首页 > 文献资料
-
基于LASSO算法的中风病综合治疗方案优化的初步研究
目的:初步优化中风病综合治疗方案.方法:基于LASSO算法,对2012年3月至2014年2月14个医院983例经过3个月中医综合方案治疗的中风病急性期患者的治疗措施进行数据挖掘、分析,评价中风病急性期综合治疗方案的疗效,初步筛选优化的中风病急性期的综合治疗措施.结果:中医辨证论治下的清热化痰法、滋补肝肾法,推拿治疗中的摇法治疗,西医治疗中的溶栓药物、降纤药物、扩容药物、神经保护剂以及现代康复治疗中的言语康复治疗可以成为中风病综合治疗方案优化保留的治疗措施.结论:本研究基于LASSO算法初步研究中风病急性期综合治疗方案的优化,为今后规范中风病急性期综合治疗方案提供参考.
-
肿瘤参数属性偏序结构可视化实现乳腺癌诊断
为实现乳腺癌数据规则可视化,提出一种基于Lasso和增量学习结合的、以改进的属性偏序结构图为可视化工具的乳腺癌诊断规则提取方法.采用乳腺癌数据为数据源基础上算法分为4步:首先使用Lasso方法进行特征选择实现降维,在9个特征中选出前4个关联度大的特征;其次进行基于Gini指数的连续数据粒化,通过增量学习方式动态生成形式背景;再次融合二次Lasso筛选,将维数由17降为3;后使用新的基于基尼指数和覆盖对象的行列优化方法生成属性偏序结构图可视化规则,提取出规则7条.将数据处理结果与主流分类器对比,结果表明,基于该算法的规则提取实现96.52％的诊断准确率,均高于随机森林(94.25％)、Adaboost(90.00％)、1NN(91.33％)、3NN(90.67％)、支持向量机算法(95.00％).后采用不同增量比例(10％ ～ 90％)数据验证增量学习算法效果,表明顺序学习数据量达到30％时模式已经完备,数据量在20％时准确率已经接近支持向量机算法,证明该方法是一种用于诊断可视化的规则发现的有效手段.
-
PentaRay导管在阵发性房颤射频消融术中的应用研究
目的 比较利用星型高精密度磁电双定位标测导管PentaRay和肺静脉电位标测导管(Lasso)行阵发性房颤射频消融的差别.方法 选取30例阵发性房颤患者分为实验组和对照组,实验组采用PentaRay标测导管;对照组采用Lasso标测导管;比较两组患者各项指标.结果 实验组的手术时间、标测时间、X线曝光时间较对照组短;两组消融时间无差异;实验组3个月时行动态心电图仍维持窦性心律比率与对照组相似.结论 PentaRay可以代替Lasso进行阵发性房颤射频消融术,其快速、有效的特点在本研究中得到验证.
-
基于LASSO的高维数据线性回归模型统计推断方法比较
目的 比较五种基于LASSO的高维数据线性回归模型统计推断方法:LASSO-惩罚计分检验,多重样本拆分、稳定选择、低维投影、协方差检验.方法 采用R软件模拟不同情形的高维数据,用五种方法做统计推断,以期望假阳性率和检验效能为评价指标,比较这五种方法在不同高维数据情形下的表现.结果 在理想高维数据情形下,除协方差检验推断结果保守外,其余方法表现都较好.在复杂高维数据情形下,LASSO-惩罚计分检验的检验效能是五种方法中高的,其次为多重样本拆分,而LASSO-惩罚计分检验的EFP也是高的,多重样本拆分的EFP基本接近0.结论 在常见复杂高维数据中LASSO-惩罚计分检验和多重样本拆分是两种较好的高维线性回归模型统计推断方法,两者相对而言前者较宽松,后者较保守.在实际应用中可根据应用需求来选择合适的统计推断方法.
-
基于LASSO的FDR控制方法及其在高维数据生存分析中的应用
目的 基于LASSO-Cox模型探索交叉验证(cross validation)、pcvl法(penalized cross-validated log-likelihood)、EBIC准则(extended bayesian information criterion)、平稳选择(stability selection)四种方法在控制FDR(false discovery rate)方面的表现及其变量选择效果.方法 通过模拟研究评价各方法在不同删失比例、自变量间不同相关程度以及回归系数的不同稀疏水平下的FDR和PSR(positive select rate),并从GEO上下载DLBCL数据进行基因与预后间的关联分析.结果 模拟结果表明,在不同删失比例、自变量相关程度和稀疏水平的情况下,平稳选择法控制fdr的能力都优于其他方法且其变量选择效能也较高.EBIC准则在相关程度低、自变量较稀疏时表现较好,当样本量较小时结果较保守.pcvl法虽然不容易漏掉有效应的变量,但其FDR仍较高.实例结果显示,EBIC准则只选出1个基因,平稳选择法选出的基因中大部分有统计学意义且与其他方法的结果重合度高.结论 在基于LASSO-Cox模型的高维数据生存分析中平稳选择法能较好地控制FDR且其变量选择效能也较高.
