开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

验证具有非典型结尾的时间序列数据的准确性

是通过一系列的数据分析和模型评估来判断数据的可靠性和准确性。以下是一些步骤和方法，可以用来验证这种类型的时间序列数据：

数据预处理：首先，对时间序列数据进行预处理，包括数据清洗、去除异常值、填补缺失值等。这可以通过使用统计方法、插值方法或者机器学习算法来完成。
数据可视化：将时间序列数据可视化，以便更好地理解数据的趋势和模式。常用的可视化方法包括折线图、散点图、柱状图等。通过观察数据的图形特征，可以初步判断数据的准确性。
模型建立：根据时间序列数据的特点，选择合适的模型进行建立。常用的时间序列模型包括ARIMA模型、指数平滑模型、神经网络模型等。通过建立模型，可以对数据进行拟合和预测。
模型评估：使用评估指标来评估模型的准确性和拟合程度。常用的评估指标包括均方根误差（RMSE）、平均绝对百分比误差（MAPE）等。通过比较模型的预测结果与实际观测值，可以评估数据的准确性。
异常检测：对于具有非典型结尾的时间序列数据，需要特别关注异常值的存在。可以使用统计方法、离群点检测算法等来检测和处理异常值，以确保数据的准确性。
交叉验证：使用交叉验证方法来验证模型的稳定性和泛化能力。将数据集划分为训练集和测试集，通过在训练集上建立模型，并在测试集上进行验证，可以评估模型的性能和准确性。
相关性分析：对于时间序列数据，可以进行相关性分析，以了解不同变量之间的关系。常用的相关性分析方法包括相关系数、协方差等。通过分析变量之间的相关性，可以进一步验证数据的准确性。

总结起来，验证具有非典型结尾的时间序列数据的准确性需要进行数据预处理、数据可视化、模型建立、模型评估、异常检测、交叉验证和相关性分析等步骤。这些步骤可以帮助我们判断数据的可靠性，并提供参考依据。在实际应用中，可以根据具体的场景和需求选择适当的方法和工具来验证时间序列数据的准确性。

腾讯云相关产品和产品介绍链接地址：

数据处理与分析：https://cloud.tencent.com/product/dpa
人工智能：https://cloud.tencent.com/product/ai
物联网：https://cloud.tencent.com/product/iotexplorer
移动开发：https://cloud.tencent.com/product/mobdev
存储与CDN：https://cloud.tencent.com/product/cos
区块链：https://cloud.tencent.com/product/baas
元宇宙：https://cloud.tencent.com/product/metaspace

相关搜索:时间序列数据的交叉验证: VAR模型合并具有非均匀时间序列数据的数据帧绘制具有多个聚合的时间序列我想提高我的hts时间序列预测的准确性(MAPE)Y轴上具有持续时间的时间序列数据的r直方图时间序列数据的分析时间序列数据的bigquery 时间序列的数据操作时间序列数据的趋势具有多个时间序列的python数据帧中的返回计算使用gnuplot堆叠具有时间序列数据的直方图？面板数据时间序列(添加具有插值值的TimeStamps )在pandas中透视具有多个值的时间序列数据具有多个n个数字的时间序列数据预测具有两个变量的时间序列具有散点的Matplotlib线性时间序列具有多轴的Plotly离线时间序列操作具有不同开始日期的时间序列如何删除序列时间戳中以00:00:00结尾的时间序列数据合并最近的右侧数据集具有多个相同的值

相关搜索:

页面内容是否对你有帮助？

有帮助

没帮助

相关·内容

Nature子刊：高功能自闭症患者的大脑网络动态

请点击上面“思影科技”四个字，选择关注我们，思影科技专注于脑影像数据处理，涵盖（fMRI,结构像,DTI,ASL,QSM,MRS,EEG/ERP,FNIRS,眼动）等，希望专业的内容可以给关注者带来帮助，欢迎留言讨论及转发推荐，也欢迎了解思影科技的课程及数据处理服务，可添加微信号siyingyxf或18983979082咨询(电话18580429226，杨晓飞）。(文末点击浏览）

