首页 > 文献资料
-
基于Fisher判别分析的多囊卵巢综合征中医证候分布规律
目的 多囊卵巢综合征(polycystic ovary syndrome,PCOS)属慢性排卵功能障碍性疾病,以高雄激素m症及持续无排卵为特征.本文探讨Fisher判别分析(Fisher discriminant analysis,FDA)方法在多囊卵巢综合征中医证候分布规律中的应用以及证型与性激素水平的关系.方法 中医诊断PCOS患者62例,临床辨证分为3组,其中包括肾虚证组21例、肾虚痰阻证组22例及肾虚肝郁证组19例.证型包括单证和兼夹证,需要采用二次分型的方法.先运用Logistic回归法将肾虚证分离出来,再运用Fisher判别分析法对剩余的兼夹证进行第二次分类.运用统计学方法分析证型与性激素水平的相关性.结果 Fisher判别分析法对PCOS兼夹证的分型的正确率为87.8％.肾虚痰阻证组黄体生成素(luteinizing hormone,LH)显著高于肾虚肝郁证组(P＜0.05),肾虚肝郁证组泌乳素(prolactin,PRL)显著高于肾虚痰阻证组(P＜0.05).结论 Fisher判别函数模型检验结果与实际情况吻合良好,可以作为一种辅助工具来帮助研究PCOS中医证候分布规律.PCOS证型与性激素变化有相关性.
-
基于PCA和Fisher判别分析的锋电位在线分类算法
目的 大脑神经元胞外单细胞动作电位(即锋电位)的检测与分类,是研究神经系统处理信息机制的关键.常用方法是实验完成后对记录到的数据进行离线检测与分类,然而当需要在短时完成大量数据的处理或无线传输时,则需实现锋电位的在线检测与分类.方法 为实现在线分类,本文在利用主成分分析法(principal component analysis,PCA)和K均值分类法对一定量数据进行预分类的基础上,提出使用PCA结合Fisher判别分析的方法,并与基于距离的模板匹配法、BP神经网络分类法进行了分类效果和算法复杂度的比较.结果 仿真结果表明,该方法相对于其它两种方法在分类效果和算法复杂度上都具有一定的优势.结论 此方法是实现锋电位在线分类的不错选择.
-
基于脑电运动速度想象的单次识别研究
基于运动想象脑电节律活动的脑-机接口是脑-机接口系统研究中的重要范式之一.本研究给出一种基于运动速度想象的新的研究范式,探索在该研究范式下对运动速度想象具有反应性的脑电节律活动,并进行单次识别.采集了4个健康志愿者想象左手食指快速运动(4 Hz)和慢速运动(1 Hz)时的脑电信号,速度由节拍器定节奏和训练.通过能量谱分析,在C3、Cz和C4通道发现了对运动速度想象具有反应性的频带:9 Hz至13 Hz.提取通道C3、Cz和C4上9 Hz至13 Hz频带能量构建特征空间,分别利用Fisher判别分析和多层感知器神经网络进行运动速度想象的单次识别,对于左手食指快速运动和慢速运动想象,Fisher判别分析和多层感知器神经网络取得的平均误分类率分别是27.7±1.2％,28.4±4.6％,正确识别率均在70％以上.结果表明,尽管运动速度想象的单次识别是一个困难的挑战,但通过精心设计研究范式,适当训练被试,能够诱发出对速度起反应的特征频带,基于脑电单次识别运动速度想象是可行的,该研究可望能够为脑-机接口提供额外的新的速度控制参数.
