关键词： 不平衡分类数据   平衡采样算法   随机森林(RF)模型   图神经网络   特征融合  

摘要： 针对神经网络分类模型对美国联邦运输统计局(Bureau of Transportation Statistics,BTS)航班数据集中的不均衡数据预测误差较大的问题,采用自适应合成采样算法(adaptive synthetic sampling approach,ADASYN)和合成少数类过采样算法(synthetic minority over-sampling technique,SMOTE)对航班延误类别进行平衡处理,并用随机森林(random forest,RF)模型进行训练和贝叶斯调参。结果表明:与不经过平衡采样的方法比较,该方法在权重平均下的精确率、召回率和F 1评分分别提高了19%、8%和16%;分类预测准确率提升8.03%,模型拟合指数AUC(area under curve)提升5.4%。同时,采用多特征相融合的图神经网络模型Graph WaveNet对航班平均延误时间进行预测。实验结果表明:与单特征模型比较,该模型平均绝对误差和均方根误差分别降低了16%和12.45%。这些方法和结果对研究航班延误分类和预测算法研究具有参考价值。

关键词： 信息学   高分子玻璃化   机器学习   理论模拟  

摘要： 高分子玻璃的物理性质与其结构和动力学密切相关.揭示高分子玻璃化的微观物理图像对高分子玻璃材料的结构调控和分子设计至关重要.然而,高分子的长链结构和复杂单体结构特征致使目前仍然缺乏普适的理论或者模型来定量解释高分子玻璃化的物理机制.因此,亟需发展更为先进的研究方法从而更深入地理解高分子玻璃化.近年来,国内外学者利用基于数据驱动的信息学方法(例如机器学习)对高分子玻璃化开展了研究,并取得了丰富成果.本综述首先介绍了常用的高分子信息学数据库和机器学习算法.之后,从高分子玻璃化转变温度的预测、新型高分子玻璃材料的研发、过冷液体的结构-动力学关系和玻璃体系相变的确定四个方面总结和评述了机器学习应用在玻璃化研究中的代表性进展.最后,探讨了机器学习方法在高分子玻璃化研究中面临的主要挑战,并对玻璃信息学这一领域的发展进行了展望.

关键词： 极端梯度提升模型   抗乳腺癌药物   分类预测  

摘要： 乳腺癌是目前世界上最常见致死率较高的癌症之一.通过选用机器学习中处理二分类预测问题的支持向量机(SVM)、K近邻算法(KNN)、随机森林(RF)、极端梯度提升(XGBoost)四种模型,运用每一种模型分别对给定的样本数据构建出化合物的ADMET(吸收Absorption,分配Distribution,代谢Metabolism,排泄Excretion和毒性Toxicity)五个指标的分类预测模型,对比选择出五个指标的预测准确率均在84%以上的XGBoost模型,最后对给定的化合物进行预测并得出化合物所对应的ADMET性质.结果表明,利用XGBoost模型进行分类预测的方法是有效的,对于抗乳腺癌药物的研发具有参考意义.

关键词： 定向进化   机器学习   蛋白质工程   生物催化  

摘要： 定向进化法通过模拟自然界的进化过程,可提高酶的进化速度,成为酶分子改造的关键技术。定向进化在生物催化以及药物设计等方面发挥着重要作用,但因突变的随机性所产生的数量庞大的突变体,使得实验筛选的能力面临巨大挑战。近年来,人工智能、大数据处理等新兴技术也发展成为生物催化领域的重要研究手段。其中,机器学习是一种统计学习的方法,通过数据驱动的方式获得序列/结构到酶功能的映射,为提高酶分子工程的效率提供帮助。本文综述了机器学习模型中所涉及的数据处理、描述符和算法等内容,重点叙述了机器学习方法在酶工程方面的研究与应用进展。随着机器学习算法和应用技术的进步,有望提出更加精准和有效的模型,助力新酶筛选与生物催化剂的精准设计改造。

