerebral hemorrhage,ICH)早期预后判别模型的预测性能,探索急性ICH预后研究的新方法.方法:收集急性ICH患者339例,随访观察21 d时的临床转归情况.应用随机数字法以3∶1的比例分为两组,一组作为训练样本用于筛选变量和建立预测模型,计254例;另一组作为验证样本,用于评价模型预测效果,计85例.建模方法采用SVM和常规统计方法中的Logistic回归.结果:通过对85例ICH患者的预测判别验证,SVM1的预测分类能力在4个模型为强,4个模型预测的准确率和Youden指数分别为:Logistic回归:72.9％ (62.0％～81.7％)、0.441(0.249 ～0.633);SVM1:82.4％ (72.3％ ～89.5％)、0.632 (0.465 ～0.799);SVM2:78.8％(68.4％～86.6％)、0.557 (0.379～0.735);SVM3:78.8％(68.4％ ～86.6％)、0.563 (0.385～0.741).结论:采用SVM能较好地判断急性ICH患者的早期预后,其效能优于Logistic回归模型.
关键词： 急性 出血性脑卒中 预后 支持向量机 Logistic回归 -
基于支持向量机的急性百草枯中毒预后模型的建立与评价
目的:比较支持向量机(support vector machine,SVM)和传统的Logistic回归构建的急性百草枯(paraquat,PQ)中毒早期预后判别模型的预测性能.方法:收集急性PQ中毒患者152例,随访观察2个月的临床转归情况.应用随机数字表法以3:2的比例分为两组,一组作为训练样本用于筛选变量和建立预测模型,计91例;另一组作为验证样本,用于评价模型预测效果,计61例.建模方法采用SVM和常规统计方法中的Logistic回归.结果:通过对PQ中毒患者的预测判别验证,线性核、多项式核、Sigmoid核及径向基函数核SVM模型的预测准确率分别为77.92％、74.03％、75.32％、79.22％.对所有预测模型性能对比显示,SVM模型预测性能高于Logistic回归模型,其中径向基核函数(RBF)-SVM模型效果好,灵敏度为87.5％,特异度为70.6％.结论:采用SVM模型能更好地整合各种影响PQ中毒患者早期预后的信息,所建立的模型具有更好的预测能力,为预测PQ中毒患者的预后提供了一种新方法.
关键词： 百草枯中毒 预后 支持向量机 Logistic回归 -
基于近红外光谱-支持向量机技术识别单碱基差异
目的 建立一种基于近红外光谱-支持向量机(SVM)技术的单碱基差异识别方法.方法 以仅相差1个碱基对的4种双链DNA为研究对象,其近红外光谱为识别变量,以径向基核函数(RBF)SVM建立非线性识别模型.结果 对于长度为100bp的DNA链,当正则化系数γ=0.1,惩罚系数C=106时,模型的支持向量数小为32,识别正确率为100%.结论 该方法可发展为一种新的检测单核苷酸多态性的方法,具有简单、快速、低成本等优点.
-
基于静息态功能磁共振异常脑区体素值的帕金森病分类研究
目的 通过提取正常对照组与帕金森病(PD)组静息态功能磁共振图像特征实现PD的分类.方法 对32例正常人(正常对照组)与32例PD患者(PD组)采用3.0T磁共振扫描仪进行静息态功能磁共振检查;接着使用DPARSF软件对图像进行预处理,得到全脑的低频振幅(ALFF)、比率低频振幅(fALFF)和局部一致性(ReHo)参数图;然后对参数图利用双样本T检验提取具有显著差异的脑区体素值作为图像特征值,利用支持向量机分类器对特征值进行模型训练;后采用分类精度、受试者操作特性(receiver operating characteristics,ROC)曲线及曲线下面积(AUC)值对分类结果进行评价.结果 在ALFF、fALFF和ReHo参数图上分别提取了1 167、1 678、2 780个异常脑区体素值,利用这些脑区体素值取得了较理想的分类结果,其中基于ReHo参数图的分类结果好,其分类精度为96.97％,AUC值为0.99.结论 通过提取正常对照组与PD组静息态功能磁共振图像中差异脑区体素值,可以对PD实现较高准确率的分类,为临床诊断提供辅助依据.
