检索结果-南通市图书馆

梓醇对肝肺综合征大鼠肝肺损伤的保护作用研究

在线全文

学校读者我要写书评

暂无评论

陆军军医大学学报 2024年第6期46卷 587-596页

作者：曾子洋雷雨豪吴宪锋宋艾璘杨纯勇杨智勇李雨捷易斌陆军军医大学(第三军医大学)第一附属医院麻醉科重庆400038 重庆市中医院麻醉科重庆400021

目的探索梓醇通过增强TGR5表达和降低肝胆汁酸水平对胆总管结扎术(CBDL)大鼠肺损伤的保护作用。方法将大鼠随机分为三组[Sham组、CBDL组和梓醇(Catalpol)组],评估生存率、动脉血氧分压(PO2)和肺泡-动脉血氧分压差P(A-a)O2、肝功能、... 详细信息

目的探索梓醇通过增强TGR5表达和降低肝胆汁酸水平对胆总管结扎术(CBDL)大鼠肺损伤的保护作用。方法将大鼠随机分为三组[Sham组、CBDL组和梓醇(Catalpol)组],评估生存率、动脉血氧分压(PO2)和肺泡-动脉血氧分压差P(A-a)O2、肝功能、肝肺组织病理变化差异;进一步分析胆汁酸表达水平和TGR5的关系以及相关机制。结果梓醇治疗改善CBDL导致的肝功能损伤,提高CBDL的生存率和改善了低氧血症;减少了肝、肺血管新生。同时,梓醇通过增强TGR5和降低FXR的表达,减轻BAs水平过高引起肺损伤。结论梓醇通过上调TGR5和降低FXR的表达,改善BAs水平过高引起的肺损伤,发挥对CBDL大鼠的肝肺保护作用。

关键词：肝肺综合征(HPS) 梓醇 TGR5 BAs

基于贝叶斯网络算法建立全膝关节置换术后认知功能障碍风险预测模型

在线全文

学校读者我要写书评

暂无评论

陆军军医大学学报 2023年第8期45卷 765-771页

作者：李丹风李昊洋钟坤华舒欣李雨捷易斌陆军军医大学(第三军医大学)第一附属医院麻醉科重庆400038 陆军军医大学(第三军医大学)基础医学院学员五大队重庆400038 中国科学院重庆绿色智能技术研究院重庆400714

目的利用贝叶斯网络(Bayesian network,BN)算法建立全膝关节置换术(total knee replacement,TKR)后认知功能障碍(postoperative cognitive dysfunction,POCD)的风险预测模型,并探讨模型的预测性能。方法采用病例-对照研究设计方案,选择陆军军医大学第一附属医院关节外科2017年1月至2021年12月行TKR的住院患者1260例。入院主要诊断为左/右膝关节重度骨性关节炎,其中男性240例(19.0%),女性1020例(81.0%);年龄23~79(66.73±8.46)岁;体质指数(BMI)(25.08±5.09)kg/m2。将术后(手术结束至出院期间)发生POCD的患者(71例)按照7∶3随机分为A1组(70%)和B1组(30%),未发生POCD的患者(1189例)按照7∶3随机分为A2组(70%)和B2组(30%)。A1组与A2组共同构成A组(训练数据集),B1组与B2组则为B组(测试数据集),其中A组用于模型训练,B组用于模型测试。筛选TKR相关围术期麻醉决策、病情转归及住院时间等36项指标作为节点,利用BN算法建立各节点的概率分布模型图,预测POCD发生风险的概率,以期住院时间最短,促进最大化患者康复。结果基于BN算法建立的预测TKR后POCD发生风险模型,训练集的受试者工作曲线下面积(area under the subject curve,AUC)值为0.9661(95%CI:0.9541~0.9784),测试集AUC值为0.8974(95%CI:0.8672~0.9285),准确性分别为96.43%(95%CI:0.9511~0.9764)和93.44%(95%CI:0.9092~0.9596)。结论基于BN算法建立的预测TKR后POCD发生风险的模型预测性能较好且准确率较高。

关键词：贝叶斯网络人工智能预测模型术后认知功能障碍全膝关节置换术

利用支持向量机预测重症监护室患者死亡风险的研究

在线全文

学校读者我要写书评

暂无评论

陆军军医大学学报 2022年第17期44卷 1764-1769页

作者：邓鹏陈芋文李雨捷杨智勇钟坤华张矩鲁开智易斌陆军军医大学(第三军医大学)第一附属医院麻醉科重庆400038 中国科学院重庆绿色智能技术研究院重庆400714 中国科学院成都计算机应用研究所成都610041