关键词： 神经网络   氨氮去除   电化学   智能控制   预测  

摘要： 利用反向传播神经网络(Back Propagation Neural Network,BPNN)建立氨氮去除效果预测模型和智能控制策略。模型由具有BPNN模型的预测模块和控制模块组成。首先,采用4层隐藏层(每层60个神经元)和负反馈调节机制开发BPNN算法,优化模型并预测氨氮去除率。参数分析及响应面模型对比结果表明所提出的BPNN模型具有更好的决定系数(0.9580)。根据水质变化和确定的氨氮去除率目标,通过BPNN模型获得电化学过程中电流智能调控策略,该智能控制策略减少了水质波动对氨氮去除的负面影响,并使能耗降低38%。

关键词： 胰腺肿瘤   体层摄影术   X线计算机   磁共振   影像组学  

摘要： 目的探讨基于CT和MRI影像组学的机器学习方法在胰腺癌诊断中的应用价值。方法收集2014年1月至2021年12月间上海交通大学附属第一人民医院经手术病理确诊且均行CT增强扫描、MRI平扫或MRI增强扫描检查的62例胰腺癌患者的临床资料,按照患者手术时间先后顺序,将2014年1月至2020年12月间患者纳入训练集(49例),2021年1月至2021年12月间患者纳入验证集(13例)。采用3D Slicer4.8.1软件对胰腺癌和癌旁组织CT、MRI图像感兴趣区域勾画并进行分割,采用Python进行特征提取,采用Lasso回归模型从训练集数据中筛选最优特征集,构建机器学习决策树模型。绘制受试者工作特征曲线(ROC),计算曲线下面积(AUC),评价3种影像组学特征模型在胰腺癌诊断中的价值。结果从CT增强、MRI平扫+增强图像中分别获取1767个CT特征和1674个MRI特征。对于胰腺癌与癌旁组织鉴别诊断模型,CT增强数据模型获得含6个特征的最优特征集,MRI平扫获得含16个特征的最优特征集,MRI增强获得含15个特征的最优特征集。基于CT增强数据的诊断模型在训练集的AUC值为0.98,在验证集的AUC值为1;MRI平扫与MRI增强数据模型在训练集与验证集中的AUC值均为1。3种影像组学特征建立的机器学习决策树模型诊断胰腺癌与癌旁组织的特异度和灵敏度均为100%。对于脾动脉包绕鉴别诊断模型,CT增强数据模型未获得最优特征集,无诊断效能,MRI平扫和增强分别获得含5、4个特征的最优特征集;采用MRI平扫数据建立的模型在训练集与验证集的AUC值分别为0.862、0.750,诊断灵敏度为93.8%、50.0%,特异度为78.6%、100%。MRI增强数据建立的模型在训练集与验证集的AUC值分别为0.950、0.861,诊断灵敏度为90.0%、93.6%,特异度为100%、78.6%。结论基于CT增强、MRI平扫及增强影像组学的诊断模型对于鉴别胰腺癌与癌旁组织均有>90%的准确性。基于MRI增强影像组学的诊断模型对于鉴别胰腺癌是否存在脾动脉包绕效能最佳。

关键词： 牙折   机器学习   计算机辅助诊断   人工智能  

摘要： 目的基于牙根尖X线片建立计算机人工智能诊断模型,辅助口腔医生对牙隐裂进行有效诊断。方法收集182例患者的牙根尖影像数据。其中,确诊牙隐裂77例,未确诊105例。通过蟒蛇编程从牙根尖X线片中提取影像特征,采用套索算法(LASSO)对特征进行筛选,并建立机器学习模型判断牙齿是否患有牙隐裂。结果筛选出3个高维度纹理特征,机器学习模型在测试集上的受试者操作特性曲线下面积、特异度和灵敏度分别为0.805、0.727和0.815。结论基于牙根尖X线片建立的机器学习模型能够对牙隐裂进行比较有效的诊断。

