基于SMOTEENN算法的音乐APP听歌习惯与大学生抑郁倾向的相关性研究

目的 探究基于音乐APP听歌习惯的大学生抑郁倾向影响因素,构建预测模型并进一步优化。方法 2023年4~5月采用方便抽样对1 157份在校大学生进行问卷调查,利用单因素分析和Logistic回归分析筛选影响因素,在此基础上构建预测模型;采用SMOTEENN过抽样算法改进数据集,构建预测模型。结果 Logistic回归分析发现性别:女性(OR=1.730,95%CI:1.257~2.396),年级:大四和研究生(OR=2.649,95%CI:1.198~7.506)、(OR=2.041,95%CI:1.231~3.885),专业:理科(OR=1.573,95%CI:1.052~2.350),每天听歌时长:0.5~2 h(OR=1.661,95%CI:1.011~2.695),听歌曲风:“伤情”和“怀旧”(OR=2.668,95%CI:1.701~4.226)、(OR=1.751,95%CI:1.086~2.837),留言频率:“0~5%”的歌曲留言(OR=2.938,95%CI:1.018~8.417)是抑郁倾向的独立危险因素。开始听歌的年限:1~3年内(OR=0.547,95%CI:0.347~0.872),听歌时间段:14:00~18:00和18:00~21:00(OR=0.375,95%CI:0.167~0.845)、(OR=0.313,95%CI:0.148~0.671),“国风”类歌曲:喜欢(OR=0.711,95%CI:0.541~0.941)是抑郁倾向的独立保护因素。预测效果最优的模型为基于SMOTEENN算法的Logistic预警模型,AUC为0.923。结论 构建Logistic回归模型得到大学生抑郁倾向的9个独立影响因素。基于SMOTEENN算法所构建的预警模型能更准确地预测大学生的抑郁倾向。

基于SMOTE算法和机器学习模型建立原发性肝癌术后的预后预测模型

目的基于合成少数类过采样技术(synthetic minority over-sampling technique,SMOTE)算法和机器学习模型构建原发性肝癌术后的预后预测模型。方法选取美国国立癌症研究所的监测、流行病学及最终结果(Surveillance,Epidemiology,and End Results,SEER)数据库中4297例患者进行回顾性队列研究,通过独热编码和平均值插补法进行数据预处理,利用SMOTE算法解决数据类别不平衡问题,将临床变量纳入机器学习模型,基于决策树(decision tree,DT)、随机森林(random forest,RF)、梯度提升决策树(gradient boosting decision tree,GBDT)、极限梯度提升算法(eXtreme Gradient Boosting,XGBoost)方法构建预后预测模型(SMOTE+DT/RF/GBDT/XGBoost),通过比较多种模型的性能,筛选出最佳的预测模型。结果组合模型SMOTE+RF展示出最优的预测性能,受试者工作特征曲线(receiver operating characteristic curve,ROC)下的面积(area under the curve,AUC)、准确率和精确率均高于其他模型,分别为0.895、0.811、0.806。结论基于SMOTE+RF算法的原发性肝癌的预后预测模型可有效预测原发性肝癌患者的生存结局。

探讨医学院校医学统计学教育教学的困境与改革

医学统计学是运用概率论与数理统计的原理和方法研究医学科研中有关数据的搜集、整理、分析和推断的应用性学科，也是医学高等院校医学生的必修课程［1］。然而，现有的医学统计学教育教学并不太乐观，仍然存在一些不可忽视的问题，面临着某些困境，如医学统计学教育与专业课程设置都未得到应有的重视与发展，教学内容过于知识化、教学方法手段呆板陈旧等。因此，如何建立既符合生物医学发展趋势、又适应医学生培养目标的医学统计学教育与教学模式，已经成为医学统计学教育教学改革迫切需要解决的问题［2］。

