基于正样本-背景数据的校正混淆矩阵

提出一种基于正样本和无标记背景数据的混淆矩阵校正方法,并以WorldView-3和Landsat8卫星影像不透水面提取为例,验证其在遥感影像一类分类精度评价中的有效性.实验结果表明,基于接受者操作特征曲线估算的校正常数c在WorldView-3影像中范围为0.3017~0.3103,在Landsat8影像中范围为0.2895~0.3132,分别与对应的真值0.2790和0.3000较为接近;基于正样本-背景数据朴素混淆矩阵的精度指标与传统基于正负二类数据基准混淆矩阵的精度指标值相差较大,而经过c值校正之后的精度指标值与基准指标值基本一致.该结果验证了基于正样本-背景数据的校正混淆矩阵在不依赖负样本的情况下可以有效地对一类分类结果进行评价.

从“意用事”看《锦瑟》的情感主题

对李商隐《锦瑟》一诗的解析,如今以钱钟书赞同的"自叙身世说"和王蒙的"无端"说两种观点最具影响。《锦瑟》与江淹《恨赋》、《别赋》在结构和艺术手法上相似,李商隐"意用事"的方法能够使《锦瑟》达到《恨赋》《别赋》的艺术效果。借助《恨赋》《别赋》来解析《锦瑟》,可知《锦瑟》的主题是"惘然",此可以成为王蒙"无端"说的一种佐证。

全身麻醉下肿瘤细胞减灭术联合腹腔热灌注化疗术患者术后肺部并发症的随机森林预测模型

目的分析行肿瘤细胞减灭术(CRS)联合腹腔热灌注化疗术(HIPEC)的患者术后肺部并发症(PPC)的危险因素,并构建预测模型。方法收集行CRS+HIPEC的298例患者围手术期信息[性别、年龄、美国麻醉医师协会(ASA)分级、手术时间、术中总入量、术中总出量、出血量、尿量、胶体液输注量、晶体液输注量、自体血回输量、红细胞输注量、血浆输注量、围手术期进行目标导向液体治疗(GDFT)时参考的每搏变异度(SVV)值]。根据患者术后有无PPC,将患者分为PPC组(106例)和非PPC组(192例)。采用逐步回归分析筛选PPC的特征变量并建立随机森林预测模型,计算随机森林预测模型的袋外误差率,分别在训练集和测试集上计算混淆矩阵及参数(包括准确度、Kappa值、灵敏度、特异度、精准度、召回率、F1⁃Score);绘制受试者操作特征曲线(ROC曲线)[并计算曲线下面积(AUC)及95%置信区间(CI)]、校准曲线,绘制自变量排序图和各特征变量的偏依赖图。结果与非PPC组比较,PPC组的手术时间较长(P<0.05),术中总入量、术中总出量、出血量、胶体液输注量、尿量和红细胞输注量均较多(均P<0.05),围手术期进行GDFT时参考的SVV值较低,差异有统计学意义(P<0.05)。逐步回归分析显示手术时间、出血量、红细胞输注量和围手术期进行GDFT时参考的SVV值为PPC的特征变量(P<0.05)。随机森林预测模型的袋外误差率为1.400%。训练集准确度1.000,测试集准确度0.952,说明模型整体预测准确性高。Kappa值训练集1.000,测试集为0.894,说明模型整体预测能力的一致性高。训练集的灵敏度为1.000,特异度为1.000,测试集的灵敏度为0.871,特异度为1.000,说明模型的整体区分度较好。训练集的精准度为1.000,召回率为1.000,F1⁃Score为1.000,测试集的精准度为1.000,召回率为0.871,F1⁃Score为0.931,说明模型对于阳性结果的预测能力高。训练集ROC曲线的AUC为1.000(95%CI 1.000~1.000),测试集ROC曲线的AUC为0.997(95%CI 0.962~1.000),表明该预测模型具有较好的判别能力。从自变量排序图可以看出特征变量对PPC的贡献程度:特征变量对PPC影响大小排序为围手术期进行GDFT时参考的SVV值>手术时间>出血量>红细胞输注量。从偏依赖图可以看出每个特征变量对PPC的影响及PPC随特征变量的变化趋势:PPC基本随手术时间的增加而波动上升;当出血量<1000 ml时,PPC波动改变,上升不明显,当术中出血量>1000 ml时,PPC概率明显上升;红细胞输注量>1000 ml时,PPC上升明显;围手术期进行GDFT时参考的SVV值与PPC变化呈负相关。结论影响PPC的特征变量有手术时间、出血量、红细胞输注量和围手术期进行GDFT时参考的SVV值。构建的随机森林预测模型具有良好的区分度与准确度,能很好地运用于进行CRS+HIPEC患者PPC的预测。