-
基于支持向量机的遗忘型轻度认知障碍个体识别研究
目的：近年来多元模式分析（ multivariate pattern analysis ， MVPA）方法的出现被认为是可以对各种神经精神疾病进行自动化识别的很有前途的工具，支持向量机（ support vector machine ， SVM）则是一种广泛使用的MVPA方法。文中采用SVM分类器对遗忘型轻度认知障碍（ amnestic mild cognitive impairment ， aMCI）患者和无记忆障碍及其他相关疾病者进行MVPA研究，旨在构建具有较高判别能力的个体诊断模型，并从多变量分析的角度来解析aMCI患者的灰质损伤模式。方法采用3．0T磁共振对51例aMCI患者和68例正常对照者进行高分辨率三维T1-weighted扫描，为每个受试者计算灰质体积图谱，该图谱用于之后的判别分析。使用特征选择方法去除冗余信息后训练SVM分类器，使用留一交叉验证估计分类器的性能，后识别出有判别能力的灰质模式。结果该方法的分类准确率为83．19％，敏感性为76．47％，特异性为88．24％，接收者操作特性曲线下的面积是0．8368。对分类贡献大的灰质区域包括双侧海马旁回、双侧海马、双侧杏仁核、双侧丘脑、右侧扣带回、右侧楔前叶、左侧尾状核、左侧颞上回、左侧颞中回、左侧岛叶以及左侧眶额皮层。结论构建的分类模型对aMCI患者具有较好的识别能力，可显示aMCI患者全脑灰质萎缩情况，对临床早期诊断aMCI患者有重要意义。
-
血清蛋白质指纹图谱诊断模型在早期胰腺癌中的应用研究
[目的]利用表面增强激光解吸电离飞行时间质谱(SEIDI-TOF-MS)技术和生物信息学方法筛选胰腺癌的血清肿瘤标志物.[方法]用弱阳离子交换芯片(CM10)结合并用SELDI-TOF-MS检测54例胰腺癌样本(22例早期胰腺癌,32例晚期胰腺癌).用支持向量机(SVM)方法建立辨别模型.[结果]利用筛选出的5个蛋白峰(m/z 6667.68、8572.38、2958.76、6441.59、5913.36Da)用于建立区分早、晚期胰腺癌的SVM模型,模型的灵敏度和特异性分别为90.9％和78.1％.[结论] SELDI-TOF-MS技术结合生物信息学方法可找到辨别早期胰腺癌和晚期胰腺癌的标志物,并建立区分模型.
关键词： 胰腺肿瘤 表面加强激光解吸电离飞行时间质谱 支持向量机 蛋白质质谱 -
基于FTIR离散平稳小波特征提取的SVM应用于中药材紫花地丁与同属植物的鉴别研究
目的 探索基于FTIR离散平稳小波变换结合支持向量机(support vector machine,SVM)分类法的中药紫花地丁的质量控制新模式.方法 采用衰减全反射傅里叶变换红外光谱法直接快速测定中药紫花地丁与同属植物多花堇菜和戟叶堇菜的FTIR,运用基于离散平稳小波变换进行特征向量的提取,通过分析比较后选取第4、5层分解层的特征向量用于支持向量机的训练与验证.结果 通过对不同产地的90个样本的验证,紫花地丁与同属植物多花堇菜和戟叶堇菜的识别率达100％.结论 基于FTIR离散平稳小波变换结合支持向量机分类法的中药紫花地丁与同属植物多花堇菜和戟叶堇菜的分类鉴别方法具有非常好的效果.
-
利用二维格子复杂性挖掘肝癌CT图像预后信息
目的:初步验证通过二维格子复杂性能否有效提取某些医学图像中隐含的预后信息.方法:将92例原发性肝癌患者手术前的原始腹部CT图像转为32像素×32像素的二值图像,利用二维希尔伯特曲线将图像转化为一维符号序列并计算其格子复杂性特征,利用支持向量机就全部病例进行十折交叉验证,基于46例患者的特征建立分类模型并检验对其余46位患者术后存活时间的模式识别效果.结果:在每位患者使用28幅图像的情况下,控制参数为19的格子复杂性在十折交叉验证中的平均准确率达到75.0%,在46例测试集上的识别准确率为69.6%.结论:二维格子复杂性算法能够挖掘出CT图像中人眼捕捉不到的预后信息.
-
胶质瘤脑脊液蛋白质指纹图诊断模型的建立及其在临床诊断中的应用
目的:SELDI-TOF建立和评估区分脑胶质瘤与非脑肿瘤、脑胶质瘤与脑良性肿瘤的脑脊液蛋白指纹图诊断模型.方法:收集脑胶质瘤、脑良性肿瘤和轻度脑外伤患者的脑脊液共75份,其中50份胶质瘤和非脑肿瘤脑脊液标本,随机分为训练组33份(17例胶质瘤,16例非脑肿瘤)和盲法测试组17份(5例胶质瘤,12例非脑肿瘤),检测结合在H4蛋白芯片上的蛋白质,获得脑肿瘤和非脑肿瘤的蛋白表达质谱图,用matlab操作平台的人工神经网络分析收集的数据,建立了区分脑胶质瘤与非脑肿瘤的脑脊液蛋白指纹图诊断模型.脑胶质瘤和脑良性肿瘤47份标本,随机分为训练集31份(13例胶质瘤,18例脑良性肿瘤)和盲法测试集16份(9例胶质瘤,7例脑良性肿瘤),运用同样方法分析收集的数据,建立了区分脑胶质瘤与脑良性肿瘤的蛋白指纹图诊断模型.同时运用支持向量机对上述人工神经网络的结果进行验证,二者结果非常相似.结果:①建立了区分胶质瘤与非脑肿瘤的脑脊液蛋白指纹图诊断模型,盲法测试胶质瘤诊断的敏感性和特异性分别为100%和91.7%.②建立了区分胶质瘤与脑良性肿瘤的脑脊液蛋白指纹图诊断模型,盲法测试胶质瘤诊断的敏感性和特异性分别为88.9%和100%.结论:研究建立的诊断模型为胶质瘤的临床诊断尤其是定性诊断提供了一条崭新的途径.
