xAI 技术可以应用于全局(即解释整个系统的行为)或局部(即解释其针对特定输入的行为)(Guidotti 等人,2018 年)。xAI 技术目前的例子包括显著性图,它可视化输入数据中最重要的预测区域,以及语义解缠,它从底层模型中提取人们可以理解的高级特征(Henne 等人,2020 年)。然而,除了一些值得注意的例外(例如 Cai 等人,2019b 年、Ehsan 等人,2021 年),很少有研究试图评估 xAI 技术的潜在适应性。
图 3 - ERBB2 / ERBB3 组之间的免疫细胞组成比较。我们检测到样本中所有细胞中免疫细胞的百分比组成和所有免疫细胞中 CD8 T 细胞的百分比组成都具有全局显著性。值得注意的是,与 ERBB2 / ERBB3 WT 患者(中位数为 15%)相比,ERBB3 CN amp 患者(所有细胞中免疫细胞的中位数为 10%)的免疫细胞百分比显著降低,而 ERBB3 其他患者的免疫细胞百分比显著增加(22%)。
目的:探索基于梯度提升决策树的人工智能方法,用于预测重症监护病房的全因死亡率,并将其性能与文献中最近的逻辑回归系统以及在同一平台上构建的逻辑回归模型进行比较。方法:使用重症监护医学信息集市数据库训练和测试梯度提升决策树模型和逻辑回归模型。在重症监护病房 5 小时内收集的成年患者 1 小时分辨率生理测量值包括八个常规临床参数。该研究探讨了模型如何学习对患者进行分类,以预测 12 小时内重症监护病房的死亡率或存活率。使用准确度统计数据和接收者操作特征曲线下面积来评估性能。结果:梯度提升树的接收者操作特征曲线下面积为 0.89,而逻辑回归的曲线下面积为 0.806。梯度提升树的准确度为 0.814,而逻辑回归的准确度为 0.782。梯度提升树的诊断比值为 17.823,而逻辑回归的诊断比值为 9.254。梯度提升树的 Cohen's kappa、F 测量值、Matthews 相关系数和显著性更高。结论:梯度提升树的判别能力非常出色。在重症监护病房死亡率预测方面,梯度提升树的表现优于逻辑回归。在所研究的不平衡数据集中,梯度提升树的高诊断比值和显著性值非常重要。
目的:确认液体衰减反转恢复 (FLAIR) 相较于传统快速自旋回波 MR 成像在检测脊髓多发性硬化症 (MS) 方面的预期优势。方法:前瞻性研究了 15 名已知患有脊髓和大脑 MS 的受试者。使用 1.5-T MR 系统上的相控阵线圈对整个脊髓进行成像。矢状 T1 加权和快速自旋回波质子密度和 T2 加权图像之后是快速 FLAIR 图像。改变 FLAIR 参数以优化病变的显著性,最佳反转时间 (TI) 范围为 2400 至 2600。三位放射科医生比较了快速自旋回波和 FLAIR 图像之间的病变显著性和检测率,并达成共识。结果:FLAIR 技术在所有情况下均能有效抑制脑脊液 (CSF) 信号并减少 CSF 脉动和截断伪影。较短的成像参数(重复时间为 4000 至 6000,TI 为 1500 至 2000)一致降低了所有受试者的病变明显性。在使用较长参数(重复时间为 8000 至 11000,TI 为 2400 至 2600)成像的 5 名受试者的 11 个脊髓病变中,有 3 个在 FLAIR 图像上未显示,4 个在 FLAIR 图像上不太明显,4 个在 FLAIR 图像上显示相同或更好。结论:尽管快速 FLAIR 成像在抑制 CSF 信号和减少成像伪影方面取得成功,但在检测脊髓 MS 病变方面似乎并不可靠。
