关键词： 深度神经网络   专家特征   心电图   注意力机制   多模态  

摘要： 心脏疾病因其高致死率而成为人类生命的一大威胁,对其诊断和预防显得尤为重要。心电图(Electrocardiogram,ECG)是一种广泛使用的、可靠的无创心血管疾病诊断方法。现有的通过心电图进行疾病诊断的方法耗费医生大量的精力和时间且依赖医生积累的经验判断,心电图信号的自动特征提取以辅助分析心脏疾病已成为热门研究课题。近年来,随着深度学习方法在医疗领域的表现越发突出,基于深度学习的心脏疾病辅助诊断方法越来越多,利用其对心脏疾病快速进行自动化辅助诊断,可以有效地优化诊治流程,提升诊断效率,为医师节约诊断时间。卷积神经网络有很强的特征提取能力但对时间信息不敏感,循环神经网络对时序信息有很强的分析能力但对于较长信息效果并不好。如何结合卷积神经网络的特征提取能力以及循环神经网络的时序信息分析能力并通过心电图对心脏疾病做出精准的诊断是我们非常关心的问题。缺血性心脏病(Ischemic Heart Disease,IHD)是心脏疾病中最常见的一种,对患病者早期医疗数据进行深度挖掘以预测缺血性心脏病的发生和发展情况,可以更有效地对缺血性心脏病进行预防。心电图能够反映心脏功能状态,因此是研究缺血性心脏病的理想数据来源。然而,易于获取的静息心电图通常不能有效检测心肌缺血,往往需要通过负荷诱导才能检测。运动心电图数据能够有效地诱发心肌缺血,利用其能够更好地对缺血性心脏病进行分析。但因为运动心电图数据噪声大、数据收集困难、对随访者医疗信息难以长期追踪等问题,目前通过机器学习方法使用运动心电图对缺血性心脏病进行长期预测仍是缺乏研究的问题。对于如何通过心电图对心脏疾病精准地进行诊断、通过心电图数据对缺血性心脏病进行长期预测这两个问题,本文分别提出了基于深度学习的心脏疾病诊断模型和基于多模态数据的缺血性心脏病预测模型。本文的创新工作主要有以下几点:·针对如何融合卷积网络与循环网络方法优点的问题,本文提出了提取切片心电图数据局部切片特征的网络模块,并使用双向长短期记忆网络捕获切片特征的上下文信息得到全局特征。此外还使用了注意力机制对模型内的特征融合机制进行了优化以减小特征量,这样可以更好地挖掘关键信息,提升模型的诊断性能。在两个公开数据集上的表现证明了我们模型的性能。·针对通过机器学习方法使用运动心电图对缺血性心脏病进行长期预测研究缺乏的问题,我们通过结合基于英国生物数据库运动心电图测试的随访心电图数据与随访者随访后12年期间在全英国医院的住院记录信息建立了缺血性心脏病长期预测标签,并将数据以研究成果的方式返回至英国生物数据库中。·针对通过心电图对缺血性心脏病长期预测特诊提取困难的问题,我们提出了基于卷积神经网络的深度心肌缺血特征提取器用于提取患者的心肌缺血信息,并提出了结合运动负荷数据及基础生理指标的专家特征,最后我们的预测模型在基于上述自建的标签数据集上对缺血性心脏病进行长期预测,其结果表现较其他对比方法得到了有效的提高。我们所提出的专家特征也能为未来缺血性心脏病的预测研究提供有价值的信息。

