公共文化服务平台

姜勇: 作品数：24 被引量：56H指数：5; 供职机构：北京航空航天大学更多>>; 发文基金：国家自然科学基金更多>>; 相关领域：医药卫生自动化与计算机技术文化科学更多>>

合作作者

实现UE定制机密性和完整性保护算法的方法及装置: 本申请涉及无线通信安全技术领域，特别涉及一种实现UE定制机密性和完整性保护算法的方法及装置，其中，方法包括：步骤1：用户选择算法和算法优先级，形成算法优先级列表。步骤2：算法优先级上报到核心网。步骤3：业务信令阶段终端上...; 刘建伟姜勇刘懿中邢馨心孙钰关振宇杨林

急性缺血性卒中患者行阿替普酶静脉溶栓治疗住院期间脑出血预测模型研究: 2023年; 目的基于机器学习算法对急性缺血性卒中(acute ischemic stroke,AIS)或TIA患者行rt-PA静脉溶栓治疗住院期间脑出血的发生情况进行预测,并探索影响rt-PA溶栓治疗后脑出血发生的危险因素。方法纳入中国卒中中心联盟(Chinese Stroke Center Alliance,CSCA)2016年1月—2020年12月登记的被初步诊断为AIS或TIA且接受rt-PA静脉溶栓治疗的患者74654例,平均年龄为(65.55±12.14)岁,其中,男性患者48493例(64.96%),住院期间发生脑出血患者2038例(2.73%)。将数据按年份划分为训练集和测试集,即2016—2019年登记患者划分为训练集,2020年登记患者划分为测试集,采用原型选择下采样技术对训练集数据正负样本进行77∶100平衡处理,构建了逻辑回归、极致梯度提升(extreme gradient boosting,XGBoost)、随机森林、梯度提升决策树(gradient boosting decision tree,GBDT)和分类梯度提升(categorical boosting,CatBoost)共5个模型对脑出血结局进行预测,并使用AUC、灵敏度、特异度、Brier评分等指标对模型预测效果进行评价和比较,采用SHAP图对机器学习模型筛选出的特征进行可解释性分析。结果XG Boost、GBDT、Cat Boost、逻辑回归和随机森林模型的A U C值分别为0.770(95%CI 0.745~0.774)、0.766(95%CI 0.753~0.786)、0.765(95%CI 0.752~0.766)、0.758(95%CI 0.747~0.761)和0.757(95%CI 0.739~0.759),灵敏度分别为0.624(95%CI 0.574~0.672)、0.606(95%CI 0.555~0.655)、0.570(95%CI 0.519~0.620)、0.557(95%CI 0.506~0.607)和0.585(95%CI 0.534~0.635),特异度分别为0.780(95%CI 0.773~0.786)、0.785(95%CI 0.778~0.791)、0.790(95%CI 0.783~0.796)、0.805(95%CI 0.799~0.811)和0.769(95%CI 0.762~0.776),Brier评分分别为0.157、0.154、0.156、0.160和0.161分。通过SHAP图解释结果发现,住院NIHSS评分高、年龄大、空腹血糖水平高、既往心房颤动病史、血小板计数低、发病距溶栓治疗时间窗长、BMI低、就诊时NIHSS评分高等特征为rt-PA溶栓治疗住院期间发生脑出血�; 陈慧陈思玎朱之恺俞蔚然姜勇姜勇; 关键词：急性缺血性卒中阿替普酶溶栓脑出血

多基因风险评分的构建及其在卒中领域的应用: 2023年; 卒中是一种由遗传和环境因素共同作用引起的复杂疾病,人类遗传学的发展为卒中的个体化预防和治疗提供了新的机会。多基因风险评分是根据个体的基因型和相关的全基因组关联研究数据,对一种性状或疾病的遗传倾向进行估计,是遗传学研究中全基因组关联研究的补充方法。多基因风险评分可以对患者进行风险分层以进行个性化管理,从而有助于卒中等复杂疾病的精准预测和防控。基于此,本篇综述阐述了多基因风险评分的构建及其在卒中研究中的应用情况,以期为国内相关研究提供思路。; 陈思玎姜勇姜勇石延枫程丝谷鸿秋王拥军; 关键词：卒中全基因组关联研究