目的探讨支持向量机(Support Vector Machine,SVM)方法在预测重症监护室(ICU)患者入院后死亡率方面的应用。方法纳入MIMICⅢ数据库18094例ICU住院患者,将总数据集(n=18094)随机分为训练集(n=12666,70%)和测试集(n=5428,30%)。基于Pytho... 详细信息

目的探讨支持向量机(Support Vector Machine,SVM)方法在预测重症监护室(ICU)患者入院后死亡率方面的应用。方法纳入MIMICⅢ数据库18094例ICU住院患者,将总数据集(n=18094)随机分为训练集(n=12666,70%)和测试集(n=5428,30%)。基于Python平台,采用支持向量机(SVM)学习算法,利用LASSO特征选择结果,建立预测重症监护室患者入院后死亡率的模型。并使用测试集进行模型评估。结果基于SVM算法构建ICU患者入院后24 h和48 h死亡率预测模型的AUC分别为0.8051(0.7936-0.8166)和0.8117(0.7999-0.824),敏感性分别为0.7513和0.7372,特异性分别为0.7130和0.7429。结论基于支持向量机算法建立的预测重症监护室患者死亡率模型预测效果较好,具有较高准确率。

关键词：支持向量机人工智能预测模型住院患者死亡率重症监护室

基于机器学习建立腹部手术术后脓毒症患者死亡风险预测模型

在线全文

学校读者我要写书评

暂无评论

陆军军医大学学报 2023年第8期45卷 732-738页

作者：舒欣李昊洋李雨捷宋艾璘胡小艳陈芋文张炬易斌陆军军医大学(第三军医大学)第一附属医院麻醉科重庆400038 陆军军医大学(第三军医大学)基础医学院学员五大队重庆400038 中国科学院重庆绿色智能技术研究院重庆400714

目的探讨机器学习算法构建腹部手术术后脓毒症患者死亡风险预测模型的可行性。方法采用病例-对照研究设计方案,从公共重症监护医学信息数据库(Medical Information Mart for Intensive CareⅣ,MIMIC-Ⅳv1.0)中筛选出行腹部手术后发生脓... 详细信息

目的探讨机器学习算法构建腹部手术术后脓毒症患者死亡风险预测模型的可行性。方法采用病例-对照研究设计方案,从公共重症监护医学信息数据库(Medical Information Mart for Intensive CareⅣ,MIMIC-Ⅳv1.0)中筛选出行腹部手术后发生脓毒症的患者,研究终点事件定义为患者入院后90 d内死亡。根据死亡与否将数据集随机拆分为训练数据集(70%)与测试数据集(30%),在训练数据集上基于Logistic回归(logistic regression,LR)、梯度提升树(gradient boosting decision tree,GBDT)、随机森林(random forest,RF)、支持向量机(support vector machine,SVM)和自适应提升(adaptive boosting,AdaBoost)算法构建预测死亡风险模型;在测试数据集上通过受试者工作曲线(receiver operating characteristic curve,ROC)和曲线下面积(area under the ROC curve,AUC)、敏感性、特异性、阳性预测值、阴性预测值、F1分数和准确率来评估模型效能。结果最终986例患者纳入本研究,其中251例(25.5%)患者入院后90 d内死亡,LR、GBDT、RF、SVM及AdaBoost模型的AUC依次为0.852、0.903、0.921、0.940和0.906,其中SVM的AUC最高,预测性能更好,而LR模型效能最差。结论基于GBDT、RF、SVM及AdaBoost这4种算法建立的腹部手术术后脓毒症死亡率预测模型的效能优于传统的LR模型,可能有助于临床决策,改善不良结局。

关键词：术后脓毒症机器学习腹部手术预测模型死亡风险

基于深度学习建立睑结膜图像贫血筛查算法模型的研究

在线全文

学校读者我要写书评

暂无评论

陆军军医大学学报 2023年第8期45卷 746-752页

作者：胡小艳李昊洋刘祥李雨捷谭丽芳李勇帅陈芋文易斌陆军军医大学(第三军医大学)第一附属医院麻醉科重庆400038 陆军军医大学(第三军医大学)基础医学院学员五大队重庆400038 中国科学院重庆绿色与智能技术研究所重庆400714

目的探索深度学习技术在利用睑结膜图像作为输入的贫血自动筛查方面的应用。方法前瞻性收集和分析2021年3月18日到4月26日陆军军医大学第一附属医院麻醉科284例择期手术患者的睑结膜图像,依据对应的血红蛋白浓度,将图像标记为正常和贫... 详细信息

