检索结果-南通市图书馆

机器学习在自闭症儿童早期识别和诊断领域的应用

在线全文

学校读者我要写书评

暂无评论

心理科学进展 2022年第10期30卷 2321-2337,I0001-I0003页

作者：侯婷婷陈潇孔德彭邵秀筠林丰勋李开云济南大学教育与心理科学学院济南250022 浙江工业大学教育科学与技术学院杭州310023 青岛市晨星实验学校青岛266000

早发现、早诊断、早干预是开展自闭症儿童教育康复工作的共识,但传统识别和诊断方法局限及专业人员缺乏常导致自闭症儿童错失最佳干预期。为改善现状,近年来机器学习凭借其客观准确、简便灵活等方面的优势,逐渐被应用到自闭症的早期预... 详细信息

早发现、早诊断、早干预是开展自闭症儿童教育康复工作的共识,但传统识别和诊断方法局限及专业人员缺乏常导致自闭症儿童错失最佳干预期。为改善现状,近年来机器学习凭借其客观准确、简便灵活等方面的优势,逐渐被应用到自闭症的早期预测、筛查、诊断和评估过程管理中,积累了较为丰富的成果。但是机器学习也在研究对象选取、分类数据采集和理论模型应用等方面存在局限性。未来研究应推动构建孕产期和新生儿病理生理信息追踪数据库和标准化模型分类指标体系,同时继续优化算法,加快智能化自闭症识别和诊断理论成果向实践转化。

关键词：机器学习自闭症早期识别与诊断系统综述

机器学习模型在地下水埋深模拟中的适应性分析

在线全文

学校读者我要写书评

暂无评论

河海大学学报（自然科学版） 2022年第4期50卷 74-82页

作者：牛欣怡鲁程鹏卢佳赟吴成城刘波束龙仓河海大学水文水资源学院江苏南京210098

基于京津冀气象、社会资料及地下水埋深数据,构建支持向量机(SVM)、循环神经网络(RNN)和长短期记忆神经网络(LSTM)模型对京津冀地区13个城市地下水埋深进行了模拟,并以确定系数、均方根误差、平均绝对百分比误差、纳什系数对3个模型的... 详细信息

基于京津冀气象、社会资料及地下水埋深数据,构建支持向量机(SVM)、循环神经网络(RNN)和长短期记忆神经网络(LSTM)模型对京津冀地区13个城市地下水埋深进行了模拟,并以确定系数、均方根误差、平均绝对百分比误差、纳什系数对3个模型的适应性进行了评价。结果表明:LSTM模型模拟效果最好,其次是RNN,SVM最差;不同城市基于LSTM模型进行地下水埋深模拟时参数调整最少,适应性最好,SVM模型参数调整最多。将3个模型应用于随机选择的6个测站进行验证,在华北地区浅层地下水埋深模拟方面,LSTM模型模拟精度和可信度最好,适应性最强,是该地区地下水埋深模拟的首选机器学习模型。

关键词：机器学习地下水埋深支持向量机长短期记忆神经网络循环神经网络京津冀

在线全文

学校读者我要写书评

暂无评论

机器学习在电子病历中应用的可视化分析

中国医学物理学杂志 2023年第4期40卷 521-528页

作者：韦彩萍李翔翁梦晴吴旭生胡庆元刘建炜胡德华中南大学生命科学学院湖南长沙410013 广西医科大学信息与管理学院广西南宁530021 深圳市卫生健康发展研究和数据管理中心广东深圳518028 中南大学湘雅三医院湖南长沙410013

为探讨机器学习方法在电子病历领域应用的研究现状、研究热点与前沿,以2000~2022年中国知网数据库和Web of Science核心合集数据库中关于机器学习在电子病历中应用的相关文献为数据来源,运用CiteSpace软件绘制国家/地区、作者、机构、... 详细信息

为探讨机器学习方法在电子病历领域应用的研究现状、研究热点与前沿,以2000~2022年中国知网数据库和Web of Science核心合集数据库中关于机器学习在电子病历中应用的相关文献为数据来源,运用CiteSpace软件绘制国家/地区、作者、机构、关键词共现以及关键词突现5个方面科学知识图谱进行可视化对比分析,以便了解国内外研究的差异,为该领域的研究和发展提供参考。

关键词：电子病历知识图谱机器学习深度学习可视化分析

机器学习在抑郁症患者面部特征研究中的应用进展

在线全文

学校读者我要写书评

暂无评论

上海交通大学学报（医学版） 2022年第1期42卷 124-129页

作者：李欣范青上海交通大学医学院附属精神卫生中心上海200030

抑郁症是一种严重影响生活质量的精神疾病,会伴随面部表情和行为的变化。目前的抑郁症诊断评估主要依赖于自我报告和医师观察,存在主观误差,缺乏客观有效的自动化抑郁症检测方法。面部表情可呈现重要的非语言信息,研究人员开始通过面部... 详细信息

