摘要：目的探索我国农村地区40岁以上人群的近视性黄斑病变患病率,并基于人工少数类过采样法(Synthetic Minority Over-Sampling Technique,smote)探索近视性黄斑病变患病的影响因素。设计横断面研究。研究对象2012-2013年邯郸眼病研究中年龄在40岁及以上的近视人群1177例。方法通过问卷调查获取受试者的基本人口学资料及吸烟、饮酒等行为资料;通过体格检查获取受试者的身高、体重、血糖、血压等信息;通过实验室检查(采集血样)获取受试者的血液指标信息;采用“糖尿病视网膜病变早期治疗(Early Treatment Diabetic Retinopathy,EDTRS)”视力表测量受试者的生活视力和最佳矫正视力;采用Kowa压平眼压计(Tokyo,日本)测量眼压;采用Topcon自动验光仪(KR8800)测量屈光度;采用A超(10 MHz)对眼轴等生物学参数进行测量;采用Canon眼底相机(CR-2)分别拍摄以视盘和黄斑为中心的眼底照片各一张;近视性黄斑病变的阅片诊断方法:基于近视人群(等效球镜小于-0.5 D),眼底出现以下任意症状即判断为近视性黄斑病变:弥漫性脉络膜视网膜萎缩、斑片状脉络膜视网膜萎缩、黄斑萎缩、漆裂纹、后极部出现近视性脉络膜新生血管,Fuchs斑归类于近视性脉络膜新生血管中。采用我国第六次人口普查数据对近视性黄斑病变的患病率按年龄性别进行标准化;采用smote算法对近视性黄斑病变资料的均衡性进行处理;采用Logistic回归探索近视性黄斑病变的影响因素;采用ROC曲线评估影响因素的预测效能。主要指标近视性黄斑病变的粗患病率及年龄-性别标准化患病率。结果在5055例有清晰可读眼底照片的40岁以上农村地区受试者中,1177例患有近视,其中35例患有近视性黄斑病变。在近视人群中,近视性黄斑病变的粗患病率为2.97%,年龄-性别标准化的患病率为2.65%。单因素分析结果显示:年龄(t=10.910,P<0.001)、教育程度(χ^(2)=21.511,P<0.001)、婚姻状态(χ^(2)=62.488,P<0.001)、BMI(t=-6.400,P<0.001)、血糖(t=-4.199,P=0.014)、屈光度值(Z=-15.766,P<0.001)、眼压(Z=-7.384,P<0.001)以及最佳矫正视力(t=-24.384,P<0.001)在近视性黄斑病变组与对照组间有统计学差异。Logistic回归分析显示:年龄和屈光度是近视性黄斑病变的危险因素,眼压是近视性黄斑病变的保护因素,三者的OR值分别为1.056(95%CI:1.025,1.087),0.667(95%CI:0.603,0.738)和0.841(95%CI:0.762,0.928);ROC曲线分析结果显示,采用年龄、屈光度和眼压对近视性黄斑病变进行预测,曲线下面积可达0.936(95%CI:0.918,0.953)。结论在我国农村地区40岁以上近视人群中,年龄-性别标准化的近视性黄斑病变患病率为2.65%。年龄、屈光度和眼压是近视性黄斑病变的影响因素,年龄越大患病风险越大、眼压越低患病风险越大,近视度数越大患病风险越大。(眼科,2021,30:177-183)

摘要：利用人工智能对客户投诉工单中的非结构化数据进行文本挖掘和机器学习是客户投诉工单处理系统建设的关键技术。本文论述了系统建设中热词采集、投诉分类与打标、投诉热点分析、预警与派单等关键流程与功能,着重论述了利用文本挖掘技术进行建模与优化。

摘要：随着机器学习和生物信息学的快速发展,癌症亚型分类成为当前研究热点之一.根据亚型的分类,可以指导癌症的治疗和预后.近年来,许多监督学习方法被用于癌症亚型分类.考虑到高维、样本数量少和数据不均衡等特点,本文首先利用LDA进行降维,其次利用smote算法均衡数据,再利用Extra-Trees模型对癌症亚型进行分类,最后基于TCGA中9种癌症25种癌症亚型的3296个样本来验证模型的有效性.实验结果表明,利用给出的模型进行癌症亚型分类具有很好的效果.

摘要：为解决常规的高速公路云收费系统辅助稽查算法导致稽查正确率不高问题。提出应用超融合云平台的高速公路云收费系统辅助稽查算法,建立稽查数据仓库,对数据进行采集与整合,使用smote算法,对车辆载重源数据进行转换处理,对转换后车辆信息参数进行回归计算,得到预处理后的车辆称重数据,通过超融合云平台,将数据传输至高速公路云收费系统,建立辅助稽查的指标,并确定收费参数,从而完成对高速公路云收费系统的辅助稽查。实验结果表明,使用所设计的算法,对高速公路云收费系统进行辅助稽查,稽查准确率较高,具有较好的应用价值。