目的探索深度学习技术在利用睑结膜图像作为输入的贫血自动筛查方面的应用。方法前瞻性收集和分析2021年3月18日到4月26日陆军军医大学第一附属医院麻醉科284例择期手术患者的睑结膜图像,依据对应的血红蛋白浓度,将图像标记为正常和贫血两个类别。基于InceptionV3、ResNet50V2、EfficientNetV2B0、DenseNet121等4种深度学习算法构建贫血预测模型。采用受试者特征工作曲线(receiver operating characteristic curve,ROC曲线)、准确性、敏感度、特异性、阳性预测值、阴性预测值评估模型性能。结果基于4种深度学习算法,贫血预测风险模型的ROC曲线下面积(area under curve,AUC)分别为:0.709(95%CI:0.643~0.769)、0.661(95%CI:0.594~0.725)、0.670(95%CI:0.603~0.733)、0.695(95%CI:0.628~0.756)。InceptionV3在测试集上的AUC(95%CI)、准确度、敏感度、特异性、阳性预测值、阴性预测值分别为:0.709(95%CI:0.643~0.769)、0.695、0.750、0.412、0.707、0.629,其模型性能最优;基于最优算法,开发了一个网络服务应用程序(http://150.***.58.4)用于对贫血的在线预测。结论本研究基于深度学习算法利用睑结膜图像建立的贫血筛查模型快速高效,InceptionV3模型的综合预测性能更优。

关键词：深度学习贫血睑结膜无创

基于术中指标建立非心胸手术术后呼吸衰竭梯度提升预测模型

在线全文

学校读者我要写书评

暂无评论

陆军军医大学学报 2023年第8期45卷 739-745页

作者：黄家号李雨捷刘祥杨智勇孙义竹梁浩易斌鲁开智陆军军医大学(第三军医大学)第一附属医院麻醉科重庆400038

目的开发并验证一个基于术中指标在非心胸手术患者术后呼吸衰竭(postoperative respiratory failure,PRF)的机器学习预测模型。方法纳入西南医院2014年1月至2019年6月行非心胸手术患者705例[训练集565例(PRF 128例),测试集140例(PRF 35... 详细信息

目的开发并验证一个基于术中指标在非心胸手术患者术后呼吸衰竭(postoperative respiratory failure,PRF)的机器学习预测模型。方法纳入西南医院2014年1月至2019年6月行非心胸手术患者705例[训练集565例(PRF 128例),测试集140例(PRF 35例)]、华西医院2019年5月至2020年1月和中山医院2019年6月至2019年12月行非心胸手术患者164例[验证集164例(PRF 41例)]。提取患者19项术中预测指标,通过6种机器学习算法:梯度提升模型(gradient boosting model,GBM)、广义线性模型(generalize linear model,GLM)、k-近邻(k-nearest neighbor,KNN)、朴素贝叶斯(naive bayes,NB)、神经网络(neural network,NNET),支持向量机(support vector machine linear,SVM)开发及测试模型,并在验证集进行验证,通过各模型间性能对比,筛选出最佳模型,最终建立网页预测模型。结果GBM获得了最佳性能,准确性76.2%(95%CI:69.0%~82.5%),受试者操作曲线下面积(area under the subject curve,AUC):0.794(95%CI:0.707~0.882),精准-召回曲线下面积(area under the precision-recall curve,AUPRC):0.641,Brier评分:0.169。结论基于GBM算法开发的模型具有更高的泛化性、准确性、临床实用性,并有助于避免过度拟合。建立的网页预测模型(http://150.***.55.139)可为患者PRF提供新的动态评估方法,量化手术风险。

关键词：术后呼吸衰竭预测模型临床实用性量化手术风险

基于机器学习算法建立非心脏手术术后认知功能障碍风险预测模型

在线全文

学校读者我要写书评

暂无评论

陆军军医大学学报 2023年第8期45卷 759-764页

作者：宋艾璘李雨捷舒欣胡小艳钟坤华陈芋文张炬易斌鲁开智陆军军医大学(第三军医大学)第一附属医院麻醉科重庆400038 中国科学院重庆绿色智能技术研究院重庆400714

目的利用术前指标基于机器学习算法建立预测非心脏手术术后认知功能障碍(postoperative cognitive dysfunction,POCD)的风险模型。方法采用病例-对照研究设计方案,在我院2014年1月至2019年1月医疗大数据平台上筛选行非心脏手术术后发生P... 详细信息