关键词： 储层计算   耦合洛伦兹系统   旋转周期解   不变环面   时空结构  

摘要： 多年来,系统间的同步特别是关于复杂系统的同步性研究一直吸引着人们的注意力,且广泛应用于实际生活中.对带有时空结构的同步系统的动力学进行重构是一件十分困难的事情,而机器学习方法的发展使得对各种复杂动力学系统的重构成为可能.本文分别使用储层计算方法和下一代储层计算方法去研究动力学模型,该模型是由多个单向耦合的洛伦兹振子组成的环系统.我们利用该模型来研究不同吸引子的动力学行为,得到了两类机器学习方法都能很好地对原始系统进行短期预测以及保持原系统的时空结构的结果.本文的主要内容如下:第1章介绍了同步系统重构的机器学习方法的研究背景、研究意义、研究现状及本文的主要工作.第2章简述了多个单向耦合的洛伦兹振子的复杂系统的基础知识和相关理论.第3章使用储层计算方法,重构多个振子耦合的洛伦兹系统的动力学行为.虽然利用各种神经网络对各种复杂混沌吸引子的重构进行了很好的研究,然而对于某些特殊吸引子的时空结构能否在长期预测中得以保持,人们关注甚少.且储层计算对于无模型预测是有效的,因此我们想要研究储层计算是否可以恢复原始的环耦合洛伦兹系统的旋转对称性.我们发现,尽管训练有素的储层计算机的状态预测逐渐偏离原始系统的实际轨迹,但在重构过程中相关的时空结构依旧保持不变.具体来说,我们得到了周期旋转波、准周期环面和混沌旋转波的旋转对称结构能够很好的保持这一结论.第4章使用下一代储层计算方法,重构多个振子耦合的洛伦兹系统的动力学行为.先前人们基于下一代储层计算的方法证明了它能完成原始储层计算的基准任务,像是预测短期动力学,复制混沌系统的长期气候以及推断未知数据的动力学行为等等.然而这对于下一代储层计算方法的研究依旧处于比较常规的问题上,尤其是使用下一代储层计算方法研究复杂系统的时空结构这一方面很少得到人们的关注.因此我们想要研究训练有素的下一代储层计算方法是否可以恢复原始环耦合洛伦兹系统的旋转对称性.我们发现,尽管训练有素的下一代储层计算机的状态预测逐渐偏离原始系统的实际轨迹,但在重构过程中相关的时空结构依旧保持不变.具体来说,我们得到了周期旋转波、准周期环面和混沌旋转波的旋转对称结构能够很好的保持这一结论.第5章进行了文章的总结和对未来研究的展望.

关键词： 岩性识别   机器学习   集成学习   同质集成   异质集成  

摘要： 基于机器学习的测井岩性识别是近年来较为常用的岩性解释手段,如何优选机器学习方法和相关参数是制约所建立岩性识别模型精度的难题。本文提出了一种提升机器学习岩性识别精度的集成学习方法,从而对随机森林算法进行了一定程度的推广,该方法沿用套袋法(Bagging)框架,将原始的子分类器从决策树算法推广到任意机器学习算法,形成同质集成学习算法。同时,总结了子分类器优选和参数优选的准则,以提高相较于单种机器学习算法岩性识别的精度。在同质学习的基础上,进一步将子分类器推广到不同子分类器的组合,形成了异质集成学习算法,并提出了子分类器优选方法,以获得最优的机器学习岩性识别算法。为验证集成学习方法的有效性,选取鄂尔多斯盆地大牛地气田岩性数据进行对比实验,结果表明:所有类型的分类器都可以作为同质集成学习的子分类器,且子分类器参数优选规律能够使得同质集成模型相较于原始模型在准确率方面提升1.5～10%;子分类器优选算法对于组合同质集成模型是有效的,所建的异质集成模型相较于同质集成模型在准确率方面有提升且取得了约85%的准确率。尽管异质集成模型的构建较为复杂,但其更适合于建立更强大的岩性识别模型,是一种有效提升机器学习岩性识别精度的集成学习方法。

关键词： 二手车价格预测   LightGBM   XGBoost   stacking   bp＿stacking  

摘要： 随着生活水平的提高,人们对于出行的需求不断增长,我国二手车市场规模不断扩大,二手车交易量从2012年的794万辆增长到2022年的1602万辆。随着疫情的放开和国家政策支持,二手车市场规模会越来越大。然而,二手车市场还存在着一些问题,如没有统一的定价指标,在二手车定价过程中主观性较强,人为因素影响较大。为了使二手车市场健康发展,建立客观、统一的定价标准有着重要的意义。本文在查阅了国内外二手车价格模型的相关研究的基础上总结了相关经验,发现在二手车价格的评估过程中,对二手车价格影响较大的变量中分类型变量占据一半左右,但国内外研究中均未对其处理或处理方式较简单,可能会影响定价的准确度。 本文使用二手车交易的公开数据集构建二手车价格预测模型。首先,根据不同的车型以及变量的现实意义填补缺失值和筛选异常值;然后,使用embedding方法处理分类型变量得到最终的训练集。本文使用的模型是改进的stacking模型:bp＿stacking模型,模型使用BP神经网络和Light GBM模型构建了可以在第二阶段读取到原始样本信息的stacking模型。模型训练完成后本文从两个方面进行对比。第一个方面对比相同的模型在本文数据预处理方法上的表现和其他文章数据预处理方法上的表现,结果显示XGBoost模型、Light GBM模型、stacking模型的mae值分别降低了8%、9.2%和10%。第二个方面在相同数据预处理结果上使用本文创建的模型与其他性能最好的模型作比较,结果显示,本文的bp＿stacking模型的mae值为447.66,相较于stacking模型下降了13.8%。 本文将embedding模型引入二手车价格预测中,使得二手车样本中占比较大的分类型变量得到更好的处理,同时本文构建的bp＿stacking模型明显的提升了stacking模型的性能。