关键词： 脑电 运动速度想象 Fisher判别分析 多层感知器 脑-机接口 -
卵巢肿块性质的超声指标Fisher判别分析
目的 建立超声指标诊断卵巢肿块性质的Fisher判别函数. 方法 共纳入卵巢非赘生性肿块48个、良性肿瘤137个、恶性肿瘤120个,以超声参数和多普勒血流信号为鉴别诊断变量,逐步判别分析法建立Fisher判别函数,绘制投影图和领域图,回代法和刀切法验证. 结果 ①单因素分析显示3类肿块在体积、内部舒张期血流速度(V_(ED))、平均血流速度(V_m)、阻力指数(RI)、搏动指数(PI)、物理性质、回声、形态、边界、腹水和血流信号分级方面差异有统计学意义;②逐步判别分析法显示肿块体积、RI、物理性质、形态和边界是鉴别诊断肿块性质的显著指标.两个非标化Fisher判别函数是:方程1=0.002体积-4.793RI+0.468物理性质+0.862形态+0.901边界-4.076;方程2=0.005体积-1.480RI+0.851物理性质-0.291形态+0.443边界+0.524;③3类卵巢肿块的二维坐标投影散点基本清晰;④回代法验证函数诊断非赘生性肿块、良性肿瘤和恶性肿瘤的敏感度分别是91.67%、88.32%和93.33%;刀切法分别是91.67%、86.13%和93.33%. 结论 超声肿块体积、RI、物理性质、形态和边界是鉴别卵巢肿块性质的显著指标,Fisher判别分析法可为卵巢肿块性质提供较好的鉴别诊断模型.
关键词： 超声检查 卵巢囊肿 肿瘤 Fisher判别分析 -
logistic回归模型与Fisher判别在围术期并发症高危因素筛选中的应用
详细说明了logistic回归模型与Fisher判别在分析并发症产生的影响因素、预测并发症发生的高危人群中的应用,便于科学地指导术前和术后预见性护理工作.
关键词： logistic回归模型 Fisher判别分析 并发症 高危因素 -
口腔黏膜组织癌变趋势的判别
目的 建立口腔黏膜组织癌变趋势的判别方法,为临床肿瘤或疑似癌变组织的早期诊断奠定研究基础.方法 采用RT-PCR技术检测口腔正常组织、口腔黏膜白斑病组织(oral leukoplakia,OLK)和口腔鳞状细胞癌(oral squamous cell carcinoma,OSCC)组织的肿瘤相关基因(NF-1,ACP-2,BCL-2,CLK-3,FKBP-8,SOCS-3,XRCC-1,CTNNB-1,GDF-15)表达水平,采用Fisher判别分析建立口腔黏膜组织癌变趋势大小的基因诊断方法,采用Crossvalidated(a)法对本判别方法进行评价.结果 ACP-2,BCL-2及SOCS-3 3个基因的表达水平在3种组织间逐渐降低(P＜0.05),而NF-1,CLK-3,FKBP-8,XRCC-1,CTNNB-1及GDF-15 6个基因的表达水平在3种组织间逐渐升高(P＜0.05)；口腔黏膜组织癌变趋势的判别公式:Y1=-16.811 +0.477XNF-1 +0.540XACP-2 -0.543XCTNNB-1-0.089XSOCS-3；Y2=-35.832+ 0.073XNF-1 -0.074XACP-2 +0.306XCTNNB-1 +0.191XSOCS-3；判别界值＞8.6513可判定为无癌变,0.1117～8.6513为轻度癌变组织,＜0.1117为癌变组织；采用Cross-validated(a)法进行评价,总判别符合率为100％；交互判别符合率为100％,灵敏度为100％,特异度为100％.结论 本研究建立了口腔黏膜组织癌变趋势判别公式,有助于其基因诊断方法的建立.
关键词： 口腔黏膜白斑病 口腔鳞状细胞癌 基因诊断 Fisher判别分析 -
OLK基因诊断方法的建立
目的:建立口腔黏膜白斑( OLK)基因诊断方法,为临床OLK的早期诊断提供研究基础.方法:采用RT - PCR技术检测OLK组织和非OLK组织的肿瘤相关基因(NF -1、ACP -2、BCL -2、CLK -3、FKBP -8、SOCS -3、XRCC -1、CTNNB -1、GDF - 15)表达水平,使用SPSS 11.5软件建立数据库,采用Fisher判别分析建立口腔黏膜白斑基因诊断方法,采用Cross - validated (a)法对本判别方法进行评价.结果:本研究建立了口腔黏膜组织是否为OLK组织的判别公式为:Y=-27.503 +0.094XGDF-15 -0.122XNF-1+0.368XSOCS-3,确定了判别界值Yc=-1.186,即大于-1.186为非OLK组织,小于-1.186为OLK组织.总判别符合率为、交互判别符合率、灵敏度、特异度均为100％.结论:本研究为临床OLK的基因诊断提供了简便易行的操作方法.
