关键词： 慢性心力衰竭   肺部感染   预测模型   SHAP算法   机器学习  

摘要： 目的 使用可解释性机器学习方法预测慢性心力衰竭(CHF)合并肺部感染患者的院内死亡风险。方法 回顾性分析MIMIC-IV数据库中诊断为CHF合并肺部感染的1415例患者病历信息。按病原体种类将患者划分为合并细菌性肺炎(841例)、合并非细菌性肺炎(574例)两个亚组,采用Kaplan-Meier生存曲线描述不同亚组的死亡风险差异。基于单因素分析和LASSO回归筛选特征。分别构建LR、AdaBoost、XGBoost、LightGBM模型,通过准确性、精确度、F1值、AUC等指标比较模型性能,使用eICU-CRD数据库进行外部验证。应用SHAP算法对XGBoost模型进行解释性分析。结果 内部测试集中XGBoost模型预测CHF合并肺部感染患者院内死亡风险的准确性高于其他模型。外部测试集显示,合并细菌性肺炎、合并非细菌性肺炎两亚组中XGBoost模型的AUC值分别为0.691(95%CI:0.654~0.720)、0.725(95%CI:0.577~0.782)。相较于其他模型,XGBoost模型表现出了更好的预测能力和稳定性。结论 在预测CHF合并肺部感染患者的院内死亡风险方面,XGBoost模型的综合表现优于其他3种模型。SHAP算法为模型提供了明确解释,有助于临床医生进行决策。

关键词： 街区形态设计   嵌入式方法   生成式模型   机器学习   智能设计  

摘要： 城市街区的形态与空间品质关系密切。在城市设计中借助智能工具实现街区形态的生成是辅助设计决策的一项典型应用。既有的生成式方法主要采用参数化建模、形流推理以及图像生成算法实现,缺少对街区尺度形态规律学习的过程因而难以处理复杂、精细的空间形态关系,生成令人满意的形态结果。因此,本研究在既有生成式方法基础上借鉴嵌入式系统理论,提出一种通过嵌入机器学习训练模块优化街区形态生成结果的综合性方法(简称“嵌入式机器学习方法”)。该方法包含高质量的训练数据、平衡的模型复杂度与性能、特征工程与模型优化能力、独立运行的学习模块以及支持开放接口与部署五个要素,实现在传统生成规则中增加弹性并且可控的人工神经网络,可根据设计需求对训练样本及模型进行自由组合,改善了既有算法的生成效果。该方法也增加了设计流程的灵活性,设计师可根据场地需要配置合适的训练样本,并通过预训练的方法将结果嵌入生成式系统中,从而实现快速、便捷的三维形态生成,辅助街区形态设计过程。文章阐述了一个探索性的实践案例,从模型目标、数据、训练过程等方面进行阐述,并结合生成结果对比探讨了该方法对传统生成方法的改进,结果表明采用嵌入式机器学习方法可以有效改善三维形态的特征细节,生成更契合场地特质的设计方案,为设计师带来有益启示。最后文章提出了嵌入式机器学习方法的未来开发潜力,为城市街区设计中的人工智能技术应用提出了新的思路和可能性。

关键词： China   Groundwater level   Random forest   PS-InSAR   k-nearest neighbor  

摘要： Land deformation is a severe environmental problem that is often caused by groundwater overexploitation. Traditional approaches, such as those based on ground leveling, are used as standard for monitoring land deformation, but they cannot collect enough information for land-deformation mapping. In this study, the time-series Persistent Scatterer Interferometry Synthetic Aperture Radar (PS-InSAR) was used as an improved method to identify land deformation in Cangzhou after the initiation of China's South-to-North Water Diversion Project (SNWDP). Machine learning (ML) models, including random forest and k-nearest neighbor, were used to determine the relationship between groundwater pressure and land deformation. The results showed that from 2018 to 2022, the deformation rate was up to -115 mm/year in Nanpi and Dongguang and varied between -57 and -26 mm/year in Qingxian and Cangxian. Land deformation after the SNWDP implementation was less than before. The ML models' results show that the accuracy of the random forest and k-nearest neighbor methods were 85 and 77%, respectively. Evaluation of the groundwater-level trend measured in six wells showed that after the SNWDP implementation, the groundwater pressure started to recover in Cangzhou, but a decline has been observed recently, particularly in 2022. The mean decrease in impurity (MDI) values demonstrates that aquifers IV and III contribute the most to land deformation in Cangzhou, with the highest MDI values of 33 and 26%, respectively. The study provides new insights into the evolution of regional land deformation, and the methods employed in this research can be adopted in other regions with similar conditions.

