基于炎性细胞因子构建的Fisher判别函数对抑郁障碍诊断的辅助作用

背景目前,基于症状学的抑郁障碍诊断方式受临床医生经验的主观因素影响较大。寻找更加准确可靠的定量诊断方法是当前亟待解决的问题。目的探讨基于炎性细胞因子构建的Fisher判别函数在抑郁障碍诊断中的价值,为抑郁障碍的诊断提供参考。方法选取2020年4月—11月在河北省精神卫生中心住院治疗的、符合《精神障碍诊断与统计手册(第5版)》(DSM-5)抑郁障碍诊断标准的136例患者为研究组,同期招募与研究组年龄和性别相匹配的67例健康被试为对照组。使用酶联免疫吸附试验(ELISA)检测受试者血清炎性细胞因子水平。采用Fisher判别模型对研究组与对照组存在统计学差异的炎性细胞因子建立判别函数并进行验证。结果研究组促炎细胞因子白细胞介素1β(IL-1β)、白细胞介素6(IL-6)、干扰素γ(INF-γ)、肿瘤坏死因子α(TNF-α)水平均高于对照组,差异均有统计学意义(U=9.115、5.239、4.431、5.428,P均<0.01);研究组抗炎细胞因子白细胞介素4(IL-4)、白细胞介素10(IL-10)、白细胞介素13(IL-13)水平均低于对照组,差异均有统计学意义(U=7.398、7.331、7.614,P均<0.01)。Fisher判别函数回代性检验正确判别率为89.66%,交叉验证正确判别率为88.67%。结论本文构建的Fisher判别函数对抑郁障碍的诊断可能具有较好的辅助作用。

基于Fisher判别分析对不同油分烟叶的识别研究

为烟叶油分档次的判别提供参考,以三门峡主产区132份初烤烟叶为样品,评定油分档次后,测定烟叶样品中主要含氮化合物的含量,运用方差分析、Spearman相关性分析和主成分分析筛选出油分档次的判别指标,采用Fisher判别分析建立烟叶油分档次的判别模型。结果表明,不同油分烟叶的含氮化合物中大多数氨基酸含量(19/21)存在显著差异,除脯氨酸外,基本与油分呈显著或极显著负相关。经过主成分分析,从主要含氮化合物中提取出4个主成分,代表了总指标73.441%的信息,筛选出17种烟叶油分的特征含氮化合物。经Fisher判别分析,确定了17种游离氨基酸作为烟叶油分的有效判别指标,构建了烟叶油分档次的Fisher判别模型,训练集和测试集的识别率均为100%。并利用江西吉安和云南楚雄的20份样品对模型进行了验证,准确率分别为100%和80%,对烟叶油分档次的判别效果较好。游离氨基酸的检测结合多元统计分析方法可用于烟叶油分档次的判别。

基于Fisher判别分析可分性信息融合的马铃薯VC含量高光谱检测方法

为提高马铃薯VC含量检测结果的准确性和可靠性,提出一种基于Fisher判别分析(Fisher discriminant analysis,FDA)可分性数据融合的检测模型输入变量构建方法。首先,利用高光谱成像技术采集200个马铃薯的高光谱信息,通过对比6种预处理方法和原始数据的建模结果,确定多元散射校正为光谱数据的预处理方法;其次,采用竞争性自适应重加权采样(competitive adaptive reweighted sampling,CARS)、连续投影算法(successive projections algorithm,SPA)及CARS-SPA组合算法3种方法提取相应特征波长,通过对比分析最终确定34个有效特征波长;然后,将有效特征波长进行FDA可分性数据融合,根据融合的新变量对样本间差异性判别能力的大小进行筛选,确定构建检测模型的输入变量;最后,分别对FDA融合前后筛选的变量建立偏最小二乘模型和反向传播神经网络(back propagation neural network,BPNN)模型,并对检测结果进行对比分析。结果表明,将CARS算法提取的34个特征波长进行FDA融合,采用前3个融合变量作为构建检测模型的输入变量时,其所建BPNN模型的相关系数由0.9726提高至0.9990,均方根误差由0.7723降低至0.1727,不仅能够极大地降低数据分析维度,而且能够提高检测结果的准确性。因此,基于FDA可分性数据融合构建检测模型输入变量可以提高马铃薯VC含量检测结果的准确性。

