首页 > 文献资料
-
基于人工神经网络方法对流感分级的判别
流行性感冒具有起病突然,传播迅速,感染性强,群发性高的特点,20 世纪全球 4 次流感大流行都波及到我国[1].研究流感流行的规律,对社会安定、经济发展都有重要的现实意义.本文利用人工神经网络方法建立流感强度判别模型,为进一步实现流感预测、预报提供依据.
-
电子鼻技术及其在中药领域中的应用
目的:通过介绍电子鼻技术的概念、基本过程及特点,探讨该技术在中药领域的应用价值与前景,论述建立中药气味指纹图谱所存在的问题.方法:综合介绍利用电子鼻建立中药气味指纹图谱的一般技术步骤;针对不同应用目的,采用不同数据统计方法(PCA、DFA、PLS、BP神经网络等)建立判别模型.结果:电子鼻可区分不同药材粉末,同一药材不同品种、不同产地、不同贮藏时间、不同炮制品及不同炮制规格的配方颗粒,预测药材气味成分的含量.结论:电子鼻技术在中药鉴定的现代研究中有其独特的作用,在药材粉末鉴别及优劣预测、道地药材研究、中药有效期评价、中成药质量控制等领域有重要价值和广阔的应用前景,并对中药鉴定学科的现代化发展起到一定的促进作用.
-
基于生物效应的中药寒热药性判别模式研究
目的:观察寒、热药性中药对生物效应指标的影响,分析变量对寒、热药性贡献度,初步建立寒、热药性生物效应判别模式.方法:大鼠随机分为空白对照组、寒性中药(苦参、栀子、黄柏,黄芩、黄连、龙胆)各组、热性中药(附子、干姜、高良姜、花椒、肉桂、吴茱萸)各组,灌胃相应中药水煎液10 mL·kg-1,每日2次,共给药30 d;检测文献已报道的可能与寒、热药性相关联的生物效应指标共53项;运用Clementine12.0数据挖掘软件,建立数据仓库;选取空白对照组数据、寒性中药组(栀子、黄柏、黄连、苦参、龙胆)数据、热性中药组(附子、干姜、肉桂、花椒、高良姜)数据,作为训练集,C5.0算法和C&R分类回归算法找出变量的重要性,构建决策树;并对黄芩、吴茱萸进行寒、热属性的测试.结果:C&R分类回归算法显示:肝SDH活性为寒热为重要的属性,重要性接近30％,其次为甘油三酯、肝Na+-K+-ATP酶、肌糖元、血小板分布宽度等,模型的正确率达97.39％;C5.0算法显示:肝SDH活性为寒热为重要的属性,重要性接近40％,其次为甘油三酯、谷草转氨酶、肌糖元、肝Na+-K+-ATP酶等,模型的正确率达98.26％;C&R分类回归算法、C5.0算法决策树判定吴茱萸属于热性药和黄芩属于寒性药的可能性均为100.00％,77.78％.结论:肝SDH活性为中药的寒热药性为重要的生物效应指标;中药寒、热药性的判别通路或模式与能量代谢存在着极为密切的关系.
-
中药砂仁“品与质”电子鼻判别模型的建立
目的：建立一种快速、有效识别中药砂仁品质的科学评价方法。方法引入电子鼻建立中药砂仁的气味指纹图谱，以不同品种、不同产地的25批砂仁样品为研究对象，采用不同分类器建立其“品与质”的电子鼻判别模型，并基于盲样回判进行模型的验证。结果经十折交叉验证法、外部测试集验证法验证，所建立的气味判别模型正判率分别为78%和84%，表明电子鼻可以完成对阳春砂道地与非道地样品的定性分析；此外，传感器响应值为0.04和0.03的砂仁，预测其主要挥发性成分（乙酸龙脑酯）含量情况分别为＞3.5 mg/g和＜1.8 mg/g，表明电子鼻还可进行定量分析。结论电子鼻技术可作为一种快速、有效鉴别中药“品与质”的潜在分析方法。
-
基于可拓理论建立亚健康的诊断信息智能化处理模型研究
亚健康状态是指人体除了健康和疾病状态之外,还存在着一种非健康非疾病的状态,即"第三状态".研究中采用问卷调查法,收集亚健康相关的症状,通过调查员诊断-初步诊断-专家组终诊断后,确定亚健康的终诊断标准,并对亚健康状态常见证候进行判别模型分析,调查合格问卷共3 638份,其中亚健康状态3 568例,健康状态61例,疾病状态9例.专家组终证候诊断为例,常见证型如下:3 568例亚健康状态证候分析,结果发现前19类证候累计百分数已经达到60.1％,依次为心肝血虚证、肝肾阴虚证、心脾两虚证、心肾不交证、肝气郁结证、心气虚证、肝阳上亢证、脾气虚证、肾阴虚证、肾阳不足证、肝阴虚证、肝胃不和证、肝郁脾虚证、心血虚证、心阴虚证、心肾气阴两虚证、肝血虚证、心气阴两虚证、心肝气血两虚证.
