基于语义对齐的临床量表信息提取方法及其临床试验队列识别的应用研究

【目的】面向真实世界数据驱动的临床研究需求,提出一种基于语义对齐的临床量表信息提取方法,辅助识别潜在受试人群。【方法】选取卒中量表NIHSS,分析量表信息在临床试验和真实世界电子病历中的特征,构建基于语义对齐的量表信息提取方法,应用临床试验数据集(ClinicalTrials.gov)和开放电子病历数据集MIMIC-Ⅲ开展实验验证。【结果】从患者出院小结中抽取NIHSS总评分、检查项评分的F1值分别为0.9535和0.9267;围绕两项匹配NIHSS纳排标准的测试任务,可以有效地识别出潜在受试人群。【局限】缺乏在其他量表上的可行性研究,以及在真实临床试验环境中的有效性和可靠性验证。【结论】本方法可以有效地解决临床量表信息在临床研究与电子病历数据的语义一致性问题。

基于车辆队列的饱和状态下城市主干道旅行时间估算方法

当前城市主干道过饱和交通流交通状况恶劣,交通拥堵时常发生,由于受信号灯的周期性阻滞作用,交叉口上游车辆淤积现象严重,传统的连续交通流模型无法用于估算城市主干道旅行时间。有鉴于此,提出了一种适用于中断交通流的基于车辆队列的旅行时间估算方法。基于道路上已有的存在型检测器,运用检测器采集的高精度实时数据,研究了车队识别和匹配方法,通过匹配车队信息,对通过饱和状态下城市主干道的车辆进行了实时旅行时间估算。在此基础上,利用Q-Paramics软件进行了实例模型仿真验证。通过对比算法估算值和仿真模型观测值,验证了算法的合理性和有效性,为评估饱和状态下的城市主干道交通状态奠定了基础。

一种基于无轴识别装置的车型识别方法研究

利用动态波形替代轴识别装置的车型识别方法是为了确保高速公路出入口的动态公路车辆自动衡器在偶然失效期因不确定原因或损耗故障期多次频发故障时的轴识别功能正常运行,从而避免车道拥堵以及降低维护成本;该方法结合了应变式传感器应用技术、车辆轴队列识别技术、动态称重技术等,即通过引入高精密数字接线盒,将原始的动态波形分解出清晰的轴队列分量,帮助后续车型判断提供准确的基础数据,通过大量的不同车型的过车试验分析,可以得出在不依赖独立轴识别装置的基础上,通过称重平台自身的称重传感器可以大幅度提高动态公路车辆自动衡器车型识别率。

部分线索效应对目击证人辨认的影响

目的:研究采用模拟目击证人辨认范式考察部分线索效应对目击证人队列识别的影响。方法:采用3(线索条件:无线索、场景线索、人物线索)×2(罪犯是否在列:罪犯在列、不在列)混合设计,主要考察不同线索条件对再认正确率的影响。结果:场景线索下面孔再认正确率低于无线索和人物线索条件下的再认正确率,无线索条件下的正确率显著低于人物线索条件下的再认正确率。结论:该研究证明在目击证人辨认中也存在部分线索效应。该结论对场景记忆以及司法指认过程都具有重要的启示和较高的实践价值。