首页 > 文献资料
-
MiRscreen:一种基于遗传算法和支持向量机的microRNA前体识别方法
目的:构建具有高敏感性和高特异性的microRNA前体(pre-miRNA)识别模型.方法:根据300例经实验验证的人pre-miRNA和300例从3'UTR折成茎环结构的片段中随机选取的阴性样本,基于支持向量机方法构建了区分pre-miRNA和pseudo pre-miRNA的分类器MiRscreen.为提高分类器的性能,我们采用遗传算法搜索影响分类器性能的2个重要参数C和γ.结果与结论:该分类器对训练集的敏感性为99.33%,特异性为100%,对剩余的91例人pre-miRNA和91例3′UTR中的pseudo pre-miRNA敏感性和特异性分别达到91.21% (83/91) 和93.41% (85/91).在除人以外的其他20种动物和病毒的1 353例pre-miRNA中,MiRscreen正确判断出其中的1 192例,敏感性达到88.10%,其中马雷克病病毒、猕猴淋巴隐病毒、EB病毒、猿猴病毒40、非洲爪蟾、狗、绵羊和猕猴共计8个物种的敏感性达到100%;在随机抽取的100条RefSeq基因折叠形成的556例pseudo pre-miRNA和随机抽取的797例人19号染色体折叠形成的pseudo pre-miRNA(共计1 353例混合阴性样本)中,MiRscreen的特异性达到85.14%(1 152/1 353).与其他6种同类方法相比,MiRscreen在敏感性和特异性方面均具有较好的性能,分类精度高,达到86.62%,比其他方法高6%以上;MiRscreen的AUC值达到0.938,也明显高于其他方法.
-
基于大型药物数据库的药物相互作用预测模型
目的 本文旨在建立一种便捷而有效的药物-药物相互作用(DDI)预测模型.方法 从DrugBank、SIDER等数据库获取相关药物数据,计算分子结构相似度、3D药效团相似度、相互作用组相似度、靶点相似度以及药物不良反应相似度.利用以上5种药物相似度,来提取特征属性,再用粒子群优化的支持向量机方法,根据特征属性进行建模,实施分类预测.结果 在交叉验证中,该模型获得了较高的特异度和灵敏度(受试者工作特征曲线的曲线下面积＞0.97).独立的外部药物相互作用数据库(Drugs.com)也验证了模型的正确性与合理性.结论 本模型对于药物评价的安全性和有效性具有重要意义.
-
支持向量机在ICU急性肾损伤患者住院死亡风险预测中的应用
目的:应用支持向量机(support vector machine,SVM)构建ICU中急性肾功能损伤(acute kidney injury,AKI)患者住院死亡风险预测模型,并比较其与ICU中常用的简化急性生理评分(the simplified acute physiology score Ⅱ,SAPS-Ⅱ)的预测性能.方法:使用重症监护医学信息市场(medical information mart for intensive careⅢ,MIMICⅢ)数据库作为数据来源.根据2012年国际改善全球肾脏病预后组织(Kidney Disease:Improving Global Outcomes,KDIGO)发表的《急性肾损伤临床实践指南》选取MIMIC-Ⅲ数据库中的AKI患者,使用SAPS-Ⅱ中所用到的全部变量构建SVM模型,同时,使用MIMIC-Ⅲ数据库定制本地化的SAPS-Ⅱ模型,并比较其与SVM模型的性能优劣.模型性能的评价方法使用五折交叉验证,评价指标使用受试者工作特征曲线下面积(area under the receiver operationcharacteristic curve,AUROC)、均方根误差(root mean squared error,RMSE)、灵敏度、特异度和准确率.此外,使用Bland-Altman图评估两模型预测结果的一致性.结果:共纳入19 044例AKI患者,死亡率为13.58％.五折交叉验证的结果显示,SVM模型和定制版SAPS-Ⅱ模型的平均AUROC分别为0.86和0.81,差异有统计学意义(t=13.0,P＜0.001),SVM模型和定制版SAPS-Ⅱ模型的平均RMSE分别为0.29和0.31,差异有统计学意义(t=-9.6,P＜0.001).在灵敏度和约登指数方面,SVM模型也均优于定制版的SAPS-Ⅱ模型,差异均具有统计学意义(P分别为0.002和＜0.001).Bland-Altman图显示当患者死亡风险极高或者极低时,两模型预测结果的一致性较好.当患者死亡风险的不确定性较大时,两模型预测结果的一致性较差.结论:相比于传统的SAPS-Ⅱ模型,SVM模型的预测性能更优,且当患者的死亡风险不确定时,这种优势尤其明显;SVM模型更有利于AKI患者的死亡风险识别与早期干预,能有效地帮助ICU临床医生提高医疗质量,有很强的临床应用价值.
