双模态Logistic Regression及其应用

传统的Logistic Regression能够解决单一模态数据的二分类问题,但在处理多源异构数据时不能很好地利用不同模态间的语义相关性,从而降低了分类性能。为了对双模态数据进行建模,提出同时包含模态内语义信息和模态间语义相关性的双模态Logistic Regression模型。设计一个包含模态内损耗与模态间损耗的目标函数,利用梯度下降法优化目标函数,在每次迭代过程中该模型能够根据一定策略交替地更新不同模态的参数。实验结果表明,双模态Logistic Regression能够获得较好的分类性能和跨模态检索效果。

基于多模态超声图像特征的Logistic回归模型预测三阴性乳腺癌病灶肿瘤浸润淋巴细胞表达的临床价值

目的探讨基于多模态超声(包括二维超声、剪切波弹性成像、超声造影及自动乳腺全容积成像)图像特征的Logistic回归模型术前预测三阴性乳腺癌(TNBC)病灶肿瘤浸润淋巴细胞(TILs)表达的临床价值。方法选取经病理证实的TNBC女性患者99例,根据TILs表达水平将其分为TILs低表达组41例(TILs表达水平<20%)和TILs高表达组58例(TILs表达水平≥20%),应用二维超声获取病灶形态、方位、边缘、内部回声、后方回声、钙化等特征,剪切波弹性成像检测病灶剪切波速度(SWV),自动乳腺全容积成像获取病灶有无汇聚征、晕环征、导管改变等特征,超声造影获取起始增强时间、增强强度、增强方向、增强模式、局灶性充盈缺损、周围血管征、增强后病变范围等特征。比较两组多模态超声图像特征的差异;应用多因素Logistic回归分析筛选预测TNBC病灶TILs高表达的独立影响因素,并建立回归模型。绘制受试者工作特征(ROC)曲线分析回归模型预测TNBC病灶TILs高表达的诊断效能。结果TIls高表达组二维超声图像特征形态规则、边缘光整、后方回声增强、内部回声不均匀,以及超声造影图像特征高增强、局灶性充盈缺损占比均高于TIls低表达组,差异均有统计学意义(均P<0.05);两组自动乳腺全容积成像特征及SWV比较差异均无统计学意义。多因素Logistic回归分析显示,形态规则、边缘光整、后方回声增强、高增强及局灶性充盈缺损均为预测TNBC病灶TILs高表达的独立影响因素(OR=6.858、3.824、5.909、1.945、6.522,均P<0.05);建立的回归模型为:Logit(P)=-2.989+1.925×形态规则+1.341×边缘光整+1.776×后方回声增强+0.665×高增强+1.875×局灶性充盈缺损;其预测TNBC病灶TILs高表达的ROC曲线下面积为0.772。结论基于多模态超声图像特征的Logistic回归模型对术前预测TNBC病灶TILs表达有一定的临床价值。

双胎妊娠早产的Logistic回归模型的建立与验证

【目的】通过分析双胎妊娠分娩者的相关资料,构建Logistic回归模型,以对双胎妊娠早产的高危因素进行筛选和预测,降低双胎妊娠早产的风险。【方法】回顾性分析本院分娩的215例双胎妊娠产妇的临床资料,按照分娩时间不同分为早产组(102例)与足月组(113例)。采用单因素分析早产的相关因素,将有统计学差异的因素纳入Logistic回归分析,建立双胎妊娠早产的Logistic回归模型,并验证其预测效能。【结果】单因素分析显示,两组产妇的体重指数(BMI)、文化程度、孕次,妊娠期高血压、妊娠期糖尿病发生率,孕中期子宫颈长度和胎膜早破发生率比较,差异均有统计学意义(P<0.05)。Logistic回归分析显示,BMI高、孕次少、文化程度低、胎膜早破、有妊娠期高血压和妊娠期糖尿病、孕中期子宫颈长度短是双胎妊娠早产的独立危险因素。受试者工作特征(ROC)曲线分析显示,预测模型的灵敏度是80.4%,特异度是92.0%,曲线下面积为0.940,95%CI为0.910~0.970。【结论】本研究建立了一个可有效预测双胎妊娠早产风险的Logistic回归模型,可对双胎妊娠孕妇孕期及围产期情况进行评估,确定早产的高危因素,对于双胎妊娠早产风险的预防具有重要意义。