三维荧光光谱融合小波包分解融合Fisher判别分析及支持向量机识别紫苏

为实现紫苏品种的快速鉴别,避免以次充好,选取4个品种的紫苏采集三维荧光数据,提出了一种基于小波包分解融合Fisher判别分析(Fisher discriminant analysis,FDA)的荧光数据特征选择策略,并实施了4种紫苏的有效鉴别。首先,对三维荧光数据进行预处理,采用Delaunay三角形内插值法去除瑞利散射和拉曼散射,以消除它们的不利影响;运用Savitzky-Golar卷积平滑对数据进行平滑处理,以减少噪声的干扰。同时,对三维荧光数据进行初步筛选,去除了荧光强度小于0.01的发射波长。然后,对各激发波长对应的发射光谱进行3层sym4小波包分解,计算得到最低频段的小波包能量值,作为各激发波长光谱数据表征量。接着,再利用FDA对小波包能量进行判别分析,将其所包含的差异性信息进行融合,得到FDA生成的新变量,并选取累计判别能力达到99%的前3个FD变量作为不同品种差异性信息的表征变量,提出三维荧光数据的表征策略。最后,利用BP神经网络(backpropagation neural network,BPNN)和支持向量机(support vector machine,SVM)两种模式识别算法对表征变量进行分析,得到FDA+BPNN和FDA+SVM两种鉴别结果。FDA+BPNN的训练集正确率为97.5%,测试集正确率为95%;FDA+SVM的训练集和测试集的正确率均达到98.33%。结果表明,三维荧光光谱技术结合小波包分解、FDA和SVM算法基本上能够实现紫苏品种的鉴别。这为后续有关紫苏的进一步检测研究(如某些有效成分的定量检测)提供了研究基础。

Fisher判别函数在足迹分析性别中的应用

结合脚型性别差异研究,为了选取出足迹上与性别显著相关的特征,以便通过Fisher判别法建立函数模型,本研究测量了共7个与性别显著相关的几何特征,通过T检验和Fisher判别法建立了模型;利用Fisher判别分析建立了典则判别函数和Fisher线性判别函数。实验结果显示,选取的特征对模型影响显著,函数模型预测准确率为92.3%。该判别函数模型可以显著提高足迹分析性别的准确率,可为技术侦查提供帮助。

改进Fisher判别法的突水水源快速判别模型

为快速有效地判别矿井突水水源位置,预防水害事故的发生,根据平煤五矿实际水文地质特征,针对砂岩、太灰和寒灰含水层水质差异性,收集34组水样资料,并选取K^(+)+Na^(+)、Ca^(2+)、Mg^(2+)、SO_(4)^(2-)、Cl^(-)、HCO_(3)^(-)六大常规水化学离子作为判别因子,开展水化学特征分析;结合PCA降维统计算法,建立改进的Fisher水源判别模型,并利用待测样本对比改进前后Fisher模型的判别结果,同时将训练样本回代到改进模型中进行验证。结果表明,根据水化学类型无法准确区分寒灰水与太灰水;利用改进Fisher判别模型测试10组待测样本,判别准确率为100%,相较于基础Fisher模型,准确率提高了20%,应用改进Fisher判别模型可大幅提升水源识别准确率;已知训练样本的回代结果显示,改进Fisher判别结果与实际情况基本吻合。通过2种模型的对比分析,采用改进Fisher模型进行矿井水源识别准确率及可靠性高,具有一定研究价值,可为矿井水源识别提供新的思路。

