XiaoMi-AI文件搜索系统
World File Search System特性曲线
在精细的...
在2021年，美国有182,520例脑和中枢神经系统（CNS）癌症和2024年的25,400例新病例。通过磁共振成像（MRI）的早期检测可显着改善患者的预后。 这项研究微调一个残留的神经网络50版2（RESNET50V2），一种卷积神经网络（CNN），具有挤压和兴奋（SE）注意机制，以增强基于MRI的肿瘤分类，而不是基本的RESNET50V2模型。 通过合并SE块，该模型改善了特征优先级，有效区分神经胶质瘤（n = 901），脑膜瘤（n = 913），垂体肿瘤（n = 844）和无肿瘤（n = 438）。 经过公开可用的Kaggle数据集（n = 3,096）的培训，提议的模型达到了98.4％的分类精度，并且在接收器操作特性曲线（AUC）下的面积为0.999，其表现优于基本型号的92.6％精度，并且0.987 AUC。 在脑膜瘤（P = 0.013）和垂体肿瘤（p = 0.015）的分类精度中观察到在统计学上显着改善，这突出了SE模型分化肿瘤类型的卓越能力。 SE注意机制通过解决特征提取限制和医学成像中的长距离依赖性来提高诊断精度。 然而，仍然存在诸如数据集大小约束，过度拟合风险和潜在表示偏见之类的挑战。 未来的研究将着重于扩展数据集多样性，探索视觉变压器（VIT）以改善功能提取，并采用生成性对抗网络（GAN）进行数据增强。通过磁共振成像（MRI）的早期检测可显着改善患者的预后。这项研究微调一个残留的神经网络50版2（RESNET50V2），一种卷积神经网络（CNN），具有挤压和兴奋（SE）注意机制，以增强基于MRI的肿瘤分类，而不是基本的RESNET50V2模型。通过合并SE块，该模型改善了特征优先级，有效区分神经胶质瘤（n = 901），脑膜瘤（n = 913），垂体肿瘤（n = 844）和无肿瘤（n = 438）。经过公开可用的Kaggle数据集（n = 3,096）的培训，提议的模型达到了98.4％的分类精度，并且在接收器操作特性曲线（AUC）下的面积为0.999，其表现优于基本型号的92.6％精度，并且0.987 AUC。在统计学上显着改善，这突出了SE模型分化肿瘤类型的卓越能力。SE注意机制通过解决特征提取限制和医学成像中的长距离依赖性来提高诊断精度。然而，仍然存在诸如数据集大小约束，过度拟合风险和潜在表示偏见之类的挑战。未来的研究将着重于扩展数据集多样性，探索视觉变压器（VIT）以改善功能提取，并采用生成性对抗网络（GAN）进行数据增强。
使用 DQ-1 卫星上的轨道高光谱分辨率激光雷达测量气溶胶光学特性：检索和验证
摘要。大气环境监测卫星 (AEMS)，也称为大旗一号或 DQ-1，于 2022 年 4 月发射；其主要有效载荷之一是高光谱分辨率激光雷达 (HSRL) 系统。这个新系统能够精确测量全球气溶胶的光学特性，在云气溶胶激光雷达和红外探路者卫星观测 (CALIPSO) 卫星退役后，可用于地球科学界。开发合适的检索算法并验证检索结果是必要的。本研究展示了一种使用 DQ-1 HSRL 系统的气溶胶光学特性检索算法。该方法检索了气溶胶的线性去极化率、后向散射系数、消光系数和光学深度。为了验证目的，我们将检索到的结果与通过 CALIPSO 获得的结果进行了比较。结果表明，两组数据的曲线高度一致，DQ-1 的信噪比 (SNR) 有所提高。美国国家航空航天局 (NASA) 微脉冲激光雷达网络 (MPLNET) 站的光学特性曲线被选中与 DQ-1 测量值进行验证，相对误差为 25%。2022 年 6 月至 2022 年 12 月期间，使用 DQ-1 卫星和 AErosol RObotic NETwork (AERONET) 进行的气溶胶光学深度测量进行了关联，得出的 R 2 值等于 0.803。我们使用 DQ-1 数据集初步研究了撒哈拉沙尘和南大西洋的输送过程
hrwr：基于HyperGraph随机步行的潜在有效药物组合，然后重新启动
与其他方法相比，通过剩下的交叉验证（LOOCV），HRWR算法的接收器操作特性曲线（AUROC）下的面积高于其他算法。对肺癌，乳腺癌和结直肠癌的案例研究表明，HRWR具有预测潜在有效组合的强大能力，这为癌症治疗提供了新的前景。HTTPS://GITHUB.com/wangqi27/hrwr可以免费获得HRWR的代码和数据集。引言该药物组合是一种固定剂量组合，包括一种单一剂型的两个或多个活性药物成分，与单一疗法相比具有多个优势（Collier，2012）（Liu等，2014）：它具有较高的效率或具有较低的个体剂量，它也可以降低药物副效率和毒性。许多研究表明，协同药物组合被广泛用于艾滋病，癌症和其他复杂疾病的治疗（Feliu等，2009）。然而，实验性筛查有效的药物组合是耗时，昂贵，费力且效率低下的。因此，我们远没有探索可能具有潜在的积极临床作用的大量可能组合。数学模型可以产生预测结果，我们可以将其组合与高预测评分视为潜在的有效药物组合。小规模的药物试验可以大大减少对人类和物质资源的投资。