双模态成像仿生纳米粒对甲状腺髓样癌的声动力治疗

背景:声动力疗法作为一种新型抗肿瘤治疗手段具有非侵入性和时空可控性的特点,在甲状腺髓样癌无创性治疗中具有广阔的应用前景。目的:制备具有双模态成像能力的仿生癌细胞膜涂层脂质纳米粒,检测纳米粒的理化性质、靶向能力、成像效果、细胞毒性和抗迁移能力。方法:以二棕榈酰磷脂酰胆碱、二棕榈酰磷脂酰甘油、二硬脂酰磷脂酰乙醇胺-聚乙二醇2000、胆固醇、血卟啉单甲醚、全氟己烷为原料,通过薄膜水合-超声振荡法制备脂质纳米粒HP@LNP,其中血卟啉单甲醚装载于脂质纳米结构的疏水层,全氟己烷装载于脂质纳米结构的亲水核心层内;将甲状腺髓样癌细胞膜包覆于脂质纳米粒HP@LNP表面,构建具有主动靶向甲状腺髓样癌细胞能力的仿生脂质纳米粒MHP@LNP。表征纳米粒MHP@LNP的理化性质、靶向能力、免疫逃逸能力、成像效果、细胞毒性和抗迁移能力。结果与结论:①脂质纳米粒MHP@LNP呈现典型的核壳结构,粒径为131.06 nm,平均电位为-30.59 mV,凝胶电泳结果显示脂质纳米粒MHP@LNP与癌细胞膜蛋白图谱相符合,荧光共定位结果显示脂质纳米粒MHP@LNP与癌细胞膜的荧光信号显著重合。脂质纳米粒MHP@LNP纳米粒内血卟啉单甲醚的包封率为87.8%,载药率为14.6%。在低强度聚焦超声刺激下,脂质纳米粒MHP@LNP可发生相变产生微泡,在4 min时超声信号强度达到最大值。在激光照射下,脂质纳米粒MHP@LNP的光声信号强度与其质量浓度呈现线性相关。脂质纳米粒MHP@LNP具有同源细胞靶向能力和免疫逃逸能力。未经低强度聚焦超声照射前的脂质纳米粒MHP@LNP具有良好的生物相容性,而经低强度聚焦超声照射后产生具有细胞毒性的活性氧,有效杀伤甲状腺髓样癌细胞,并抑制甲状腺髓样癌细胞的迁移能力。②结果表明,脂质纳米粒MHP@LNP能够在超声和光声双模态成像引导下实现声动力治疗,用于治疗甲状腺髓样癌。

建立基于常规超声及双模态弹性成像的乳腺癌腋窝淋巴结转移的无创预测模型

目的建立基于常规超声及双模态弹性成像的乳腺癌腋窝淋巴结转移(ALNM)的无创预测模型。方法前瞻性连续性收集2022年1月至2023年9月该院就诊并经病理证实的乳腺癌患者134例,根据有无转移分为转移组74例,无转移组60例。对2组患者原发病灶及腋窝淋巴结的常规超声及双模态弹性特征进行单因素分析,并对单因素分析中差异有统计学意义的参数进行二元logistic回归分析,根据危险因素的回归变量建立预测模型方程。采用受试者操作特征(ROC)曲线评价模型的诊断效能。结果2组患者年龄、原发病灶的位置、病灶数、纵横比、形态、血流分级、弹性评分、应变率比值、病变在弹性图上的面积与在灰阶超声图上的面积比(EI/B Ration-A)、病变在弹性图上的长度与在灰阶超声图上的长度比(EI/B Ration-D)、剪切波平均速度(SWV_(mean))、淋巴结的EI/B Ration-A和EI/B Ration-D差异无统计学意义(P>0.05)。原发病灶的最大径、肿块内部是否有微钙化、常规超声诊断淋巴结阳性、阳性淋巴结数目、淋巴结的弹性评分、应变率比值、SWV_(mean)差异具有统计学意义(P<0.05)。多因素分析显示,原发肿物的最大径、肿物边缘、常规超声诊断阳性淋巴结的数目、淋巴结SWV_(mean)是乳腺癌腋窝淋巴结转移的独立危险因素(P<0.05)。根据回归系数与常数项构建预测模型,其ROC曲线下面积为0.931(95%CI 0.881~0.981,P<0.01),灵敏度和特异度分别为92.50%和87.00%。结论基于乳腺原发病灶及腋窝淋巴结的常规超声和双模态弹性成像构建的预测模型能够较好地评估ALNM,其中乳腺肿物的最大径、肿物边缘、常规超声诊断阳性淋巴结的数目、淋巴结SWV_(mean)是乳腺癌ALNM的独立危险因素。