抑郁症是一种严重影响生活质量的精神疾病,会伴随面部表情和行为的变化。目前的抑郁症诊断评估主要依赖于自我报告和医师观察,存在主观误差,缺乏客观有效的自动化抑郁症检测方法。面部表情可呈现重要的非语言信息,研究人员开始通过面部特征来辅助识别和诊断抑郁症。而机器学习作为人工智能的核心,在图像特征提取和分类方面有着突出的优势。该文以IEEE Xplore数据库为数据来源,梳理了2016—2021年基于机器学习的抑郁症患者面部特征研究,并对未来研究方向进行展望,以期为日后抑郁症临床智能化诊断和跟踪提供参考。

关键词：抑郁症机器学习面部特征面部表情

机器学习联合生物信息学鉴定骨关节炎细胞衰老关键基因及验证

在线全文

学校读者我要写书评

暂无评论

中国组织工程研究 2024年第20期28卷 3196-3201页

作者：袁长深廖书宁李哲吴思萍陈乐伟刘晋邑李彦宏段戡广西中医药大学第一附属医院四肢骨伤科广西壮族自治区南宁市530023 广西中医药大学研究生院广西壮族自治区南宁市530000

背景:细胞衰老与骨关节炎的发生、发展密切相关,但具体作用靶点及调控机制尚不清楚。目的:综合生物信息学和机器学习方法挖掘细胞衰老介导骨关节炎的关键基因,并利用实验加以验证,探讨细胞衰老在骨关节炎中的作用。方法:从GEO数据库中... 详细信息

背景:细胞衰老与骨关节炎的发生、发展密切相关,但具体作用靶点及调控机制尚不清楚。目的:综合生物信息学和机器学习方法挖掘细胞衰老介导骨关节炎的关键基因,并利用实验加以验证,探讨细胞衰老在骨关节炎中的作用。方法:从GEO数据库中获得骨关节炎基因表达谱以及从CellAge数据库中获得细胞衰老相关基因,二者取交集并提取交集基因表达量进行差异分析,然后对差异基因进行GO和KEGG分析,接着通过PPI网络分析和机器学习筛选骨关节炎细胞衰老关键基因,并进行体外细胞实验验证,采用qPCR方法检测关键基因的表达。结果与结论:①获得31个骨关节炎细胞衰老差异基因,GO分析显示主要参与白细胞分化调节、单核细胞分化、T细胞分化调节等生物过程,在DNA转录因子结合、组蛋白去乙酰化酶结合、染色质DNA结合、趋化因子结合中发挥作用;②KEGG分析表明骨关节炎细胞衰老差异基因主要在JAK/STAT信号通路、PI3K/Akt信号通路、FoxO信号通路中被激活;③通过PPI网络拓扑学分析和机器学习方法筛选出骨关节炎细胞衰老关键基因MYC;④体外细胞实验结果表明,实验组骨关节炎软骨细胞中MYC mRNA表达明显低于对照组(正常软骨细胞),差异有显著性意义(P<0.05);⑤结果表明,MYC可作为骨关节炎细胞衰老的关键基因,可能通过介导免疫应答、炎症反应和转录调控等成为骨关节炎防治的新靶标。

关键词：骨关节炎细胞衰老关键基因细胞实验机器学习生物信息学

在线全文

学校读者我要写书评

暂无评论

机器学习辅助燃料分子设计

化学进展 2024年

作者：张香文侯放刘睿宸王莅李国柱天津大学化工学院先进燃料与化学推进剂教育部重点实验室物质绿色创造与制造海河实验室

燃料的理论设计一直是推进技术领域的研究重点，可以有效避免复杂的实验和潜在的危险，指导燃料合成并与实验结果相互验证，对开发新一代燃料至关重要。然而，基团贡献法、量子化学方法等传统的计算方法存在准确性差和效率低的缺陷。机... 详细信息

燃料的理论设计一直是推进技术领域的研究重点，可以有效避免复杂的实验和潜在的危险，指导燃料合成并与实验结果相互验证，对开发新一代燃料至关重要。然而，基团贡献法、量子化学方法等传统的计算方法存在准确性差和效率低的缺陷。机器学习的快速发展，为设计和开发潜在高能燃料开辟了新的途径，在性质预测和分子设计两个关键环节均展现了强大的能力。本综述首先介绍了几种用于机器学习的燃料分子描述方式，分别对用于燃料性质预测和分子设计的不同机器学习模型进行简要介绍。进一步对机器学习辅助燃料性质预测和新型燃料分子设计的研究现状进行了归纳总结。最后，探讨了机器学习在燃料应用领域所面临的挑战及后续发展方向。

关键词：燃料机器学习分子描述性质预测分子设计高通量筛选

机器学习数据驱动与机理模型融合及可解释性问题

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

石油物探 2022年第2期61卷 205-212页

作者：肖立志中国石油大学(北京)人工智能学院北京102249 中国石油大学(北京)地球物理学院北京102249 中国石油大学(北京)非常规油气教育部国际合作联合实验室北京102249