关键词： 环境政策   政策关注度   媒体压力   企业环境绩效  

摘要： 长期以来,我国重污染行业企业对推动国民经济发展作出了巨大贡献,但同时也引发了一系列生态环境问题。自党的十八大之后,我国推动生态环境保护工作的决心之大前所未有,生态文明建设被纳入国家发展总体布局。政府在环境政策制定与落实方面精准发力,不断完善生态环境保护政策体系。与此同时,媒体作为一种有效的外部监督力量,对于重污染企业环境行为形成一种软约束。在此背景之下,企业对环境政策的关注以及媒体监管压力是否真正为企业环境绩效改善提供动力亟待探讨。对此,本文将我国重污染行业149家A股上市公司2009～2021年的数据为研究样本,探讨企业环境政策关注度、媒体压力对企业环境绩效的影响。本文主要的研究过程与内容如下:首先,明确本文研究所依托的理论基础和现有研究成果,提出关于企业环境政策关注度、媒体压力与企业环境绩效三者之间关系的假设。其次,利用机器学习方法对核心研究变量进行科学测度:收集企业报告中与其环境行为相关的文本与政府环境工作报告,使用基于Doc2vec机器学习模型的文本相似度算法进行文本分析,用以测度企业环境政策关注度变量;收集新闻数据库中对企业环境行为进行报道的新闻,使用SNOWNLP情绪分析方法测度媒体压力大小。第三,依据相关假设构建模型,进行实证分析与稳健性检验。最后,基于研究结果从企业、媒体、政府三个角度,提出促进企业环境绩效改善的建议。通过研究分析,本文得到以下结论:(1)企业环境政策关注度与环境绩效显著相关,企业对环境政策越关注,将会表现出越优异的环境绩效。(2)媒体报道给企业所带来的压力能够显著促进企业环境绩效提升。(3)媒体压力能够正向调节企业环境政策关注度与环境绩效二者之间的关系。针对上述研究结果,本文提出如下建议:企业应加深对环境政策的认知,了解政策意图并依据政策调整自身环境行为。媒体需要加大对企业环境行为的报道力度,通过舆论引导监管部门积极履职。政府则需要借助多渠道宣传解读环境政策,加大政策落实力度。通过以上结论与建议,以期为提升环境政策落实成效、发挥媒体治理功效、改善企业环境绩效提供借鉴价值。

