简介:【摘要】本文从教学过程中的时间规划无科学根据的问题出发,分析了通过人工智能协助解决该问题的可行性。详细阐述了Keras多层感知器预测学生完成《计算机应用基础》课堂练习所需时间的数据预处理、模型搭建及训练的全过程,选择了不同的班级使用训练后的模型进行了预测、分析了预测结果并探讨了如何将预测结果运用到教师的实际教学中,展望了人工智能在教学中的应用前景。
简介:摘要电力市场秉承着公平竞争,互惠互利的运作原则,通过利用各种技术、经济、法律等等其他各种各方面的途径,对电力系统中发、输、变、配、售电等各环节中的不同参与者进行管理、组织、规划与协调运行的一个体系,既是供电用电售电、电力系统稳定运行、负荷管理、通信和计算机系统的整体,也监管引导着电力工业的经济发展与技术创新。
简介:目的使用影像组学方法构建一个影像组学标签分类模型,对肺肿瘤良恶性进行分类预测。方法分析四川大学华西医院80例怖肿瘤患者的CT影像学数据,分割肿瘤区域,提取肿瘤形状、大小、强化程度、纹理和小波变换共485个影像组学特征。利用Lasso算法筛选出与肿瘤良恶性鉴别最密切的组学特征,并使用Logistic回归构建诊断肿瘤良恶性的预测模型。采用受试者工作特征(receiveroperatingcharacteristic.ROC)曲线及其曲线下面积(areaundercurve,AUC)来评估该影像组学标签在训练集和验证集中的效能。结果选取3个影像组学特征构建出影像组学标签,具有很好的预测分类效果。训练集的AUC为0870(95%CI:0760-0978J,灵敏度为0.870,特异度为0.818;验证集的AUC为0.853(95%CI:0.717-0.989),灵敏度为0.882,特异度为0.778。结论随着CT在临床诊断中的广泛使用,真有望成为辅助检测肿瘤良恶性的非侵入手段。
简介:目的:探讨基于影像组学的肺结节恶性程度预测。方法:对肺部图像影像数据库(TheLungImageDatabaseConsortium,LIDC)-IDRI(ImageDatabaseResourceInitiative)中604例肺结节患者的CT图像进行分析,其中含肺结节的CT图像共2803幅,医师手工勾画肺结节轮廓。根据肺结节诊断标准,共提取96个灰度、形态和纹理高通量特征,输入基于随机森林的多类分类器进行恶性程度预测。恶性程度分为5级,以数字1~5表示。随机选取1000幅CT图像作为训练样本,剩余的1803幅CT图像作为测试样本,实验重复10次。结果:对于单个肺结节,5类恶性程度的平均预测准确率为77.85%。对于每一类预测,曲线下面积(areaundercurve,AUC)均在0.94以上。对于每例患者,肺结节恶性程度的预测准确率为75.16%。结论:该研究提出的基于影像组学的方法对肺结节恶性程度的预测性能良好,可为临床诊断提供可靠的辅助信息,以利于早期发现病灶。
简介:摘要目的评估影响不同亚型肝衰竭结局预判指标及人工肝支持系统治疗肝衰竭的效果。方法收集2020年1月至12月无锡市第五人民医院重症监护病房(ICU)收治的112例乙型肝炎(乙肝)和非乙肝肝衰竭患者的临床资料,分析急性、亚急性、慢加急性、慢加亚急性、慢性肝衰竭各亚型的相关病因,并比较人工肝支持系统治疗各型肝衰竭的疗效差异。采用Spearman相关性分析法分析各指标的相关性;采用多因素Logistic回归方程分析影响肝衰竭患者预后的危险因素;绘制受试者工作特征曲线(ROC曲线),评价各危险因素对肝衰竭患者预后的预测价值。结果112例肝衰竭患者中由乙肝引起者63例,由非乙肝引起者49例;乙肝肝衰竭组男性是女性的6倍,高于非乙肝肝衰竭组(1.33倍)。乙肝肝衰竭组亚急性肝衰竭患者抗凝血酶Ⅲ(ATⅢ)和总胆红素(TBil)水平均高于肝衰竭前期〔ATⅢ:(59.33±14.57)%比(35.66±20.72)%,TBil(μmol/L):399.21±112.94比206.08±126.96,均P<0.05〕;非乙肝肝衰竭组肝衰竭前期、慢性肝衰竭患者ATⅢ均明显高于急性肝衰竭患者〔(58.33±15.28)%、(44.00±19.10)%比(31.33±7.57)%,均P<0.05〕,急性肝衰竭患者TBil明显低于肝衰竭前期(μmol/L:107.83±49.73比286.20±128.92,P<0.05),亚急性和慢加急性肝衰竭患者TBil水平也明显高于肝衰竭前期(μmol/L:417.27±118.60、373.00±187.00比286.20±128.92,均P<0.05)。