基于长短期记忆网络和Logistic回归的重症监护病房脑卒中患者院内死亡风险预测被引量：2: 2022年; 目的:基于引入注意力机制的长短期记忆网络(long short-term memory,LSTM)和L1正则化的Logistic回归筛选变量,再通过传统的Logistic回归建立重症监护病房(intensive care unit,ICU)脑卒中患者院内死亡风险预测模型并评价模型效果。方法:选取重症医学信息数据库(Medical Information Mart for Intensive Care-Ⅳ,MIMIC-Ⅳ)中的脑卒中患者作为研究对象,以是否发生院内死亡作为结局变量,备选预测因子包括人口学特征、合并症、入院48 h内实验室检查和生命体征检查等。将数据根据结局指标以8∶2的比例随机进行10次训练集和测试集的划分,在训练集上构建LSTM和L1正则化的Logistic回归模型,在测试集上选取重要程度排名前10的变量的并集纳入Logistic回归建立预测模型,以受试者工作特征曲线下面积(area under curve,AUC)、灵敏度、特异度、预测准确度为指标对模型进行评价,并与未预先进行变量筛选的前进法Logistic回归模型的预测效果进行比较。结果:共纳入2755例脑卒中患者的2979条ICU入院记录,其中院内死亡记录占17.66%。两个变量筛选模型中,L1正则化的Logistic回归模型的AUC显著优于LSTM模型(0.819±0.031 vs.0.760±0.018,P<0.001),两个模型中重要程度均位于前10的变量包括年龄、血糖和尿素氮。最终预测模型的AUC为0.85,灵敏度为85.98%,特异度为71.74%,预测准确率为74.26%,优于未预先进行变量筛选的前进法Logistic回归模型。结论:用引入注意力机制的LSTM和L1正则的Logistic回归筛选出的变量的预测效果较好,具有一定的临床价值。; 邓宇含姜勇姜勇刘爽汪雨欣刘宝花; 关键词：卒中 LOGISTIC模型

缺血性卒中患者院内复发风险预测模型开发与验证研究: 2023年; 目的开发基于机器学习算法的缺血性卒中患者院内复发风险的预测模型,并进行外部验证,为相关研究提供借鉴。方法开发队列为中国卒中联盟(China Stroke Center Alliance,CSCA)研究队列,将此队列中的缺血性卒中患者按照8∶2随机划分为训练集和内部验证集。验证队列为第3次中国国家卒中登记(the third Chinanational stroke registry,CNSR-Ⅲ)研究队列。基于指南、文献回顾,确定备选预测因子,然后采用拉索(least absolute shrinkage and selection operator,LASSO)回归进行筛选。基于logistic回归模型以及机器学习算法[随机森林模型、极端梯度提升(extreme gradient boosting,XGBoost)、轻量级梯度提升机器学习(light gradient boosting machine,LightGBM)模型]开发缺血性卒中患者院内复发风险预测模型。评价模型区分度(C统计量)和校准度(Brier得分)两方面的指标。结果CSCA研究队列共纳入1587779例缺血性卒中患者,其中院内复发99085例(6.2%)。CNSR-Ⅲ研究队列共纳入14146例缺血性卒中患者,其中院内复发623例(4.4%)。LASSO回归选择出年龄、性别、卒中病史、高血压、糖尿病、脂质代谢紊乱、心房颤动、心力衰竭、冠心病、周围血管病、LDL-C、空腹血糖、血清肌酐以及院内抗栓治疗作为缺血性卒中院内复发的预测因子。内部验证中,各模型的区分度均在0.75左右,XGBoost模型的区分度(AUC 0.765,95%CI 0.759~0.770)略高于其他模型,各模型的Brier分数均在0.05左右。外部验证中,所有模型的预测效能均较低(AUC<0.60),各模型的Brier分数均<0.08。结论在预测因子数量和维度有限的情况下,logistic回归模型和机器学习算法预测缺血性卒中院内复发风险的效能均较低。未来需从预测因子和算法模型上做更多探索。; 陈思玎姜英玉王春娟杨昕李子孝姜勇姜勇谷鸿秋; 关键词：缺血性卒中

数据完整性保护方法及系统: 本发明涉及一种数据完整性保护方法及系统，能够帮助用户定制分组方式和分组长度，适用于5G及其后续演进的高速数据及时间敏感网络场景。其方法如下：步骤一：用户配置分组长度，选择分组方式。步骤二：对数据包进行分组处理。步骤三：对...; 刘建伟姜勇刘懿中吴成琦关振宇杨林