关键词： 肾小球滤过率   肿瘤   公式推导  

摘要： 目的:准确评估肾小球滤过率（GFR）对于接受抗肿瘤药物治疗的肿瘤患者至关重要。核医学的SPECT肾动态显像作为测量GFR（mGFR）尽管已经很准确,但它在临床操作上不属于常规检查项目,需要额外的花费与注射滤过标记物,且现在已发表的基于临床实验室检验数据推导的估计GFR（eGFR）公式不是针对中国肿瘤人群。鉴于肿瘤人群特殊的营养与炎症状态,以及人种对滤过标记物估计GFR时的重要影响,本研究的目的在于分析需要监测肾小球滤过率的肿瘤患者的临床特征,探究已发表eGFR公式在肿瘤人群中的表现,开发用于估计中国肿瘤患者GFR的新公式以及在内外部人群中进行验证。 方法:收集了1001名本院以及195名外院的成年肿瘤患者,获取体重、身高、性别、年龄、血清肌酐、血清尿素氮、血清白蛋白、血红蛋白、胱抑素C（本院有485名患者有胱抑素C数据）以及99mTc-DTPA清除率的mGFR数据。首先分析本院的需要监测肾小球滤过率的肿瘤患者的临床特征,并验证现常用的已发表的eGFR公式的性能表现,包括全年龄谱（FAS）公式、Wright公式、Mayo公式、肾脏疾病饮食的改良（MDRD）公式、针对中国人群设计的肾脏疾病饮食改良（C-MDRD）公式、慢性肾脏病流行病学（CKD-EPI）公式、Cockcroft-Gault公式、Jelliffe公式,CamGFR v1以及CamGFR v2。将本院1001名肿瘤患者与485名有胱抑素C数据的肿瘤患者都进行7:3随机划分为eGFR公式推导数据集和内部验证数据集,通过符号回归机器学习方法,利用两个推导数据集分别建立了基于血清肌酐及基于血清肌酐与胱抑素C的两个可解释的GFR估计公式,即新公式Scr与新公式Scr-cysC,在内部验证数据集以及外院的195个外部验证数据集中验证新公式的性能并与已发表公式的性能比较。在验证eGFR公式时,分析其与mGFR的一致性、对区分不同测量肾小球滤过率阶段的能力以及其精度与准确度,使用平均百分比误差（MPE）、平均绝对百分比误差（MAPE）、均方根误差（RMSE）、残差的四分位数范围、绝对百分比误差在30%、20%和10%以内的患者百分比（P30、P20、P10）,作为评估比较eGFR公式精度与准确度性能的指标。 结果:本研究的肿瘤人群中以中老年为主,年龄中位数为58岁,老年人在低mGFR阶段中所占比例较高,青年人在高mGFR阶段所占比例较高,年龄的增加与GFR<60ml/min的风险正相关（OR:1.06;95%可信区间:1.05-1.07）;除肾功能相关的指标外,本研究中肿瘤人群的血清白蛋白水平和血红蛋白与CKD阶段显示较强的相关性,在<60ml/min、60-89ml/min与≥90ml/min阶段的三个人群中,白蛋白的水平在统计学意义上有差别。目前发表的所有公式都倾向于高估mGFR,一致性差,准确性差,P30表现为从28..1%到70.7%不等;表现最好的是Jelliffe公式,其MPE最小（9.9%）,准确度P30最高（70.7%）,但其与mGFR差值的均值及95%可信区间（CI）为4.92（-30.49,40.34）ml/min,仍表现了较差的一致性。较低的血红蛋白与白蛋白水平中eGFR公式的精准度与在不同的mGFR水平分类的符合率与较高,错分率较低。通过本院的数据分别推导出了新公式Scr与新公式Scr-cysC,在内部验证数据集与外部验证数据集对其进行验证,与已发表的公式相比,新公式Scr估计GFR的偏差更小（MPE,内部验证数据集中为4.4%,外部验证数据集中为3.6%）,且更准确（P30,内部验证数据集中为74.3%,外部验证数据集中为79%）。此外,新公式Scr-cysC的准确性也得到了提高,在内部与外部验证数据集中,MPE分别为0.4%与0.3%,P30分别为84.8%与79.5%。两个新公式的准确性相似(P30,新公式Scr为79.0%vs新公式Scr-cysC为79.5%),但新公式Scr-cysC表现了更低的偏差(MPE,新公式Scr-cysC为0.3%vs新公式Scr为3.6%)。且新公式在体重指数较低的患者以及mGFR<90ml/min的患者中更为适用。 结论:除肾功能相关的指标外,本研究中肿瘤人群的血清白蛋白水平和血红蛋白与mGFR水平显示较强的相关性;常用的eGFR公式在肿瘤人群中都表现出较差mGFR一致性与精度以及准确度,且在不同血红蛋白与血清白蛋白水平中eGFR的性能有明显区别;本研究推导了新的公式来估计中国肿瘤患者的GFR,在内部与外部人群中验证其,显示比常用的已发表的公式具有更高的一致性、精度与准确度和更低的对不同mGFR水平分类的错分率。