非乙肝肝衰竭组中亚急性肝衰竭、慢加亚急性肝衰竭和慢性肝衰竭患者住院时间均较急性肝衰竭患者明显延长(d:36.00±8.31、27.52±11.71、27.72±22.71比11.00±1.41,均P<0.05)。乙肝肝衰竭组和非乙肝肝衰竭组采用人工肝支持系统治疗病死率比较差异无统计学意义(55.6%比50.0%,P>0.05),两组存活患者ATⅢ水平均较死亡者明显升高〔乙肝肝衰竭组:(36.20±6.26)%比(27.33±8.87)%,非乙肝肝衰竭组:(41.06±4.16)%比(28.71±12.35)%,均P<0.01〕。相关性分析显示:乙肝肝衰竭组死亡患者和非乙肝肝衰竭组存活、死亡患者ATⅢ与TBil均呈明显正相关(r值分别为0.069、0.341、0.064,P值分别为0.723、1.196、0.761);乙肝肝衰竭组存活患者ATⅢ与TBil呈明显负相关(r=-0.105,P=0.745)。多因素Logistic回归分析显示:ATⅢ是影响非乙肝肝衰竭患者预后的独立危险因素〔优势比(OR)=1.023,95%可信区间(95%CI)为-0.001~0.001,P=0.007〕;TBil是影响乙肝肝衰竭患者预后的独立危险因素(OR=1.005,95%CI为-0.002~-7.543,P=0.033〕。ROC曲线分析显示:ATⅢ对非乙肝肝衰竭患者的预后有一定预测价值,ROC曲线下面积(AUC)=0.747,95%CI为0.592~0.902,P=0.009;当最佳截断值为39.5%时,其敏感度和特异度分别为83.33%和56.25%。结论人工肝支持系统治疗仍难以有效降低肝衰竭晚期患者的病死率;除ATⅢ外,入院时TBil也可以作为评估急性肝衰竭患者肝脏代偿能力及预测预后的指标。
简介:摘要目的基于肺癌患者胸部定位CT图像进行筛选与放射性肺炎发生相关的放射组学特征,构建机器学习模型,探讨放射组学在预测放射性肺炎发生中的价值。方法回顾性分析行根治性调强放疗的Ⅲ期非小细胞肺癌患者86例,通过随访影像学资料及临床信息将其进行放射性肺炎分级,并收集其定位CT图像。将全肺作为感兴趣体积进行放射组学特征的提取,分析与发生放射性肺炎有关的放射组学特征及临床、剂量学特征。利用支持向量机进行模型构建,通过五折验证方式检测模型预测性能。结果提取出放射组学特征1029个,通过方差分析及LASSO方法共得到与发生放射性肺炎有关的放射组学特征5个。单纯利用放射组学特征构建模型的测试集曲线下面积(AUC)=0.67,利用放射组学特征结合临床、剂量参数构建模型的测试集AUC=0.71。结论在通过利用Ⅲ期非小细胞肺癌患者的定位CT图像进行构建的放射组学模型有预测放射性肺炎发生的潜能,加入临床及剂量参数后可进一步提高预测效能。
简介:摘要目的探讨基于CT的影像组学预测早期急性胰腺炎(AP)进展的价值。方法回顾性分析2013年11月至2021年2月皖南医学院弋矶山医院109例根据新修订的亚特兰大分类诊断为AP的患者,根据随诊结果分为进展组(40例)和非进展组(69例)。所有患者初次发病1周内行腹部平扫及增强CT扫描。采用计算机完全随机方法将患者按7∶3的比例分为训练集(77例,进展组28例,非进展组49例)和验证集(32例,进展组12例,非进展组20例)。在平扫、动脉期、静脉期和延迟期图像上,对胰腺实质全部层面沿胰腺边缘手动勾画感兴趣区并进行三维融合,采用AK软件提取纹理特征,使用最小冗余最大相关和最小绝对收缩和选择算子回归分析对纹理特征降维,建立平扫、动脉期、静脉期、延迟期和4个序列联合的影像组学标签。采用多因素logistic回归分析,联合临床特征和CT特征建立临床模型,联合临床、CT特征和影像组学标签建立综合模型。使用受试者操作特征(ROC)曲线评价各模型预测早期AP进展的效能,应用决策曲线分析(DCA)评估模型的临床应用价值。结果在训练集中,logistic回归结果显示边缘是AP进展的独立预测因子(OR=0.16,P=0.033),联合血钙建立临床模型,其在训练集和验证集中的曲线下面积(AUC)分别为0.69、0.70。在平扫、动脉期、静脉期、延迟期和联合序列图像中分别提取了14、11、13、13、9个最优纹理特征,其中延迟期影像组学标签在训练集和验证集中均有相对更好的预测效能,ROC曲线下面积(AUC)均为0.85。基于延迟期影像组学标签(OR=2.22,P<0.001)及边缘(OR=0.02,P=0.042)建立综合模型,在训练集和验证集中AUC分别为0.90、0.86。DCA显示综合模型和延迟期影像组学标签均具有较好的净收益。结论基于CT影像组学模型预测早期AP患者病情进展具有较高的价值,明显优于临床模型。