针对专利技术主题识别效率偏低、识别难度大等问题,文章提出了FPC-Kmeans++(Kmeans plus plus with feature phrase clusters)专利聚类分析与技术主题识别方法,该方法创新性地使用特征短语替代传统的分词结果,作为专利数据分析的基础。...针对专利技术主题识别效率偏低、识别难度大等问题,文章提出了FPC-Kmeans++(Kmeans plus plus with feature phrase clusters)专利聚类分析与技术主题识别方法,该方法创新性地使用特征短语替代传统的分词结果,作为专利数据分析的基础。文章以无人机专利为例,对该方法进行了实证检验。实验结果表明,相较于传统的Kmeans++(Kmeans plus plus)和LDAKmeans++(Kmeans plus plus with Latent Dirichlet Allocation)方法,该方法能更精确地判断出最佳主题数和得到层次更鲜明的聚类效果,展现了其在专利主题识别上的优势。并且,相较于其他对比算法,文章提出的NER-FPP(Named Entity Recognition with Feature Phrase Probability)算法在专利特征短语提取上效果最好,F1值分数最高,达到了93.36%。展开更多
目的 探讨还原型谷胱甘肽(GSH)联合血液灌流对急性有机磷农药中毒(AOPP)患者症状改善、血清胆碱酯酶(ChE)水平、心肌酶谱及肝功能的影响。方法 回顾性分析2016年10月至2021年10月我院急诊科收治的AOPP患者78例,按方便抽样法抽取2016年1...目的 探讨还原型谷胱甘肽(GSH)联合血液灌流对急性有机磷农药中毒(AOPP)患者症状改善、血清胆碱酯酶(ChE)水平、心肌酶谱及肝功能的影响。方法 回顾性分析2016年10月至2021年10月我院急诊科收治的AOPP患者78例,按方便抽样法抽取2016年10月至2019年4月36例为对照组,抽取2019年5月至2021年10月42例为观察组。所有患者接受常规治疗,对照组在常规治疗基础上给予血液灌流治疗,观察组在对照组基础上给予GSH静脉滴注。观察两种治疗方案对患者症状改善、血清ChE水平、心肌酶谱以及肝功能的影响。结果 观察组总有效率显著高于对照组(85.71%vs. 63.89%,P<0.05);观察组机械通气时间(h:5.48±1.23 vs. 6.20±1.52)、昏迷复醒时间(h:1.97±0.35 vs. 2.29±0.58)、住院时间(d:10.14±1.79 vs. 11.21±2.53)均显著低于对照组(P<0.05);入院24 h、72 h、7 d,观察组血清ChE水平(U/L)显著高于对照组(24 h:946.15±168.49 vs.760.78±152.97;72 h:1351.77±608.31 vs.1085.37±445.69;7 d:3011.49±657.24 vs. 2405.76±598.28,P<0.05)。治疗7 d后,两组血清乳酸脱氢酶、肌酸激酶、谷丙转氨酶、谷草转氨酶、总胆红素水平显著降低,且观察组显著低于对照组[LD(U/L):131.28±35.15 vs. 165.74±43.06,CK(U/L):78.22±20.31 vs. 96.81±25.94、ALT(U/L):70.02±27.83 vs. 84.91±34.22,AST(U/L):63.01±31.58 vs. 76.84±23.91,TBiL(mol/L):36.73±16.41 vs. 49.57±21.86,P<0.05)。结论 GSH联合血液灌流可有效改善AOPP患者的临床症状及肝功能,提高血清ChE水平,有利于心肌酶谱恢复正常,疗效显著且可靠。展开更多
目的本研究基于三维(three dimensional,3D)高分辨磁共振成像(high-resolution magnetic resonance imaging,HR-MRI)颅内动脉粥样硬化斑块影像组学建立混合型卒中机制的预测模型。材料与方法回顾性分析2016年12月至2022年1月137例急性/...目的本研究基于三维(three dimensional,3D)高分辨磁共振成像(high-resolution magnetic resonance imaging,HR-MRI)颅内动脉粥样硬化斑块影像组学建立混合型卒中机制的预测模型。材料与方法回顾性分析2016年12月至2022年1月137例急性/亚急性期缺血性卒中患者的HR-MRI及扩散加权成像(diffusion weight imaging,DWI)的影像资料。根据DWI的病变分布模式,将患者分为混合型机制组和非混合型机制组,使用两组间单因素和多因素分析筛选得到的影像特征,构建传统logistic回归模型。基于3D HR-MRI序列提取颅内责任斑块影像组学特征,采用随机抽样的方式按照7∶3比例分为训练集(n=95)和测试集(n=42),线性相关阈值和方差分析用于特征筛选,并建立机器学习模型。联合模型由传统影像特征及影像组学特征共同组成。采用受试者工作特性(receiver operating characteristic,ROC)曲线来评价模型的诊断性能,Delong检验来比较各模型预测性能。结果多因素logistic分析显示,斑块的强化比率是混合型卒中机制的独立预测因素(OR=2.77,P=0.002),训练组和测试组ROC曲线下面积(area under the curve,AUC)分别为0.676、0.568。斑块组学特征构建模型在训练集中的AUC为0.906(95%CI:0.849~0.964),测试集AUC为0.828(95%CI:0.704~0.951)。联合模型的预测效能最佳,在训练集及测试集中的AUC分别为0.917(95%CI:0.864~0.969)及0.837(95%CI:0.708~0.966)。结论基于3D HR-MRI颅内动脉斑块影像组学模型可有效预测混合型卒中机制,有助于临床采取个性化治疗措施。展开更多
