各种离体蛙心 磁化灌流液的效果观察

在任氏液中分别加入家兔脱纤血清和计定浓度的Na、K、Ca、Ad、Ach磁化溶液,配制成血清灌流液和磁化灌流液。用这两种灌流液和任氏液进行离体蛙心灌流实验,在二道生理记录仪上描记蛙心搏动曲线。可观察到血清灌流液能加强心脏功能,磁化灌流液有显著的效果。     

基于多源遥感数据的面向对象林分类型识别

林分类型的识别是森林资源监测的核心问题之一.为研究多源遥感数据协同的面向对象林分类型分类识别,采用Radarsat-2数据和QuickBird遥感影像协同进行面向对象分类.在面向对象分类过程中,采用3种分割方案:单独使用QuickBird遥感影像分割;单独使用Radarsat-2数据分割;Radarsat-2&QuickBird协同分割.3种分割方案均采用10种分割尺度(25～250,步长25),应用修正的欧式距离3指标评价不同分割方案的分割结果,确定最优分割方案及最优分割尺度.在最优分割结果的基础上,基于地形、高度、光谱及共同特征的不同特征组合,应用带有径向基(RBF)核函数的支持向量机(SVM)分类器进行杉木林、马尾松林、阔叶林3种林分类型识别.结果表明:与单独使用一种数据相比,Radarsat-2数据和QuickBird遥感影像协同方案在面向对象林分类型分类方面具有优势.Radarsat-2&QuickBird协同分割方案,以最优尺度参数100进行分割时,分割结果最好.在最优分割结果的基础上,应用两种数据源提取的全部特征进行面向对象林分类型识别的精度最高(总精度为86%,Kappa值为0.86).本研究结果不仅可为多源遥感数据结合进行林分类型识别提供参考和借鉴,而且对于森林资源调查和监测有现实意义.     

支持向量机在PPⅡ二级结构预测中的应用

PPⅡ二级结构是一种稀有的蛋白质结构类型。目前使用机器学习方法预测此二级结构的工作还比较少见。引入一种新的方法———支持向量机 (SVM)来预测PPII二级结构 ,并与神经网络方法进行了比较 ,结果表明 ,SVM方法在预测PPII结构上表现良好 ,预测精度达到 76 .5 2 %。     

胆结石的磁性研究

用磁天平对33例胆结石样做了磁化率测试,结果表明,多数结石的磁化率为负,表现为抗磁性;少数结石的磁化率为正,表现为顺磁性。据磁化率值可以推测,磁化率绝对值大,磁力治疗胆结石效果较好,磁化率绝对值小,磁疗效果差,需要较强的磁场。     

重症监护病房长期机械通气患者撤机困难的原因及死亡影响因素分析

目的:探讨重症监护病房(ICU)长期机械通气患者撤机困难的原因及撤机死亡的影响因素。方法:对2015年6月至2018年10月我院收治的80例长期机械通气患者的临床资料进行回顾性分析,按照患者撤机结果分为撤机成功组52例和撤机困难组28例,根据患者存活情况分为存活组59例和死亡组21例。比较各组临床资料,分析撤机困难的原因及撤机死亡的影响因素。结果:撤机困难组年龄、心功能不全比例、多器官功能障碍(MODS)比例、呼吸机相关肺炎(VAP)比例、肝功能不全比例、肾功能不全比例、血尿素氮显著高于撤机成功组,机械通气时间、气管切开时间显著长于撤机成功组,血清白蛋白显著低于撤机成功组(P0.05)。死亡组年龄、合并糖尿病比例、心功能不全比例、MODS比例、VAP比例、肝功能不全比例、肾功能不全比例、血尿素氮显著高于存活组,机械通气时间、气管切开时间显著长于存活组,血清白蛋白显著低于存活组(P0.05)。多因素Logistic回归分析显示:年龄、合并糖尿病、MODS、VAP、机械通气时间、气管切开时间、血清白蛋白是ICU长期机械通气患者撤机死亡的影响因素(P0.05)。结论:患者治疗期间发生脏器功能不全或器官功能衰竭、机械通气时间较长、气管切开时间较长、营养状态较差是长期机械通气患者撤机困难的主要原因,年龄、合并糖尿病、MODS、VAP、机械通气时间、气管切开时间、血清白蛋白是ICU长期机械通气患者撤机死亡的影响因素。     

基于多分类支持向量机的基因表达系列分析

基因表达系列分析(Serial analysis of gene expression,SAGE)是一种基因表达数据,反映了细胞内的动态变化。模式识别和可视化方法是分析SAGE数据的基本工具,但是由于缺乏描述数据的统计特性,传统的聚类分析技术不适用于SAGE数据的分析。本文提出了一种基于多分类和支持向量机的SAGE数据的分析法。经过对模拟数据和人类癌症SAGE数据的分析,基于径向基核函数的多分类支持向量机算法一对一(one-against-one,OAO)算法提供了比PoissonC和PoissonS更好的分类结果。     

面向蛋白质功能位点识别的机器学习平台构建

有关蛋白质功能的研究是解析生命奥秘的基础,机器学习技术在该领域已有广泛应用。利用支持向量机(support vectormachine,SVM)方法,构建一个预测蛋白质功能位点的通用平台。该平台先提取非同源蛋白质序列,再对这些序列进行特征编码(包括序列的基本信息、物化特征、结构信息及序列保守性特征等),以编码好的样本作为训练数据,利用SVM进行训练,得到敏感性、特异性、Matthew相关系数、准确率及ROC曲线等评价指标,反复测试,得到评价指标最优的SVM模型后,便可以用来预测蛋白质序列上的功能位点。该平台除了应用在预测蛋白质功能位点之外,还可以应用于疾病相关单核苷酸多态性(SNP)预测分析、预测蛋白质结构域分析、生物分子间的相互作用等。     

用离散增量结合支持向量机方法预测蛋白质亚细胞定位

对未知蛋白的功能注释是蛋白质组学的主要目标。一个关键的注释是蛋白质亚细胞定位的预测。本文应用离散增量结合支持向量机(ID_SVM)的方法,对阳性革兰氏细菌蛋白的5类亚细胞定位点进行预测。在独立检验下,其总体预测成功率为89.66%。结果发现ID_SVM算法对预测的成功率有很大改进。     

基于遗传算法和支持向量机的乳杆菌发酵过程建模

由于生化反应过程的复杂性和高度非线性,多数简单的数学模型不能准确描述。该文基于Matlab软件,利用改进的支持向量机(υ-SVR)对植物乳酸杆菌发酵这一典型生化过程进行研究,应用遗传算法估计模型最优参数,建立植物乳杆菌的菌体密度预测模型。同时建立传统的logistic动力学模型以进行比较。结果表明,采用结合遗传算法的υ-SVR预测模型拟合误差小,皮尔森相关系数(R)更高,可以较好地预测乳酸杆菌的发酵过程,为其优化控制及放大提供依据。     

基于最小二乘支持向量机的农田水汽通量建模

支持向量机是在统计学习理论基础上发展起来的一种新型的机器学习方法,已在模式识别、非线性建模等领域中得到了应用．本文将最小二乘支持向量机方法应用于农田水汽通量的建模中,并同前馈反向传播神经网络的建模性能进行了比较．结果表明,最小二乘支持向量机方法具有可调参数少、学习速度较快等优点,具有更好的推广能力,以更高的精度建立农田水汽通量模型．模型的敏感性分析进一步显示,用最小二乘支持向量机方法建立的农田水汽通量模型是合理可行的．