医学计算方法 - LUMEN 出版
摘要：如今，由于每年损失的金额巨大，各种类型的欺诈交易都成为金融业关注的焦点。考虑到数字化时代的海量数据和银行欺诈的复杂性，手动分析欺诈交易是不可行的。在这种情况下，检测欺诈的问题可以通过机器学习算法来实现，因为它们能够在非常大的数据集中检测出微小的异常。这里出现的问题是数据集高度不平衡，这意味着非欺诈案例严重主导了欺诈案例。在本文中，我们将介绍三种处理不平衡数据集的方法：重采样方法（欠采样和过采样）、成本敏感训练和树算法（决策树、随机森林和朴素贝叶斯），强调了为什么在测量算法性能时不应在这种类型的数据集上使用接收者操作特性曲线 (ROC) 的想法。实验测试应用于 890,977 笔银行交易，以观察上述三种方法的性能指标。关键词：银行欺诈；机器学习算法；重采样；成本敏感训练；不平衡数据集。引用方式：Mînăstireanu, E.-A.，& Meşniţă, G. (2020)。信用卡欺诈检测中处理不平衡数据集的方法。大脑。人工智能和神经科学的广泛研究，11 (1)，131-143。https://doi.org/10.18662/brain/11.1/19
比较机器学习算法和小儿创伤性脑损伤的术中颅内损伤的可预测性
目的是讨论了头部CT检查的过度使用，尤其是那些因脑部造成轻微创伤的脑损伤（TBI）。在破坏性时代，机器学习（ML）是在神经外科各个领域使用和应用的预测工具之一。这项研究的目的是比较ML和nom图之间的预测性能，这是TBI儿童颅CT后颅内损伤的另一种预测工具。将来自964名TBI儿科患者的方法数据随机分为训练数据集（75％），以进行超疗法调整和来自14个临床参数的监督学习，而其余数据（25％）用于销售目的。此外，从具有相似参数的训练数据集开发了一个nom图。因此，通过基于Web的应用程序构建和部署了来自各种ML算法的模型。结果，随机森林分类器（RFC）算法确立了预测大脑颅内颅内损伤的最佳性能。RFC算法性能的接收器操作特性曲线下的面积为0.80，灵敏度为0.34，特异性为0.95，0.73正预测值，0.80负值预测值和0.79的精度。结论ML算法，尤其是RFC，表明相对出色的预测性能，可以支持医生在过度使用头部CT扫描并降低一般实践中小儿TBI的治疗费用。
用于检测海面浮油的 SAR 图像
摘要 — 遥感技术是全球海洋表面监测的重要环节，雷达是检测海洋污染的有效传感器。当局在实际使用时，通常必须在覆盖面积和雷达收集的信息量之间做出权衡。为了确定最合适的成像模式，基于接收器操作特性曲线分析的方法已应用于由两个在 L 波段运行的机载系统收集的原始数据集，这两个系统都具有非常低的仪器本底噪声。该数据集是在海上控制释放矿物油和植物油期间获得的。研究了各种与极化相关的量，并评估了它们检测浮油覆盖区域的能力。本文报告了主要极化参数的相对顺序。当传感器的本底噪声足够低时，建议使用 HV，因为它提供最强的浮油 - 海面对比度。否则，VV 被发现是检测海面浮油最相关的参数。在所有研究的四极化设置中，与单极化数据相比，没有发现显著的附加值。更具体地说，通过增加仪器噪声水平，证明了所研究的结合四个极化通道的极化量具有主要由仪器本底噪声（即噪声等效西格玛零）驱动的检测性能。该结果是通过向原始合成孔径雷达 (SAR) 数据逐步添加噪声获得的，表明清洁海域和污染区域之间的极化区分主要源于单次反弹散射和噪声之间的差异化行为。因此，使用以低仪器本底噪声收集的 SAR 数据证明了矿物和植物油覆盖的海面雷达散射与布拉格散射没有偏差。
使用机器学习算法的心脏病预测
摘要。心脏病是人们最频繁遭受的疾病之一。每年，全世界数百万人因其导致死亡的主要原因之一。心脏病的特征是心脏瓣膜，心力衰竭，心律不齐和冠状动脉疾病的问题。心脏病有30多种不同的形式。允许迅速干预和正确的护理，早期和精确的心脏病预测可以大大改善患者的预后。在此模型中，我们研究了机器学习技术在预测心脏病中的应用。我们研究了一个由患者细节（例如人口统计学，医学史和临床措施）组成的大型数据集。认为，当心脏病开始以及如何诊断时，机器学习算法可以正确预测机器学习算法。机器学习技术包括逻辑回归，决策树，XGBoost，梯度提升，随机森林，支持向量机（SVM）和人工神经网络（ANN）用于构建预测模型。一个混合模型，包括ANN，梯度提升，决策树，SVM，随机森林和逻辑回归构成了预测模型。提高模型的准确性。管理缺失值，标准化功能并求解类不平衡。数据集已预处理。使用特征选择方法发现了最佳准确的心脏病预测。接收器的操作特性曲线，回忆，准确性和精度是训练和评估模型的一些性能指标。该模型的主要目标是制定一种新的策略，以创建成功解决实际问题的模型
生活方式与心血管和全...
