关键词： 机器学习分类算法   临床预测模型   新冠肺炎  

摘要： 新型冠状病毒自2019年12月以来在全球大面积蔓延,在此期间,我国病死率远低于全球平均水平。该数据表明,我国的新冠防控总策略是科学的、是有效的,做好新冠病毒诊断与患者救治,采取各项措施预防或减少死亡,降低疫情感染率和病死率是重中之重。在新冠病毒的检测筛查方面,X光片和CT均有助于诊断该疾病,其精确度高于核酸检测方法,然而,使用X光片进行新冠肺炎筛查也存在人工筛查工作量大,效率低,误诊率高的问题,准确且高效地诊断X光片是检测筛查的关键;在新冠病毒患者的救治方面,研究表明,一旦新冠肺炎出现短时间大面积的爆发,医疗系统将会在不到四周的时间内崩溃,而当医院容量不堪重负时,死亡率就会急速上升,因此,在新冠肺炎患者确诊时对其死亡风险作出准确预测,对于目前疫情严重地区医疗体系超负荷的医院合理安排氧气瓶与ICU床位等重要资源,从而挽救更多患者的生命至关重要。临床预测模型可以为医疗决策提供更加数据化且更加准确的信息,应用愈发普遍。考虑到机器学习算法在复杂数据的处理上表现突出,在医疗记录、医学影像、生命体征等各类数据的诊断与预后预测中达到了超越人工的准确率,本文结合国内疫情防控流程经验,搭建基于机器学习分类算法的新型冠状病毒临床预测模型,在诊断模型部分,使用CNN算法与Res Net算法对包含新冠肺炎、病毒性肺炎与正常人三分类的新冠肺炎X光图像数据集进行分类预测,测试深度学习算法性能,探究适合新冠肺炎诊断的分类算法作为临床辅助诊断的手段;在预后模型部分,本文首先使用非负矩阵分解方法对患者的年龄、已有疾病、临床检验项目三类共47个指标做降维处理,得到转移酶、血细胞、凝血、病毒感染、合并症、肾功能6个新指标,再结合使用KNN算法、随机森林算法、线性判别分析、朴素贝叶斯分类等多种算法作为分类器,对降维后的数据进行判别分析,评估各个模型性能的差异,探究适合新冠病毒患者死亡风险预测的最优分类算法。实证结果显示,在诊断模型部分使用Res Net18、在预后模型部分使用随机森林时临床预测模型准确率最高。因此,综合考虑模型性能,新冠病毒临床预测模型的最优选择为,首先在患者出现临床症状与体征前往医院就诊时,基于X光图像采用Res Net18算法进行诊断,再对于其中的确诊患者,基于临床检查指标使用随机森林算法进行轻重症的区分,最后根据模型结果分配医疗资源,提供针对性治疗。此外,根据预后模型部分的描述性统计分析与实证研究结果可以看出,年龄、已有疾病及部分临床检测指标均是新冠肺炎患者死亡风险的影响因素,因此结合医院实际情况,应当从针对高龄患者倾注更多医疗资源、全面筛查患者既有疾病、持续监控临床检测关键指标几个方面做好救治工作,降低患者死亡风险。

