首页 > 文献资料
-
SPSS Modeler在脑卒中患者预后建模中的应用
随着医院信息化的发展,将医疗大数据应用于疾病风险预测领域中的研究逐渐增多.住院病案首页是一类质量较高的医疗大数据,包含患者的基本信息、疾病诊断、手术和操作、住院管理等数据.本研究以北京市两家医院近三年脑卒中患者住院病案首页为研究对象,提取性别、年龄、入院途径、脑卒中类型、慢性合并症等信息作为输入特征,构建基于K近邻分类算法的死亡风险预测模型,分析不同因素对于死亡风险预测的影响.
-
基于数学模型的药物成分肾毒性预测
目的:探索使用定量结构-活性关系(quantitative structure-activity relationship,QSAR)模型预测中药成分肾毒性.方法:从西药不良反应数据库(side effect resource,SIDER)收集得到了876个化合物(有肾毒不良反应记录的344个,无肾毒不良反应记录的532个),在对其描述符计算、挑选后,利用k近邻算法和支持向量机算法进行模型构建,然后用22个中药成分作为外部测试集进行模型验证评价.结果:利用k近邻算法当参数k为l时构建的模型对有肾毒数据集具有较好的预测能力,其对外部测试集中有肾毒成分的预测准确率也高,达到64.29％.支持向量机算法构建的模型虽然有较高的自身预测准确率(80.25％),但是其对外部测试集的预测准确率仅有45.45％.结论:采用k近邻算法构建的模型对外部测试集22个中药成分具有较好的预测能力.
-
基于K近邻的蛋白质功能的预测方法
蛋白质功能预测是后基因组时代研究的重要问题之一.利用蛋白质相互作用网络,提出了一种基于K近邻的蛋白质功能的注释方法,该方法首先计算待注释的蛋白质与所有已知功能的蛋白质间的注释环境相似度,选择其中相似的K个蛋白质,将该K个蛋白质的功能注释进行加权平均,作为待注释的蛋白质终的功能注释.在构建的芽殖酵母的两组大规模相互作用数据集上的测试表明,该方法能够有效的对蛋白质功能进行预测,在蛋白质功能预测性能上优于现有的一些方法.
-
鸽子目标导向抉择任务中锋电位和局部场电位解码性能对比研究
锋电位(spike)和局部场电位(LFP)是神经信息解码中重要的两种候选信号.目前对于哺乳类动物的spike信号和LFP信号的解码性能已有诸多研究,但是鸟类大脑这两种信号的解码性能并不清楚.本文利用6只鸽子为模式动物,基于留一法和k近邻的神经解码算法(LOO-kNN)研究了目标导向抉择任务中弓状皮质尾外侧区spike信号和LFP信号的解码性能,探讨了通道个数、解码窗口的位置、长度以及近邻k值等参数对解码性能的影响.本文研究结果表明,spike信号和LFP信号都能有效解码出目标导向抉择任务中鸽子的运动意图,但是相比之下,LFP信号解码性能更优异,而且受通道个数的影响较弱.对于解码窗口而言,佳解码窗口位于目标导向抉择过程的后半段,而且LFP信号佳解码窗口长度(0.3 s)明显短于spike信号佳解码窗口长度(1 s).对于LOO-kN算法来说,解码正确率与k值的大小基本成反比,k值越小解码正确率越高.通过以上本文研究结果,期望本文方法有助于大脑神经信息处理机制的解析,对于脑-机接口等进一步深入研究提供一定的参考价值.