关键词： 口腔黏膜白斑病/OLK 基因诊断 Fisher判别分析 -
基于肿瘤标志群的人工神经网络模型对肺癌辅助诊断的价值
目的：应用人工神经网络（ ANN）技术联合肿瘤标志蛋白芯片建立人工智能辅助诊断模型，探讨其对肺癌诊断的价值。方法：采用蛋白芯片（化学发光法）测定201例肺良性疾病患者、202例肺癌患者血清中9项血清肿瘤标志（ CA199、Ferritin、AFP、CA153、CEA、NSE、CA242、CA125、HGH）的水平，logistic回归筛选，建立ANN和Fisher判别分析肺癌诊断模型。结果：4项肿瘤标志（ CEA、NSE、Ferritin、CA153）建立的ANN模型的ROC曲线下面积（0．850）高于4项 Fisher、6项（CEA、NSE、Ferritin、CA153、AFP、CA125） Fisher 和6项 ANN的ROC 曲线下面积（0．793、0．767和0．825）。结论：基于4种肿瘤标志的ANN模型判别诊断肺癌的效果优于Fisher判别分析，优于6种肿瘤标志建立的ANN模型；ANN模型诊断效果优于Fisher判别分析。
关键词： 肺癌 肿瘤标志 人工神经网络 Fisher判别分析 辅助诊断 -
不同产地葱元素含量差异及Fisher判别分析
目的 了解不同产地葱药材中各种元素含量的差异.方法 将中国大陆地区划分为东北、华北、西北、西南、华南及长江中下游6个区域,实地采集各区域葱样83份;用ICP-MS电感耦合等离子体质谱仪,辅以原子荧光和原子吸收光谱仪,检测葱样本中16种元素含量;用SPSS软件进行方差分析,并建立Fisher判别方程.结果 方差分析显示各地区葱样本中Pb、Fe、Se、Ni、Zn、Ge、Ca元素含量有显著差异(P＜0.05);Fisher判别分析显示典型判别函数的特征值分别为1.648、0.874、0.463、0.174、0.116,Chi-square值为159.89,90.75,46.17,19.17,7.76,P＜0.05,说明所建立的判别方程是有意义的,用所建立的判别函数回判,符合率为74.7%.结论 不同产地葱元素含量不同,用所建立的Fisher判别方程能判定葱的产地.
关键词： 葱 元素分布 Fisher判别分析 -
基于Fisher判别分析的双相障碍识别研究
目的:双相障碍与单相抑郁是两种不同的疾病,具有不同的发病机制,临床治疗方法也不相同,临床上早期区分却存在很大难度.本文探讨Fisher判别分析(FDA)方法在双相障碍早期识别中的应用,以达到早期区分单相抑郁和双相障碍的目的.方法:样本数据分为两组,包括复发抑郁组144例及双相障碍组107例;通过对两组间的一般人口学资料及临床特征进行统计学分析,筛选出具有显著差别的9个变量作为Fisher判别分析的观测变量;随机抽取部分案例作为训练样本,其它作为测试样本,针对训练样本,建立Fisher线性判别函数模型,并采用回代估计法计算误判率;将所建立的FDA模型用于测试样本的预测.结果:两组在年龄、性别、文化程度、家庭情况等一般人口学资料方面无显著性差异,而在HAMD、HAMA、YMRS、MDQ、HCL等9个变量间存在显著性差异.将此9个变量作为观测变量,建立终的Fisher判别函数模型,此模型对于训练样本的预测正确率为81.6％,对于测试样本的预测正确率为74.2％.结论:Fisher判别函数模型检验结果与实际情况吻合良好,能够用于双相障碍的早期识别中.