(2008) 指出,RSM 可以清楚地预测参数交互作用和平方项的显著性。RSM 技术可以根据显著参数、它们的交互作用和平方项对响应进行建模。因此,该方法是一种比田口方法更好的优化工具。田口方法的大多数应用都解决单响应问题,对多响应问题的关注有限 (Su, 2013)。在解决多响应问题时,应用传统的田口方法会导致在确定最佳参数设置时产生冲突。也就是说,当找到满足质量特性 A 的最佳参数组合时,可能无法满足质量特性 B。在实践中,工程师通常使用反复试验来调整引线键合参数。为了在不损失质量的情况下降低制造成本,铜线
摘要背景。在随机选择的 30,195 份医院记录样本中,我们发现 1 133 名患者(3.7%)因医疗治疗而导致致残性损伤。我们在此报告对这些不良事件及其与错误、疏忽和残疾的关系的分析。方法。两名医生审阅者独立确定了不良事件,并根据疏忽、管理错误和残疾程度对其进行了评估。其中一位作者根据伤害类型对每个事件进行分类。我们测试了至少有 30 个不良事件的类别中疏忽和残疾率差异的显著性。结果。药物并发症是最常见的不良事件类型(19%),其次是伤口感染(14%)和技术并发症(13%)。近一半的不良事件(48%)与手术有关。手术期间的不良事件
在职场上拥有朋友不仅能给员工带来快乐和意义,还能促进员工的积极行为。在本研究中,我们认为职场友谊对员工的人际公民行为有积极影响。本研究借鉴资源保护理论,探讨职场友谊如何以及何时促进人际公民行为。使用来自 83 个工作组的 620 名员工的时间滞后多源数据,我们发现职场友谊会增加员工的关系能量,从而提高人际公民行为。此外,我们发现关系相互依存的自我构想是影响这种关系显著性的重要调节因素。具体而言,对于具有关系相互依存的自我构想的员工,职场友谊对一个人的关系能量和人际公民行为有更强的积极影响。本研究还讨论了对理论和实践的贡献。
注意:除第一个受试者(潜在异常受试者)的 CEN 中的 fALFF 外,所有相关系数均显著。缩写:ALFF,低频波动幅度;CEN,中央执行网络;DC,度中心性;DMN,默认模式网络;fALFF,低频波动分数幅度;ReHo,区域同质性;SN,显著性网络。a 标记的受试者被视为潜在异常值;因此,对所有原始数据和原始出版物中提到的所有技术问题进行了交叉检查。交叉检查未发现该受试者的任何特殊性(部分信号丢失或移动)。但是,当进行没有这个受试者的额外分析时,这个样本量(15 名参与者)的结果与整个样本(16 名参与者)的结果并没有明显差异,如图 S1 和 S2 所示。
方法:本研究采用横断面研究,研究对象为从亚的斯亚贝巴当地市场采集的水果。采用方便抽样。假设每个摊主提供 30 个样品,共采集了 120 个水果样品。水果样品收集在已消毒的塑料袋中,然后带到实验室进行细菌和寄生虫学调查。所有样品均进行了肠道寄生虫和细菌污染检查。使用 SPSS 软件版本 25 分析数据。使用 Pearson 卡方检验评估分类变量。使用学生 t 检验比较连续变量,连续变量以平均值±标准差表示。使用单变量和多变量分析,计算优势比 (OR) 和 95% 置信区间 (CI)。统计学显著性定义为 P < 0.05。
背景:当个人判断与群体判断相冲突时,个人通常会使自己的判断与群体判断一致。从众行为可能出现在决策的执行层面,也可能是因为社会环境改变了个人对世界的看法。方法:我们使用功能性磁共振成像和同侪压力下的心理旋转任务来研究面对错误信息时个人主义和从众行为的神经基础。结果:从众行为与枕叶-顶叶网络的功能变化有关,尤其是当错误信息来自其他人时。独立性与杏仁核和尾状核活动的增加有关,这些发现与社会规范理论关于独处行为显著性的假设一致。结论:这些发现为感知和情感过程在社会从众过程中的参与提供了第一个生物学证据。