关键词： “清浊”理论   “新冠后状态”   舌苔菌群   16s rRNA   新型冠状病毒  

摘要： 目的1、通过随访“新冠后状态”人群出院6个月的症状及中医证型分布情况,以及“新冠后状态”与非“新冠后状态”人群在中医舌苔、中医体质分型及实验室检查等方面的差异性,筛选出与发生“新冠后状态”相关的高危因素,为早期预防及管理“新冠后状态”提供思路;2、通过分析“新冠后状态”与非“新冠后状态”人群舌苔菌群结构的差异性,并探讨舌苔表观特征与舌苔菌群的相关性,尝试“清浊”理论在“新冠后状态”中的应用,以期对后续临床治疗具有指导意义。 方法采用巢式病例对照的研究方法,以2021年1月至2月期间经规范住院治疗,核酸转阴后出院的新冠肺炎确诊病例为研究对象,收集其体检基线资料。对其进行为期6个月的随访观察,运用中医体质分型量表及中医症候积分量表统计整理中医四诊信息、一般人口学信息、体格检查信息等,在此期间以发生“新冠后状态”患者54人为研究对象,作为“新冠后状态”组(A组),在同期随访中未发生“新冠后状态”人群中,根据纳排标准进行基线数据筛选,按照性别相同、年龄相近,作为匹配条件,进行1:1匹配,选取54例设为非“新冠后状态”组(B组)。对两组临床资料进行统计分析;采用Logistic多因素回归模型分析,筛选出“新冠后状态”的高危因素;同时,规范留取两组人群的舌苔标本,采用高通量16s r RNA基因测序技术,进行测序分析和菌种鉴定,比较不同组样本间菌群的差异情况,揭示出两组舌苔样本中物种组成和样本间群落结构的差异;采用Logistic多因素回归分析舌苔表观特征与舌苔菌群的相关性。 结果1、“新冠后状态”与非“新冠后状态”人群各有54人入组,共108人,两组人群的性别、年龄等,经匹配后组间均无差异(p>0.05)。通过对两组人员基线资料进行统计分析,结果显示,“新冠后状态”人群出院6个月表现最为突出的症状有:记忆力减退35例(64.8%),乏力、烦躁、睡眠障碍18例(33.3%),头晕、脱发15例(27.8%)等,其中医证型分布如下:气虚29例(53.7%)、气滞7例(13%)、血瘀16例(29.6%)、湿阻22例(40.7%)、痰瘀9例(16.7%)、阴虚13例(24.1%)、血虚2例(3.7%)等。两组人群出院6个月在中医体质方面存在统计学差异(p<0.05),其中,“新冠后状态”组以阴虚质、痰湿质、阳虚质居多,非“新冠后状态”组以平和质、气虚质、血瘀质居多。对两组人群出院6个月的实验室检查进行统计分析,其中两组人群的Hct、RBC、ALB、CREA、n Co V Ig G、n Co V Ig M、CD3+CD4+、CD3-CD56+、CD56+有统计学差异(p<0.05),IL-6、ESR与CRP无统计学差异(p>0.05)。两组人群出院6个月的苔色分析显示白苔与黄苔中无统计学差异(p>0.05),苔质分析显示在薄苔与厚苔中有统计学差异(p<0.05),“新冠后状态”组的舌苔偏厚。能否独立行走、入院前是否发热、出现症状距离入院天数等因素有统计学差异(p<0.05);2、多因素Logistic回归分析结果显示,发热是出现“新冠后状态”的独立危险性因素(OR>1),从出现症状到入院间隔时间短、能独立行走是独立的保护性因素(OR<1);3、经高通量16s r RNA基因测序,ɑ多样性分析显示,“新冠后状态”组的口腔菌群丰度及多样性大于非“新冠后状态”组(p<0.05)。β多样性分析显示,两组人群的舌苔相关菌群结构大部分可区分开,两组人群舌苔菌群结构上有显著差异(p=0.004)。差异性分析显示,“新冠后状态”组口腔菌群在门水平有2种菌群,在科水平有6种菌群,在属水平有21种菌群,其丰度与非“新冠后状态”组有差异(p<0.05)。4、采用logistics多因素回归分析方法,发现与厚苔具有正相关的菌种是p＿＿unidentified＿Bacteria(OR=8.22,p<0.05)和g＿＿unidentified＿Prevotellaceae(OR=3811394.82,p<0.05),与黄苔具有正相关的菌种是f＿＿Sutterellaceae(OR=18.08,p<0.05)、g＿＿Parasutterella(OR=18.19,p<0.05)和s＿＿Acinetobacter＿johnsonii(OR=3309.22,p<0.05)。 结论1、“新冠后状态”发生的危险独立因素有发热症状,“新冠后状态”患者的主要症状包括记忆力减退、乏力、烦躁、睡眠障碍等,其主要中医体质类型以阴虚质、阳虚质以及痰湿质为主,中医证型呈虚实夹杂,主要以气虚证、湿阻证及血瘀证为主;2、“新冠后状态”人群的口腔微生态失调,其菌群丰度、多样性及结构发生变化。“新冠后状态”人群的舌苔特征与口腔菌群具有显著相关性,表明菌群变化可能是舌苔表观特征的生物学物质基础;3、基于“清浊