具有Logistic增长和Crowley-Martin型发生率的随机SIRS双流行病模型的动力学研究

基于现实生活中多种疾病共存并且受环境噪声影响,建立了一个具有Logistic增长和Crowley-Martin型发生率的随机SIRS双流行传染病模型,目的在于讨论Logistic增长、Crowley-Martin型发生率和双流行传染病对模型全局动力学的影响。分析展示了模型的全局动力学由随机基本再生数决定。具体地,首先通过构造Lyapunov函数并利用Ito公式,证明了全局正解的存在唯一性;其次结合引入的随机基本再生数和构造的Lyapunov函数,应用LaSalle不变性原理得到决定疾病灭绝和持久的充分条件。结果表明:环境变化在一定条件下会对疾病起抑制作用。最后,通过数值模拟验证了理论结果的正确性。

多层次时空特征自适应集成与特有-共享特征融合的双模态情感识别

在结合脑电(EEG)信号与人脸图像的双模态情感识别领域中,通常存在两个挑战性问题:(1)如何从EEG信号中以端到端方式学习到更具显著性的情感语义特征;(2)如何充分利用双模态信息,捕捉双模态特征中情感语义的一致性与互补性。为此,提出了多层次时空特征自适应集成与特有-共享特征融合的双模态情感识别模型。一方面,为从EEG信号中获得更具显著性的情感语义特征,设计了多层次时空特征自适应集成模块。该模块首先通过双流结构捕捉EEG信号的时空特征,再通过特征相似度加权并集成各层次的特征,最后利用门控机制自适应地学习各层次相对重要的情感特征。另一方面,为挖掘EEG信号与人脸图像之间的情感语义一致性与互补性,设计了特有-共享特征融合模块,通过特有特征的学习和共享特征的学习来联合学习情感语义特征,并结合损失函数实现各模态特有语义信息和模态间共享语义信息的自动提取。在DEAP和MAHNOB-HCI两种数据集上,采用跨实验验证和5折交叉验证两种实验手段验证了提出模型的性能。实验结果表明,该模型取得了具有竞争力的结果,为基于EEG信号与人脸图像的双模态情感识别提供了一种有效的解决方案。

双模态双向感知下语义信息增强的多模态情感分析

针对不同模态间存在情感信息分布不均匀,难以获得更深层次的多模态情感语义信息问题,提出了一种双模态双向感知下语义信息增强的多模态情感分析方法。对文本-视觉模态、文本-音频模态分别融合,捕获双模态话语中的相互依赖关系,获得模态间双向的上下文感知信息;考虑到双模态在融合时产生较多冗余信息,采用门控机制选择有效的情感特征,以提升识别关键情感信息的能力;通过跨模态信息交互机制对多种模态间的信息进行建模,得到语义信息增强的模态特征向量。在公开的多模态情感分析数据集CMU-MOSI上对所提出的模型进行评估,实验结果表明,该模型的情感分析结果优于大多数现有先进的多模态情感分析方法,能够有效提升情感分析的性能。