-
基于电子舌技术的豨莶草炮制前后滋味比较
目的 研究稀莶草炮制前后滋味的变化,建立生、制品豨莶草滋味判别模型.方法 通过电子舌测量12批生品豨莶草与12批炮制品豨莶草的酸、苦、涩、咸、甜味值,利用配对t检验、主成分分析(PCA)和线性判别因子分析(LDA)等方法研究豨莶草炮制前后各味道的变化情况.结果 通过配对t检验发现豨莶草炮制后,苦、咸味下降,酸、涩、甜没有明显变化;通过PCA可以区分生品与制品豨莶草;通过LDA可以建立生品、制品味道判别模型,并进行交叉验证,正确率达到100％;通过雷达图建立了豨莶草生品与制品的滋味指纹图谱.结论 电子舌能够对中药稀莶草的酸、苦、涩、咸、甜味值进行准确的辨识,结合统计方法,可以从数值上体现豨莶草炮制前后滋味的改变,并以此推测豨莶草炮制前后滋味的改变与功效的改变之间的关系.另外,建立的生、制品判别函数模型及雷达图指纹图谱可以用于生、制品豨莶草的判别.
-
早产儿喂养不耐受多因素回归分析及判别模型建立
目的：通过分析早产儿喂养影响因素，建立早产儿喂养不耐受判别分析的模型。方法：收集2012年3月~2013年3月我院早产儿及早产儿喂养不耐受患儿相关资料525例，运用多元 Logistic 回归法进行分析，找出与早产儿喂养密切相关的影响因素，建立早产儿喂养不耐受判别分析模型，以此模型对2013年10月~2014年12月新生儿科住院早产儿501例进行预测，并与其早产儿喂养不耐受实际发生情况对比，以检测模型的敏感度、特异度、假阳性率、假阴性率和符合率。结果：与早产儿发生喂养不耐受密切相关的有呕吐、腹胀、败血症、胃残留食物、胎龄等5大因素，由此建立的喂养不耐受判别分析模型敏感度为78．21％，特异度为88．89％，假阳性率为11．11％，假阴性率为21．79％，符合率为87．23％。结论：判别模型的建立有助于早产儿喂养不耐受的早期诊断分析及早期治疗和护理干预。
-
基于GPLM的40～65岁绝经后骨质疏松症风险判别模型分析
目的 建立基于广义偏线性模型(generalized partial linear model,GPLM)的,包括危险因素和中医证候要素内容的绝经后骨质疏松症(postmenopausal osteoporosis,PMOP)风险判别模型.方法 在获取1740例社区PMOP高危人群危险因素及证候问卷调查数据基础上,筛选出与PMOP发病相关的重要危险因素和中医症状为协变量,以骨密度定性诊断为结局变量,建立基于GPLM的PMOP判别模型.结果 GPLM模型线性部分参数估计提示:是否绝经、体重指数、下肢抽筋、下肢骨痛、绝经年限(线性效应)具有统计意义(P＜0.05)；模型非线性部分参数估计提示:绝经年限(非线性效应)具有统计意义(P＜0.05).与logistic回归模型相比,拟合GPLM模型时加入了“绝经年限”的非线性效应,其A UC值为0.7971,具有统计学意义(x2=21.9162,P ＜0.001).结论 绝经年限与PMOP发病之间存在非线性效应.将西医危险因素和中医症状相结合,建立基于GPLM的PMOP判别模型,反映病证结合特点,与logistic回归模型相比,具有更好的判别准确性.