关键词： 雷暴大风   自动识别   机器学习   雷达回波   深度学习  

摘要： 基于2012—2019年自动站雷暴大风观测实况和对应雷达回波,利用传统机器学习方法(决策树)和深度学习方法(CNN、YOLO)等三种机器学习方法分别建立雷暴大风自动识别模型。根据广东雷暴大风回波特征,选取50dBZ高度、反射率因子强度梯度等5个回波参量作为决策树的特征因子;将1~9km高度的雷达回波分为11层,作为YOLOv3的输入层,使其由原3个特征层扩展到11层,训练优化后的YOLOv3可更合理刻画雷暴大风的空间结构特征。经批量测试和业务试运行试验,检验结果表明:三种模型中基于决策树的模型虚警最高,基于CNN的模型漏报最多,基于YOLO的模型识别效果最好,其POD和CSI均最高。通过对广东2020年汛期5次系统性和5次局地性雷暴大风过程进行分类型自动识别效果评估,并选取任意天气下长达30天连续时段进行不间断识别检验,结果表明该算法对于不同类型的雷暴大风均有较好的识别能力,具备业务化应用前景。

关键词： 原子核电荷半径   机器学习   贝叶斯神经网络  

摘要： 原子核的电荷半径是表征其电荷分布范围的物理量,对理解原子核这个复杂的量子多体系统内部核子间的相互作用发挥着重要的作用。但传统的物理模型对原子核电荷半径的描述还难以令人满意,特别是对于像钙同位素链所表现出的强烈的奇偶效应类现象。近些年来,随着机器学习方法在物理学领域的广泛应用,已有多种机器学习模型用于研究原子核电荷半径,这使得原子核电荷半径的计算精度得到大幅提升。本文综述了近年来包括贝叶斯概率分类器、核岭回归模型、人工神经网络以及贝叶斯神经网络在内的机器学习方法在原子核电荷半径研究中应用的最新进展,对比了不同机器学习方法、不同训练集与不同输入对机器学习预测原子核电荷半径结果的影响,并对机器学习在原子核物理中的进一步应用进行了展望。

关键词： 机器学习   肿瘤标志物   胃癌   分类算法  

摘要： 目的基于三种机器学习方法建立多肿瘤标志物联合区分胃炎和胃癌模型。方法选取2010~2021年期间来西京医院就诊诊断为胃炎和胃癌的患者13727例,收集入组患者基本信息(年龄和性别)、甲胎蛋白(alpha-fetoprotein,AFP)、癌胚抗原(carcinoembryonic antigen,CEA)、糖链抗原19-9(carbohydrate antigen 19-9,CA19-9)及糖链抗原125(carbohydrate antigen 125,CA125)结果。采用随机森林(random forest,RF)、决策树(decision tree,DT)和K最邻近法(K-nearest neighbor,KNN)三种机器学习算法挖掘入组患者6种变量的数据,建立区分胃炎和胃癌模型。验证各模型对所有入组患者、不同年龄层的入组患者、AFP阴性入组患者的胃炎和胃癌鉴别能力,并与单肿瘤标志物鉴别能力做对比。结果利用机器学习算法构建的RF-pv6,DT-pv6和KNN-pv6模型对所有的患者诊断曲线下面积(area under the curve,AUC)均高于0.742,单肿瘤标志物AUC均低于0.644;各模型对于小于50岁患者,AUC均高于0.668,单肿瘤标志物AUC均低于0.641;各模型对于大于50岁患者,AUC均高于0.734,单肿瘤标志物AUC均低于0.647;各模型对于AFP阴性患者,AUC均高于0.731,单肿瘤标志物AUC均低于0.639。各模型在所有入组患者及其亚组中的AUC高于单肿瘤标志物的AUC。结论通过利用机器学习算法挖掘入组患者的6种特征数据建立的三种模型效能均优于单肿瘤标志物对胃炎和胃癌的鉴别能力。