关键词： 双相障碍 早期识别 Fisher判别分析 模型 -
MRS影像学特征在抑郁症辅助诊断中的应用
目的 建立基于1H-MRS影像学特征的抑郁症判别函数模型,并分析该模型在抑郁症诊断中的应用价值.方法 采用医院为基础的病例对照研究,使用MRI和1H-MRS检测33例抑郁症患者(抑郁症组)和20例正常对照人群(对照组)的大脑特定部位,同时使用汉密尔顿抑郁量表进行抑郁程度的评估.采用Fisher逐步判别法建立判别诊断模型并验证模型的判别效果.结果 抑郁症组MRI检测结果未见结构异常,1H-MRS结果显示其右前额叶Cr值,两侧海马NAA值、Cr值和Cho值以及两侧基底节NAA值与对照组比较差异有统计学意义(P＜0.05).Fisher逐步判别分析得到含有左海马Cr值和左基底节NAA值两个变量的判别函数模型.回顾性误判法和交叉核实法对该模型进行验证,正确率均为83％;ROC曲线下面积达0.834.结论 基于1H-MRS影像学特征的抑郁症判别函数模型对抑郁症的临床辅助鉴别诊断具有一定的应用前景.
关键词： 抑郁症 1H-MRS Fisher判别分析 海马 基底节 -
应用Fisher判别分析评价超声弹性成像在甲状腺结节鉴别诊断中的价值
目的：应用 Fisher 判别函数鉴别诊断模型评价常规超声和超声弹性成像对甲状腺结节良恶性鉴别诊断的价值。方法回顾性分析95例患者共120枚甲状腺结节的常规超声和超声弹性成像图像，以病理结果为金标准，对有统计学意义的超声特征参数进行判别分析，并检验该判别函数模型的鉴别诊断效果。结果通过 Fisher 判别分析共纳入8个具有统计学意义的特征参数，包括：纵横比、边缘、边界、形态、内部回声、钙化、弹性评分及结节内剪切波速度。回代性检验评价建立的判别函数鉴别诊断模型对甲状腺结节的特异性、敏感性及诊断准确率分别为98.6%、86.3%及93.3%；刀切法评价其特异性、敏感性及诊断准确率分别为98.6%、87.4%及93.3%。结论应用 Fisher 判别分析法建立的诊断模型有助于克服主观性判断的影响，为甲状腺结节良恶性鉴别诊断提供良好参考，具有较好的临床应用价值。
关键词： 超声检查 甲状腺结节 良恶性 Fisher判别分析 弹性成像 -
基于血清4项肿瘤标志物的模式识别技术对胃癌的诊断价值
目的 探讨基于血清CA72-4、CA242、CA19-9和CEA的模式识别技术对胃癌的诊断价值.方法 对212例胃癌患者,116例胃良性疾病患者和117例健康体检者血清4项肿瘤标志物测定结果进行回顾性分析,比较单项指标的诊断效能并建立主成分分析(PCA)、决策树、PCA-决策树和Fisher判别分析模型.结果 4项指标中CA242对胃癌的诊断效能佳,ROC曲线下面积(AUC)为0.841(95％CI:0.804～0.877).PCA模型表明,胃癌组患者血清4项肿瘤标志物代谢明显紊乱,与胃良性疾病患者和健康对照个体差异显著.决策树、PCA-决策树和Fisher判别分析模型对胃癌患者的诊断准确率分别为58.6％、65.5％和58.6％,预测准确率分别为65.7％、77.6％和73.1％;对非胃癌患者(胃良性疾病患者+健康对照)的诊断准确率分别为94.7％、99.4％和97.6％,预测准确率分别为87.5％、96.9％和96.9％.结论 血清CA72-4、CA242、CA19-9和CEA的PCA-决策树模型有助于胃癌的鉴别诊断和预测分析.
关键词： 胃癌 诊断 主成分分析 决策树 Fisher判别分析 -
均匀设计与判别分析在活性钙颗粒剂处方优化中的应用
目的:研究活性钙颗粒剂的处方工艺.方法:应用了均匀设计和Fisher判别分析对处方进行优化,实验中以辅料一、辅料二和乙醇浓度3个因素,设7个水平进行实验,评价指标设有3个,有2个指标是连续性变量,有1个指标是离散性变量,连续性变量采用多元线形回归分析,离散性变量采用Fisher判别分析.结果:确定优的处方为:活性钙5g、辅料一17.5g、辅料二9.3g、淀粉18.2g、35%乙醇适量.结论:均匀设计和Fisher判别分析联用于处方优化获得较好的效果.
关键词： 均匀设计 Fisher判别分析 活性钙颗粒剂