关键词： 卫星重力梯度   粗差探测   K-Means均值聚类算法   卷积双向长短时记忆神经网络   潮汐因子  

摘要： 地球重力场是揭示地球内部结构及性质的重要工具。地球重力场模型是利用重力场多源观测数据构建的重力等位面,目前广泛使用的EGM2008全球重力场模型在构建时采用了陆地重力、卫星重力和卫星测高等多源数据,在我国大陆地区的整体精度约10 m Gal全球重力场模型同样采用多源数据。 随着空间技术的发展,特别是重力场和稳态海洋环流探测卫星(GOCE,gravity field and steady-state ocean circulation explorer)的加入,重力场的测定精度有了很大的提高。GOCE卫星的引力梯度测量涉及到多种技术,包括卫星定姿、星间链路测量、轨道计算等,重力观测由于垂直大地测量基准不同、经纬度位置错误、地球动力效应和重力仪漂移等因素,误差会受到影响,这些误差往往会随着距离的推移而累积。含有色噪声的重力梯度数据的预处理是GOCE卫星数据科学处理的重要环节,卫星重力梯度数据应使用适当的粗差探测和剔除进行预处理,以实现观测数据科学处理的可靠性。其主要目标是消除或压制错误数据对正常数据的影响。本文利用模拟数据设计实验,验证算法性能,试图丰富目前粗差探测的判断手段。 使用重力仪器测定的连续重力台站观测数据,仪器运行过程中的部件故障、地震信号和突然停电可能会导致异常信号(如尖峰、跳跃)或连续观测中的不连续性,从而偏离真实值。这些扰动可以影响潮汐和非潮汐结果。为了消除这些干扰,有必要对原始观测数据进行预处理,有效的预处理可以大大提高重力潮汐观测的稳定性。 因此,本文基于卫星重力观测数据和连续重力台站数据,采用K-Means均值聚类、长短时记忆(LSTM,Long Short-Term Memory)神经网络训练方法训练卫星重力数据粗差探测方法,验证机器学习算法应用的有效性和可靠性。提出基于卷积双向长短时记忆(CNN-Bi-LSTM,CNN-Bi-Directional Long Short-Term Memory)神经网络算法的连续重力台站观测数据异常值识别,并通过潮汐调和分析,分析潮汐因子的精度和特征。本文的研究内容包括: (1)提出了基于K-Means均值聚类的粗差探测方法,评估算法的有效性和可靠性。实验结果表明,K-Means均值聚类总体的粗差探测结果为88.17%,实现了对时间有较高要求的大规模数据集聚类。 (2)使用长短记忆神经网络对卫星重力数据进行粗差检测的方法和应用。网络模型经过训练后,引入评价指标来测试粗差检测方法的效率和准确性。尽管在数据网格上训练该方法很耗时,但将该模型应用于测试集只需要4.26秒,在收敛速度和精度方面具有明显的优势。 (3)卷积双向长短时间记忆神经网络用于处理连续重力站数据的异常值。将测试网络应用于实际连续重力数据,可以通过对处理后的数据进行潮汐调和分析,探讨影响潮汐校正精度的因素。理论模型和真实数据的验证表明,深度学习模型可以比传统的人工异常检测方法更准确、更有效地检测和预测异常情况,从而筛选出高质量的连续重力数据,获得高精度的潮汐因子。