03

连接组学表征的新进展

近年来，利用静息状态功能性MRI对人类连接组(即人类大脑中的所有连接)的研究迅速普及，特别是随着大规模神经成像数据集的日益可用性。这篇综述文章的目的是描述自2013年神经影像特刊《连接组图谱》以来，功能连接组表征在过去8年里出现的创新。在这一时期，研究已从群体层面的大脑分区化转向个性化连接组的表征以及个体连接组差异与行为/临床变异之间的关系。在分区边界中实现特定个体的准确性，同时保持跨个体通信是一项挑战，目前正在开发各种不同的方法来应对这一挑战，包括改进的对齐、改进的降噪和稳健的群体到个体映射方法。除了对个性化连接组的兴趣之外，人们正在研究数据的新表示，以补充传统的分区连接组表示(即，不同大脑区域之间的成对连接)，例如捕捉重叠和平滑变化的连接模式(梯度)的方法。这些不同的连接组表征为大脑固有的功能组织提供了有益的见解，但功能连接组的研究仍然面临挑战。未来的研究将进一步提高可解释性，以深入了解功能MRI所获得的连接组观察的神经机制。还需要进行比较不同连接组表征的验证研究，以建立共识和信心，继续进行临床试验，这些临床试验可能产生有意义的连接组研究转化。

02

【Genome Research】四篇好文简读-专题1

Subgenomic RNA identification in SARS-CoV-2 genomic sequencing data 论文摘要：

01

机器学习与神经影像：评估它在精神病学中的应用

精神疾病是复杂的，涉及不同的症状学和神经生物学，很少涉及单一的、孤立的大脑结构的破坏。为了更好地描述和理解精神疾病的复杂性，研究人员越来越多地将多元模式分类方法应用于神经成像数据，特别是监督机器学习方法。然而，监督机器学习方法也有独特的挑战和权衡，需要额外的研究设计和解释考虑。本综述的目的是提供一套评估机器学习应用于精神障碍的最佳实践。我们将讨论如何评估两种共同的努力:1)作出可能有助于诊断、预后和治疗的预测;2)询问精神病理学背后复杂的神经生理机制。我们在这里重点讨论机器学习应用于功能连接与磁共振成像，作为一个基础讨论的例子。我们认为，为了使机器学习分类对个体水平的预测具有转化效用，研究人员必须确保分类具有临床信息性，独立于混杂变量，并对性能和泛化性进行适当评估。我们认为，要想揭示精神疾病的复杂机制，需要考虑机器学习方法识别的神经成像特征(如区域、网络、连接)的独特效用、可解释性和可靠性。最后，我们讨论了大型、多站点、公开可用的数据集的兴起如何有助于机器学习方法在精神病学中的应用。

00

Neurolmage:儿童和青春期早期大脑内在活动的复杂度

大量证据表明，脑信号复杂性(BSC)可能是健康大脑功能的重要指标，或者是疾病和功能障碍的前兆。然而，尽管最近取得了进展，但我们目前对BSC如何在大规模网络中出现和发展，以及形成这些动态因素的理解仍然有限。在这里，我们利用静息态功能近红外光谱(rs-fNIRS)捕捉和表征了107名6-13岁健康被试的大规模功能网络中BSC动力学的性质和时间过程。自发性BSC的年龄依赖性增加主要发生在高阶关联区域，包括默认模式(DMN)和注意(ATN)网络。我们的研究结果还揭示了BSC的不对称发育模式，这是特定于背侧和腹侧ATN网络的，前者显示出BSC的左侧化，后者显示出右侧化。与男性相比，这些与年龄相关的侧偏性变化在女性中似乎更为明显。最后，使用机器学习模型，我们表明BSC是一个可靠的实际年龄预测指标。高阶关联网络，如DMN和背侧ATN，在预测以前未见过的个体的年龄方面表现出最强大的预测能力。综上所述，我们的研究结果为在童年和青春期进化的大规模内在网络中的BSC动态的时空模式提供了新的见解，表明基于网络的BSC测量代表了一种追踪正常大脑发育的有前途的方法，并可能有助于早期发现非典型发育轨迹。

