目的:分析肺癌病人治疗期输液港发生医用粘胶相关皮肤损伤(medical adhesive related skin injury,MARSI)的危险因素,并建立风险预测模型,以期为临床护理干预提供参考。方法:回顾性收集2023年1月—2024年4月在某三级甲等综合医院呼吸与...目的:分析肺癌病人治疗期输液港发生医用粘胶相关皮肤损伤(medical adhesive related skin injury,MARSI)的危险因素,并建立风险预测模型,以期为临床护理干预提供参考。方法:回顾性收集2023年1月—2024年4月在某三级甲等综合医院呼吸与危重症医学科使用胸壁输液港的650例病人为调查对象,运用Logistic回归模型、决策树分类回归树(CART)模型和随机森林模型分别建立肺癌病人治疗期输液港医用粘胶相关皮肤损伤风险预测模型,通过比较3种模型的准确率、灵敏度、特异度、阳性预测值、阴性预测值、Kappa系数和受试者工作特征(ROC)曲线下面积(AUC)评价其性能。结果:Logistic回归模型、决策树CART模型和随机森林模型的准确率分别为84%、86%、86%,特异度为97%、98%、97%,灵敏度为54%、59%、61%,阳性预测值为54%、59%、61%,阴性预测值为97%、98%、97%,Kappa值为0.57,0.63,0.64,AUC为0.83,0.87,0.86。Logistic回归模型、决策树CART模型、随机森林的AUC比较差异均有统计学意义(P<0.05)。皮肤毒性为3种模型的共同预测因子。结论:决策树CART模型和随机森林模型相比Logistic回归模型在构建肺癌病人治疗期输液港医用粘胶相关皮肤损伤风险预测模型中具有更好的性能,可为临床护士预测肺癌病人输液港医用粘胶相关皮肤损伤发生风险提供参考。展开更多
CART(Classification And Regression Tree,分类回归树)是一种准确率和效率都较高的数据挖掘算法,它支持离散型和连续型的数据分类,但无法适用于对加密的隐私云数据进行分类.因此提出PPCART(Privacy-preserving CART,隐私保护的分类回归...CART(Classification And Regression Tree,分类回归树)是一种准确率和效率都较高的数据挖掘算法,它支持离散型和连续型的数据分类,但无法适用于对加密的隐私云数据进行分类.因此提出PPCART(Privacy-preserving CART,隐私保护的分类回归树),该算法利用同态加密特性对CART算法做了相应的改善,使之在保持CART原有准确率和相对较好执行效率的情况下能分类加密云数据,避免了在半诚实模型下的分类过程中真实数据的泄露.经过安全分析和实验测试表明,PPCART可显著提高传统CART算法的安全性,且具有接近于它的执行时间.展开更多
以英语文语转换系统的开发为背景,采用基于大语料库的拼接语音合成方法进行英语语音合成。就英语多音节和无限词汇的特点,选用了3种不同长度的拼接单元:单词,音节,phone。引入了决策树CART(classification and regression tree)方法对...以英语文语转换系统的开发为背景,采用基于大语料库的拼接语音合成方法进行英语语音合成。就英语多音节和无限词汇的特点,选用了3种不同长度的拼接单元:单词,音节,phone。引入了决策树CART(classification and regression tree)方法对大语料库中的语音单元进行预选,并设计了相应的单元选择算法。实验表明,利用该方法能得到清晰自然的合成效果,并且提高了单元选择的效率。展开更多
