教学课程资源库 更多>>

关键词： 双金属团簇   结构和能量   淬火算法   遗传算法  

摘要： 基于半经验的Gupta多体势，采用遗传算法及分子动力学淬火算法，系统研究了(FeMo)m(m=38及55)双金属团簇的基态结构及其能量.结果表明：对于FenMo38-n(n=0-38)团簇，随Fe原子数的增加，Fe原子优先占据团簇表面再占据内部，其基态构型存在类Oh结构、类Ih结构和无序结构间的竞争.对于FenMo55-n(n=0-55)团簇，随Fe原子数的增加，Fe原子优先占据团簇中心位置，再依次占据表面顶点、棱边和次外层，双金属团簇基态构型主要体现为在Mackay二十面体基础上的结构畸变. Fe24Mo14,Fe13Mo42和Fe43Mo12为幻数结构团簇，研究发现双金属团簇幻数成因不能通过单质团簇常用的平均配位数和平均键长模型解释，它更多的归咎于组分效应导致的结构高对称性.

关键词： 肱骨近端骨折   内侧柱不稳定   机器学习   影响因素   SHAP解释工具  

摘要： 背景:切开复位解剖锁定钢板内固定是治疗肱骨近端内侧柱不稳定型骨折的首选,但骨折复位失效是术后主要并发症之一,准确的风险因素评估有利于筛选高风险患者和临床决策的选择。目的:通过机器学习算法构建4种预测模型,分析筛选出最优模型并按照风险变量对结局变量影响的权重评分排序,探讨其对临床诊疗的指导意义。方法:纳入2012年6月至2022年6月期间佛山市中医院收治的262例肱骨近端内侧柱不稳定型骨折患者,年龄(60.6±10.2)岁,所有患者均接受切开复位锁定钢板手术治疗,根据术后5个月随访是否发生复位失效分为复位失效组(n=64)和复位维持组(n=198)。收集患者的临床资料,确定模型变量及其分类,将数据集随机按照7∶3比例分为训练集和测试集,训练集按照5折交叉检验获取最优超参数,构建逻辑回归、随机森林、支持向量机、极端梯度提升4种机器学习预测模型,在测试集用AUC、正确率、灵敏度、特异度和F1得分观察不同算法的表现,综合评价模型的预测性能。将表现最佳的模型利用SHAP评估重要风险变量,并对其临床指导意义进行评价。结果与结论:①两组间三角肌结节指数、骨折类型术前骨折端合并内翻畸形、肱骨头下干骺端碎片长度、术后复位情况、肱骨近端内侧柱皮质支撑情况、肱骨距螺钉置入情况比较差异均有显著性意义(P<0.05);②4种机器模型中综合表现能力最好的是极端梯度提升,其受试者工作特征曲线下面积AUC、准确度和F1分数分别为0.885,0.885和0.743,其次是随机森林和支持向量机,两种模型表现能力基本持平,逻辑回归的综合表现能力最差;在最优模型中利用SHAP解释工具发现三角肌结节指数、肱骨内侧柱皮质支撑、骨折类型、骨折复位质量、肱骨距螺钉状态是骨折术后复位失效的重要影响因素;③利用机器学习分析临床问题的准确性优于传统逻辑回归分析方法,在处理高维度数据时机器学习方法可以很好地解决多变量交互和共线性问题;利用SHAP解释工具不但可以明确各个变量的重要性,也可得到各变量中哑变量对结局影响的详细信息。

关键词： WGCNA分析   机器学习   骨关节炎   铁死亡   特征基因   免疫浸润分析   体外细胞实验  

摘要： 背景:铁死亡与骨关节炎发生、发展密切相关,但具体特征基因及调控机制尚不清楚。目的:运用WGCNA及多种机器学习方法识别骨关节炎铁死亡特征基因及免疫浸润分析。方法:从GEO数据库下载骨关节炎相关数据集,同时在FerrDb网站中获取铁死亡相关基因,采用R语言对骨关节炎数据集进行批次校正、提取骨关节炎铁死亡基因并进行差异分析,对差异基因进行GO功能及KEGG信号通路分析;同时运用WGCNA分析及机器学习(随机森林、LASSO回归及SVM-RFE分析)筛选骨关节炎铁死亡特征基因,并进行体外细胞实验,将软骨细胞分为正常组和骨关节炎组,运用数据集及qPCR验证表达并行相关免疫浸润分析。结果与结论:①经批次校正及PCA分析获得骨关节炎基因12548个,同时获得铁死亡基因484个,进而得到24个骨关节炎铁死亡差异基因;②GO分析主要涉及对氧化应激反应、对有机磷反应等生物过程;涉及细胞顶端、顶端质膜等细胞组分;涉及血红素结合、四吡咯结合等分子功能;③KEGG分析显示,骨关节炎铁死亡差异基因与白细胞介素17信号通路、肿瘤坏因子信号通路等信号通路有关;④运用WGCNA分析及机器学习筛选后获得特征基因KLF2;通过基因芯片验证后发现实验组半月板组织中KLF2基因表达高于对照组(P=0.00014);⑤体外细胞实验显示,骨关节炎组软骨细胞中Ⅱ型胶原、KLF2基因表达低于对照组(P<0.05),同时在骨关节炎铁死亡中肥大细胞与树突状细胞密切相关(r=0.99),KLF2与自然杀伤细胞(r=-1,P=0.017)、滤泡辅助性T细胞(r=-1,P=0.017)等密切相关;⑥结果显示,运用WGCNA分析及机器学习方法证实KLF2可作为骨关节炎铁死亡的特征基因,可能通过干预KLF2来改善骨关节炎铁死亡。

