一种异构集成学习的儿科疾病诊断方法研究

为提升儿科医生诊断效率及准确性,采取一种基于数据挖掘与机器学习相结合的分类技术。通过收集一定量的儿科患者病历样本,参考儿科医学书籍及资料,并利用数据挖掘的方法,从这些样本中提取出患者的病症和疾病数据,建立机器学习算法模型。对这些模型结果采用融合的方法进行集成,从而预测出未知样本的疾病结果。医生等相关人员可以利用这些结果作为参考,进而得出疾病诊断的结论。通过对总体样本"自助法"划分训练集与测试集,集成并预测,得到的实验结果表明,集成模型与其构成的单一模型相比,准确率提高了约6%。

壮族人群肠道菌群多样性分析

以中国广西壮族自治区生活在城市和乡村的46位健康成年壮族人为研究对象,分析城乡壮族人群肠道菌群的多样性。通过PCR-DGGE图谱的PCA分析,结果表明:城乡壮族人群肠道菌群结构按照实际分组情况明显的分为两簇;16S r RNA V3区的测序结果显示城乡壮族人群肠道菌群都以厚壁菌门、拟杆菌门、变形菌门和放线菌门为主;城市壮族人群以志贺氏菌属(Shigella)和假双歧杆菌为特有菌株,而乡村壮族人群肠道以Parabacteroides gold-steinii,乳杆菌属和动物双歧杆菌为特有菌株;尽管两组中SCFA含量无显著性差异,但乡村壮族人群肠道内的乳杆菌属和双歧杆菌属的多样性明显区别于城市壮族人群。综上所述,在不同膳食结构和生活习惯下,城乡壮族人群肠道菌群的多样性存在明显差异。