01

大脑年龄预测：机器学习工作流程的系统比较研究

脑解剖扫描预测的年龄和实际年龄之间的差异，如脑年龄增量，为非典型性衰老提供了一个指示。机器学习 (ML) 算法已被用于大脑年龄的估计，然而这些算法的性能，包括（1）数据集内的准确性， (2）跨数据集的泛化， (3）重新测试的可靠性，和（4）纵向一致性仍然没有确定可比较的标准。本研究评估了128个工作流程，其中包括来自灰质 (GM) 图像的16个特征和8个具有不同归纳偏差的ML算法。利用四个覆盖成人寿命的大型神经成像数据库进行分析（总N=2953,18-88岁），显示了包含4.73—8.38年的数据集中平均绝对误差 (MAE ) ，其中32个广泛抽样的工作流显示了包含5.23—8.98年的交叉数据集的MAE。结果得到：前10个工作流程的重测信度和纵向一致性具有可比性。特征的选择和ML算法都影响了性能。具体来说，体素级特征空间（平滑和重采样），有和没有主成分分析，非线性和基于核的ML算法表现良好。在数据集内和跨数据集内的预测之间，大脑年龄增量与行为测量的相关性不一致。在ADNI样本上应用表现最佳的工作流程显示，与健康对照组相比，阿尔茨海默病患者和轻度认知障碍患者的脑龄增量明显高于健康对照组。在存在年龄偏倚的情况下，患者的脑龄增量估计因用于偏倚校正的样本而不同。总之，大脑年龄具有一定应用前景，但还需要进一步的评估和改进。

02

Biological Psychiatry：自闭症的神经亚型研究进展

一般认为，自闭症谱系障碍(ASD)的神经生物学基础是异质性。因此，研究分子、细胞和脑网络的变化是识别其生物标志物的先决条件。本文总结了基于数据驱动的在大脑结构和功能水平上识别更多ASD神经亚型的研究结果，。方法论步骤为：诊断样本的选择、神经成像特征、算法和验证方法。虽然研究方法各不相同，但普遍认为至少可能存在2-4种不同的ASD亚型。他们的识别提高了症状预测和诊断标签的准确性，超过了组平均比较。本文也指出了相关研究存在的挑战和差距：

02

比对软件STAR创建索引文件（index）

因为不连续的转录本结构，相对短的片段长度，和测序通量的不断提升，高通量RNA-seq数据的准确比对仍然是一个有挑战性且未解决的问题。当前可用的RNA-seq比对软件一般比对错误率较高，比对速度慢，受片段长度限制且比对偏差较大。STAR（Spliced Transcripts Alignments to a Reference，STAR）软件，使用了未压缩后缀阵列中的连续最大可比对种子搜索算法，接着对种子进行聚类和拼接。STAR在比对速度上胜过其他比对软件50多倍，在一个普通的12核服务器上，每小时比对5.5亿2 x 75 bp双端片段到人类基因组上，同时改进了比对敏感性和准确性。除了典型转录本外，STAR能够发现非典型剪切和嵌合（融合）转录本，并能够比对全长RNA序列。