关键词： 结直肠癌   机器学习   诊断试验   标志物   PLAGL2  

摘要： 研究背景:结直肠癌是世界上第三大恶性肿瘤。在我国结直肠癌总发病人数位列各癌中第二位。尽管目前对于结直肠癌的治疗技术有所提高,但结直肠癌患者的5年总体生存率仍不理想。结直肠癌诊断时分期越晚,患者的生存预后越差。但早期诊断的结直肠癌患者的5年总体生存率可以达到90%。因此,寻找用于早期诊断结直肠癌的生物标志物至关重要。近年来,随着生物信息学的发展和各大生物数据库的建立和完善,机器学习方法充分发挥了在处理大数据方面的优势,为疾病的早期诊断提供了新的思路和方法。本研究通过机器学习方法对结直肠癌的生物标志物进行了筛选与验证,为结直肠癌的基础研究和精准医学研究寻找到了新的思路。 研究方法:利用R语言对Gene Expression Omnibus(GEO)数据库的结直肠癌数据集进行差异表达基因分析;将上调的差异表达基因汇总为模拟训练样本,分别利用Least Absolute Shrinkage and Selection Operator(LASSO)回归以及Support Vector Machine Recursive Feature Elimination(SVM-RFE)法分析并建立诊断模型,选出两个模型中共有的基因作为标志物的候选因子;利用GEO数据库中的生存数据进行生存分析,挑选出与结直肠癌患者生存相关的生物标志物Pleiomorphic Adenoma Gene-like 2(PLAGL2);通过GEO数据库以及The Cancer Genome Atlas(TCGA)数据库中的结直肠癌的表达数据进行诊断试验评价PLAGL2对于结直肠癌的诊断能力以及对于结直肠腺瘤的鉴别诊断能力;收集2014年1月至2015年12月期间中南大学湘雅三医院的结直肠癌和癌旁组织蜡块进行切片并做PLAGL2的免疫组化实验,验证PLAGL2在组织中作为诊断因子的效能,并进一步验证PLAGL2的表达水平与结直肠癌患者总体生存之间的关系。 研究结果:(1)在结直肠癌组织中筛选出了66个共同上调的差异表达基因(FC值>1.2,P<0.05),并通过机器学习分析以及生存分析得出PLAGL2的表达可以作为潜在的结直肠癌的诊断及预后标志物。 (2)GEO数据库和TCGA数据库中结直肠癌和癌旁的数据的诊断试验分析验证了PLAGL2对于结直肠癌的诊断效能,PLAGL2的表达对于结直肠癌的诊断具有较高的灵敏度以及特异度。 (3)PLAGL2的表达可以用于对结直肠癌和结直肠腺瘤的鉴别诊断,并得出了鉴别诊断的最佳的截断值,可以用于区分结直肠癌和结直肠腺瘤。 (4)PLAGL2在结直肠癌细胞中的表达水平明显高于癌旁组织(P<0.05),PLAGL2的表达水平与淋巴结转移(P<0.05)和TNM分期(P<0.05)呈显著正相关。PLAGL2的高表达提示着结直肠癌患者的不良预后。 研究结论:(1)PLAGL2在结直肠癌中高表达,与结直肠癌的淋巴结转移以及TNM分期相关。 (2)PLAGL2的高表达提示着结直肠癌患者的不良预后。 (3)PLAGL2可作为结直肠癌潜在的诊断及预后标志物。 图14幅,表11个,参考文献58篇

关键词： 盾构   围岩分类   深度学习   掘进参数   预测模型  

摘要： 隧道掘进机(TBM/盾构机)具有施工效率高、施工安全环保、施工质量安全可靠、对地面建筑物干扰较小、不受天气影响等优势,在地铁建设中被广泛应用,但盾构机造价成本相对较高,同时对地质条件十分敏感,所以有效预测特定地质条件下地铁盾构机各掘进参数(掘进速度、刀盘扭矩、刀盘推力)对于施工方法选择、进度安排以及工程预算尤为重要。以往研究表明,利用深度学习算法可以有效预测盾构掘进参数。基于此,本文依托成都地铁轨道交通1 9号线二期工程,结合盾构实测数据和深度学习算法,研究盾构掘进效率,开展基于深度学习的盾构掘进速度预测及盾构施工隧道围岩分类预测研究。通过对盾构掘进数据预处理及相关性分析,构建掘进速度预测模型。结合地质资料,研究盾构施工隧道围岩分类,最终构建盾构施工隧道围岩分类模型,利用盾构记录的掘进参数预测隧道围岩类别。主要研究成果如下:(1)根据掘进段中刀盘推力F、掘进速度V、刀盘转速N和刀盘扭矩T的周期性变化将掘进段划分为启动段、上升段、稳定段和下降段四个阶段,基于盾构掘进段划分后的实测数据,分别研究了刀盘转速、刀盘扭矩、贯入度、掘进速度、刀盘推力等5个掘进参数在中风化泥岩和中风化砂岩中沿桩号的变化规律,为评价施工效率和围岩类别提供了参考。(2)采用XGBoost模型对所选样本洞段进行围岩类别划分,建立了盾构隧洞围岩分类模型,并分析了影响盾构围岩分类的掘进参数,并对模型进了初步检验,为提高盾构运行性能预测及风险防控水平,实现盾构信息化施工提供重要支撑。(3)基于残差神经网络(Residual Network)、注意力机制算法(Attention Mechanism)改进长短时记忆神经网络(Long Short Term Memory)、门控循环单元(Gate Recurrent Unit)和循环神经网络(Recurrent Neural Network)深度网络模型,提出一种新型预测框架,将该模型用于预测成都地铁隧道的掘进速度,并对比分析RNN、LSTM、GRU深度模型以及基于ResNet改进的优化模型和基于Attention改进的优化模型的预测效果,建立了盾构掘进速度预测模型。(4)对建立的盾构施工掘进速度预测模型应用于泥岩和砂岩地层段,并与成都地铁盾构机采集到的现场数据进行了对比分析,模型的决定系数达到了 0.90以上,均方根误差在3.6以下,平均绝对误差在1.3以下,模型达到了较好的准确性和稳定性,为掘进速度设定值的选择提供参考。