多源数据预测重庆市肝炎发病趋势的时滞输入神经网络研究

目的利用多源互联网数据构建时序分析融合工具,继而精准预测重庆市肝炎的发病趋势。方法利用卫生疾控中心数据库获取肝炎发病率数据,大气污染物数据来源于中国环境监测总站官网,气候数据来源于国家气象星系中心,网络指数数据来源于百度搜索引擎,时间范围均为2013年11月至2023年5月。基于现有的时序分析方法,利用多源数据对分解模型的残差部分进行校正。基于非自回归(non-autoregressive,NAR)和长短期记忆递归神经网络(long short term memory,LSTM)的各自优势,构建了时滞输入神经网络(delayed input neural network,DINN)。之后,还在其基础上加入了星雀优化算法(nutcracker optimizer algorithm,NOA)和联合四分位-Huber损失函数(joint quantile Huber loss,JQHL)等优化模块,继而构建了DINN+。结果相较于常见的单输入模型及同步多输入模型,DINN可取得最为优异的预测效果。在加入超参数和损失函数优化后,DINN+的预测性能进一步提升,其测试集MSE为0.1709、MAE为0.4612、RMSE为0.5821、MAPE为0.0626、R 2为0.8840。结论基于多样方法和多元数据融合的思想,在既往的时序分析方法基础上,本文提出了一个准确性和泛化能力良好的DINN+优化模型。该模型丰富和补充了利用多源数据校准传染病时序预测分析的方法学研究内容,可作为未来传染病公共卫生层面影响因素分析及趋势预测的全新基准。

基因芯片表达数据的标准化策略研究

目的 从统计学、数学和生物信息学相结合的角度 ,探讨针对不同密度基因芯片 (microarray ,genechip)如何进行数据标准化处理与分析 ,寻找表达上有显著性差别的基因。方法 在Excel和Spss软件中 ,采用总强度标准化法 (totalintensitynormalization ,TIN )和局部加权线性回归标准化法 (locallyweightedlinearregressionnormalization ,LWLRN)对高低密度芯片数据进行分析处理。结果 这些方法能有效地减少系统误差产生的影响 ,使处理后的数据更加具有可比性和可靠性。结论 本研究提供的分析方法在减少系统误差基础上能较好地找出芯片上有显著性差异表达的基因 ,不过标准化方法还处于起步和发展的阶段 ,需进一步完善 ;但随着非线性技术的不断完善 ,计算机软硬件的快速发展 。

基于想象左右手运动脑机接口实验研究及分析

探索一种实用的基于想象运动思维脑电的脑．机接口（Brain．computerinterface，BCI）方式，通过寻找合适的信号处理方法，来提取最能反映不同思维的脑电特征，以提BCI系统通讯识别正确率，为最终实现BCI应用奠定理论和实验基础。对6名健康受试者进行3种不同时段（箭头出现2s、1s和0s后提示按键）情况下想象左右手运动思维作业的信号采集实验，利用小波分析、前向反馈神经网络（BP神经网络）对离线实验数据进行处理和分析。对所有受试者三种情况下的延缓时间△t2、△t1和At0分析发现：At0与△t1和△t2之间都有显著性差异（P〈0．05），而△t1与△t2之间没有显著性差异（P〉0．05）；三种情况下，平均分类正确率分别达到65．00％、86．67％和72．00％，实际按键前0．5～1s左右，想象左右手运动的思维脑电特征信号都发生明显改变，且这些特征存在明显不同。在箭头出现1s左右后提示随机按键情况下，可以获得更高的识别正确率，说明该方案提取的特征作为BCI系统外部装置控制信号是可行的，通过合理的实验设计获取的信号有助于识别正确率的提高，为BCI系统中思维任务的特征提取与识别分类提供新思路和方法。

基于脑电的脑-机接口系统研究现状

目的:就近年来国内外有关脑-机接口系统的研究近况,探讨脑-机接口系统框架结构及其特征提取和分类算法等方面的研究进展。资料来源:应用计算机检索Medline1996-01/2005-08脑-机接口方面的文献,检索词“brain-computer interface,Rehabilitation”,并限定语言为English;同时检索CNKI-KNS1994-01/2005-08脑-机接口方面的文献,检索词为“信号处理、脑电”,并限定语言为中文。资料选择:对资料进行初审,纳入标准:选取包括脑-机接口、信号处理方面的文献。排除标准:综述文献、重复研究文章。资料提炼:共收集到33篇关于脑-机接口的英文文献,中文文献45篇,总共纳入17篇符合标准的文献。资料综合:脑-机接口技术是在人脑与计算机或其他电子设备之间建立的直接的交流和控制通道,它不依赖于脑的正常输出通路(周神经系外统及肌肉组织),是一种全新的对外信息交流和控制方式。概述脑-机接口国内外最新研究进展,并在此基础上全面介绍了整个脑-机接口系统的结构框架及其研究情况,最后分析了当前脑-机接口存在的主要问题及研究方向。结论:脑-机接口的研究正成为脑科学、康复工程、生物医学工程及人机自动控制研究领域的一个新的前沿热点;整体上讲,脑-机接口系统的研究正处于发展阶段。现有的脑-机接口系统还存在通讯速度低、效果不稳定等技术障碍,特别是信号处理算法的选择与改进等方面有待进一步研究。