01

数据分享|R语言逻辑回归、Naive Bayes贝叶斯、决策树、随机森林算法预测心脏病|附代码数据

这个数据集可以追溯到1988年，由四个数据库组成。克利夫兰、匈牙利、瑞士和长滩。"目标 "字段是指病人是否有心脏病。它的数值为整数，0=无病，1=有病。

00

如何将机器学习应用到地球科学领域

机器学习(Machine Learning, ML)在科学和技术领域大受欢迎，但是研究者，尤其是年轻科学家，不清楚如何利用这些方法到他们的工作中。

02

【连载】癌症中的嵌合RNA (Chimeric RNA)：背景及分类

https://doi.org/10.1016/bs.acc.2020.04.001

02

【连载】癌症中的嵌合RNA (Chimeric RNA) （一）

嵌合RNA是包含两个独立基因的外显子杂交的转录物。传统观点认为嵌合RNA是由染色体重排引起的基因融合而来。这些典型的嵌合RNA被描述为具有癌症特异性表达模式和/或作为癌基因产物。然而，得益于深度测序技术的发展，一类新的非典型嵌合RNA被发现可以通过相邻基因之间的反式剪接或顺式剪接(cis-SAGe)机制形成，而没有基因组的异常。尽管一部分非典型嵌合RNA已被证明具有癌症特异性表达模式，在正常生理机能中也能广泛检测到。进一步的研究表明，它们中的一些可能具有独立于亲代基因控制细胞生长和细胞运动的作用。这些发现揭示了一个新的功能转录组，也提高了非典型嵌合RNA作为癌症诊断标记和治疗靶点的可能性。

03

解码自闭症-fMRI研究中机器学习方法的综合综述

fMRI（功能磁共振成像）是一种运用磁共振成像技术来测量和记录大脑中的血流变化，并据此推断大脑的活动状态的技术。这种技术基于一个假设，即大脑的神经活动和血流量有关。换句话说，当大脑中的某个区域变得更加活跃时，血流量会相应地增加。通过测量这种血流变化，我们可以获取到这个区域神经活动的信息。

04

Nat. Comput. Sci. | 人类般的直觉行为和推理偏见在大型语言模型中出现，但在ChatGPT中消失了

今天为大家介绍的是来自Michal Kosinski团队的一篇论文。作者设计了一系列语义幻觉和认知反思测试，旨在诱发直觉性但错误的反应。作者将这些任务（传统上用于研究人类的推理和决策能力）应用于OpenAI的生成预训练变换器模型家族。结果显示，随着模型在规模和语言能力上的扩展，它们越来越多地显示出类似人类的直觉型思维和相关的认知错误。这一模式随着ChatGPT模型的引入而显著转变，这些模型倾向于正确响应，避免了任务中设置的陷阱。ChatGPT-3.5和4都利用输入输出上下文窗口进行思维链推理。作者的发现强调了将心理学方法应用于研究大型语言模型的价值，因为这可以揭示先前未被发现的突现特性。

01

学界 | 斯坦福大学新 AI 算法，凭照片辨别出你是不是“Gay”

“有的细节，人无法辨认，不等于机器也不行；比如通过脸部的细微特征来判断这个人的性取向。” 斯坦福研究员 Michal Kosinski 如是说。AI科技评论获得消息，他和同僚 Yilun Wang 一

08

对用电负荷时间序列数据进行K-medoids聚类建模和GAM回归

通过对用电负荷的消费者进行聚类，我们可以提取典型的负荷曲线，提高后续用电量预测的准确性，检测异常或监控整个智能电网（Laurinec等人（2016），Laurinec和Lucká（ 2016））。第一个用例通过K-medoids聚类方法提取典型的电力负荷曲线。

03

数据分享|R语言逻辑回归、Naive Bayes贝叶斯、决策树、随机森林算法预测心脏病|附代码数据

这个数据集可以追溯到1988年，由四个数据库组成。克利夫兰、匈牙利、瑞士和长滩。"目标 "字段是指病人是否有心脏病。它的数值为整数，0=无病，1=有病

00

自然语言处理中的分词问题总结

众所周知，英文是以词为单位的，词和词之间是靠空格隔开，而中文是以字为单位，句子中所有的字连起来才能描述一个意思。把中文的汉字序列切分成有意义的词，就是中文分词，有些人也称为切词。本文转载自明略研究院的技术经理牟小峰老师讲授的语言处理中的分词问题。

00

研究 AI 识别同性恋竟受到死亡威胁！论文作者回应如下

翻译 | AI科技大本营（rgznai100）参与 | 周翔、reason_W、shawn 随着 iPhone X 的发布，利用深度学习进行人脸识别预计将逐渐成为智能手机的标配。然而，除了身份认证之