-
基于生物信息特征提取的中医辨证
目的 伴随着科技的发展,在多学科交叉的今天,选择合适的计算方法对中医证候进行辨证是实现中医规范化的重要任务.方法 将多类支持向量机与基于互信息的特征提取方法相结合,用特征提取方法多源数据进行处理,获得信息量大的症状组合,然后利用这些症状组合作为多类支持向量机的输入进行分类,根据支持向量机的输出就可得到相应的证候.该方法的有效性通过一个中医实例得到证实.结果 通过对各种方法获得的症状组合的正确辨证率对比发现,用基于互信息的特征提取方法获得的症状组合较为理想.结论 特征提取的结果优于单纯的基于互信息选择症状组合的结果,同时看出支持向量机适合中医证候的小样本研究,客观说明了互信息、特征提取和支持向量机3种方法的结合适用于中医辨证分类.
-
基于视觉注意和支持向量机的舌体自动分割方法的探讨
目的 探讨基于视觉注意机制和支持向量机(support vector machine,SVM)相结合的舌体自动提取方法,为模式识别方法应用到舌体图像分割提供新思路.方法 将舌图像经过视觉特征提取、高斯金字塔多尺度变换,依据多特征图合并策略生成显著图并进行二值化；在不需要人工干预的情况下,从显著区和非显著区分别随机选取正类训练样本和负类训练样本；机器自动学习样本创建SVM分类器,后用训练好的SVM分类器对完整舌图像进行分割.结果 获得的正常舌、裂纹舌、齿痕舌等多种舌象的分割效果良好,没有特征信息丢失的情况,并具有一定的抗噪能力.结论 基于视觉注意和SVM舌体自动分割方法在无需任何先验知识的条件下,具有较稳定的分割效果,为模式识别应用到舌体图像分割中作了初步探索.
-
基于计算机辅助水解技术的芝麻寡肽体内转运性质预测
目的 基于计算机辅助技术预测芝麻寡肽的体内转运性质.方法 收集芝麻中主要蛋白序列,以计算机辅助技术进行蛋白模拟消化水解,将水解获得的寡肽构建虚拟结构数据库.构建寡肽转运蛋白2(PepT2)底物的支持向量机(SVM)模型后,通过数据处理和参数寻优方法挑选优模型,预测芝麻PepT2的底物成分.结果 芝麻寡肽数据库共包括346条寡肽,利用筛选获得45个描述符,创建了PepT2底物的SVM模型,模型的准确度、灵敏度和特异性均在85%以上.经受试者工作特征(ROC)分析,其曲线下面积(AUC) >0.9.利用PepT2底物模型预测芝麻寡肽数据库,发现36%的芝麻寡肽具有通过PepT2转运的潜在活性.结论 利用计算机辅助水解技术构建了中药芝麻寡肽数据库,以PepT2底物SVM模型预测芝麻寡肽的体内转运性质,模型准确、稳定、灵敏、特异性高,为开展寡肽类中药成分的性质研究提供了新的方法.