目标：开发机器学习（ML）风险分层模型，以预测全因死亡率和心血管死亡率，同时估算生活方式行为因素对模型功效的影响。方法：使用40岁或40岁以上的成年人的全国代表性样本进行了前瞻性队列研究，该样本是从2007年至2010年的美国国家卫生和营养检查调查中得出的。参与者进行了全面的面试和医疗实验室检查，随后，他们的记录与国家死亡指数有关，以进行进一步分析。结果：在包括7921名参与者的队列中，记录了9。75年的平均随访持续时间，共有1911年死亡，包括585例心血管相关死亡。该模型预测了接收器操作特性曲线（AUC）下的区域的死亡率为0.848和0.829。根据ML分数将参与者分为不同的风险群体被证明有效。所有的生活方式行为与全因和心血管死亡率均表现出反相关性。随着年龄的增长，饮食评分和久坐时间的明显影响变得越来越明显，而体育活动的观察到相反的趋势。结论：我们开发了一种基于生活方式行为的ML模型，以预测全因和心血管死亡率。开发的模型为评估与生活方式相关风险的评估提供了宝贵的见解。它适用于个人，医疗保健专业人员和政策制定者，以做出明智的决定。关键词：心血管死亡率，全因死亡率，生活方式行为，风险分层，死亡率预测，机器学习。
使用定量脑电图系统检测大血管闭塞性卒中患者血管内治疗后的早期神经功能恶化
摘要 背景 早期神经功能恶化（END）是大血管闭塞（LVO）卒中患者的严重并发症。然而，目前缺乏监测血管内治疗（EVT）后神经功能的方式。本研究旨在评估定量脑电图（qEEG）系统对 END 的诊断准确性。方法 在这项前瞻性嵌套病例对照研究中，我们纳入了 2023 年 5 月至 2024 年 1 月期间来自中国天津不同临床中心的 47 名前循环 LVO 卒中患者和 34 名健康成人。卒中患者在入院时和 EVT 后接受脑电图检查。通过受试者操作特性曲线分析评估 qEEG 特征对 END 的诊断准确性，并通过无伪影数据和设备相关不良事件的百分比评估可行性。结果 14 名卒中患者患有 END（29.8%，95% CI 16.2% 至 43.4%），其中大多数在血管再通后 12 小时内发生（n=11）。qEEG 特征与美国国立卫生研究院卒中量表评分和梗塞体积有显著相关性。匹配后，13 名 END 患者和 26 名对照者被纳入诊断分析。相对 alpha 功率对患侧和健侧半球的诊断准确率最高。健侧半球的最佳电极位置为 FC3/4，患侧半球的最佳电极位置为 F7/8 和 C3/4。未报告与设备相关的不良事件。结论 qEEG 系统对 END 的诊断准确率高，可能成为监测神经功能的有前途的工具。确定最佳电极位置可以提高设备的便利性。临床试验注册号 ChiCTR 2300070829。
用于检测海面浮油的 SAR 图像
摘要 — 遥感技术是全球海洋表面监测的重要环节，雷达是检测海洋污染的有效传感器。当局在实际使用时，通常必须在覆盖面积和雷达收集的信息量之间做出权衡。为了确定最合适的成像模式，基于接收器操作特性曲线分析的方法已应用于由两个在 L 波段运行的机载系统收集的原始数据集，这两个系统都具有非常低的仪器本底噪声。该数据集是在海上控制释放矿物油和植物油期间获得的。研究了各种与极化相关的量，并评估了它们检测浮油覆盖区域的能力。本文报告了主要极化参数的相对顺序。当传感器的本底噪声足够低时，建议使用 HV，因为它提供最强的浮油 - 海面对比度。否则，VV 被发现是检测海面浮油最相关的参数。在所有研究的四极化设置中，与单极化数据相比，没有发现显著的附加值。更具体地说，通过增加仪器噪声水平，证明了所研究的结合四个极化通道的极化量具有主要由仪器本底噪声（即噪声等效西格玛零）驱动的检测性能。该结果是通过向原始合成孔径雷达 (SAR) 数据逐步添加噪声获得的，表明清洁海域和污染区域之间的极化区分主要源于单次反弹散射和噪声之间的差异化行为。因此，使用以低仪器本底噪声收集的 SAR 数据证明了矿物和植物油覆盖的海面雷达散射与布拉格散射没有偏差。