油中溶解气体分析(dissolved gas analysis,DGA)技术可以有效发现充油变压器内部的早期潜伏性故障,是对充油设备进行诊断的常用检测方法。CART(classification and regression trees)分类回归树是一种可处理连续属性的不平衡算法。SAMM...油中溶解气体分析(dissolved gas analysis,DGA)技术可以有效发现充油变压器内部的早期潜伏性故障,是对充油设备进行诊断的常用检测方法。CART(classification and regression trees)分类回归树是一种可处理连续属性的不平衡算法。SAMME作为Ada Boost二分类算法的延伸,可将多个略好于随机猜测的弱分类器组合提升为分类精度更高的强分类器,完成多分类任务。针对单一算法往往不能满足实际工程对分类精度的需求且高精度算法难以获得的问题,采用SAMME算法对CART弱学习器的权重根据误差不断调整,再通过加权投票将其组合提升为强分类器,并采用V折交叉验证确定SAMME-CART模型的最优迭代次数。以此提高故障诊断模型的泛化能力。实验结果表明,运用该模型结合DGA技术对变压器故障进行诊断,相比于单一CART算法,诊断准确率整体提高了18.7%,表明该方法是可行的。展开更多
文摘目的:分析肺癌病人治疗期输液港发生医用粘胶相关皮肤损伤(medical adhesive related skin injury,MARSI)的危险因素,并建立风险预测模型,以期为临床护理干预提供参考。方法:回顾性收集2023年1月—2024年4月在某三级甲等综合医院呼吸与危重症医学科使用胸壁输液港的650例病人为调查对象,运用Logistic回归模型、决策树分类回归树(CART)模型和随机森林模型分别建立肺癌病人治疗期输液港医用粘胶相关皮肤损伤风险预测模型,通过比较3种模型的准确率、灵敏度、特异度、阳性预测值、阴性预测值、Kappa系数和受试者工作特征(ROC)曲线下面积(AUC)评价其性能。结果:Logistic回归模型、决策树CART模型和随机森林模型的准确率分别为84%、86%、86%,特异度为97%、98%、97%,灵敏度为54%、59%、61%,阳性预测值为54%、59%、61%,阴性预测值为97%、98%、97%,Kappa值为0.57,0.63,0.64,AUC为0.83,0.87,0.86。Logistic回归模型、决策树CART模型、随机森林的AUC比较差异均有统计学意义(P<0.05)。皮肤毒性为3种模型的共同预测因子。结论:决策树CART模型和随机森林模型相比Logistic回归模型在构建肺癌病人治疗期输液港医用粘胶相关皮肤损伤风险预测模型中具有更好的性能,可为临床护士预测肺癌病人输液港医用粘胶相关皮肤损伤发生风险提供参考。
文摘CART(Classification And Regression Tree,分类回归树)是一种准确率和效率都较高的数据挖掘算法,它支持离散型和连续型的数据分类,但无法适用于对加密的隐私云数据进行分类.因此提出PPCART(Privacy-preserving CART,隐私保护的分类回归树),该算法利用同态加密特性对CART算法做了相应的改善,使之在保持CART原有准确率和相对较好执行效率的情况下能分类加密云数据,避免了在半诚实模型下的分类过程中真实数据的泄露.经过安全分析和实验测试表明,PPCART可显著提高传统CART算法的安全性,且具有接近于它的执行时间.
文摘以英语文语转换系统的开发为背景,采用基于大语料库的拼接语音合成方法进行英语语音合成。就英语多音节和无限词汇的特点,选用了3种不同长度的拼接单元:单词,音节,phone。引入了决策树CART(classification and regression tree)方法对大语料库中的语音单元进行预选,并设计了相应的单元选择算法。实验表明,利用该方法能得到清晰自然的合成效果,并且提高了单元选择的效率。
文摘油中溶解气体分析(dissolved gas analysis,DGA)技术可以有效发现充油变压器内部的早期潜伏性故障,是对充油设备进行诊断的常用检测方法。CART(classification and regression trees)分类回归树是一种可处理连续属性的不平衡算法。SAMME作为Ada Boost二分类算法的延伸,可将多个略好于随机猜测的弱分类器组合提升为分类精度更高的强分类器,完成多分类任务。针对单一算法往往不能满足实际工程对分类精度的需求且高精度算法难以获得的问题,采用SAMME算法对CART弱学习器的权重根据误差不断调整,再通过加权投票将其组合提升为强分类器,并采用V折交叉验证确定SAMME-CART模型的最优迭代次数。以此提高故障诊断模型的泛化能力。实验结果表明,运用该模型结合DGA技术对变压器故障进行诊断,相比于单一CART算法,诊断准确率整体提高了18.7%,表明该方法是可行的。