经皮肾镜碎石术后双J管相关严重并发症危险因素的Logistics回归分析

目的探讨经皮肾镜碎石术(percutaneous nephrolithotomy,PCNL)后双J管留置相关严重并发症的危险因素。方法依标准筛选2014年1月~2016年4月泌尿外科PCNL术治疗上尿路结石并留置双J管病例272例,运用SPSS统计软件对可疑危险因素行二分类单变量Logistics回归筛选,有统计学意义之因素再行多变量Logistics回归逐步分析。结果共63例患者发生较严重的双J管相关并发症(发生率23.1%),筛选后具有统计学意义的危险因素包括:输尿管异常(β=1.735,P=0.000,OR=5.670)、留置时间(β=1.206,P=0.028,OR=3.340)、性别(β=0.895,P=0.016,OR=2.446)、术前控制欠佳的尿路感染(β=0.849,P=0.020,OR=2.338)和粗细型号(β=0.847,P=0.011,OR=2.333)。结论男性是PCNL术后双J管严重并发症的危险人群,为减少其发病率,须积极控制尿路感染,术前术中发现输尿管异常时,谨慎选择双J管粗细型号,术后恢复良好的情况下应尽早拔管,减少留置时间。

基于MRI及DTI双模态成像技术在盆底肌功能障碍诊断中的临床价值

目的 探究基于磁共振成像(MRI)及扩散张量成像(DTI)双模态成像技术在盆底肌功能障碍(PFD)诊断中的临床价值。方法选取喀什地区第一人民医院收治的50例PFD患者作为研究对象并纳入PFD组,另选取同期于医院体检的30例正常志愿者作为对照,纳入对照组,两组均采用MRI及DTI双模态成像技术进行检查,比较两组患者临床资料、盆底肌扫描面积(髂骨尾骨肌、耻骨尾骨肌、耻骨直肠肌)、肛提肌裂孔宽度、盆底标志线(H线、M线)、髂骨尾骨肌厚度(ICT)、髂骨尾骨肌角(ICA)及肛提肌角(LPA),髂骨尾骨肌、耻骨直肠肌各向异性分数(FA)及表观弥散系数(ADC)值。结果两组一般资料比较在统计学上无显著性差异(P>0.05);PFD组静态与动态髂骨尾骨肌、耻骨尾骨肌、耻骨直肠肌面积均小于对照组(P<0.05);PFD组静态与动态肛提肌裂孔宽度大于对照组,H线、M线长于对照组(P<0.05);PFD组ICT少于对照组,LPA大于对照组,两组ICA比较在统计学上无显著性差异(P>0.05);两组髂骨尾骨肌、耻骨直肠肌FA、ADC值比较在统计学上无显著性差异(P>0.05)。结论基于MRI及DTI双模态成像技术可反映PFD患者盆底功能及形态变化,在PFD患者中具有良好的应用价值,可用于临床推广。

基于分数阶logistic映射与随机变换的双图像加密算法

为了实现对两幅图像进行同步安全加密,提高密文在网络传输中的抗攻击能力,提出了基于离散分数阶logistic映射与混沌随机变换的双图像加密算法.将分数阶理论引入到Logistic映射,建立了离散分数阶Logistic映射,设置不同的初始条件,通过对其迭代,输出两个随机序列,对输入明文进行置乱,混淆像素位置;并将其中一个置乱图像进行编码,获取纯相位掩码,联合另外一个置乱图像,输出复合明文信号;随后,再次迭代离散分数阶Logistic映射,将其输出的两个混沌序列转变为矩阵,通过设计相位掩码函数,得到两个混沌掩码;最后,基于混沌分数阶随机变换,构建了加密函数,输出合成密文.实验结果显示:本算法可对多幅图像进行同步加密,具有较高的安全性.

基于双向编码表示转换的双模态软件分类模型

针对已有方法在软件分类方面只考虑单一分类因素和精确率较低的不足,提出基于双向编码表示转换(BERT)的双模态软件分类方法.该方法遵循最新的国家标准对软件进行分类,通过集成基于代码的BERT(CodeBERT)和基于掩码语言模型的纠错BERT(MacBERT)双向编码的优势,其中CodeBERT用于深入分析源码内容,MacBERT处理文本描述信息如注释和文档,利用这2种双模态信息联合生成词嵌入.结合卷积神经网络(CNN)提取局部特征,通过提出的交叉自注意力机制(CSAM)融合模型结果,实现对复杂软件系统的准确分类.实验结果表明,本文方法在同时考虑文本和源码数据的情况下精确率高达93.3%,与从奥集能和gitee平台收集并处理的数据集上训练的BERT模型和CodeBERT模型相比,平均精确率提高了5.4%.这表明了双向编码和双模态分类方法在软件分类中的高效性和准确性,证明了提出方法的实用性.