基于Fisher判别分析鉴别中药材种类及产地

本文根据 2021 年高教社杯全国大学生数学建模竞赛“中药材的鉴别”的数据进一步研究。中药材鉴别是中药学研究 的重要领域之一,其目的是通过分析中药材的光谱特征和其他物理、化学性质,来鉴别中药材的种类和产地,以提高中药的品质和 疗效。在实际应用中,结合药材的近、中红外的光谱特征以及不同药材的吸光度可以对中药材的产地进行综合性的鉴别。本文使用 R 语言软件,通过对数据进行标准正态变量变换(svn)处理后主成分分析、K-means 聚类,根据附件给出的几种药材的近红外光 谱数据,对数据进行相关性筛选,求出该未知数据与平均值的相关性,利用 Fisher 判别分析进行对比,最后鉴别药材的类别与产 地。另外建立 XGboost 模型及作多元线性回归模型鉴别不同产地的近、中光谱特征来辨别各类药材的产地以及种类。

基于Fisher判别法的岱庄矿涌(突)水水源识别

由于岱庄矿十下灰、十三灰和奥灰水源水质根据目前常规水质化验资料无明显的区别元素,容易产生误判。为实现对岱庄矿涌水水源的准确识别,在收集该矿地质及水文地质资料的基础上,首先对主要涌水含水层水化学特征进行分析,其次选取Na^(+)+K^(+),Ca^(2+),Mg^(2+),Cl^(-),SO_(4)^(2-),HCO_(3)^(-)这6种特征离子含量作为Fisher判别分析的因子,随后利用SPSS25.0软件建立岱庄矿涌水水源Fisher判别函数模型,最后选取该矿3组测试水样对模型进行验证。结果表明:利用Fisher判别分析理论建立的涌水水源识别模型,可准确识别这些水质相近的涌水水源,回代准确率达91.3%,3组测试水样判别结果也与工程实际情况一致,表明此模型在岱庄矿涌水防治上具有一定的指导意义。

基于Fisher判别法的中药材品种与产地的鉴别方法研究

为了探索应用红外光谱技术鉴别中药材的品种和产地,本文以红外光谱数据为依据,首先通过离群点分析剔除奇异样品,使用移动平均法对原始数据做平滑处理,使用一阶差分或高阶差分消除分化现象,使用标准差法降维。其次使用经典的Fisher判别法对中药材的品种和产地进行了判别,模拟精度达到了100%,预测精度在89.23%~100%之间。

室内POI显著度评价的Fisher判别法模型

随着社会经济的快速发展,大型建筑物内部结构越来越复杂,室内空间的位置服务愈显重要。地标作为室内空间中的基础要素,能够帮助人们在室内认清方向和定位。但是,现有的室内地标的选取方式大多牵引于室外准则,未考虑室内POI独有的特点,导致所选取出的地标与用户的认知不匹配。针对这一问题,本文在室内空间POI显著度影响因素探究试验基础上,采用Fisher判别法(FDA)对试验数据进行语义信息量化、构建模型、模型回判和交叉互判处理,确定了室内POI显著度评价模型,并用于室内地标的提取。结果表明,建立的判别模型对室内POI显著度的判别和分级效果显著,选取出的地标能够与用户认知结果相一致。

Fisher判别法在矿井突水水源识别中的应用——以钱营孜煤矿为例

准确识别矿井突水水源对有效地预防矿井突水事故具有积极意义。本文以钱营孜矿为例,在系统分析矿井地质和水文地质条件的基础上,收集31个“四含水”、“砂岩裂隙水”、“灰岩水”共3类突水水源的常规水化学测试数据,利用Fisher判别原理,选取K+ + Na+,Ca2+,Mg2+,Cl-,SO42- ,HCO3-,pH值,总硬度,总碱度共9种判别指标(特征因子),筛选出K+ + Na+和Mg2+为特征因子,建立Fisher水源判别模型,并用回代的方式对判别模型进行判别效果检验,结果表明回判总正确率为100%,判别效果好。该模型可用于矿井突水水源预测。