-
基于模糊隶属度与支持向量机心律失常分类模型
目的:基于心电信号波形特点,运用模糊隶属度与支持向量机技术,探索实现心律失常自动分类的方法.方法:对MIT-BIH心律失常标准数据库的心电信号预处理,识别并定位QRS波;以QRS波为核心,利用心电信号波形相似性进行心电信号聚类;心电信号提取特征参数并模糊化,构建心律失常特征参数集;利用支持向量机技术建立心律失常分类器.结果:通过MIT-BIH心律失常标准数据库检验分类效果,总体准确率达到97.2%.结论:对MIT-BIH心律失常标准数据库的心电信号具有较高的分类准确率和较好的实用性.
-
大环内酯化合物细胞毒性的定量构效关系研究
目的：以大环内酯化合物为研究对象，建立MLR、ANN和RBF模型，研究大环内酯和细胞毒性的构效关系，并确立哪种模型对二者之间的预测更准确。方法采用分子力学MMFF94方法，计算了30个大环内酯化合物的电子结构参数，建立其结构和细胞毒性之间的MLR模型、ANN模型、RBF模型对比。结果筛选出影响细胞毒性的显著的5个变量，建立的 MLR 模型的相关系数 R ＝0.870，标准误差是 SE ＝2332.724；RBF模型的相关系数是0.991，标准误差是50.873。 ANN模型的相关系数是0.986，标准误差是16.737。结论采用神经网络建立的模型具有更好的稳定性和预测能力，摩尔折射率和共价链接与细胞毒性呈现正相关，分配系数、分子拓扑指数和康纳利溶剂排除体积与细胞毒性呈现负相关。
-
基于支持向量机法的中药性状与药性相关性研究
目的:探讨支持向量机用于中药药性判别中的可行性,探索中药基原性状影响药性的共性特征及其规律性.方法:收集<中华本草>中收录的药性明确、基原性状详尽且具有代表性的植物药1 728种,以多因素非条件logistic回归筛选与药性有关的性状指标,再以支持向量机对中药药性判别分类.结果:构建了含有24个基原性状指标与药性相关性分析的判别模型;测试组864种中药中,热性药的判别正确率为67.99%,寒性药的判别正确率为77.05%,整体正确率为73.61%.结论:24个基原性状指标与中药药性有关,支持向量机能够进行药性快速识别.
-
基于SVM的动态建模新方法
为了提高传感器系统的动态特性,本文提出了一种基于支持向量机(SVM)的传感器动态建模新方法.由于支持向量机是基于统计学习理论的新一代机器学习技术,它有效地解决了小样本学习问题,因此本方法建模对实验样本数量没有特殊的要求.后,仿真实验结果也证明了该动态建模方法在小样本情况下特别有效.
-
高维数据特征提取方法SAM-SVM的应用研究
目的 探讨SAM与支持向量机相结合(SAM-SVM)的方法在高维数据中的变量筛选效果.方法采用R语言编程,根据SAM算法,按照变量重要性排序,通过支持向量机分类模型验证其筛选效果.经过多次迭代满足收敛条件时,自动选择"优"模型.将该方法应用于真实高维数据考核其应用效果,并通过模拟试验验证其有效性.结果对3种疾病的真实高维基因表达数据分别采用上述方法进行变量筛选,均取得了良好的效果,模拟试验也显示使用筛选后的变量再利用支持向量机进行分类判别,具有较高的准确性.结论基于SAM的支持向量机逐步判别方法在解决小样本、非线性及高维问题中表现出许多潜在的优势,可以有效地用于分析高维基因表达数据的特征提取问题.
-
基于贝叶斯粗糙集的肺部肿瘤CT图像高维特征选择算法
针对变精度粗糙集在高维特征选择过程中对分类错误率β的过分依赖问题,结合遗传算法提出一种基于贝叶斯粗糙集的肺部肿瘤CT图像高维特征选择算法.首先提取3000例肺部肿瘤CT图像ROI区域的104维特征构造决策信息表;然后从全局相对增益函数的角度分析属性重要度,结合属性约简长度、基因编码权值函数三者的加权和构造一个适应度函数框架,提出以此为启发式信息的属性约简算法;后利用支持向量机进行分类识别.实验结果表明,本研究算法摆脱了阈值人工设置的束缚,并且在很大程度上提高整体性能,对肺部肿瘤计算机辅助诊断具有积极的推广价值.