基于文本和声学特征的双模态融合抑郁倾向识别算法

在抑郁症诊断中,抑郁症患者的面部表情、声音信号和文字等数据可以作为评估抑郁倾向的客观指标。相较于视频,文本和音频模态在处理敏感的个人信息时能更好地保护患者的隐私,并且文本和音频均属于语言模态,相关性较强。针对抑郁倾向识别中变长文本数据不易被分析以及手动提取音频特征存在局限性的问题,提出一种基于Transformer的融合网络优化方法。对于文本模态,使用卷积神经网络对文本进行特征提取,得到文本在不同尺度下的局部特征,然后引入Transformer模型来处理全局信息和长距离依赖。对于音频模态,为了降低手动提取音频特征对识别结果的影响,通过使用VGGish网络来自动提取音频特征,并将提取好的音频特征送入Transformer中。最后,为进一步增强文本和音频模态融合网络的识别性能,引入SE通道注意力机制,使模型能够自适应地调整各模态之间的权重分配,更有效地聚焦于关键特征。实验结果表明,双模态融合后的网络准确率达到92.7%,相比仅使用文本或音频模态,准确率分别提升2.9和4.9个百分点。

双模态碳量子点间充质干细胞成像及细胞分化研究

目的制备双模态碳量子点(carbon dots,CDs)探针并探索其示踪间充质干细胞(MSCs)的可行性。方法2022年10月至2023年5月,以钆喷酸葡胺、柠檬酸及二乙烯三胺为前驱体,采用水热法合成Gd∶CDs[钆(Gd)掺杂的碳量子点],进行表征并用于MSCs标记及成像。检测不同浓度Gd∶CDs(10、25、50 nmol/L)对MSCs成骨分化及成脂肪分化的影响。结果Gd∶CDs生物安全性好,荧光量子产率为76%,纵向弛豫率为5.5727 mmol^(-1)·s^(-1),具备双模态成像潜力,可用于MSCs标记。不同浓度Gd∶CDs(10、25、50 nmol/L)标记的MSCs经成骨诱导后,吸光度[D(λ)]分别为2.368±0.014、2.253±0.084及2.133±0.127,与对照组D(λ)(2.334±0.062)相比,高浓度Gd∶CDs对MSCs成骨分化有少许影响(P<0.05),中低浓度的Gd∶CDs标记对MSCs成骨分化无明显影响(P>0.05)。不同浓度Gd∶CDs(10、25、50 nmol/L)标记的MSCs经成脂肪诱导后,D(λ)分别为0.274±0.036、0.286±0.032、0.262±0.065,与对照组D(λ)(0.254±0.026)相比,各组对MSCs的成脂肪分化无明显影响(P>0.05)。结论采用水热法制备的Gd∶CDs荧光量子产率及纵向弛豫率高,具有示踪MSCs的潜能,且对MSCs的分化影响较小。

双元双模态下二次门控融合的多模态情感分析

为了平衡情感信息在不同模态中分布的不均匀性,获得更深层次的多模态情感表征,提出了一种基于双元双模态二次门控融合的多模态情感分析方法。对文本、视觉模态,文本、语音模态分别融合,充分考虑文本模态在三个模态中的优势地位。同时为了获得更深层次的多模态交互信息,使用二次融合。在第一次融合中,使用融合门决定向主模态添加多少补充模态的知识,得到两个双模态混合知识矩阵。在第二次融合中,考虑到两个双模态混合知识矩阵中存在冗余、重复的信息,使用选择门从中选择有效、精简的情感信息作为双模态融合后的知识。在公开数据集CMU-MOSEI上,情感二分类的准确率和F1值分别达到了86.2%、86.1%,表现出良好的健壮性和先进性。