-
中医推拿对颈椎病慢性疼痛患者静息态脑功能默认网络的影响
目的 研究颈椎病慢性疼痛患者经中医手法治疗后,与临床症状相关的静息态脑功能默认网络的变化.方法 研究对象为10例颈椎病慢性疼痛的患者,经12周中医推拿治疗,治疗前后予以颈椎病量表评估,并采用西门子3.0T磁共振仪采集静息态脑功能磁共振数据,应用独立成分分析提取出默认网络(Default Mode Network,DMN),采用支持向量机(Support Vector Machine,SVM)算法,找出对区分治疗前后的DMN有意义的脑区,对这些区域与临床量表的相关性进行分析.结果 与病情呈正相关的脑区有左侧额下回三角区,左额中回眶部,左舌回和右侧楔前叶;与病情呈负相关的脑区包括左侧直回,双侧中央后回,右侧额上回,右顶下回.结论 中医推拿手法治疗可能通过调整患者的DMN,增强DMN与感觉和执行相关皮层的连接,抑制其与认知、视觉及记忆皮层的联系而改善临床症状.
-
中药复方药效的支持向量机预测研究
目的:建立中药复方药效的支持向量机预测模型.方法:基于正交设计和支持向量机,提出了中药复方药效的预测模型,用1个实例对模型精度进行了验证和评价.结果:自检验和留一法检验的复相关系数分别为0.980和0.736.结论:本研究所建立的模型可以对复方不同组合进行药效预测,可为进一步实验验证提供参考,在寻找中药复方有效组分、并探讨以有效组分为处方进行中药复方二次开发模式方面具有良好的应用前景.
-
基于磁共振图像的帕金森病自动分类算法研究
帕金森病(Parkinson disease,PD)是常见的神经退行性疾病.其主要病理改变是黑质纹状体细胞的进行性损失和细胞内路易斯小体的聚集,只有到神经元死亡50％-60％后才会出现临床症状.因此PD的早期诊断一直是一个难题.该研究是基于matlab的特征数据提取、特征筛选以及应用支持向量机的分类器训练与测试.参考了ALL大脑分区模版进行特征数据提取,提取的特征包括脑脊液CSF、灰质GM、白质WM、低频振幅ALFF、区域一致性ReHo.特征选择采用三种方法,包括:双样本T检验、基于距离的Relief排序和基于支持向量机的递归特征消除(SVM-RFE).将特征选择得到的特征向量集用于分类器训练,分类器测试使用留一交叉验证.结果表明,基于MRI影像学分析方法,可以对早期PD的出现进行准确率较高的预测.
-
孤立性肺结节计算机辅助诊断系统的研究
孤立性肺结节是肺部的常见病灶,其良恶性诊断具有重要医学意义.利用计算机辅助诊断系统可提高医生诊断的准确率,减少漏诊率.构建了肺结节计算机辅助诊断系统.并选取了77例已确诊的孤立性肺结节的CT图像,并对系统性能进行了研究.该辅助诊断系统提取了67个图像模式特征.通过遗传算法对特征进行选择.选出高性能的特征子集,采用支持向量机作为分类器鉴别结节良恶性.试验结果表明,该方法可获得可靠的结果.
-
医学图像管理及辅助分析系统的框架设计与实现
随着医院数字化和信息化的全面展开,医院的医学影像数据正在呈海量增长,现有对图像的管理、处理及应用方式面临着巨大的挑战.针对这些问题,研制了一个多源信息管理分析系统,并结合支持向量机的分析方法,辅助现有诊断和研究过程中对图像及医学信息的利用.
-
蜂窝状的交互式三维分割方法
目的:蜂窝状肺病变是一种常见的肺部影像学表现,因其边缘模糊、分布弥散的特点,难于分割.为准确地对蜂窝状肺病变进行三维分割,提出一种基于支持向量机的交互式三维分割方法.方法:根据肺部CT图像灰度分布特性基于自适应阈值分割算法对肺部进行分割,然后采用区域生长法将气管剔除出肺部区域,并针对肺部区域采用修正后的分水岭算法按照纹理分割成小区域,对各区域进行纹理特征的提取,采用训练后的支持向量机对各区域进行判别是否为蜂窝状病变区域.后根据切片层数据间的关联性基于面积重叠去除假阳性区域.结果:针对临床已确诊的30例病例参照医生分割的金标准进行测试,对分割算法进行了敏感性、特异性、准确率等指标的评估,该方法能分割出可靠的蜂窝状肺部病变区域.