基于显微特征颜色量化评价判别栀子与焦栀子

目的:建立基于显微特征颜色量化评价的栀子与焦栀子判别方法。方法:采用显微成像技术和显微特征颜色提取软件测定栀子与焦栀子显微特征颜色,利用Kruska-WallisH秩和检验、Fisher判别分析法分析栀子与焦栀子显微特征颜色差异,建立判别函数。结果:栀子与焦栀子显微特征(内果皮石细胞、内果皮纤维、种皮石细胞)的亮度值(L^(*))、红绿色值(a^(*))、黄蓝色值(b^(*))和总色度值(E_(ab)^(*))均有显著差异(P<0.01)。以种皮石细胞颜色对二者进行判别,其判别函数为y=0.678×L^(*)+0.384×a^(*)-0.576×b^(*)-9.322,y>0为栀子,y<0为焦栀子。结论:通过显微特征颜色量化评价,实现了栀子与焦栀子的有效判别,为栀子生、制饮片的判别和质量评价提供了新方法。

基于Fisher判别分析对苹果新鲜度的识别研究

以淘宝销量前五的苹果(天水花牛、阿克苏糖心、洛川红富士、奶油富士、黄元帅)为研究对象,置于20℃和55%相对湿度条件下贮藏,在贮藏期的第0、5、10、15、20、25 d分别对其含水量、硬度、色差、可溶性固体含量(SSC)及可滴定酸进行测定,并对五种苹果进行感官评定、聚类分析及Fisher判别。结果表明,感官评定及聚类分析将苹果新鲜度分为新鲜、次新鲜、可接受和腐败。通过Fisher判别分析法得出苹果在贮藏期的2个判别函数,函数1的总变异系数为93.90%(P=0.000),函数2的总变异系数为6.10%(P=0.003),两个函数均有判别意义(P<0.05)。将样品分为测试集和训练集,训练集的识别率为96.25%,测试集的识别率为92.5%。综上,以本文所选取的理化指标作为判别因子所建立的Fisher判别分析模型可以有效识别苹果的新鲜度。

螺旋CT靶扫描及三维重建技术结合Fisher判别分析对孤立性肺结节的诊断价值

目的探讨螺旋CT靶扫描及三维重建技术结合Fisher判别分析在孤立性肺结节(SPN)中的诊断价值。方法回顾性分析鄱阳县人民医院2021年1-12月收治的60例SPN患者临床资料,所有患者均行CT扫描,包括常规胸部扫描、螺旋CT靶扫描。将获得的图像上传至后台工作站进行三维重建处理,之后依据扫描类型分为传统轴位(常规扫描)、三维重建(靶扫描+三维重建图像)2组,分析2组间CT征象检出情况。以手术病理结果为金标准,比较良恶性组CT征象差异。结果三维重建组分叶征等征象检出率高于传统轴位组,有明显差异(P<0.05)。手术病理结果显示,60例SPN患者中16例为良性结节、44例为恶性结节,良性结节占比依次为炎性假瘤(37.50%)、错构瘤(25.00%)、结核球(18.75%)、霉菌球(12.50%)及腺瘤(6.25%);恶性结节中占比依次为微浸润性腺癌(38.64%)、原位癌(29.55%)、腺癌(15.91%)、腺鳞癌(6.82%)、类癌(4.55%)、小细胞癌(2.27%)、大细胞癌(2.27%)。恶性结节组分叶征等征象检出率高于良性结节组,有统计学差异(P<0.05)。Fisher判别显示,4例结节判别错误,误判率为6.67%,准确率为93.33%。结论螺旋CT靶扫描及三维重建技术结合Fisher判别鉴别诊断SPN良恶性应用价值高,可清晰显示病灶部位具体征象,提高恶性结节诊断准确性。

基于Fisher判别法的多年冻土融沉等级的判别

为探究砂土、粉土在多年冻土区的融沉特性,选取含水率、干密度、超塑含水率、融沉系数为融沉分级的判定指标,建立Fisher判别分析模型对土样进行融沉等级的判定。得出结论:1)单因素分析可见土样含水率、干密度以及超塑含水率分别与土样融沉系数之间关系R^(2)>0.7;2)土样的融沉等级主要取决于多因素之间相互作用的结果,以多因素分析结果得出,土样多因素与融沉系数之间关系R^(2)>0.82;3)Fisher判别法恰好具有对多因素同时分析的优势,结果表明Fisher判别分析法提高了判别等级,使融沉等级的结果判别更准确。可在多年冻土区管道地基土含水量过大的情况下,提供可行、快捷的判定方法,同时为多年冻土区冻土融沉等级的判定提供参考。