一种动态双模态线阵相机的联合标定方法

在实际工业应用中,线阵相机在被测物体运动速度快、拍摄视场范围广以及精度要求高的场景下比面阵相机更具优势,并且将二维图像数据与三维点云数据相结合能使信息量更丰富,能更好地还原真实场景。为提高在工业应用场景下的双模态数据的结合精度,提出一种动态双模态线阵相机的联合标定方法,该方法能实现简便快捷的2D线扫相机与3D线扫相机之间的联合标定。实验结果表明,该算法能以较小计算量实现高精度双模态双线扫相机的联合标定。

可用于运动监测的双模态离子传感纤维

针对传统刚性导电材料柔韧性差、舒适性低及现有离子导电材料多为薄膜或块状而导致透气透湿性差等问题,提出一种湿法纺丝一步制得的一维离子传感纤维,并研究其物理性能及传感性能,阐述其未来的发展潜力。测试结果表明,离子传感纤维灵敏度高(规格因子GF=201)且可准确监测微小应变(~05%),具有宽应变监测范围;响应时间小于50 ms,与人体皮肤的响应时间接近,足以监测人体运动信号;表现出优异的循环耐久性,10000次循环拉伸后仍能保持电阻信号变化稳定;同时具有湿度传感性能,对环境中湿度的变化能做出及时且准确的信号反馈。该离子传感纤维制备方法简便,具有工业化大规模的潜力,在智能健康监测、运动训练与优化、智能人机交互等领域均具有较大的发展潜力。

基于双模态Transformer模型的话务量预测

为降低客户服务中心电话的等待率,提升服务质量。针对现有算法不能实现中长期话务量预测的问题,提出了一种基于双模态Transformer模型的话务量预测方法。首先采集并预处理某运营商真实的话务量数据,通过双模态特征融合构造出有益特征,最后采用多种模型进行话务量预测以及多种衡量指标对预测结果进行分析。结果表明:与其他算法比较,Transformer模型性能较好,对运营商资源的合理配置具有较高的指导意义,同时更易获得客户较高的满意度和忠诚度。

高中地理教学中渗透“双碳”目标教育的影响因素--基于Logistic回归模型的分析

气候变化一直是备受关注的热点问题,“碳达峰碳中和”愿景是我国应对气候变化的重要举措,也是地理学研究的热点问题。为探究地理课堂教学中渗透“双碳”目标教育的影响因素,本文采用典型调查法对福州、厦门、泉州、莆田、宁德、南平6市的高中学生开展网络问卷调查,探讨学生、教师、学校对“双碳”目标教育的认知和态度;利用Logistic回归模型,从“教”“学”“管”三个角度探究受访学生对“双碳”目标教育接受度的影响因素。结果显示:福建6市高中学生对我国“双碳”目标的认知水平和接受度均较高,学习兴趣、学习动机和学校支持对学生接受度呈显著正向影响,学生个人因素对“双碳”目标教育接受度的影响最大。基于此,本文从课前、课中、课后三个环节提出了在课堂教学中渗透“双碳”目标教育的相关建议,以期为高中地理课堂教学提供有益借鉴。

基于CNN-Transformer双模态特征融合的目标检测算法

针对单模态目标检测的不足,提出了一种基于CNN-Transformer双模态特征融合的目标检测算法。在YOLOv5的基础上,构建了一个可以同时输入红外和可见光图像的双流特征提取网络;然后,分别提出了基于卷积神经网络结构的红外特征提取主干网络和基于Transformer结构的可见光特征提取主干网络,以提升对红外和可见光图像的特征提取能力;最后,按照中期融合的思想,设计了双模态特征融合模块,对两个分支对应尺度的双模态特征信息进行有效融合,实现跨模态信息互补。在数据集上对所提算法进行验证,实验结果表明,该算法在KAIST数据集上对双模态图像进行检测的结果,较基准算法单独检测红外图像和可见光图像,精度分别提升了5.7%和17.4%;在FLIR数据集上较基准算法,检测精度分别提升了11.6%和17.1%;在自建GIR数据集上,所提算法的检测精度也有明显提升。此外,该算法还可以单独处理红外或可见光图像,且检测精度较基准算法均有明显提升。