-
基于梯度方向直方图特征的医学图像分类方法
医学图像分类是医学图像处理中的研究热点,可应用在医疗信息化、辅助诊断和远程医学等方面.采用梯度方向的直方图特征来描述图片的边缘特征,利用支持向量机对多类别的图片进行分类,并比较了几种不同的核函数对分类效果的影响.
-
胸部CT图像中孤立性肺结节良恶性快速分类分析
目的:针对现阶段胸部CT图像中孤立性肺结节良恶性定性诊断分析速度比较慢的难题提出了一种可以快速准确诊断孤立性肺结节良恶性的方法--计算机辅助诊断法.方法:将60例病例进行分组,对照组按照传统分析方法,实验组运用计算机辅助诊断法.把两组测试所用时间、敏感性、准确度进行比较,以进行分类性能评价.结果:实验组中30例病例,孤立性肺结节的总共测试时间仅为7.07s,准确度高达70.70%,敏感性72.88%.对照组中30例病例,孤立性肺结节的总共测试时间为358.67s,准确度仅为48.36%,敏感性仅为41.55%,两者具有统计学差异(P<0.05).结论:利用该诊断法对孤立性肺结节良恶性判断的速度是传统方法的51倍,极大地提高了孤立性肺结节良恶性的判别速度,为该种疾病的定性诊断提供了高效、客观、便捷的辅助手段.
-
基于智能算法的卵巢恶性肿瘤标记物组模型的建模分析
目的：基于智能算法建立卵巢恶性肿瘤标记物组模型，并评价其检验效能。方法以经确诊的143例卵巢恶性肿瘤患者和98例卵巢良性肿瘤患者以及120例健康妇女为研究对象，以CA125、HE4、TSGF、TNF-α、VEGF、CA153、CA199、IL-68种血清标记物的水平为自变量，以病理分型结果（恶性肿瘤、良性肿瘤、健康）为因变量，应用支持向量机算法建立卵巢恶性肿瘤标记物组模型，并通过60例测试集评价其效果。结果成功建立了基于支持向量机的卵巢恶性肿瘤标记物组模型，支持向量机模型的诊断准确度为95%。结论支持向量机模型的诊断准确率较高，对卵巢肿瘤的鉴别诊断有重要的参考价值，可做为临床医生的辅助诊断工具。
-
基于支持向量机的血清蛋白质指纹图谱模型在甲状腺癌诊断中的应用研究
目的检测甲状腺癌患者血清蛋白质,筛选特异的蛋白质标记物,构建用于甲状腺癌早期诊断的血清蛋白质指纹图谱模型.方法应用表面增强激光解吸电离主飞行时间质谱(SELDI-TOF-MS)技术测定81例血清标本(其中甲状腺癌40例,甲状腺腺瘤9例,健康人32例)的蛋白质质谱,用随机抽取的66例标本(甲状腺癌32例,甲状腺腺瘤9例,健康人25例)作为训练组,应用支持向量机进行训练和交叉验证,建立甲状腺癌诊断模型.结果区分甲状腺癌和正常人的诊断模型经留一法交叉检验该模型敏感性87.5%,特异性80%,用15例未知血清经盲法测试其敏感性为100%,特异性为86%;区分甲状腺癌和甲状腺腺瘤的诊断模型经留一法交叉检验敏感性为96.8%,特异性为89%.区分乳头状甲状腺癌和其他病理类型的甲状腺癌的诊断模型对乳头状甲状腺癌的判别率为97%,对其他病理类型的甲状腺癌的判别率为71%.结论表面增强激光解吸电离主飞行时间质谱技术结合支持向量机建立甲状腺癌血清蛋白质指纹图谱模型为早期筛查及诊断甲状腺癌提供了一种特异性强、敏感性高的新方法,值得进一步研究和应用.