回顾了油气人工智能研究进展,分析其面临的一些关键问题。将油气人工智能研究分成两个层级,即学术型油气人工智能研究和工业级油气人工智能研究,两者面临不同的问题和挑战。对于学术型油气人工智能应用场景,主要是关心算法及其相关理论... 详细信息

回顾了油气人工智能研究进展,分析其面临的一些关键问题。将油气人工智能研究分成两个层级,即学术型油气人工智能研究和工业级油气人工智能研究,两者面临不同的问题和挑战。对于学术型油气人工智能应用场景,主要是关心算法及其相关理论应用,着重于解决智能点的局部问题;对于工业级人工智能应用场景,更多的要关心数据治理、数据集、平台、多源多尺度多模态数据融合建模、数据驱动与机理模型融合建模以及机器学习模型的可解释性等问题。针对数据驱动与机理模型融合问题,提出3种途径,即算法融合、评价方法融合、数据集融合,并给出实验验证。针对油气人工智能模型的可解释性问题,指出工业级油气人工智能必须具有可解释性,并提出初步解决方案,包括建模前、建模中、建模后的多级解释模型。最后,作者认为,探寻工业级人工智能理论和应用场景发展之路,必须厘清人工智能时代“物理世界”、“数字世界”、“人类认知世界”、“机器认知世界”和“机器正在改造的世界”之间的互动关系。

关键词：人工智能机器学习地球物理勘探数据驱动机理模型融合可解释性

机器学习结合CT影像组学预测2型糖尿病患者椎体脆性骨折

在线全文

学校读者我要写书评

暂无评论

重庆医科大学学报 2024年第4期49卷 493-499页

作者：李思燚曾燕钟健刘巧秦芬洪玉芹周代全重庆医科大学附属第三医院放射科重庆401120 重庆医科大学附属第三医院内分泌科重庆401120

目的:探讨机器学习结合CT影像组学特征构建模型预测2型糖尿病(type 2 diabetes mellitus,T2DM)患者椎体脆性骨折的准确性。方法:回顾性收集140例(新发椎体脆性骨折的T2DM患者70例,对照组70例)患者CT图像和临床资料。另收集18例(椎体脆... 详细信息

目的:探讨机器学习结合CT影像组学特征构建模型预测2型糖尿病(type 2 diabetes mellitus,T2DM)患者椎体脆性骨折的准确性。方法:回顾性收集140例(新发椎体脆性骨折的T2DM患者70例,对照组70例)患者CT图像和临床资料。另收集18例(椎体脆性骨折的T2DM患者16例,对照组2例)患者的前次CT图像和临床资料作为外部验证集。应用单因素分析、Pearson相关分析、最小冗余度最大相关度算法、二元logistic回归分析和最小绝对值收缩和选择算子模型筛选出最佳特征。基于支持向量机、多层感知器、极端梯度提升(eXtreme Gradient Boosting,XGBoost)构建预测模型。应用受试者工作特征曲线下面积(area under the curve,AUC)对模型效能进行评估。结果:从每例患者的CT图像中提取了1037个影像组学特征,然后精简为14个影像组学特征。17个临床特征中性别、年龄、体质指数是预测结果的独立因素。其中XGBoost分类器表现最好,训练集中XGBoost模型的AUC分别为1.000、0.929、1.000;测试集中分别为0.954、0.862、0.969。结论:基于临床及影像组学特征构建的XGBoost模型可作为预测T2DM患者椎体脆性骨折的一种无创性辅助工具。

关键词：影像组学机器学习 2型糖尿病脆性骨折计算机体层成像

在线全文

学校读者我要写书评

暂无评论

机器学习在检验医学中的应用进展与挑战

中华检验医学杂志 2022年第12期45卷 1288-1292页

作者：魏佳蒋理穆原徐建苏州大学附属儿童医院检验科苏州215025 南京医科大学第一附属医院检验学部南京210029

机器学习(ML)的临床应用是智能化检验医学发展的重要方向。近年来,随着开源软件的广泛使用和许多公共数据库资源的公开,研究人员所需的ML专业知识门槛降低,ML在检验医学领域的研究报道激增;但研究结果的严谨性、可解释性和可复现性仍存... 详细信息

机器学习(ML)的临床应用是智能化检验医学发展的重要方向。近年来,随着开源软件的广泛使用和许多公共数据库资源的公开,研究人员所需的ML专业知识门槛降低,ML在检验医学领域的研究报道激增;但研究结果的严谨性、可解释性和可复现性仍存在疑问。为应对上述挑战,须严格把关数据质量,提高模型适用性,建立切实的模型评估和优化策略,增强模型的可解释性和透明度等。ML技术有助于突破检验大数据的临床转化瓶颈,提升检验诊断服务的质量。

关键词：检验医学机器学习神经网络可解释性