关键词： 类风湿性关节炎   机器学习   免疫浸润   全基因组关联研究   孟德尔随机化  

摘要： 背景:类风湿性关节炎是一种慢性全身性自身免疫疾病,研究其涉及的免疫学特征改变对诊断和治疗具有重要意义。目的:通过生物信息学方法筛选类风湿性关节炎中免疫相关生物标志物,分析其免疫细胞浸润变化及与免疫细胞的潜在因果关系。方法:基于GEO与ImmPort数据库,采用差异表达分析筛选类风湿性关节炎中表达上调的免疫相关基因,采用GO与KEGG富集分析探索这些上调基因的潜在作用。采用支持向量机递归特征消除(SVM-RFE)、最小绝对收缩和选择算法(Lasso)筛选类风湿性关节炎中免疫特征基因,独立的数据集进行差异验证,绘制特征基因的受试者工作特征曲线评价诊断性能。采用免疫细胞浸润分析类风湿性关节炎中免疫细胞的差异情况及特征基因与免疫细胞的相关性。最后,进行孟德尔随机化分析,以确定免疫细胞中单核细胞与类风湿性关节炎的因果效应。结果与结论:①筛选得到了39个在类风湿性关节炎中高表达的差异基因,GO富集分析显示其主要富集在趋化性、细胞因子活性、免疫受体活性等过程,KEGG富集分析显示其在肿瘤坏死因子信号通路、白细胞外周迁移等途径显著富集;②通过Lasso与SVM-RFE两种机器学习算法确定了5个特征基因,分别为CXCL13、SDC1、IGLC1、PLXNC1和SLC29A3,独立的数据集对特征基因验证发现他们同样在类风湿性关节炎样本中高表达,5个特征基因在2个数据集中的AUC值均大于0.8;③免疫细胞浸润发现大多数免疫细胞如单核细胞、自然杀伤细胞等在类风湿性关节炎样本里表现出更高的浸润水平,相关性分析显示5个特征基因与记忆B细胞、不成熟B细胞等呈正相关性,逆方差加权法发现单核细胞与类风湿性关节炎发病风险相关。

关键词： 中医   医案   数据挖掘   机器学习  

摘要： 名家医案作为解决临床疑难问题的典范,其诊疗思路的正确性和实践结果的有效性在长期的临床活动中得到了肯定。但传统的统计方法在面对中医学非线性、多维度、复杂关系的问题上,难以全面且深入地发掘中医学的思辨体系和经验逻辑,而机器学习方法在此类问题研究上有显著优势,并在中医传承研究中得到了广泛的应用。本文旨在探讨如何利用机器学习算法研究中医医案,并介绍了中医医案数据的获取与处理、机器学习算法的选择等,以期为中医医案的研究提供参考。

关键词： 甘蔗健康种苗   双芽段种植机   排种性能   优化  

摘要： 甘蔗健康种苗种植技术是提高单产水平和品质、降低生产成本的有效措施之一,而目前国内甘蔗种植装备不成熟,直接限制了这一技术的推广和应用。为此,以有序排列的甘蔗健康种苗双芽段蔗种为研究对象,对团队研发的2CZD-2A型半自动双芽甘蔗种植机排种性能进行优化,设计了高频电磁振动自动喂入器与仿形排种同步驱动器。利用Solid Edge ST5三维软件建模进行仿真分析,建立试验台进行多因素正交组合试验,采集数据并利用SPSS进行处理建立回归方程,运用Design Expert绘制响应曲面,分析因素之间交互作用,利用MatLab进行参数优化,最终进行田间试验验证。研究结果表明:同步驱动机构增加了排种均匀度,当带轮转速为10r/s、振动幅度为18.5mm、行进速度为0.65m/s时,排种均匀度达到94.18%,与优化结果偏差小于5%,满足设计要求;高频振动与动力源振动无干涉,验证了振动器梳理方案的可行性,可为全自动种植机的研发提供参考。

