融合趋势嵌入和粒度增强网络的小样本医学时间序列预测

随着大数据分析和深度学习的迅猛发展,时间序列预测方法被广泛应用于医学、金融、气象和交通等领域,为众多应用任务提供决策支持.针对小样本医学数据特征维度低和现有深度学习方法易于造成过拟合问题,研究小样本医学时间序列预测任务,提出融合趋势嵌入和粒度增强网络的预测方法.首先在卷积神经网络的框架下,粒度增强网络分别从时间维度和特征维度将医学时间序列数据提升为三维张量;然后以医学时间序列样本的一阶差分作为方向向量,基于方向导数生成趋势嵌入表征;再构建静态空间邻接矩阵和动态时间邻接矩阵,并通过时空图卷积网络学习时空嵌入表征;最后将构建的时空嵌入、预测嵌入和趋势嵌入整合到基于图卷积网络、门控循环单元和残差网络的网络架构之中,实现医学时间序列预测.在Cancer,ILI,Baries和COVID-19这4个数据集上的实验结果表明,与预测结果最佳的基线模型T-GCN相比,所提方法在每个数据集的MAE,MAPE和RMSE这3个评价指标上分别降低34.0607,0.0107,70.6728;11.1808,0.0950,20.7285;0.3546,0.1127,0.4553和449.2437,0.0144,1174.7273,其性能优于基线方法,验证了该方法的可行性及有效性.

糖尿病对外周动脉疾病患者下肢动脉钙化的影响分析

目的:探讨糖尿病对外周动脉疾病(Peripheral arterial disease,PAD)患者下肢动脉钙化的影响,并分析糖尿病及下肢动脉钙化程度与PAD患者总生存时间(Overall survival,OS)的相关性。方法:回顾性收集2011年1月—2018年12月期间于中国医科大学附属盛京医院介入病房就诊的存在下肢缺血症状的PAD患者。利用半自动软件在CT平扫图像上测量下肢动脉钙化积分(Lower limb arterial calcification score,LLACS),利用倾向性评分匹配(Propensity score matching,PSM)方法分析糖尿病与非糖尿病PAD患者下肢各节段动脉钙化积分差异。采用Cox风险比例模型分析糖尿病、下肢动脉钙化程度对PAD患者OS的影响。应用ROC曲线评估年龄及下肢动脉钙化积分预测PAD患者全因死亡事件的能力。结果:共纳入172例患者(糖尿病91例,非糖尿病81例)。糖尿病组的总LLACS(P=0.036)、股腘动脉钙化积分(P=0.003)及膝下动脉钙化积分(P=0.037)均明显高于非糖尿病组;将动脉硬化的常见危险因素进行PSM后得到54例糖尿病患者和54例非糖尿病患者,糖尿病组的股腘动脉钙化积分(P=0.013)及膝下动脉钙化积分(P=0.029)仍显著高于非糖尿病组。多因素分析显示年龄(P<0.001)及股腘动脉钙化积分(P=0.020)是PAD患者OS的独立影响因素,而糖尿病与PAD患者的OS无关(P=0.515)。ROC曲线分析显示年龄与股腘动脉钙化积分联合对PAD患者全因死亡的发生有较高的预测价值(AUC=0.735,95%CI 0.633~0.837,P<0.001)。结论:合并糖尿病的PAD患者的股腘动脉及膝下动脉钙化更严重。股腘动脉钙化积分与PAD患者的OS具有相关性。

《孝经直解》语言现象札记

《孝经直解》是元代直讲体文献之一,有丰富的元代特色口语现象,真实地反映了在汉蒙语言接触影响下的元代汉语口语面貌。文章分析了《孝经直解》中“家”“为头(儿)”等词的来源及用法,探究了蒙语干扰下形成的部分特殊语法现象,发现《孝经直解》的语言既有汉语特色,又彰显了汉蒙语言接触背景下语言表达的特殊性,认为《孝经直解》这部直讲体文献是珍贵的元代口语资料,具有极高的语言研究价值。

血管平滑肌细胞在血管钙化中的调控机制研究进展

血管钙化普遍存在于衰老、动脉粥样硬化、慢性肾脏病、糖尿病等病理过程中,是全因死亡和心血管事件的危险因素。近期研究表明,血管钙化是一个主动的高度调控的过程。血管平滑肌细胞(VSMCs)向成骨细胞表型分化和分泌细胞外囊泡作为磷酸钙沉积位点在血管钙化中起着至关重要的作用。表观遗传、氧化应激和内质网应激、炎症、细胞衰老、自噬、钙化抑制剂、钙磷代谢等一系列因素调控VSMCs的钙化。本文主要综述了VSMCs在血管钙化中的调控机制。