01

数据分享|R语言逻辑回归、Naive Bayes贝叶斯、决策树、随机森林算法预测心脏病|附代码数据

这个数据集可以追溯到1988年，由四个数据库组成。克利夫兰、匈牙利、瑞士和长滩。"目标 "字段是指病人是否有心脏病。它的数值为整数，0=无病，1=有病

00

BP综述：任务态fMRI如何阐明精神疾病风险的早期出现？

精神疾病是复杂的，通常在发展过程中出现在特定领域的多个非典型过程中。描述支持这些区域的神经回路的发育特征可能有助于分解复杂疾病的组成部分，并揭示与精神风险相关的功能变化。这篇综述强调了婴儿任务型功能磁共振成像(fMRI)在阐明精神疾病的发育神经生物学方面的当前和潜在作用。任务功能磁共振成像测量通过改变血氧水平依赖性信号来诱发大脑对特定刺激的反应。首先，我们回顾了从出生到生命最初几年使用任务功能磁共振成像的现有研究，并综合了关于何时、何地以及如何在婴儿大脑中执行不同的神经计算的现有证据。通过任务功能磁共振成像(task fMRI)对婴儿的感觉知觉、抽象类别知觉和统计规律检测的神经回路进行了表征，为识别和解释与精神疾病风险相关的神经回路功能变异提供了发育背景。接下来，我们将讨论一些研究，这些研究专门研究了婴儿期这些神经回路的功能变化与精神疾病风险的关系。这些研究揭示了特定神经回路何时分化成熟，环境风险因素的影响，以及任务功能磁共振成像在促进早期治疗或预防后期精神问题方面的潜在效用。最后，我们为未来的婴儿任务-功能磁共振成像研究提供了考虑，这些研究有可能促进对婴儿时期神经回路功能和随后精神疾病风险的理解。

01

R语言逻辑回归、Naive Bayes贝叶斯、决策树、随机森林算法预测心脏病

这个数据集可以追溯到1988年，由四个数据库组成。克利夫兰、匈牙利、瑞士和长滩。"目标 "字段是指病人是否有心脏病。它的数值为整数，0=无病，1=有病。

03

数据分享|R语言逻辑回归、Naive Bayes贝叶斯、决策树、随机森林算法预测心脏病|附代码数据

这个数据集可以追溯到1988年，由四个数据库组成。克利夫兰、匈牙利、瑞士和长滩。"目标 "字段是指病人是否有心脏病。它的数值为整数，0=无病，1=有病。

05

研究AI识别同性恋竟受到死亡威胁！论文作者回应如下

翻译 | AI科技大本营（rgznai100）参与 | 周翔、reason_W、shawn 随着 iPhone X 的发布，利用深度学习进行人脸识别预计将逐渐成为智能手机的标配。然而，除了身份认证之外，最近还涌现出很多研究，探讨通过“刷脸”是否能预测人的性格，甚至是人的行为。 2016 年年底，上海交通大学的武筱林教授和他的博士生张熙发表了一篇论文——《基于面部图像的自动犯罪概率推断》。该研究认为，通过学习，机器可以通过照片分辨出谁是罪犯，谁是守法公民，且准确率在86%以上。这篇论文在 AI 界引

06

【连载】癌症中的嵌合RNA (Chimeric RNA) （三）

对嵌合 RNA进行实验验证是十分重要的。第一个原因是我们需要确认嵌合RNA的存在并消除嵌合RNA验证中出现的假阳性，这些假阳性可能是在软件预测时受到了其他外界因素的影响导致。为了验证候选嵌合RNA的存在，将与RNA序列分析相同来源的理想的RNA样本进行RT-PCR和其他RNA检测，对PCR产物再进一步行Sanger测序以验证连接处序列。

01

Nat. Commun. | 基于序列的预测方法可以准确判断含有非天然氨基酸肽的内在溶解度

今天为大家介绍的是来自Pietro Sormanni和Michele Vendruscolo团队的一篇论文。非天然氨基酸能扩展化学空间，定制肽类药物的功能、半衰期和其他关键属性。尽管含有修饰氨基酸（如经过翻译后修饰的残基）的化学空间极大，但实验测量含修饰氨基酸肽的开发性质既昂贵又耗时。为了通过计算方法促进开发性项目，作者提出了CamSol-PTM方法。这种方法能快速、可靠地基于序列预测含修饰氨基酸肽在室温下水溶液中的内在溶解度。