目的利用术前指标基于机器学习算法建立预测非心脏手术术后认知功能障碍(postoperative cognitive dysfunction,POCD)的风险模型。方法采用病例-对照研究设计方案,在我院2014年1月至2019年1月医疗大数据平台上筛选行非心脏手术术后发生POCD的患者,最终纳入92例患者为POCD组,在同样的大数据平台上依照POCD组手术类型和年龄段,按1∶3比例随机匹配同时间段的276例术后未发生POCD且治愈出院的患者为非POCD组。同时,将这368例患者按照7∶3比例随机分为建模组(n=259)和验证组(n=109)。在数据预处理和特征选择术前临床指标(一般资料、相关评分表、手术相关信息和术前检验指标)之后,基于逻辑回归(logistic regression,LR)、支持向量机(support vector machine,SVM)、决策树(Decision Tree)3种机器学习算法建立非心脏手术POCD的风险预测模型。模型效能通过敏感性、特异性、F1分数、受试者工作特征曲线下面积(area under the receiver operating characteristic curve,AUC)进行评估。结果3种机器学习算法建立的非心脏手术POCD的预测模型以SVM算法最优,验证组中AUC为0.957(95%CI:0.905~1.000),敏感度和特异度分别为92.6%和98.8%。结论初步构建出基于机器学习算法建立非心脏手术POCD的预测模型,该模型对POCD有良好的预测能力。

关键词：机器学习预测模型术后认知功能障碍

基于深度高斯过程回归的术中失血量和血红蛋白损失量估计

在线全文

学校读者我要写书评

暂无评论

计算机应用 2023年第S2期43卷 306-311页

作者：钟坤华陈芋文秦小林张力戈李雨捷胡小艳易斌中国科学院重庆绿色智能技术研究院重庆400714 中国科学院成都计算机应用研究所自动推理实验室成都610299 陆军军医大学第一附属医院麻醉科重庆400038

动态、准确地估计失血量对围手术期管理非常重要,但测量术中失血量是一项困难的任务,特别是当血液被医用纱布吸收时。针对上述情况,以浸血医用纱布图像为研究对象,提出一种基于密集连接卷积网络(DenseNet)的深度多任务高斯过程回归(DMG... 详细信息

动态、准确地估计失血量对围手术期管理非常重要,但测量术中失血量是一项困难的任务,特别是当血液被医用纱布吸收时。针对上述情况,以浸血医用纱布图像为研究对象,提出一种基于密集连接卷积网络(DenseNet)的深度多任务高斯过程回归(DMGPR)方法,以估计术中失血量和血红蛋白(Hb)损失量。DMGPR方法包括两部分:用于自动特征提取的密集连接卷积网络(DenseNet)和用于失血量及Hb损失量估计的多任务高斯回归过程(MGPR)。在手术室正常光照条件下,采集了569张浸血纱布图像,并对这些图像进行在线扩充,构建实验数据集。以决定系数(R2)、均方误差(MSE)和平均绝对误差(MAE)为性能指标,对DMGPR方法进行评估和对比。在失血量估计方面,DMGPR方法的R2、MSE和MAE分别为0.971、0.080和0.151;而在Hb损失量估计方面,DMGPR方法的相应结果分别为0.950、0.217和0.292。实验结果表明,DMGPR可以动态、准确地估计术中失血量和Hb损失量,并且比其他对比方法具有更好的性能,更适合于主要使用医用纱布和小到中度失血的手术。

关键词：术中失血量密集连接卷积网络深度高斯过程回归特征提取血红蛋白

人工智能算法在脓毒症早期筛选诊断、治疗及预后预测中的应用进展

在线全文

学校读者我要写书评

暂无评论

国际麻醉学与复苏杂志 2022年第12期43卷 1327-1331页

作者：舒欣李雨捷张炬易斌陆军军医大学第一附属医院麻醉科重庆400038 中国科学院重庆绿色智能研究院重庆400714

脓毒症是宿主对感染反应失调所致的危及生命的器官功能障碍,其高发病率与致死率严重加重了医疗负担,是全球卫生优先事项之一。基于大量数据产生的人工智能(artificial intelligence,AI)算法可为脓毒症管理提供快捷、优化的途径。文章主... 详细信息

脓毒症是宿主对感染反应失调所致的危及生命的器官功能障碍,其高发病率与致死率严重加重了医疗负担,是全球卫生优先事项之一。基于大量数据产生的人工智能(artificial intelligence,AI)算法可为脓毒症管理提供快捷、优化的途径。文章主要对近年来AI算法在脓毒症领域应用的最新进展进行综述,包括在早期筛选诊断、治疗管理及预后预测中的应用,并探讨目前AI算法应用于临床急需解决的关键问题,以期为未来脓毒症领域AI算法的应用提供参考。

关键词：脓毒症人工智能机器学习