关键词： 细菌耐药性   表型预测   机器学习  

摘要： 随着我国经济迅速发展和医疗需求不断增长,人医临床、宠物临床和畜牧养殖行业中抗菌药物的使用愈发频繁,导致病原菌耐药问题日趋严峻,造成公共卫生安全隐患。快速、准确的细菌耐药表型检测能够有效指导临床医生对感染性疾病的诊断和治疗,降低由经验用药和不合理用药引发的耐药风险。然而,现有检测技术耗时较长且操作繁琐,难以在临床中推广,种类单一的快速检测试剂等产品又无法满足临床的多元化需求。因而,亟需开发新的技术方法以提供快速鉴定细菌耐药表型的有效解决方案。细菌的组学信息中蕴含大量与细菌耐药表型相关的特征,从中快速、准确地挖掘相关信息能够为快速诊断和治疗提供帮助。机器学习模型在处理复杂结构数据方面有显著优势,在挖掘组学信息工作中展示巨大应用潜力。随着该领域的快速发展,机器学习方法有望为临床快速、准确地预测耐药表型提供技术支持,助力医生诊疗准确性的提升。本综述系统总结了机器学习模型在细菌耐药表型预测领域的研究现状和发展趋势,并比较了不同机器学习方法的特点和性能,同时归纳总结细菌耐药表型预测建模工作所需的关键要素,为后续相关研究提供参考。

关键词： 数字化转型   CEO个人特征   事件预测   机器学习  

摘要： 数字化转型是战略驱动的组织变革过程,依赖高层管理者的认知与决策行为。基于高阶理论,采用机器学习的集成算法,构建高维预测模型,以2015-2022年我国A股上市公司为研究对象,考察并比较CEO多维个人特征对企业数字化转型水平的预测效果。研究发现:(1)从整体来看,CEO个人特征能够预测企业数字化转型水平,并且不同特征的预测能力具有差异;(2)从不同特征维度来看,在数字化技术驱动和数字化成果产出方面,与其他几个维度相比,CEO能力特征的预测能力最高,而在数字化技术应用于企业价值创造各环节方面,CEO心理特征的预测能力最高;(3)从单个特征来看,CEO所有权权力、开放性、任期、过度自信和年龄等5个特征表现出最佳的预测效果,是CEO促进企业数字化转型水平提升的关键个人特征要素。

关键词： 机器学习   滑坡   易发性制图   非滑坡样本选取   集成学习   三峡库区   工程地质  

摘要： 准确的滑坡易发性建模对预警预报和风险管控具有重要意义.针对机器学习技术建模中非滑坡样本随机选取和单个分类器存在的精度不高问题,提出了一种耦合多模型的区域滑坡易发性建模框架.以三峡库区秭归-巴东段为例,选取高程、坡度等12个因子构建评价指标体系,应用信息量法定量分析各指标对滑坡空间发育的影响程度.随机选取70%的滑坡作为训练样本,剩余的30%作为验证样本;应用逻辑回归模型(LR)制作研究区的初始易发性分区图,确定非滑坡随机采样的约束范围.随后,分别采用LR模型约束和无约束条件下随机选取的非滑坡样本,应用单个分类回归树(LR-CART和No-CART)及分类回归树-Bagging组合模型(LR-CART-Bagging和No-CART-Bagging)开展滑坡易发性建模,并应用多个指标进行精度评估.结果发现:高程和水系等是滑坡发育的主控因素;LR-CART-Bagging模型精度为0.973,高于LR-CART模型的0.889;相比于No-CART和No-CART-Bagging模型,LR-CART和LR-CART-Bagging模型精度分别提升了0.057和***模型可以有效约束非滑坡样本的选取范围,提升样本的选取质量;CART-Bagging模型综合了机器学习和集成学习的优势,预测性能更强,提出的LR-CART-Bagging模型是一种准确可靠的滑坡易发性建模方法.

