简介:摘要目的建立一种基于人工智能的尿液检验结果解释性报告系统。方法收集2008—2018年浙江大学医学院附属第一医院患者2 899 917份、体检710 971份尿检数据,统计每个项目不同结果的频数分布建立大人群分布,再根据数据分布、项目重要性和结果异常程度,建立每个样本的健康指数和各项目的异常等级。收集糖尿病、尿路感染、肾小球肾炎、肾病综合征等疾病数据,按性别、年龄匹配同数量的健康对照组。基于AdaBoost算法的集成学习器建立模型并评估算法性能。用JAVA开发数据展示软件。用199份异常尿液检验结果,人工验证模型的准确性。结果每份报告分为正常、异常、疾病、危重4个等级;单个项目结果判断为正常、轻度、中度、重度、极度5个等级并提供大数据的人群分布;基于AdaBoost机器学习模型运用于7种疾病的训练准确度(≥88.3%)、真阳性率(≥80.0%)、曲线下面积(≥0.954)。开发的JAVA软件展示上述结果,并包括病历和结果、历史结果、个性化建议、异常项目科普、在大人群数据中的位置等内容。异常尿液结果可能的疾病相似度,人工验证机器学习模型的准确率为82.41%(164/199)。结论本研究建立了智能的结果解释性报告系统,能区分报告异常程度,具有较高疾病预测准确性,可提供个性化的临床决策信息。
简介:对感应电机堵转电流,转矩和功率因数的测量成为一种标准试验已有许多年了,转矩的测量从使用制动器,测矩器,转矩臂和刻度尺,经应变计和测力传感器演变到了加速试验,这个试验必须具有短的持续时间以防止损坏电机,大电机出现问题是因为不论在千伏安测量还是在转矩测量中,都受到设备的限制,当按额定电压与试验电压之比的平方分配工作电压时,降压进行的单个试验忽略了饱和的影响并导致了预测转矩和电流值的显著降低。本文了讨论了一些与试验方法有关的问题并阐述了怎样进行这些试验的方法及解释饱和效应的估计结果,最后,文章还叙述了怎样从试验数据中得到一些电机电路参数的方法。