-
达乌尔黄鼠鼠疫预报的数学模型(Ⅷ)
目的研究动物鼠疫的前瞻性预报.方法分别建立1957～2000年吉林省通榆县黄鼠密度、体蚤指数和洞干蚤指数的自回归模型和判别分析模型.结果对2001～2002年动物鼠疫做出了前瞻性预报.结论使用自回归模型和判别分析模型,可以进行动物鼠疫的前瞻性预报.
-
医学研究中Logistic回归与其他方法的结合应用
Logistic回归(logistic regression)属于概率型非线性回归,是分析反应变量为独立分类资料的常用统计分析方法,由于对资料的正态性和方差齐性不做要求、对自变量类型也不做要求等,使得近年来Logistic回归模型在医学研究各个领域被广泛用,如流行病学、病因学的队列研究、病例对照研究,临床诊断的判别模型,治疗效果评价等.
-
进展性脑梗死多因素回归分析及判别模型建立
目的:建立进展性脑梗死判别预测模型,为早期发现和干预治疗提供科学依据.方法:使用Logistic逐步回归分析关键影响因素,采用逐步Bayes判别法对进展性脑梗死患者的关键因素进行筛选,并建立判别预测模型.结果:判别模型为:(1)Y1(进展)＝-30.381 ± 8.025 × X7 ±341 × X8 ±2.301 × X21 ±3.931 × X31±5.802 × X32 ± 0.933 × X33±2.119 × X34.(2)Y2(非进展)=-21.875±6.834 × X7±2.160 × X8±3.328 × X31±3.726 × X32 ± 2.016 × X21±0.861 × X33±1.807 × X34(X7为平均收缩压,X8为体温,X21为血糖,X31为FIB,X32为颈动脉斑块性质,X33为颈动脉狭窄程度,X34为梗死部位).经评价预测效果较好.结论:判别模型的建立有助于进展性脑梗死的早期诊断分析及早期干预和治疗.
-
判别模型用于病毒性脑炎临床诊断的探讨研究
目的 运用判别分析法建立流行性乙型脑炎(乙脑)、肠道病毒脑炎、腮腺炎脑炎3 种常见病毒性脑炎诊断模型,指导临床诊断.方法 制定统一的监测病例定义标准,在广西贵港市12 家县级及县级以上的医院开展临床症状监测,收集病例的发病情况、临床特征和实验室检查结果等资料,对病例进行乙脑等10 种常见病毒工IgM 抗体检测,应用Bayes 判别分析模型对各种病原学确诊病例的临床与生化指标进行分析,筛检诊断指标,建立诊断模型.结果 年龄、抽搐、颈项强直、血白细胞数(×109/L)、脑脊液白细胞定性是判断病毒性脑炎的主要指标,判别模型交互验证与自身验证判别总符合率为70%左右.结论 判别分析可为病毒性脑炎的临床诊断提供参考.
-
超声心动图诊断右心衰竭的判别分析
目的：分析超声心动图各参数对右心功能评价的效果，寻找佳判别模型并探讨其在诊断右心衰竭中的价值。方法选取右心衰竭患者45例为病例组，无右心衰竭者36例为对照组，应用超声心动图测量并计算各参数：包括右室面积变化率（RVFAC）、三尖瓣环收缩期位移（TAPSE）、三尖瓣口舒张早期峰值流速（E）、三尖瓣环收缩期峰值速度（Sm）、舒张早期峰值速度（Em）、Tei指数、三尖瓣环等容收缩期加速度（IVA）及右室游离壁中间段收缩期应变率峰值（SRs）、舒张早期应变率峰值（SRe）。通过逐步判别分析筛选上述参数，建立判别模型，对该模型进行交叉验证，比较判别模型与常用单一参数的诊断效果。结果与对照组比较，病例组 RVFAC、TAPSE、Sm、IVA、SRs及SRe均较对照组低，E／Em、Tei指数均较对照组高，差异有统计学意义（P＜0．05）。通过逐步判别分析将贡献较大的RVFAC、TAPSE及IVA筛选出，建立判别模型：右心衰竭组F＝0．246× FAC＋1．356× TAPSE＋2．746× IVA －15．587，非右心衰竭组F＝0．435× FAC＋2．093× TAPSE＋4．634× IVA －39．706。留一交叉验证：右心衰竭组正确率为95．6％，非右心衰竭组正确率为97．2％，总正确率为96．2％，该结果较单一参数评价右心功能的效果理想。结论通过参数RVFAC、TAPSE及IVA建立的判别模型较单一超声参数的评价效果更理想，该模型在判断右心衰竭中具有重要临床意义。