01

eLIFE：脑电结合眼动研究：自闭症儿童社交脑网络的早期改变

社交障碍是自闭症谱系障碍(ASD，Autism Spectrum Disorders)的标志，但是在ASD研究中缺乏针对社交性刺激引起早期社交脑网络改变的证据。我们记录了ASD学步儿童及其正常发育（TD, typically developing）的同伴在探索动态社交场景时的注视方式和大脑活动。基于电信号溯源的定向功能连接分析，揭示了theta和alpha频率的特定频率非典型脑网络。结果发现，与自闭症相关的社交网络的关键节点信息在传输和连接方式均发生了变化。对ASD脑与行为关系的分析表明，来自背顶额叶，颞下叶和岛状皮层区域的补偿机制与较少的非典型注视模式和较低的临床障碍有关。本结果提供了有力的证据表明：社交脑网络的定向功能连接改变是ASD大脑早期非典型发育的核心组成部分。

02

从 Rocket 到 MultiRocket：时间序列分类技术的进化之路

时间序列分类（time series classification）是数据挖掘领域的重要任务，它涉及对按时间顺序排列的数据点进行标记和预测。此类数据广泛存在于金融、医疗、工业等多个领域，因此时间序列分类对于决策支持和系统开发具有重要意义。

01

打破虚实壁垒，格兰威特邀你于创客山谷元宇宙「非典型」品酒

全球顶尖的苏格兰单一麦芽威士忌品牌格兰威特，于近日打造了全球领先的元宇宙「格兰威特创客山谷」，以“一麦单传”的「非典型」方式，颠覆常规的互动体验，为每一位「非典型」酒咖创造难忘的山谷记忆。

01

R语言对用电负荷时间序列数据进行K-medoids聚类建模和GAM回归|附代码数据

通过对用电负荷的消费者进行聚类，我们可以提取典型的负荷曲线，提高后续用电量预测的准确性，检测异常或监控整个智能电网（Laurinec等人（2016），Laurinec和Lucká（ 2016））。第一个用例通过K-medoids聚类方法提取典型的电力负荷曲线。

01

不一样的Nomogram，关于网页计算器的一切！

今天为大家分享一篇2019年12月发表在Lung Cancer（中科院分区二区， IF=4.6）上的基于SEER数据库的nomogram文章。文中利用自己医院的数据进行外部验证，套路简单易模仿，逻辑清晰，当然也有自己的一些特点，最后根据预测结果建立了一个在线的nomogram分析（动态nomogram），便于临床应用，接下来小编详细讲解一下。

06

【连载】癌症中的嵌合RNA (Chimeric RNA) ：鉴定和验证（二）

对嵌合 RNA进行实验验证是十分重要的。第一个原因是我们需要确认嵌合RNA的存在并消除嵌合RNA验证中出现的假阳性，这些假阳性可能是在软件预测时受到了其他外界因素的影响导致。为了验证候选嵌合RNA的存在，将与RNA序列分析相同来源的理想的RNA样本进行RT-PCR和其他RNA检测，对PCR产物再进一步行Sanger测序以验证连接处序列。

02

Biological Psychiatry ERP结合fMRI研究：精神分裂症(SZ)和自闭症患者(ASD)视感觉识别的模式差异

文献导读：不同疾病在临床症状上的相同表现往往会引起研究者对其成因的探究，因为相似的临床表现可能是由于类似的神经基础导致的，而不同病理成因又会对这种相似的神经机制产生特异性的影响，明确不同疾病在相似临床特征表现背后的神经机制的相似性和特异性可能能够为临床治疗提供更加针对性的建议。