-
惩罚广义线性模型在遗传关联研究中的应用及R软件实现术
目的 遗传关联研究中高维数据与日俱增.本文探讨基于岭估计、LASSO和弹性网的广义线性模型在遗传关联研究的应用及软件实现,为高维关联分析提供方法学参考.方法 介绍惩罚广义线性模型原理及软件实现方法,并采用模拟的连锁平衡和连锁不平衡的SNPs关联研究数据,以惩罚logistic模型例证R软件glmnet包对广义线性模型的拟合.结果 对连锁平衡和连锁不平衡SNPs模拟数据,LASSO与弹性网均给出稀疏解,较好地选择有关联SNPs而剔除无关联变量;而岭估计把所有变量都保留在模型中,模型复杂度高但相应的解释度未增加.结论 LASSO和弹性网可对高维遗传关联数据进行有效降维,筛选变量的同时提供参数估计,从而降低模型的复杂度.R软件的glmnet包灵活拟合各类惩罚广义线性模型,可在高通量遗传关联分析中推广应用.
-
LASSO方法在Cox回归模型中的应用
目的 探讨LASSO方法用于高维度、强相关、小样本的生存资料分析.方法 介绍LASSO的基本原理及方法步骤,分别拟合Van't Veer等的乳腺癌基因数据的Cox回归模型(逐步法)和LASSO模型,以作为标准来进行模型评价与比较.结果 采用逐步法筛选出的自变量个数多于LASSO,但模型的决定系数低于LASSO,说明LASSO方法通过将一些没有意义或意义很小的变量系数压缩为0之后,得到的模型反而更优.结论 LASSO通过在系数的绝对值和上增加一个约束条件来对高维资料进行降维,且得到拟合效果更好的模型,比较适合于基因数据的生存分析.
-
基于LASSO回归模型与百度搜索数据构建的流感疫情预测系统
目的 探讨基于LASSO回归模型与百度搜索数据构建流感疫情预测系统的可行性.方法 采用Bagging方法和模型性能的多指标优化评估策略,对传统LASSO回归模型进行改进,构建性能提升的集成LASSO回归模型,将其应用于中国大陆地区季节性流感流行趋势的预测研究.结果 与传统LASSO回归模型相比,本研究所构建的集成LASSO回归模型对2011年至2015年中国大陆地区流感流行趋势的预测偏差更小,说明集成LASSO回归模型的外部推断能力更强,适合于流感疫情的预测分析;本研究开发了开源的R软件程序包SparseLearner,方便用户进行调用和进一步开发研究.结论 Bagging方法和多指标优化评估策略相结合所构建的集成LASSO回归模型,有效地增强了传统LASSO回归模型的性能.本研究所构建的预测模型可以应用于流感等传染病疫情的预测研究.
-
基于排序融合模型的紫癜性肾炎患者中差异表达变量的筛选研究
目的 对紫癜性肾炎和过敏性紫癜两类患者中差异表达的代谢产物进行筛选.方法 利用排序融合的思路,将t检验、Wilcoxon秩和检验、偏小二乘、及随机森林等四种方法用于组间差异表达分析,对其所获得的四个变量重要性排序进行融合,获得综合的、单一的变量排序(排序融合模型);利用交叉验证获得优模型,并进行差异变量的筛选;通过模拟实验评价排序融合模型变量筛选的能力并与least absolute shrinkage and selection operator(LASSO)进行比较.后,将其用于紫癜性肾炎与过敏性紫癜患者间的代谢物差异分析.结果 模拟实验结果显示:(1)当观测数和差异变量数较小时,排序融合模型的AUC的平均值大于LASSO;(2)当观测数和差异变量数较大时排序融合模型的AUC的平均值与LASSO相近;3)无论参数如何设置排序融合模型所筛选的差异变量数基本均少于LASSO.实例分析结果显示:应用排序融合模型获得紫癜性肾炎和过敏性紫癜患者中存在12个差异表达的代谢产物,其AUC值达到其大值0. 96.结论 相比于LASSO,排序融合模型在筛选变量时更具可靠性和准确性,可为代谢组学数据的差异表达分析提供新的分析思路和方法.
-
基于Lasso特征选择的代谢综合征数据分类
目的 针对体检数据的高维度、高冗余特点,对体检数据进行Lasso特征选择,为高维体检数据减少数据冗余提供方法学参考.方法 以代谢综合征为切入点,收集乌鲁木齐某体检中心2016年体检者信息共34981例,每位体检者信息包含75个变量.Lasso算法用于筛选体检中与代谢综合征强相关的变量.以F值、几何均数、ROC曲线下面积作为评价指标,比较Lasso特征选择前后,决策树分类体检中的代谢综合征患者的性能.结果 Lasso特征选择后,体检变量降至34个与代谢综合征强先关的炎性因子.Lasso特征选择后,C4.5决策树的分类性能提高.结论 建议在对体检高维数据分类前,运用Lasso进行特征选择,减少数据冗余,同时提高分类算法性能.
-
弹性网回归在功能磁共振成像数据分析中的应用综述
弹性网回归(Elastic net)是一种正则化的回归方法,已广泛应用于功能磁共振成像(fMRI)的特征选择,通过在lasso基础上加入l2惩罚项补偿预测因子之间的相关性,以建立稀疏易解释的模型.弹性网回归在fMRI数据分析中的应用有了多方面的扩展,本文介绍了其原理和特点,对近年在fMRI数据分析中的应用情况分类进行了综述.