-
炎症因子在手足口病重症和重症天数判断中的应用
目的 研究血清炎症因子水平在重症手足口病(HFMD)及手足口病患者重症天数判断中的作用.方法 使用受试者工作曲线(ROC曲线)分析炎症因子水平与重症手足口病关系,并使用曲线下面积(AUC)评价判别效果.采用分类和回归树(CART)模型和支持向量机(SVM)模型对手足口病患者重症天数进行判断,并使用交叉验证评价模型泛化能力.结果 ROC曲线分析结果表明白细胞介素-4(IL-4)对于判断轻重症的效果好(AUC:0.989),IL-6、肿瘤坏死因子-α(TNF-α)、IL-10、干扰素-γ(INF-γ)和IL-17的效果依次递减,AUC值分别为0.933、0.898、0.882、0.853和0.523.CART模型和SVM模型对于手足口病患者重症天数判断的一致率分别为87.69％和95.38％,进行5折交叉验证得到模型的一致率分别为77.49％和81.40％.结论 使用血清炎症因子水平对于手足口病重症有很好的判别效果,且对于判断手足口病患者重症天数也有较好的效果.
-
入院首次血小板及血清总胆红素判别首次上消化道出血类型
目的:回顾性分析首次静脉曲张性上消化道出血(variceal upper gastrointestinal bleeding,VUGB)及非静脉曲张性上消化道出血(non-variceal upper gastrointestinal bleeding,NVUGB)病例,筛选首次上消化道出血中的VUGB.方法:收集首次VUGB 63例,NVUGB 383例,记录出院诊断、入院首次血红蛋白(hemoglobin,HGB)、血小板计数(platelet,PLT)、凝血酶原时间(prothrombin time,PT)、血清总胆红素(total bilirubin,TB)及血白蛋白(albumin,ALB),建立多因素Logistic回归模型,绘制受试者工作特征曲线(ROC),确定佳预测界值(Cut-Off),分析佳预测界值对上消化道出血类型判别效果.结果:14.13%首次上消化道出血为VUGB;消化道出血量、ALB、PT无助于消化道出血类型判别;相对于NVUGB患者,VUGB患者PLT、ALB降低,PT延长及TB增高;当入院首次PLT<140.5×109/L、TB≥14.55μmol/L、判别函数P值(P=EXP(0.033×PLT-0.158×TB)/1+EXP(0.033×PLT-0.158×TB))<0.92时出血类型多为VUGB,而PLT≥140.5×109/L时出血类型多为NVUGB.结论:入院首次血小板及血清总胆红素可判别首次上消化道出血类型.
-
基于生物效应的中药寒热药性判别模式探析
目的:通过对寒性中药与热性中药的观察可以探究其对生物效应指标所造成的影响,并且能够建立起一个相应的判别模式,对寒药与热药进行判别.方法:将大鼠进行随机分组,寒性中药一组,主要有苦参、栀子、黄岑、黄柏、黄连以及龙胆几味药材,热性中药一组,主要有附子、高良姜、干姜、肉桂、花椒以及吴茱萸几味药材,将其进行煎制处理,每日两次,连续30日供大鼠服用,对相关的生物效应指标进行观察,并且采用数据挖掘技术建立起相关的数据仓库,将两组数据进行对比,并且通过不同的分类回归算法将变量的重要性计算出来,同时对黄岑以及吴茱萸的寒热属性进行测试.结果:采用C&R的分类回归算法进行测试,结果显示寒热重要的属性是肝SDH活性,其重要性近30%,模型正确率基本在97%以上,采用C5.0进行计算,结果显示肝SDH活性同样是为重要的属性,其重要性将近40%,正确率基本上在98%以上,所以运用C&R以及C5.0都能对中药的寒热药性进行判别,前者的可能性更高,能够达到100%,后者的可能性相对较低,在77.78%左右.结论:作为判别中药寒热性的判别指标,重要的是肝SDH活性,并且其直接影响着相应的判别模式以及能量代谢.