基于Piper-PCA-Fisher的矿井突出水源判别模型构建及应用

突水水源的高效准确判别是防治突水事故的关键,为提高矿井突水水源判别的可靠性,以临涣矿区水样数据为例,提出了一种基于Piper三线图、主成分分析(Principal Component Analysis,PCA)与Fisher判别法的矿井突水水源判别模型。将6类化学离子实测浓度作为突水水源判别指标,通过确定评价集与4类水源中心的距离进行样本归类判别。研究结果表明:采用Piper三线图可剔除异常样本,最终确定以37组典型水样作为训练样本;利用主成分分析对判别指标进行降维,发现前3项主成分覆盖了原有指标信息的91.636%,能够有效表征样本水化学特征;利用Piper-PCA-Fisher判别模型回判37组训练样本并预测15组待测样本,回判准确率及预测正确率均为100%。Piper-PCA-Fisher判别模型可减弱指标间的关联度,在水样数据有限的情况下,可获得良好的判别效果。

基于系统聚类算法和Fisher判别模型的古代玻璃成分分析与类别鉴定

古代玻璃体现了我国古代高度发达的工艺技术,新时代,玻璃成为了人们生产生活的必需品,研究古代玻璃有助于加深人们对玻璃的认识,唤醒我国人民对工艺研究的热情。本文对古代玻璃的实验数据进行分析,首先使用描述性统计分析和卡方检验分析研究玻璃文物样品表面有无风化化学成分含量的统计规律,得到玻璃表面风化与类型的关系;然后依据玻璃表面风化与类型的关系建立系统聚类算法模型,研究不同类别玻璃文物样品的化学成分之间的关联关系;最后依据化学成分之间关联关系建立Fisher判别模型,得到玻璃类别鉴定的Fisher判别公式,可以对未知类别的玻璃文物进行类别鉴定。本文对古代玻璃的成分分析与类别鉴定提供一定的借鉴意义。

煤层底板突水危险性的Fisher判别分析模型

为准确评价底板突水危险性,考虑到不同影响因素对于评价方法的作用与影响不同,运用逐步判别法剔除了判别效果不显著的指标,选取了含水层富水性、水压、隔水层厚度、断层导水性、构造发育程度5项主要影响因素作为判别指标。根据以往突水数据建立了底板突水危险性的Fisher判别分析模型,并绘制了判别空间中样本数据散点图。该模型通过了显著性检验,分类效果显著。对15组训练样本进行回代判别,误判率为0,通过距离判别法准确预测了测试样本的突水危险性,表明该模型在煤层底板突水危险性评价上具有较高的可信度和良好的实用性。

膨胀土判别与分类的Fisher判别分析方法

介绍了数理统计中常用的判别分析方法——Fisher判别分析法,结合合(肥)-六(安)-叶(集)高速公路工程,利用SPSS软件对沿线采集土样进行了Fisher判别分析,得出了适合该地区膨胀土判别与分类的判别方程。分析表明:(1)利用Fisher判别分析法仅需几项基本物理性质指标,参数的试验操作大众化、规范化,试验条件明确、设备简单、周期短。

基于主成分分析与Fisher判别分析法的矿井突水水源识别方法

为有效地预防矿井突水事故,及早识别突水水源是关键工作之一。根据矿井各含水层水化学成分的差异性,选取7种水化学成分指标作为突水水源识别的样本变量。在此基础上,采用主成分分析(PCA)与Fisher判别分析相结合的方法建立突水水源判别模型。以新庄孜煤矿不同水层的水化学特征资料中的33个为学习样本,12个为预测样本,对该模型进行检验和应用,并与传统Fisher判别分析模型的结果进行比较。研究结果表明:利用PCA与Fisher突水水源判别模型能够有效地消除样本变量指标间的相互影响,使突水水源判别结果更加准确。