关键词： 扩张型心肌病   机器学习   生物标记   免疫浸润  

摘要： 目的利用加权基因共表达网络分析(WGCNA)联合机器学习方法筛选扩张型心肌病(DCM)生物标记,并进行免疫浸润分析。方法对来自基因表达综合数据库(GEO)的DCM转录谱进行差异分析。对差异表达基因(DEGs)进行基因本体论(GO)富集分析和京都基因与基因组百科全书(KEGG)通路富集分析。整合WGCNA和套索回归(LASSO)分析,筛选出DCM的生物标记。绘制受试者工作特征曲线(ROC)评估其诊断效能,并进行免疫浸润分析。结果DCM左心室组织中有268个DEGs,主要参与炎症反应的调节、上皮细胞增殖、含胶原蛋白的细胞外基质、细胞外基质结构组成成分等;同时,DEGs参与补体和凝血瀑布、吞噬体、酪氨酸激酶-信号传导子及转录激活子(JAK-STAT)信号通路、花生四烯酸代谢、白介素17(IL-17)信号通路等。鉴定出的生物标记ASPN、CRYM、CSDC2、ECM2、FCN3、HMOX2、LAD1、SERPINA3、TSPYL2和TUBA3D,具备良好的诊断效能。DCM心肌组织中辅助型T细胞2(Th2)、中央记忆型CD_(4)^(+)T细胞、中央记忆型CD_(8)^(+)T细胞显著上调;活化的树突状细胞、嗜酸性粒细胞、髓样抑制细胞、巨噬细胞、肥大细胞、自然杀伤细胞、中性粒细胞、调节性T细胞、滤泡辅助性T细胞、辅助型T细胞1(Th1)、辅助型T细胞17(Th17)和效应记忆型CD_(8)^(+)T细胞显著下调。结论ASPN、CRYM、CSDC2、ECM2、FCN3、HMOX2、LAD1、SERPINA3、TSPYL2和TUBA3D可能作为DCM的生物标记。多种免疫细胞可能介导着DCM的发生发展。

关键词： 癌,肝细胞   射频消融术   复发   磁共振成像   影像组学  

摘要： 目的利用不同机器学习方法构建多模态MRI影像组学联合临床指标预测肝细胞癌患者射频消融术后早期复发的模型,并评估模型预测能力。方法回顾性分析2015年1月至2021年12月中国人民解放军总医院第四医学中心和中国人民解放军总医院第一医学中心行射频消融治疗的肝细胞癌患者资料。共入组169例肝细胞癌患者,其中男性152例,女性17例,年龄(57.2±9.2)岁。按照8∶2随机分为训练集(n=135)与测试集(n=34)。训练集中复发49例,测试集中复发12例。基于训练集单因素和多因素logistic回归分析肝细胞癌患者射频消融术后早期复发的临床影响因素,应用方差阈值法、select K-best和LASSO回归依次筛选影像组学特征。采用支持向量机、logistic回归、随机森林三种机器学习分类器分别构建单纯影像组学或联合临床特征的术后早期复发预测模型,受试者工作特征(ROC)曲线评估模型的预测能力。结果多因素logistic回归分析显示,术前甲胎蛋白>20μg/L、血小板计数>140×109以及肿瘤位置特殊是肝细胞癌患者射频消融术后早期复发的影响因素(均P<0.05)。经方差阈值分析、select K-best、LASSO回归筛选出16个最优影像组学特征。采用支持向量机、logistic回归、随机森林分类器构建单纯影像组学预测肝细胞癌患者射频消融术后早期复发模型,测试集中预测肝细胞癌射频消融术后早期复发的ROC曲线下面积分别为0.826、0.830、0.826;构建的影像组学联合临床特征模型,测试集的ROC曲线下面积分别为0.830、0.830、0.909。测试集中,随机森林的ROC曲线下面积大于支持向量机和logistic回归(Z=2.19、3.98,P=0.008、0.008)。结论支持向量机、logisitic回归、随机森林三种学习方法基于临床指标及影像组学特征构建的联合模型预测肝细胞癌患者射频消融术后早期复发效能良好,其中,随机森林构建的模型最优。

关键词： 农业转移人口   市民化   机器学习  

摘要： 本文基于2017年中国流动人口动态监测调查数据,系统地运用多元线性回归、惩罚回归、集成学习和深度学习等多种机器学习方法,考察了农业转移人口市民化水平的影响因素。研究结果表明:集成学习方法在预测农业转移人口市民化水平方面明显优于多元线性回归模型,其中梯度提升回归树模型的预测效果最佳;在所有特征变量中,个体的受教育程度、性别、家庭规模、年龄和流动城市数量是影响农业转移人口市民化水平的最主要因素。此外,本文通过累积局部效应图展示了不同影响因素对农业转移人口市民化水平的具体预测模式,并发现年龄和流动城市数量对农业转移人口市民化水平有着明显的非线性影响。这些研究结论对政府进一步推进农业转移人口市民化具有重要参考价值。

关键词： 计量经济学   机器学习   国家治理体系   大数据   前沿方法   高质量发展   新框架   原动力  

摘要： 探索我国经济高质量发展的新途径,建立和完善国家治理体系的新框架,追切需要理解与把握计量经济学的前沿方法。大数据和机器学习为计量经济学研究注入了新的原动力。一方面,机器学习与计量经济学的融合发展极大地拓展了计量经济学的应用范围.