针对现有的高光谱遥感波段选择方法应用于目标检测时效果不高的问题,提出了一种基于粒子群算法的波段选择(Band Selection Based on Particle Swarm Optimization,BS-PSO)新方法。首先,将能够有效衡量目标检测效果的ROC(Receiver Operat...针对现有的高光谱遥感波段选择方法应用于目标检测时效果不高的问题,提出了一种基于粒子群算法的波段选择(Band Selection Based on Particle Swarm Optimization,BS-PSO)新方法。首先,将能够有效衡量目标检测效果的ROC(Receiver Operating Characteristic)曲线下面积(Area Under the Curve,AUC)作为波段选择准则,并将之构造为适应度函数。接下来,利用群智能优化算法粒子群算法对波段选择搜索过程进行优化,最终得到拥有较高检测效果的波段组合。实验结果表明:以曲线下面积作为衡量波段的指标,能够有效地选出具有较高目标检测性能的波段组合,与其它几种典型的波段选择方法相比,所选波段的目标检测性能平均提升5%;利用粒子群算法优化波段搜索过程,其波段搜索时间较传统的波段搜索方法缩短了一个数量级。新方法具有较强的针对性,能够在较短的时间内,选出具有较高目标检测性能的波段组合,达到降低数据维数及改善目标检测效果的目的。展开更多
目的探讨改良早期预警评分(MEWS)、生理评分系统(PSS)及危险患者评分(PARS)对急诊科抢救室患者预后评估的应用价值。方法选取2012年6月—2013年12月上海市虹口区江湾医院急诊科抢救室的3 664例患者的病历资料,包括患者性别、年龄、心率...目的探讨改良早期预警评分(MEWS)、生理评分系统(PSS)及危险患者评分(PARS)对急诊科抢救室患者预后评估的应用价值。方法选取2012年6月—2013年12月上海市虹口区江湾医院急诊科抢救室的3 664例患者的病历资料,包括患者性别、年龄、心率、收缩压、呼吸、体温(腋下温度)、血氧饱和度(SPO2)、持续4 h尿量和意识水平等,入院0 h(即刻)、2 h、4 h、24 h评价MEWS、PSS、PARS,以入院2周内生存或死亡为观察终点。绘制受试者工作特征曲线(ROC曲线),比较不同时间点MEWS、PSS、PARS预测患者预后的ROC曲线下面积(AUC)。结果入院0、2、4、24 h MEWS预测患者预后的AUC分别为0.921、0.939、0.938、0.833,入院24 h MEWS预测患者预后的AUC较入院2、4 h减小(Z=2.047,P=0.041;Z=2.020,P=0.043);入院0、2、4 h MEWS预测患者预后的AUC比较,差异无统计学意义(P>0.05)。入院0、2、4、24 h PSS预测患者预后的AUC分别为0.932、0.927、0.913、0.780,入院24 h PSS预测患者预后的AUC较入院0、2、4 h减小(Z=2.547,P=0.011;Z=2.449,P=0.014;Z=2.193,P=0.028);入院0、2、4 h PSS预测患者预后的AUC比较,差异无统计学意义(P>0.05)。入院0、2、4、24 h PARS预测患者预后的AUC分别为0.933、0.947、0.936、0.813,入院24 h PARS预测患者预后的AUC较入院0、2、4 h减小(Z=2.121,P=0.034;Z=2.369,P=0.018;Z=2.162,P=0.031);入院0、2、4 h PARS预测患者预后的AUC比较,差异无统计学意义(P>0.05)。入院0、2、4、24 h,3种评分间预测患者预后的AUC比较,差异均无统计学意义(P>0.05)。结论 MEWS、PSS、PARS对急诊科抢救室患者预后评估有相同的应用价值,MEWS所需观察项目较少、简便、实用,本研究对急诊科抢救室患者推荐运用MEWS,入院即刻MEWS能评估患者预后,大于4.5分则预警有早期死亡的风险,需引起临床医生重视。展开更多
文摘针对现有的高光谱遥感波段选择方法应用于目标检测时效果不高的问题,提出了一种基于粒子群算法的波段选择(Band Selection Based on Particle Swarm Optimization,BS-PSO)新方法。首先,将能够有效衡量目标检测效果的ROC(Receiver Operating Characteristic)曲线下面积(Area Under the Curve,AUC)作为波段选择准则,并将之构造为适应度函数。接下来,利用群智能优化算法粒子群算法对波段选择搜索过程进行优化,最终得到拥有较高检测效果的波段组合。实验结果表明:以曲线下面积作为衡量波段的指标,能够有效地选出具有较高目标检测性能的波段组合,与其它几种典型的波段选择方法相比,所选波段的目标检测性能平均提升5%;利用粒子群算法优化波段搜索过程,其波段搜索时间较传统的波段搜索方法缩短了一个数量级。新方法具有较强的针对性,能够在较短的时间内,选出具有较高目标检测性能的波段组合,达到降低数据维数及改善目标检测效果的目的。
文摘目的探讨改良早期预警评分(MEWS)、生理评分系统(PSS)及危险患者评分(PARS)对急诊科抢救室患者预后评估的应用价值。方法选取2012年6月—2013年12月上海市虹口区江湾医院急诊科抢救室的3 664例患者的病历资料,包括患者性别、年龄、心率、收缩压、呼吸、体温(腋下温度)、血氧饱和度(SPO2)、持续4 h尿量和意识水平等,入院0 h(即刻)、2 h、4 h、24 h评价MEWS、PSS、PARS,以入院2周内生存或死亡为观察终点。绘制受试者工作特征曲线(ROC曲线),比较不同时间点MEWS、PSS、PARS预测患者预后的ROC曲线下面积(AUC)。结果入院0、2、4、24 h MEWS预测患者预后的AUC分别为0.921、0.939、0.938、0.833,入院24 h MEWS预测患者预后的AUC较入院2、4 h减小(Z=2.047,P=0.041;Z=2.020,P=0.043);入院0、2、4 h MEWS预测患者预后的AUC比较,差异无统计学意义(P>0.05)。入院0、2、4、24 h PSS预测患者预后的AUC分别为0.932、0.927、0.913、0.780,入院24 h PSS预测患者预后的AUC较入院0、2、4 h减小(Z=2.547,P=0.011;Z=2.449,P=0.014;Z=2.193,P=0.028);入院0、2、4 h PSS预测患者预后的AUC比较,差异无统计学意义(P>0.05)。入院0、2、4、24 h PARS预测患者预后的AUC分别为0.933、0.947、0.936、0.813,入院24 h PARS预测患者预后的AUC较入院0、2、4 h减小(Z=2.121,P=0.034;Z=2.369,P=0.018;Z=2.162,P=0.031);入院0、2、4 h PARS预测患者预后的AUC比较,差异无统计学意义(P>0.05)。入院0、2、4、24 h,3种评分间预测患者预后的AUC比较,差异均无统计学意义(P>0.05)。结论 MEWS、PSS、PARS对急诊科抢救室患者预后评估有相同的应用价值,MEWS所需观察项目较少、简便、实用,本研究对急诊科抢救室患者推荐运用MEWS,入院即刻MEWS能评估患者预后,大于4.5分则预警有早期死亡的风险,需引起临床医生重视。