关键词： 新冠肺炎   疫苗动员   网络议程设置   政务微信  

摘要： 新冠病毒具有传染性强、人群普遍易感等特征,接种新型冠状病毒疫苗可极大程度地降低新冠病毒对自我健康的侵害。新冠疫苗上市后如何说服更多人主动接种疫苗需要媒体的努力,政务新媒体作为政府的微信公众平台官方账号,信息传播速度快、范围广,是政府传递信息、塑造形象、提供服务的新平台。本文以网络议程设置为理论基础,以新冠疫苗接种事件为案例,以内容分析法和社会网络分析法为研究方法,以上海市三级政务微信从2020年8月18日至2022年7月17日推送的有关于新冠疫苗接种的370篇推文为数据支撑,通过分析上海市新冠疫苗接种中三级政务微信的议程网络,并将这些网络进行对比分析,可以直观地看出新冠疫苗接种事件中政务微信的传播情况。研究发现,上海三级政务微信议程网络的核心属性和边缘属性具有高度一致性,议题具有高度一致性;三级政务微信均注重本地信息的传播,针对本地居民提供精准服务;三级政务微信议程网络间议题存在显著性和互动关系,且上级政务微信议程显著影响下级政务微信网络议程。经过分析发现,在新冠肺炎疫苗接种的传播过程中,政务微信存在对动员口号重视度不足、不同层级间内容存在重合导致居民身份认同感较低、部分意见领袖发声引发网民反感、评论区与受众互动不足等问题。基于以上问题,本文对政务微信在健康动员类事件中如何更好地引导公众提出了以下建议。首先,从意识上要优化传播策略,从之前的劝服为主向培养共意、打造健康共同体转变;形式上可以放大情感因素,加大对疫苗的正面宣传力度,同时因地制宜制定宣导策略,利用多样化形式开展动员。其次,不同层级的政务微信既要坚持信息的互联互通,又要找准自身定位,承担起各自职能,要根据群众需求提供有针对性的服务,做到信息共享与精准服务的平衡。最后,要注重发挥好意见领袖的作用,尤其是在大众媒体快速发展的今天,加强政务新媒体与群众的互动,及时了解群众的难处,才能为其针对性地解决问题,进而获得其信赖与认可,实现良好的宣导效果。