关键词： 蚕豆   离散元   参数标定   优化  

摘要： 采用离散元法对蚕豆与收获机具间的相互作用进行数值仿真研究,实现对蚕豆收获机具关键部件相关参数的设计与优化,以提高研究效率、减少研究成本。为此,通过物理试验对蚕豆基本物性参数、接触力学参数和休止角进行测定,参考物理试验测定结果选取仿真试验参数取值范围。以仿真试验休止角为响应值,由Plackette-Burman(PB)试验得到显著影响休止角的试验参数(蚕豆-蚕豆静摩擦因数、蚕豆-钢板静摩擦因数、蚕豆-钢板滚动摩擦因数),并利用最陡爬坡试验在PB试验基础上得到显著参数的取值范围。采用Box-Behnken(BB)试验在休止角与显著参数之间建立二阶回归模型,以休止角物理试验测定值为目标值,对显著参数进行寻优,获得最优参数组合,即蚕豆-蚕豆静摩擦因数0.25、蚕豆-钢板静摩擦因数0.47、蚕豆-钢板滚动摩擦因数0.35。最后,通过T检验得到P>0.05,表明采用最优参数组合得到的休止角仿真值与实测值相差无几,验证了最优参数组合的可靠性。

关键词： 综合地球物理解释   岩性预测   知识驱动与数据驱动   机器学习  

摘要： 探测地下结构并进行地质解释是地球物理研究的主要目标,根据地球物理数据反映的地下物质的物理属性,如密度、速度、磁化率、电阻率等特征可确立地层结构及其性质.由于单一地球物理方法的多解性等局限,采用多种方法综合开展地球物理解释是目前可行的有效手段.本文针对地下岩性预测这一目标,总结了开展岩性预测的综合地球物理解释方法基本原则及步骤,并按照知识驱动和数据驱动两类技术路线对岩性综合预测的主要技术方法进行了总结.知识驱动方法利用先验信息,简单直接易于理解,但对复杂及高维数据适应能力弱;数据驱动方法使用数理统计等策略可有效挖掘各类数据间的关系,适应复杂应用场景能力强.在解决实际问题过程中,有监督机器学习方法以充分的岩石物理性质研究为基础,不仅引入了先验知识而且充分发挥了自身的数据挖掘能力,提高岩性预测解释的准确性,更好地建立地球物理与地质信息的对应关系,支撑资源能源等勘探需求.

关键词： 强迫性障碍   亚型   动态功能连接   灰质体积   机器学习   异质性  

摘要： 目的探讨不同灰质结构亚型强迫症患者静息状态下的动态功能连接(dynamic functional connectivity,dFC)模式,并探究不同亚型强迫症患者的异常灰质体积和dFC模式与临床症状的关系。方法前瞻性收集2013年9月至2020年3月就诊于齐齐哈尔医学院附属第四医院(20例)和齐齐哈尔市精神卫生中心住院和门诊(28例)的共48例强迫症患者的临床资料,其中男33例,女15例,年龄18~45(27.1±6.7)岁。同期招募年龄匹配的健康对照者39名,其中男31名,女8名,年龄18~45(28.5±8.6)岁。对符合ICD-10诊断标准的48例强迫症患者(强迫症组)和39名健康对照(对照组)进行磁共振成像扫描。采用基于体素的形态学分析(voxel-based morphometry,VBM),使用半监督机器学习方法,以灰质体积为特征对强迫症组进行亚型分析,选取灰质体积异常的脑区为感兴趣脑区,进行基于全脑体素的dFC分析,探究异常灰质体积和dFC模式与强迫症临床症状之间的相关性。结果基于灰质体积,强迫症可分为2个亚型,其中亚型1为右中央后回灰质体积增加[809个体素;t=4.31;高斯随机场(Gaussian random field,GRF)校正,体素P<0.001,团块水平P<0.05双尾],亚型2为左颞上回灰质体积降低(1118个体素;t=-4.37;GRF校正,体素P<0.001,团块水平P<0.05双尾)。在亚型1中,右侧中央后回与左内侧额上回之间的dFC显著降低(187个体素;t=-4.42;GRF校正,体素P<0.001,团块水平P<0.05双尾);在亚型2中,左侧颞上回与左侧海马、左侧中央旁小叶之间的dFC显著降低(分别为272、99个体素;t=-4.69、-5.01;GRF校正,体素P<0.001,团块水平P<0.05双尾)。亚型1右侧中央后回与左内侧额上回之间的dFC值与病程呈负相关(r=-0.579;P=0.002,未校正);亚型2左侧颞上回与左侧海马之间dFC值与病程呈正相关(r=0.578;P=0.003,未校正)。结论静息状态下,基于灰质体积的不同亚型强迫症患者具有不同的dFC异常模式。

关键词： 思政课   数字化   实践图景   优化  

摘要： 思想政治理论课是落实立德树人根本任务的关键课程,要抓住数字技术发展新机遇,积极推动数字技术与思政课的深度融合。思政课数字化育人转型有利于丰富思政课教学内容,革新思政课教学方式,优化思政课教育环境。面对思政课数字化育人转型的现实困境,调整思政课育人的路径,要从学校层面、教学层面、教师层面三方面着手有针对性地解决问题,把思政课立德树人根本任务落到实处,切实提升思政课育人的成效。