简介:摘要目的分析自动机器学习(autoML)模型预测孕早期子痫前期风险的效果。方法选取2017年1月—2020年10月2 180例在济南市第二妇幼保健院建档并于孕12周进行孕检的单胎孕妇,根据整个孕期是否发生子痫前期分为子痫前期组(103例)和对照组(2 077例),比较两组孕妇临床资料和血液学指标差异,分析各指标与子痫前期发生风险的相关性。将纳入研究的孕妇按7∶3的比例随机分为训练集和测试集,应用autogluon autoML算法构建多种机器学习模型,并在训练集中进行训练和交叉验证,比较不同模型的训练和验证准确率。分析各指标在autoML模型中的重要性,以autoML模型和logistic回归模型分别对测试集孕妇孕早期子痫前期的发生风险进行预测,应用受试者工作特征(ROC)曲线对autoML模型和logistic回归模型的预测效能进行评价。结果子痫前期组年龄、孕前体质指数、孕12周体质指数、孕12周腰围、饮酒史比例、超敏C-反应蛋白(hs-CRP)、三酰甘油、低密度脂蛋白胆固醇(LDL-C)、天冬氨酸氨基转移酶(AST)、血小板分布宽度(PDW)、平均血小板体积、促甲状腺激素(TSH)、β-人绒毛膜促性腺激素水平均显著高于对照组(均P<0.05),游离三碘甲状腺原氨酸(游离T3)、游离甲状腺素(游离T4)、胎盘生长因子(PIGF)、可溶性fms样酪氨酸激酶-1(sFlt-1)、妊娠相关血浆蛋白-A(PAPP-A)均显著低于对照组(均P<0.05)。相关性分析显示,孕前体质指数、孕12周体质指数、孕12周腰围、hs-CRP、三酰甘油、AST、TSH、游离T3、游离T4、β-HCG、PIGF、sFlt-1和PAPP-A等与孕早期子痫前期风险的相关性较高;但各指标间的相关性均较低。通过autoML模型算法共构建8类18个模型,基于FastAI的神经网络_L2在训练集(0.963)和验证集(0.971)中的准确率最高;TSH、LDL-C、PDW、孕12周腰围、sFlt-1、AST等指标重要性较高,游离T4、总胆固醇、孕次、饮酒史、产次和高血压家族史重要性较低。孕早期autoML模型预测子痫前期发生风险的ROC曲线下面积显著高于logistic回归模型(0.984比0.765,P=0.002);两种预测模型在训练集的预测准确率差异无统计学意义(P>0.05);autoML模型在测试集的预测准确率和灵敏度均显著高于logistic回归模型(99.54%比98.32%,93.75%比75.00%,均P<0.05)。结论孕早期TSH、LDL-C、PDW、孕12周腰围、sFlt-1、AST等因素与子痫前期发生风险具有一定相关性,基于孕早期指标的autoML模型对子痫前期发生风险具有较高的预测价值。
简介:摘要:由于城市进程化加快,城市交通拥堵问题变得日益严重,交通流模拟及智能交通系统对于解决城市的交通拥堵问题有着非常重要的作用。交通流模型是交通理论研究的重要问题,交通流元胞自动机模型的出现和发展为交通流理论的研究提供了一种新的方向,为智能交通的发展和研究提供了新的方向和动力。本文介绍了元胞自动机交通流模型的产生与发展,分析了用于道路交通、城市路网的几种经典元胞自动机交通流模型;同时,总结众多学者的观点,对未来元胞自动机交通流模型可能的研究趋势进行展望。
简介:为了分析岩石材料的非均质性对其破坏演化的影响,根据元胞自动机理论,从能量的角度建立了一种能够从细观层次上对岩石破坏演化进行模拟的物理元胞自动机模型(Mh-PCA模型),模型引用的Weibull随机分布函数对材料的非均质性进行描述.运用该模型,对m分别为1,5,10,15四种不同均质度材料的破坏模式及其破坏过程中的声发射现象进行了模拟分析.结果表明:材料的非均质性对其破坏有重要的影响,均质度越高,破坏过程中的分支裂纹越少,声发射也越集中.物理元胞自动机理论为岩石的破坏研究提供了一种新的研究思路.