关键词： 及物性系统理论   中国对外医疗援助   《中国日报》   外部经验   内部经验  

摘要： 近年来,韩礼德的及物性系统理论被广泛应用于新闻语篇分析,话题涉及一带一路倡议、外国官媒涉华报道、性侵等。另一方面,中国对外医疗援助的相关研究集中在国际政治、外交等领域。然而,到目前为止,鲜有学者在语言学理论指导下针对中国对外医疗援助这一主题对新闻语篇进行研究。因此,本研究在韩礼德及物性系统理论的指导下,选取2020年3月至2020年4月份《中国日报》关于中国对外医疗援助的报道为语料,共40篇,对语料中的及物性过程、参与者和环境要素进行定性和定量的综合分析,以期再现中国对外医疗援助的内外部经验。本研究旨在回答以下三个问题:(1)在《中国日报》相关报道中,及物性过程、参与者和环境因素是如何分布的?(2)在《中国日报》相关报道中,中国对外医疗援助的外部经验是如何通过及物性来呈现的?(3)在《中国日报》相关报道中,相关方的内心经验(立场和态度)是如何通过及物性来呈现的?研究发现:第一,在《中国日报》的相关报道中,各类及物性过程均有出现,但主要是物质、言语和关系过程,并以物质过程占比最大。就参与者角色分布而言,物质过程的参与者最多,关系过程次之。《中国日报》相关报道涉及“中国”、“接受者”、“中国-接受者”、“其他”四类参与者。其中,“中国”类占比最大,很少涉及“其他”类参与者。此外,各类环境要素也均有出现,其中,地点环境因素占比最大。第二,通过《中国日报》相关报道及物性的分布和实现,可以发现,中国对外医疗援助外部经验呈现出多主体广泛参与、多方位支援的动态场景,不仅突出中国在对外医疗援助和全球合作抗疫的主体和示范作用,而且也体现出受援者对双方合作抗疫的促进作用。第三,通过对相关方内心经验的分析,发现中国和受援者都对新冠肺炎疫情期间中国的对外医疗援助行为持积极态度。面对困难,中国始终对其医疗援助、全球合作抗疫充满信心和期待;受援者则对中国和中国人民表示感谢,体现其对中国对外援助行为和双方友谊的认可。本研究具有理论和实践意义,不仅证明了利用及物性系统理论揭示新闻报道中隐含态度和立场的可行性,拓宽了系统功能语法的研究范围,而且还有助于人们客观真实地了解中国对外医疗援助。

