|
基于机器学习、用于COVID-19患者严重程度分类的显著实验室特征研究
收藏
Yang Xiao, Li Yan, Mingyang Zhang, Kent E. Pinkerton, Haosen Cao, Ying Xiao, Wei Li, Shuai Li, Yancheng Wang, Shusheng Li, Zhiguo Cao, Gary Wing‐Kin Wong, Hui Xu, Hai‐Tao Zhang
IET Cyber-Systems and Robotics. 2021 (1): 31-43.
DOI: https://doi.org/10.1049/csy2.12004
近来,COVID-19在世界范围内呈明显地指数级传播,其剧烈暴发主要发生在美国、西班牙、意大利、英国、法国、德国、土耳其和俄罗斯。截至2020年5月1日,全世界共报告3,308,386例确诊病例,累计死亡233,093例。由于COVID-19病理的复杂性和不确定性,一线医生很难将临床COVID-19患者在保持一致性的前提下分为一般和严重/危重病例。超过300个实验室特征和潜在的疾病,所有这些因素结合起来都会使患者正确和快速的诊断变得更为复杂。然而,这种筛查对于早期分诊、诊断、分配适当级别的护理机构和及时干预制度是必要的。本文对2020年1月10日至2月18日在中国武汉同济医院确诊的COVID-19患者数据进行了机器学习分析,并建立了一个基于softmax神经网络的机器学习模型来对患者的严重程度进行分类。用过对2662例患者的临床和实验室数据分析,目前的模型能够筛选出300多个实验室特征中最重要的30个特征,并且在严重/危重到一般的患者二分类任务中获得86.30%的盲测精度,0.8195的F1分数和100%的一致性。对于严重/危重病例,F1分数为0.9081(召回率为0.9050,精确率为0.9113)。与分钟级的人工分类相比,这个分类模型可以在秒级的计算成本下完成。基于现有的COVID‐19患者诊断和治疗技术,人工智能模型可以帮助医生快速地对患者进行高准确度和100%一致性的分类,从而显著地提高诊断和分类的效率。筛选出的最重要的30个实验室特征可最为现有指南的重要补充,实现更大程度的区分,从而在感染早期阶段对COVID‐19病例进行更全面的评估。这种早期区分将有助于为每个患者分配合适的护理水平。
|
|
六自由度最小推力矢量旋翼飞行器的设计与分析
收藏
Wei Qiu, Chao Xu
IET Cyber-Systems and Robotics. 2021 (1): 89-102.
DOI: https://doi.org/10.1049/csy2.12010
摘要(
167 )
PDF(0KB)(
103
)
本文提出了一种具有六自由度运动能力的最小推力矢量旋翼飞行器(mTVR)。该mTVR仅配备了三个可摆动的推力单元,并采用同轴反桨设计来产生纯推力。因此,该mTVR能够基于满秩雅可比矩阵实现包含解耦平移和旋转的六自由度飞行。我们首先通过探究包含五个几何参数的雅可比矩阵的条件数,对mTVR的几何结构进行了优化。随后,根据mTVR原型的实际硬件配置,对整个系统进行了细致的建模,包括同轴反桨推进器、用于摆动的高压伺服系统和详细的飞行器多刚体运动动力学。接下来,我们对六自由度执行器的输出包络和动态响应性能进行了评估。最后,我们设计了一个具有抗干扰能力的六自由度运动控制器,并在一个为该mTVR开发的专用多功能软件平台上进行了测试。结果表明,该控制器在飞行器常规以及激烈的操作中都具有良好的稳定性。
|
|