03

数据分享|R语言逻辑回归、Naive Bayes贝叶斯、决策树、随机森林算法预测心脏病|附代码数据

这个数据集可以追溯到1988年，由四个数据库组成。克利夫兰、匈牙利、瑞士和长滩。"目标 "字段是指病人是否有心脏病。它的数值为整数，0=无病，1=有病

01

这篇17分的文章告诉你：深度学习和分子分型其实并不难！

大家好，今天和大家分享的是 2020 年 4 月发表在 European urology（IF:17.298）上的一篇文章，"Deep Learning Predicts Molecular Subtype of Muscle-invasive Bladder Cancer From Conventional Histopathological Slides" 。作者总共采用了423张肿瘤组织的数字全幻灯片图像来训练、验证和测试深度学习算法，用于预测分子亚型。

01

软考高项备考经验分享

在备考被论文卡两次后，这次终于通过了高项，分不是很高，比较幸运，对这次考试做个总结与分享，希望对同学们有所帮助。

01

高功能自闭症患者的脑网络动力学

近日，来自伦敦大学学院认知神经系的Takamitsu Watanabe和Geraint Rees在nature communications期刊上发表了一项研究，利用静息态fMRI数据探析了自闭症的大脑动力学特征。该研究发现与正常人相比，高危自闭症的成年人在一些神经连接中会有一些不稳定的中间状态，这些特殊的状态能够预测自闭症的严重程度。另外，为了比较IQ是否和这些变化有关，研究利用自闭症患者的IQ来预测大脑动力学系统的稳定性。最后发现这些大脑动力学系统的行为与大脑网络的隔离有关。这些发现表明，自闭症患者大脑

09

精神分裂症患者的脑老化:来自ENIGMA精分联盟26个国际队列的证据

精神分裂症(Schizophrenia, SZ)与终身认知障碍、年龄相关性慢性疾病和过早死亡的风险增加相关。在ENIGMA精神分裂症工作组进行的一项前瞻性荟萃分析研究中，我们调查了成人SZ患者的高级脑老化证据，以及这是否与临床特征相关。本研究纳入了来自全球26个队列的数据，共2803例SZ患者(平均年龄34.2岁;年龄18 ~ 72岁;67%为男性)和2598名健康对照(平均年龄33.8岁，范围18 ~ 73岁，55%为男性)。脑预测年龄由68个皮层厚度和表面积测量值，7个皮层下体积，侧脑室体积和总颅内体积组成，所有这些数据都来自于t1加权的脑磁共振成像(MRI)扫描。通过脑预测年龄和实际年龄(脑预测年龄差异[brain- predicted age difference, brain- PAD])之间的差异评估健康脑老化轨迹的偏差。在校正了年龄、性别和研究地点后(Cohen′s d = 0.48), SZ组患者的脑- PAD平均为+3.55岁(95% CI: 2.91, 4.19;I² = 57.53%)。在SZ患者中，脑- PAD与特定的临床特征(发病年龄、病程、症状严重程度或抗精神病药使用和剂量)无关。这项大规模合作研究表明，SZ的提前结构性脑老化。对SZ和一系列身心健康结局的纵向研究将有助于进一步评估脑- PAD增加的临床意义及其受干预措施影响的能力。

02

20秒确诊新冠肺炎！AI医生看CT准确率达96%，将上岗百家医院

昨天，一篇题为“COVID-19 and artificial intelligence: protecting health-care workers and curbing the spread”的新闻登上医学顶刊《柳叶刀》，文中介绍了AI在这次抗击疫情的过程中扮演的角色。

02

时间序列预测中的八大挑战

时间序列是一系列按时间排序的值，预测时间序列在很多真实工业场景中非常有用，有非常多的应用场景。预测时序的关键是观察时序之间的时间依赖性，发现过去发生的事情是如何影响未来的。然而这其中有不少挑战。