关键词： 新型冠状病毒肺炎   奥密克戎毒株   康复者   咽部微生物   区系特征  

摘要： 研究背景　　严重急性呼吸系统综合征冠状病毒2型(SevereAcuteRespiratorySyndromeCoronavirus2,SARS-CoV-2)是感染新型冠状病毒肺炎(CoronaVirusDisease2019,COVID-19)的主要病原体，于2019年12月在中国湖北省武汉市首次被发现。前所未有的传播速度以及对公众健康的极端影响使其迅速成为全球关注的严重公共健康问题。近三年新型冠状病毒通过基因突变不断变化先后出现了阿尔法、贝塔、伽马、德尔塔毒株，以及目前最主要的流行变种奥密克戎毒株,这让我们在消灭病毒的道路上面临着诸多挑战。奥密克戎毒株首次在南非和博茨瓦纳被发现。在所有已知的SARS-CoV-2变种中，奥密克戎毒株具有最多的突变位点，这可能与遗传、疾病严重程度和免疫逃逸有关。研究表明，奥密克戎的毒力比其他变种弱，感染后的临床症状也较轻，但具有极强的传播能力，甚至可以逃脱现有的新冠病毒感染的免疫保护。这意味着目前的新冠疫苗可能无法提供足够的免疫力，过去感染过其他SARS-CoV-2毒株的人可能会再次感染这种新的变种，因此我们需要尽早和快速地检测出潜在的感染人群，特别是无症状的感染，这是病毒控制的重点。　　呼吸道是抵御病原体入侵的第一道屏障，同时也是病原体传播和复制的主要途径。我们称呼吸道微生物群为“呼吸道健康的守门人”，它对呼吸道结构的成熟和局部免疫的形成起着重要作用。当病毒通过呼吸道进入宿主细胞时，不仅会引起炎症和免疫紊乱，还会破坏定植微生物群的动态平衡。微生物区系的失衡与SARS-CoV-2的进展和临床症状的严重程度密切相关。近年来，使用微生物标志物作为一种非侵入性诊断工具的概念已经变得越来越成熟，在前期的研究中，我们描述了新冠肺炎原始毒株及其康复患者的咽部微生物区系特征，成功构建并验证了新冠肺炎原始毒株的无创诊断模型。然而，随着奥密克戎毒株的出现，感染该毒株的患者及感染后康复者的咽部微生物特征尚未见报道。　　目的　　本研究聚焦于新型冠状病毒奥密克戎毒株感染者的咽部微生物特征，基于以往咽部菌群的分析思路，描述大样本队列的奥密克戎感染者咽部菌群的变化,并构建基于咽部微生物标志物组合的无创诊断模型，同时找出随着疾病恢复逐渐发生变化的菌群。最后，探索咽部微生物与临床指标之间的相关性，从微生物的角度为奥密克戎毒株感染的早期诊断和疾病转归提供理论基础。　　方法　　由专业人员使用咽拭子刮取受试者的咽后壁及扁桃体两侧2-3次以获得咽部样本，然后将咽拭子头端浸入装有2-3ml病毒保存液的试管中。所有采集的样本均在56℃的温水浴中灭活30分钟以上，最终存放在-80℃的冰柜中。使用QiagenMiniKit(Qiagen,Hilden,Germany)进行咽部微生物DNA的提取，随后进行PCR扩增和DNA文库构建。使用IlluminaMiSeq平台对扩增序列进行测序。使用UPARSE管道和RDP分类器2.6版进行操作分类单元(operationaltaxonomicunit,OTU)聚类，并标记每个OTUs的系统发育关系。基于OTU进行物种多样性、物种结构分析和物种差异分析。通过随机森林模型结合五倍交叉验证构建诊断模型，找出交叉验证误差曲线。确定截至值后标记出所有小于该值的OTU集合,选择OTU数目最少的集合作为最佳集合。使用“R3.3.0,pROC包”构建接收者操作特征曲线(receiveroperatingcharacteristic,ROC)。如果该曲线下面积大于0.7,则认为使用微生物标志物作为疾病诊断工具是可行的。最后使用Spearman相关性检验进行咽部微生物和临床指标的相关性分析。　　本研究共前瞻性地纳入了791例咽拭子样本，其中包括297例奥密克戎毒株感染者样本，222例感染后康复者样本，199例健康对照样本及73例原始毒株感染者样本。我们在奥密克戎毒株感染者与健康对照中分别以2∶1的比例随机选择咽拭子样本作为发现队列和验证队列。此外，我们还将奥密克戎毒株感染者与原始毒株感染者的咽部微生态进行比较分析。　　结果　　1.感染奥密克戎毒株组与健康对照组在年龄与性别方面均无统计学差异。在发现队列中，共有71例确诊病例出现肺部影像改变，占36％。在验证队列中,共有41例确诊病例出现肺部影像改变，占41％。同时对两组间的血常规和生化指标进行分析。与健康对照相比，奥密克戎毒株感染者的白细胞（P＜0.0001）、中性粒细胞（P＜0.0001）、血小板（P＜0.01）和白蛋白（P＜0.0001）均下降。　　2.与健康对照组相比，感染新冠肺炎奥密克戎毒株的患者存在咽部微生态失调，其咽部微生物多样性显著减少。同时，感染奥密克戎毒株的患者在咽部微生物的组成与丰度上均发生了改变。与健康对照组相比，感染奥密克戎毒株的患者中Prevote