关键词： 细胞周期   细胞周期标志物   单细胞RNA测序   机器学习   特征选择  

摘要： 细胞增殖是生物生长和发育的基本生物学活动之一。在细胞增殖过程中发生的事件序列通常被称为细胞周期,通常分为四个阶段,即G1期、DNA合成期(S期)、G2期和有丝分裂期(M期)。在真核生物中,处于不同细胞周期阶段的细胞具有特定的基因表达模式,从而发挥每个阶段特定的功能。已有研究表明,特定基因表达的失调会导致细胞周期的紊乱,从而引起异常的细胞增殖和癌症发生。现如今,靶向特定细胞周期阶段的药物策略已应用于癌症的精准治疗。细胞周期研究及其相关基因的鉴定不仅对癌症的临床诊疗提供重要理论指导,而且在靶向细胞周期治疗的发展中也起到了关键作用。确定细胞处于哪个细胞周期阶段对于癌症发展和药物靶向细胞周期的研究至关重要。过去,研究者主要通过显微镜观察细胞形态的变化来确定细胞周期阶段。此外,还可以利用细胞的DNA含量进行测量,通常使用荧光染料或自然放射性同位素标记DNA,并借助流式细胞术或放射自显影术等方法来定量测定细胞的DNA含量,从而推断细胞所处的细胞周期阶段。随着技术的不断发展,现代生物学家们引入了免疫荧光染色技术,通过使用特异性抗体标记细胞周期相关蛋白,如细胞周期蛋白和核分裂酸酶等,可以在细胞内形成荧光信号,从而定位细胞所处的细胞周期阶段。然而,当前的检测方法存在以下问题:(1)操作复杂且耗时;(2)无法进行大规模的细胞周期检测。随着单细胞技术的快速发展,以前无法想象的高分辨率大规模细胞分析成为可能。在本研究中,我们应用先进且广泛使用的计算方法对单细胞RNA测序数据进行分析,以探索额外的细胞周期信息。首先,我们利用Boruta和三种特征排序算法(最大相关最小冗余、Monte-Carlo特征选择和基于Light GBM的SHAP特征选择)筛选出细胞周期相关基因。其次,我们将决策树,随机森林,K最近邻和支持向量机融入增量特征选择方法中,并基于十折交叉验证评估模型性能,从而找出对应与三种基因排序列表的最优分类模型和最优特征子集。同时,我们挖掘了一系列定量分类规则,可以区分不同的细胞周期阶段。最后,我们综合了基于最大相关最小冗余、Monte-Carlo特征选择和基于Light GBM的SHAP特征选择三种方法产生的最优特征子集,鉴定出了关键细胞周期标志物,并通过GO富集和KEGG通路富集分析,基因生物学分析以及定量规则分析来解析这些基因的意义。综上所述,我们提出了一种新的细胞周期检测方法,并鉴定了新的潜在细胞周期相关基因。此外,我们还提出了一种优化的分类器,经过大量单细胞数据训练后,具有出色的分类性能。最后,分类模型中的定量决策规则为区分不同细胞周期阶段的细胞提供了直接线索。通过本次研究,我们提出了一种创新的计算方法,可以在单个细胞水平上准确预测细胞所处的细胞周期阶段。同时,我们还鉴定了一大批潜在的细胞周期标志物,这些发现有助于进一步探索细胞周期调节的分子机制。此外,这些标志物有望成为癌症的预后生物标志物,为治疗靶点的开发提供指导,从而促进精准医疗的发展。