03

肺癌四阶段：AAH-AIS-MIA-IA的单细胞图谱

来自P1-P22 病人的140,556 cells 的单细胞转录组分群聚类：基于marker分成16 major cell types ，包括：

04

单细胞转录组绘制肺癌图谱

肺癌是一种异质性疾病，包括不同的组织病理学亚型。除了腺癌和鳞状细胞癌外，2021 年 WHO 分类还包含肺神经内分泌肿瘤 (NEN) 类别。其中包括高级别神经内分泌癌 (NEC)、小细胞肺癌 (SCLC) 和大细胞神经内分泌癌 (LCNEC) 以及肺的低级别和中级别神经内分泌肿瘤 (NET)，也分别称为典型类癌和非典型类癌。

02

单细胞转录组绘制肺癌图谱

肺癌是一种异质性疾病，包括不同的组织病理学亚型。除了腺癌和鳞状细胞癌外，2021 年 WHO 分类还包含肺神经内分泌肿瘤 (NEN) 类别。其中包括高级别神经内分泌癌 (NEC)、小细胞肺癌 (SCLC) 和大细胞神经内分泌癌 (LCNEC) 以及肺的低级别和中级别神经内分泌肿瘤 (NET)，也分别称为典型类癌和非典型类癌。

01

人工智能监考 VS 传统方式监考，你更喜欢哪一种？

编译 | 禾木木出品 | AI科技大本营（ID:rgznai100）越来越多地大学和机构使用人工智能来监督学生参加考试。这是未来的监考趋势吗？由于目前这种方式越来越流行，世界各地的机构都迅速采用了 Exmplify、ExamSoft 和 ProctorU 等考试软件。监考技术允许在校外对考生进行监控。他们可以在家中参加考试，而不必在考场里进行监考。这种程序是可以让监考者能够远程监督学生。更复杂的自动化监考软件会监视学生的计算机以阻止和监控可疑活动。这些程序经常使用人工智能来审查考试行为。在

02

亚马逊专家揭秘：如何建立自动检测乳腺癌的深度学习模型

安妮编译自 Insight Data Science 量子位出品 | 公众号 QbitAI 本文作者Sheng Weng，现亚马逊Alexa项目组数据专家，莱斯大学应用物理专业已毕业博士生，主要研究用超快激光转化生物光子学成像及显微镜检查。前不久，他参加了Insight Data Science的青年计划——这是一个为期7周的博士后团体的交流计划，是学术界与企业界的医学数据研究交流桥梁。参加本项目期间，Sheng Weng为为医疗检测公司iSono创建了用深度学习自动检测乳腺癌的新模型，并将研究原理发布

08

Python用LSTM长短期记忆神经网络对不稳定降雨量时间序列进行预测分析

下面是一个关于如何使用长短期记忆网络（LSTM）来拟合一个不平稳的时间序列的例子。

01

基因日签【20211119】弱启动子需要cⅡ蛋白的协助

2021 11/19基因日签弱启动子需要cⅡ蛋白的协助 .壹. 关键概念 PRE在-10区和-35区有非典型的序列。 .贰. 关键概念只有在cⅡ蛋白存在下，RNA聚合酶才结合PRE这个启动子。 .叁. 关键概念 cⅡ蛋白结合-35区附近的序列。 📷 📷 文字及图片信息均来源于Genes X（中文版），如有侵权请联系删除。 THE END

03

☆打卡算法☆LeetCode 208. 实现 Trie (前缀树) 算法解析

大家好，我是小魔龙，Unity3D软件工程师，VR、AR，虚拟仿真方向，不定时更新软件开发技巧，生活感悟，觉得有用记得一键三连哦。

02

能从长相上看出性取向？这样的AI你怕不怕？

导读：八卦，似乎一直是人类茶余饭后一个永恒的话题，怎么辨别一个人与另一个人的关系？比如，是好朋友还是好基友？

05

【综述专栏】图强化学习在组合优化中的应用

在科学研究中，从方法论上来讲，都应“先见森林，再见树木”。当前，人工智能学术研究方兴未艾，技术迅猛发展，可谓万木争荣，日新月异。对于AI从业者来说，在广袤的知识森林中，系统梳理脉络，才能更好地把握趋势。为此，我们精选国内外优秀的综述文章，开辟“综述专栏”，敬请关注。

01

扫码

添加站长进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

活动推荐

运营活动

活动名称

广告关闭