-
基于支持向量机对肾母细胞瘤患者血清蛋白质标记物的检测分析
目的 检测肾母细胞瘤患儿血清蛋白质,筛选特异的蛋白质标记物,构建用于肾母细胞瘤早期诊断的血清蛋白质指纹图谱模型.方法 应用表面增强激光解析电离飞行时间质谱(SELDI-TOF-MS)技术检测75例血清标本(肾母细胞瘤30例,其他小儿腹腔实体肿瘤25例,正常小儿20例)的蛋白质质谱,并结合生物信息学方法(支持向量机)分析数据.结果 筛选出4个质荷比(m/z)位于6984.5、6455.5、6914.0、3256.7的蛋白质标记物,构建肾母细胞瘤早期诊断模型.经留一法交叉验证,区分肾母细胞瘤和正常小儿的血清蛋白质指纹图谱模型特异性为100%,敏感性为100%;区分肾母细胞瘤与其他腹腔实体肿瘤的血清蛋白质指纹图谱模型特异性为100%,敏感性为93.3%.结论 表面增强激光解析电离飞行时间质谱技术结合支持向量机建立肾母细胞瘤血清蛋白质指纹图谱模型是早期诊断肾母细胞瘤的一种特异性强、敏感性高的新方法,可用于肾母细胞瘤早期诊断与肿瘤标志物筛选研究.
关键词： 肾母细胞瘤 诊断 支持向量机 蛋白质指纹图谱 SELDI-TOF-MS -
基于深度LSTM神经网络的在线消费评论情感分类研究
目的:探索深度神经网络在情感分类方面的应用.方法:采用长短型记忆神经网络构造在线消费评论情感的分类器,对收集的消费评论进行二分类的情感分析.结果:LSTM模型的准确率为89.29％,优于实验对照SVM模型的86.10％,深度神经网络模型在本文的情感分类中的准确率较高.结论:使用深度神经网络对消费评论的情感进行分类,可减少人工特征的干预,提高在线消费评论情感分类的效率.
-
支持向量机在水源水化学耗氧量预测中的应用
目的 应用支持向量机预测水中化学耗氧量(COD)浓度.方法 基于研究地区的水质监测数据,运用支持向量机算法构建水质预测模型,并对某水厂水源水中COD月均浓度进行了预测.结果 建模以后预测结果显示,训练集的均方误差MSE=0.039 4,相关系数R=0.805 4,平均相对误差MRE=4.22％;两组测试集样本的相对误差分别为8.89％和0.98％.结论 该模型的预测性能良好,简便易行,可以为水质预测提供新思路.
-
基于机器学习的结直肠癌血清标志物筛选及早期诊断模型评估
目的 提高结直肠癌患者的早期诊断率,帮助结直肠癌患者及早发现病情获得佳治疗效果(治疗早期直肠癌能达到超过90％的五年存活率).方法 在机器学习理论和实践的基础上,提出了采用向前法作逐步逻辑回归(Logistic Regression,LR)分析筛选出具有诊断参考性的血清标志物,并利用支持向量机(Support Vector Machine,SVM)与后向传播(Back Propagation,BP)神经网络等模型建立结直肠癌早期诊断模型的方法.结果 实验结果显示CEA、CA1724、CA242、CA153和HSP60这5种肿瘤标志物对结直肠癌均有一定的诊断价值,该五种肿瘤标志物LR模型联合检测效果明显高于五种肿瘤标志物任一指标.结论 联合检测有助于提高结直肠癌检测的灵敏度,而且基于LR建立的结直肠癌检测模型相较于基于SVM建立的模型具有更高的诊断价值.