关键词： 新冠肺炎   深度学习   YOLOv8   半监督学习  

摘要： 自2019年末以来,全球蔓延的新型冠状病毒肺炎(COVID-19)已经给世界人民造成了严重的健康威胁,其中治疗感染患者的关键步骤是对其胸部医学影像进行有效地评估检测。然而,处理大量复杂的医学影像对临床医生的时间和精力造成了巨大负担,且基于主观分析的检测结果具有一定的个体差异。因此利用AI深度学习技术从医学影像中自动检测出精确的感染病灶区域,将为判断病情发展和临床诊疗提供更可靠的支持。然而深度学习技术在COVID-19影像病灶特征检测任务中往往存在以下挑战:(1)缺乏公开的具有COVID-19感染区域病灶标注信息的影像特征数据集。(2)患病不同时期COVID-19影像中感染区域高度变化,病变特征纹理复杂,边界模糊与正常组织对比性低,这对检测带来了极大挑战。(3)医学影像病灶特征人工标注成本高,数据获取困难严重制约了大规模集成算法的应用。针对以上问题,本文对基于深度学习的新冠肺炎影像特征检测进行了深入研究,具体工作主要有三个方面:(1)根据新冠肺炎阳性病例早期、发展期及重症期肺部CXR影像的演变过程和规律,将感染区域划分为肺实变、浸润影和磨玻璃影三种病变特征,并建立了COVID-19多目标特征检测数据集。(2)针对COVID-19病变区域特征难以检测的问题,提出了基于改进YOLOv8的新冠肺炎影像特征检测方法。在特征提取阶段加入具有自注意力机制的DFEB模块,通过局部注意力的计算方式和滑动窗口机制,提高全局建模能力的同时降低了处理高分辨率医学图像的计算复杂度;在特征融合阶段加入了多分支结构的FEM模块,使用具有不同采样率的多个并行空洞卷积层来捕捉不同感受野下的特征信息,有效地增强了特征的表达能力;并引入了Grad-CAM热力图可视化技术来为模型的决策提供可解释性。实验结果表明,与其他主流的目标检测算法相比有明显的性能优势。(3)针对COVID-19特征标记数据较难获得的问题,提出了基于半监督学习的新冠肺炎影像特征检测方法。为获得高质量伪标签,利用Soft-Teacher机制为无标注数据中的候选框进行可靠性评估,降低类别噪声对伪标签的负面影响;通过WBF算法融合不同置信度伪标签中有用的位置信息,提高伪标签定位精度。并采用自动数据增强策略选择更适合COVID-19影像的强、弱数据增强组合应用于未标注数据,提高模型鲁棒性。实验结果表明,该半监督模型可以更充分地利用大量无标注数据获得更优的检测性能,有效降低了对标注数据的依赖性。

关键词： 新冠肺炎   肺炎检测   分类   注意力机制   RetinaNet   Faster RCNN  

摘要： 近年以来,新冠肺炎疫情频频爆发,确诊人员剧增,需要一种能够快速检测分类新冠肺炎胸片的人工智能辅助诊断工具,用以向医生提出快速的、置信的诊疗建议。本文通过对目标检测以及现有的肺炎检测分类方法进行深度总结,分析相关的算法模型和理论知识,发现现有方法对于肺炎检测分类存在部分问题,如使用单层特征图对于小型肺炎病灶的检测不充分,部分单阶段检测器对于病灶的检测分类精度较低等问题。针对存在的各种问题,通过改进深度学习目标检测模型,使其更适合于新冠肺炎影像的检测分类工作,主要从以下几个方面进行研究:(1)在Faster RCNN的基础上进行改进,对backbone、neck、head进行改进。以Faster RCNN基线模型为基础,进行了消融实验,确定了效果最好的改进方法。通过将Res Net50作为backbone,同时使用注意力机制,在模型neck部分使用特征金字塔网络与Res Net50各层特征充分连接,通过提取多尺度特征和逐层连接的方式进一步提升特征提取能力。在网络head部分,使用更为精确的ROI Align,以规避特征丢失造成的误差。实验表明,改进的Faster RCNN可以很好的将肺炎病灶检测分类,并且对小型病灶区域的检测效果也比较好,能够很好的完成新冠肺炎影像的检测分类工作。(2)在Retina Net的基础上进行改进,通过对模型的backbone、neck进行改进。以Retina Net基线模型为基础,进行了消融实验,确定了效果最好的改进方法。在backbone部分使用注意力机制、可变形卷积方法,同时在模型的neck部分对Retina Net的特征金字塔网络进行调整,使用带有底层大尺度特征图的完整的FPN模块,以进一步提升特征提取能力。实验表明,改进的Retina Net能够很好的检测肺炎影像的病灶,在保持速度的基础上,也保证了检测分类的精度,能够很好的完成对新冠肺炎影像的检测分类工作。综上所述,本文对新冠肺炎影像的病灶区域进行检测,并对患病与否进行分类。改进了两阶段的Faster RCNN目标检测网络和一阶段的Retina Net目标检测网络。通过实验表明,改进后的模型对于肺炎图像的检测分类性能、精度、m AP都有所提升,效果更好。