重庆市沙坪坝区老年人健康状况及其慢性病分布特征的调查研究

目的探讨重庆市沙坪坝区老年人健康状况及常见慢性病现况,为开展社区老年卫生服务提供依据。方法采用分层整群抽样方法对该区16个社区年龄大于或等于60岁的5345名老年人进行问卷调查。结果老年人慢性病总患病率为59.1%,其中男性患病率56.2%,女性患病率61.3%,两者差异有统计学意义(P<0.01);25.8%的老年人同时患有2种及以上慢性病;患病率位于前3位的病种依次是高血压(23.7%)、糖尿病(9.4%)和脑血管病(7.8%);健康主观评价4项指标自身情况评价不好的分别占16.6%、13.4%、13.9%和28.5%,且男性评价情况好于女性(P<0.05);在日常生活行为上存有各种困难的为33.6%,伤残及功能障碍者为15.9%。结论针对社区老年居民的健康状况,慢性病预防控制策略和措施亟待加强,才能不断提高老年人生活质量。

人工智能在临床领域的研究进展及前景展望

人工智能(artificial intelligence,AI)的提出引发了医学领域的诸多技术创新,并彻底改变了传统医学模式。医学人工智能主要包括机器学习(machine learning,ML)、深度学习(deep learning,DL)、专家系统(expert systems,ES)、智能机器人(intelligent robots,IR)及医疗物联网(internet of medical things,IoMT)等常用和新兴AI技术方法。AI在医学领域的应用主要体现于智能筛查、智能诊断、风险预测和辅助治疗等方面。当前医学AI已经取得了重大突破,大数据质量治理、新技术赋能革新、多领域知识整合和个性化医疗决策等在临床领域中将展示出更为广阔的发展前景。

基于想象左右手运动思维脑电的提取及分类研究

目的在基于思维作业的脑-机接口中,探讨如何提取脑电信号特征并对其进行准确有效地分类。方法对5例受试者进行3种不同思维作业试验,并对每例受试者两种不同思维作业脑电进行组合,随后用确定性自回归模型(fixedautoregressivemodels,FAR)和自适应自回归模型(adaptiveautoregressivemodels,AAR)提取脑电特征,分别利用Burg′s算法得到FAR特征系数和最小均方误差算法得到AAR特征系数;最后通过前向BP神经网络对这些特征进行分类。结果利用FAR模型得到的最佳分类结果为93.52%,利用AAR模型得到的最佳分类结果仅为87.96%。结论同AAR模型相比,FAR模型可以更好地提取不同思维脑电特征,并在采用合适识别分类算法基础上获得更佳分类效果。

基于支持向量机的思维脑电信号特征分类研究

探索一种实用的基于想象运动思维脑电的脑-机接口（BCI）方式，为实现BCI应用奠定比较坚实的理论和实验基础。对6名受试者进行三种不同时段（箭头出现2s、1s和0S后提示按键）情况下想象左右手运动思维作业的信号采集实验。利用小波变换和支持向量机对实验数据进行离线处理。对三种情况下的延缓时间Δt0、Δt1，和Δt2分析发现：Δt0与Δt1和Δt2屯之间都有显著性差别（p〈0．05），而Δt1与Δt2之间没有显著差别（p〉0．05）；平均分类正确率分别达到68．00％、80．00％和56．67％（p〈0．05）；实际按键前0．5-1s左右，想象左右手运动的思维脑电特征信号都发生了明显改变。通过合理的实验设计获取的信号有助于识别正确率的提高，为BCI系统中思维任务的特征提取与识别分类提供了新思路和方法。