文摘针对专利技术主题识别效率偏低、识别难度大等问题,文章提出了FPC-Kmeans++(Kmeans plus plus with feature phrase clusters)专利聚类分析与技术主题识别方法,该方法创新性地使用特征短语替代传统的分词结果,作为专利数据分析的基础。文章以无人机专利为例,对该方法进行了实证检验。实验结果表明,相较于传统的Kmeans++(Kmeans plus plus)和LDAKmeans++(Kmeans plus plus with Latent Dirichlet Allocation)方法,该方法能更精确地判断出最佳主题数和得到层次更鲜明的聚类效果,展现了其在专利主题识别上的优势。并且,相较于其他对比算法,文章提出的NER-FPP(Named Entity Recognition with Feature Phrase Probability)算法在专利特征短语提取上效果最好,F1值分数最高,达到了93.36%。
文摘目的 探讨还原型谷胱甘肽(GSH)联合血液灌流对急性有机磷农药中毒(AOPP)患者症状改善、血清胆碱酯酶(ChE)水平、心肌酶谱及肝功能的影响。方法 回顾性分析2016年10月至2021年10月我院急诊科收治的AOPP患者78例,按方便抽样法抽取2016年10月至2019年4月36例为对照组,抽取2019年5月至2021年10月42例为观察组。所有患者接受常规治疗,对照组在常规治疗基础上给予血液灌流治疗,观察组在对照组基础上给予GSH静脉滴注。观察两种治疗方案对患者症状改善、血清ChE水平、心肌酶谱以及肝功能的影响。结果 观察组总有效率显著高于对照组(85.71%vs. 63.89%,P<0.05);观察组机械通气时间(h:5.48±1.23 vs. 6.20±1.52)、昏迷复醒时间(h:1.97±0.35 vs. 2.29±0.58)、住院时间(d:10.14±1.79 vs. 11.21±2.53)均显著低于对照组(P<0.05);入院24 h、72 h、7 d,观察组血清ChE水平(U/L)显著高于对照组(24 h:946.15±168.49 vs.760.78±152.97;72 h:1351.77±608.31 vs.1085.37±445.69;7 d:3011.49±657.24 vs. 2405.76±598.28,P<0.05)。治疗7 d后,两组血清乳酸脱氢酶、肌酸激酶、谷丙转氨酶、谷草转氨酶、总胆红素水平显著降低,且观察组显著低于对照组[LD(U/L):131.28±35.15 vs. 165.74±43.06,CK(U/L):78.22±20.31 vs. 96.81±25.94、ALT(U/L):70.02±27.83 vs. 84.91±34.22,AST(U/L):63.01±31.58 vs. 76.84±23.91,TBiL(mol/L):36.73±16.41 vs. 49.57±21.86,P<0.05)。结论 GSH联合血液灌流可有效改善AOPP患者的临床症状及肝功能,提高血清ChE水平,有利于心肌酶谱恢复正常,疗效显著且可靠。
文摘目的本研究基于三维(three dimensional,3D)高分辨磁共振成像(high-resolution magnetic resonance imaging,HR-MRI)颅内动脉粥样硬化斑块影像组学建立混合型卒中机制的预测模型。材料与方法回顾性分析2016年12月至2022年1月137例急性/亚急性期缺血性卒中患者的HR-MRI及扩散加权成像(diffusion weight imaging,DWI)的影像资料。根据DWI的病变分布模式,将患者分为混合型机制组和非混合型机制组,使用两组间单因素和多因素分析筛选得到的影像特征,构建传统logistic回归模型。基于3D HR-MRI序列提取颅内责任斑块影像组学特征,采用随机抽样的方式按照7∶3比例分为训练集(n=95)和测试集(n=42),线性相关阈值和方差分析用于特征筛选,并建立机器学习模型。联合模型由传统影像特征及影像组学特征共同组成。采用受试者工作特性(receiver operating characteristic,ROC)曲线来评价模型的诊断性能,Delong检验来比较各模型预测性能。结果多因素logistic分析显示,斑块的强化比率是混合型卒中机制的独立预测因素(OR=2.77,P=0.002),训练组和测试组ROC曲线下面积(area under the curve,AUC)分别为0.676、0.568。斑块组学特征构建模型在训练集中的AUC为0.906(95%CI:0.849~0.964),测试集AUC为0.828(95%CI:0.704~0.951)。联合模型的预测效能最佳,在训练集及测试集中的AUC分别为0.917(95%CI:0.864~0.969)及0.837(95%CI:0.708~0.966)。结论基于3D HR-MRI颅内动脉斑块影像组学模型可有效预测混合型卒中机制,有助于临床采取个性化治疗措施。
