反事实预测和选择偏差是因果效应估计中的重大挑战。为对潜在协变量的复杂混杂分布进行有效表征,同时增强反事实预测泛化能力,提出一种面向工业因果效应估计应用的重加权对抗变分自编码器网络(RVAENet)模型。针对混杂分布去偏问题,借鉴...反事实预测和选择偏差是因果效应估计中的重大挑战。为对潜在协变量的复杂混杂分布进行有效表征,同时增强反事实预测泛化能力,提出一种面向工业因果效应估计应用的重加权对抗变分自编码器网络(RVAENet)模型。针对混杂分布去偏问题,借鉴域适应思想,采用对抗学习机制对由变分自编码器(VAE)获得的隐含变量进行表示学习的分布平衡;在此基础上,通过学习样本倾向性权重对样本进行重加权,进一步缩小实验组(Treatment)与对照组(Control)样本间的分布差异。实验结果表明,在工业真实场景数据集的两个场景下,所提模型的提升曲线下的面积(AUUC)比TEDVAE(Treatment Effect with Disentangled VAE)分别提升了15.02%、16.02%;在公开数据集上,所提模型的平均干预效果(ATE)和异构估计精度(PEHE)普遍取得最优结果。展开更多
目的 通过运用3D重建与骨折地图技术分析胸腰段骨折后上缘骨折块的形态特点,为临床手术减压提供参考。方法 回顾性分析2017年1月-2024年1月本院收治的103例患者胸腰段椎体骨折(T12、L1)后上缘骨折块的薄层CT数据,利用Mimics Research 2...目的 通过运用3D重建与骨折地图技术分析胸腰段骨折后上缘骨折块的形态特点,为临床手术减压提供参考。方法 回顾性分析2017年1月-2024年1月本院收治的103例患者胸腰段椎体骨折(T12、L1)后上缘骨折块的薄层CT数据,利用Mimics Research 21.0进行三维重建,并将每个骨折块作为单独实体分离,然后导入到3-matic Research 13.0软件中,进行复位后整合。随后导入E-3D Medical 23.00软件中,骨折实体与模板重合后,在模板上绘制出后上缘骨折块与主体之间骨折线,然后生成骨折线图和热图。利用线性相关分析,探讨骨折块长、宽、高与患者性别、年龄及体重之间的相关性。结果 从热图中可看出骨折线集中区域呈环形分布,矢状位在椎体的中柱,冠状位在双侧椎弓根之间。Pearson线性相关提示:T12组中骨折块的高与性别具有相关性(P<0.05,r=0.365);L1组中骨折块的前后径与性别具有相关性(P<0.05,r=0.320)。结论 T12、L1椎体后上缘骨折块地图的研究明确了骨碎片的形态特征,为椎弓根螺钉内固定术和经皮穿刺椎体成形术提供了参考。展开更多
文摘反事实预测和选择偏差是因果效应估计中的重大挑战。为对潜在协变量的复杂混杂分布进行有效表征,同时增强反事实预测泛化能力,提出一种面向工业因果效应估计应用的重加权对抗变分自编码器网络(RVAENet)模型。针对混杂分布去偏问题,借鉴域适应思想,采用对抗学习机制对由变分自编码器(VAE)获得的隐含变量进行表示学习的分布平衡;在此基础上,通过学习样本倾向性权重对样本进行重加权,进一步缩小实验组(Treatment)与对照组(Control)样本间的分布差异。实验结果表明,在工业真实场景数据集的两个场景下,所提模型的提升曲线下的面积(AUUC)比TEDVAE(Treatment Effect with Disentangled VAE)分别提升了15.02%、16.02%;在公开数据集上,所提模型的平均干预效果(ATE)和异构估计精度(PEHE)普遍取得最优结果。
文摘目的 通过运用3D重建与骨折地图技术分析胸腰段骨折后上缘骨折块的形态特点,为临床手术减压提供参考。方法 回顾性分析2017年1月-2024年1月本院收治的103例患者胸腰段椎体骨折(T12、L1)后上缘骨折块的薄层CT数据,利用Mimics Research 21.0进行三维重建,并将每个骨折块作为单独实体分离,然后导入到3-matic Research 13.0软件中,进行复位后整合。随后导入E-3D Medical 23.00软件中,骨折实体与模板重合后,在模板上绘制出后上缘骨折块与主体之间骨折线,然后生成骨折线图和热图。利用线性相关分析,探讨骨折块长、宽、高与患者性别、年龄及体重之间的相关性。结果 从热图中可看出骨折线集中区域呈环形分布,矢状位在椎体的中柱,冠状位在双侧椎弓根之间。Pearson线性相关提示:T12组中骨折块的高与性别具有相关性(P<0.05,r=0.365);L1组中骨折块的前后径与性别具有相关性(P<0.05,r=0.320)。结论 T12、L1椎体后上缘骨折块地图的研究明确了骨碎片的形态特征,为椎弓根螺钉内固定术和经皮穿刺椎体成形术提供了参考。