案例教学法在医学统计学教学中的应用

统计学案例教学是一种实践教学活动,可实现统计理论与实践的有效结合,是培养学生应用能力的有效方法。探讨了案例教学法在医学统计学中的应用情况,主要介绍了医学统计学中案例教学法的基本思想、特点、作用、实施步骤和应注意的问题。

基于小波变换-SAM方法的差异表达基因筛选研究

目的基于微阵列表达数据,探索差异表达基因筛选的新的有效方法。方法采用基于小波变换-SAM方法,通过调节Δ值,计算对应的假阳性率(FPR),从而筛选差异表达基因。结果相对于小波变换前,基于小波变换-SAM方法获得更好的筛选效果。结论本方法适用于微阵列表达数据,获得更好的差异表达基因筛选效果,并且比传统的方法更具灵活性。

基于想象左右手运动脑电特征提取及其统计特性分析

目的基于想象运动的脑-机接口(BCI)系统中,探讨如何获取思维脑电、提取特征并对其进行准确而有效地分类。方法利用小波变换方法构建小波系数提取不同思维脑电特征,并从统计学的角度对这些特征进行分析。结果在实际动作前0．5～1s左右,想象左右手运动时C3和C4处各自具有明显不同的脑电特征,且这些特征存在显著性差别(P＜0．05)说明小波系数能很好的反映不同思维脑电的特征。结论小波分析方法可以有效抑制或消除噪声和提取反映不同思维的脑电特征,通过对构建出的小波系数特征作统计学上的特性分析发现不同思维脑电具有显著性差别,该特征为后续分析中得以被准确地转换(识别分类)提供了更为可靠的保证。

医学论文中统计学问题分析与方法的正确选择

针对医学论文中经常出现的统计学问题进行分析，并就常见的医学资料统计指标的恰当描述、统计分析方法的正确选择和统计结果的正确表达等进行总结与讨论，以期增强读者的统计思维，并希望对其医学论文的写作有所帮助。

如何提高医学统计学本科教学质量探讨

医学统计学是理论性和实践性很强的应用交叉学科。在医学统计学教学过程中，注重培养医学生的统计思维能力，通过精选教材、优化与整合教学内容，改革与创新教学方法和手段，加强教学中师生的交流互动和提高教师自身素质等，对于提高医学统计学的本科教学质量和提高学生分析问题、解决问题的应用能力和综合素质具有重大的促进作用和重要意义。

基因表达芯片标准化研究进展

基因芯片数据分析是当前生物信息学的主要研究问题和方向 ,其中的标准化问题对于基因芯片后续的数据分析起着极其重要的作用。从标准化的研究背景、概念以及当前的一些标准化方法模型和各自模型的简单应用等方面探讨了基因芯片标准化的研究现状与进展。

基因表达数据的多尺度特征提取与分类研究

基于微阵列表达数据,探索新的有效特征提取和分类方法。采用小波多分辩率分析方法提取基因表达的特征,利用支持向量机和BP神经网络方法进行分类。基因表达具有明显的多尺度特征,分类率最大达到98.61%,结果稳定。采用多尺度理论对基因表达数据进行分析是一种新的有效的生物信息学方法,值得进一步探索与研究。

基因表达谱缺失数据填补估计方法的研究进展与探讨

基因芯片能为基因组学研究提供海量的基因表达谱数据，这些数据反映了基因在不同组织细胞的不同生长发育阶段或不同生理状态下表达水平的变化［1‐2］。但是，由于基因表达谱的海量性、复杂性、噪声性和高维性特点，特别是缺失数据值的大量存在［3‐5］，给后续的数据分析带来了较大困难，也产生了一些问题：观察到的数据与缺失数据间的差异所产生的偏倚，严重影响后续分析结果的客观性和正确性，从而导致后续分析质量的可靠性和稳健性降低，使得整个分析效率降低；另外，由于缺失数据的存在，经常得出难以解释的结果。因此，如何根据基因表达谱数据信息的特性进行有效的缺失值估计与填补是生物数据分析中重难点，并对后续基因表达谱的不同分析目的（如差异表达基因筛选、基因功能聚类、肿瘤组织分类）将产生重要的生物学影响［6‐9］。本文针对基因表达谱缺失数据的特性，就当前国内外基因表达谱缺失数据的处理方法进行简要概述，在分析其各自优缺点基础上，提出并探讨一种新的填补估计方法。