MAC CE消息指示密钥更新的方法及装置: 本申请涉及无线移动通信安全技术领域，特别涉及一种MAC CE消息指示密钥更新的方法及装置，其中，方法包括：由基站判断是否触发会话密钥更新动作；在触发会话秘钥更新动作后，利用MAC CE指示密钥进行更新；将同一个MAC C...; 刘建伟姜勇刘懿中刘安迪关振宇李大伟杨林

实现5G网络数据机密性和完整性多级安全的方法: 本发明涉及一种实现5G网络数据机密性和完整性多级安全的方法，包括：在基站对5G网络的每一业务类型分别进行机密性和完整性保护算法映射，形成各业务类型的算法安全等级和优先级列表，并计算出该业务类型使用的机密性和完整性保护算法...; 刘建伟姜勇刘懿中童梓恒; 文献传递

基于机器学习的新发急性缺血性卒中患者1年功能预后预测研究被引量：1: 2022年; 目的建立基于机器学习算法的新发急性缺血性卒中(acute ischemic stroke,AIS)患者1年预后的预测模型,为相关研究和临床工作提供借鉴。方法以中国国家卒中登记(China national stoke registry,CNSR)数据库中的新发AIS患者为研究对象,通过logistic回归模型确定进入模型的预测因子,分别基于机器学习[CatBoost模型、XGBoost模型、梯度提升决策树(gradient boosted decision trees,GBDT)模型、随机森林模型]和传统logistic回归模型构建新发AIS患者1年预后不良(mRS≥3分)的预测模型。将入组患者按照7∶3的比例随机分为训练集和测试集。训练集用于模型训练和参数优化,测试集用于评价模型效果。评价各模型预测预后不良效能的区分度指标主要是AUC,校准度指标为Brier分数。结果共纳入8230例新发AIS患者,平均64.4±12.8岁,其中女性3113例,1年预后不良患者2360例。针对训练集的logistic回归结果显示,年龄、女性、卒中前mRS≥3分、入院和出院时NIHSS、肢体运动功能障碍、周围血管病史、入院血糖、调节血脂药物(出院带药)、抗血小板药(1年服药依从)可作为1年预后不良的预测因子。Catboost、XGBoost、GBDT、随机森林及logistic回归模型预测新发AIS患者1年功能预后的AUC分别为0.857(0.850~0.864)、0.856(0.850~0.863)、0.856(0.848~0.864)、0.853(0.846~0.859)和0.846(0.837~0.855)。Catboost(P=0.0130)、XGBoost(P=0.0133)、GBDT(P=0.0229)和随机森林(P=0.0429)等机器学习模型的预测效能均优于logistic回归模型;所有预测模型的校准度均良好。结论基于机器学习算法建立的新发AIS患者1年功能预后预测模型具有较高的预测价值,其中Catboost模型的预测效果最好。; 陈思玎俞蔚然黄馨莹刘欢姜勇姜勇; 关键词：缺血性卒中

基于区块链技术的缺血性卒中医疗质量评价应用初探被引量：2: 2020年; 目的在保障敏感数据不脱离敏感域的前提下,在多中心架构中,利用区块链技术开展缺血性卒中医疗质量评价。方法采用数据网关和安全沙箱建立“敏感域-公开域”隔离带,使用“阅后即焚”思想防止数据泄露,利用区块链和智能合约技术对数据和算法的调用进行跟踪记录。结果区块链秒平均写入通量达到9000条记录,特征检索时间不高于10 ms,能够在多中心协作和敏感信息受控场景中,开展缺血性卒中医疗质量指标评价。系统在三家医疗机构的数据中完成初步验证。结论融合区块链、智能合约、安全沙箱、摘要生成等技术手段,可以在多中心架构上,初步实现缺血性卒中医疗质量指标评价,为进一步应用知识提取、数字化追溯和跨域投放,助力医疗质量持续改进奠定技术支撑。; 李子孝刘翔宇朱皞罡王孟杨昕王春娟姜勇林琳姜勇林琳王韬; 关键词：区块链敏感信息保护大数据

姜勇

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

姜勇

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