融入临床先验知识的ICU内脓毒症早期预警模型

目的基于重症监护病房(ICU)内脓毒症数据集,融入临床先验知识,构建ICU内脓毒症早期预警模型,提高模型的准确性,并增加模型的可解释性。方法使用MIMIC-Ⅲ数据库作为内部验证集,选取入住ICU的患者,根据纳入和排除标准确定最终入选病例(n=13737)。然后在集成学习方法的基础上,将临床先验知识与其他生理特征相结合,建立一个ICU内患者发生脓毒症的早期预警集成学习模型,使用十折交叉验证方法,同时设计消融实验和基线对比,并基于平均信息增益和Shapley值对脓毒症早期诊断影响因素进行解释分析。利用内部验证集对模型进行检验,并采用dtchina数据库(n=670)对模型性能进行检验。结果本研究通过使用不同的分类器进行建模,结果显示,融入先验知识后模型的受试者工作特征曲线下面积(AUC)值能增加2%~3%,而特征融合模型取得的效果优于其他任意模型,在内部验证集中,其AUC为0.879(95%CI 0.859~0.901),在外部验证集中,其AUC为0.793(95%CI 0.713~0.863)。同时,根据可解释性分析得出临床先验知识的权重最高,WBC、收缩压、HCO-3、呼吸频率是影响脓毒症早期诊断的重要因素。结论通过将临床先验知识和生理特征进行结合,构建的特征融合集成模型性能较好,并通过实验设计和分析说明加入临床先验知识的必要性。

线下教育培训机构运营新样态的建构与探究——基于后疫情时代S公司在线教学的反思

后疫情时代,应急在线教学的迅猛发展虽然给线下教育培训机构带来了严重的发展危机,但也带来了崭新的发展机遇。线下教育培训机构应创新运营模式,提高应急管理能力,实现持续向好发展。通过对S公司在线教学期间运营管理的解构,总结其在薪酬和绩效考核体系、在线教学平台运营和培训内容,以及线上营销战略规划等方面暴露的问题。由此提出应通过积极响应国家“双减”政策和学校美育建设号召,改进薪酬和绩效评价制度,搭建多样化线上教育平台,完善线上营销策略等途径,实现线下教育培训机构运营模式新样态的建构。

基于多头注意力机制的手术器械图像分割方法

对手术器械的自动分割是微创手术机器人稳定运行的保障,目前的手术器械分割方法都由串联连接的,容易造成细节丢失。因此,本文提出了一种基于多头注意力机制的手术器械分割方法(ST-HRNet),采用HRNet结构构建并行子网络直接输出高分辨率特征图,防止细节丢失;还融合滑动窗口多头注意力机制来获取全局信息进一步提高分割精度。在Endovis2017手术器械数据集和私有数据集上与Unet、TransUNet、GCnet、HRnet方法进行了对比实验,实验表明ST-HRNet方法效果最佳。