应用法医微生物学推断死亡时间研究进展

死亡时间推断一直是法医学领域的重点和难点问题。研究发现尸体微生物群落演替规律与死亡时间之间呈现高度相关,其可为死亡时间推断提供新方法。近年来,国内外学者利用法医微生物学理论与方法对存在于不同环境中的尸体死亡时间推断进行了大量研究,丰富了死亡时间推断方法,提高了死亡时间推断的准确性。本文就暴露、埋藏和水中三种环境下尸体菌群演替规律的异同进展作简要综述,以期探讨不同环境下利用法医微生物学推断死亡时间的研究现状、所面临的问题及应用前景。     

基于动态模糊测试和机器学习的智能合约漏洞检测方法

智能合约的出现和发展拓宽了区块链的应用场景和现实意义,但频繁的安全事故给区块链的发展带来了障碍。但是,智能合约漏洞进行完备性和安全性分析的方法仍未被提出。当前对于智能合约的安全保障主要依靠专家审计和人工复查,该方式不能保证代码的绝对安全。针对智能合约漏洞挖掘的误报率、低效能等问题,在动态模糊测试和机器学习方法的基础上,提出一种适用于智能合约漏洞的检测方法与模型。该方法提高了智能合约漏洞挖掘的自动化程度和准确性。     

基于机器学习和锁骨胸骨端薄层CT的年龄推断研究

目的 采用Kellinghaus分级法对锁骨胸骨端薄层CT进行人工阅片分级,运用多种传统统计学方法以及机器学习方法构建青少年及成人早期年龄推断模型,探索机器学习技术在四川汉族人群年龄推断研究中的应用价值。方法 回顾性收集491例10～30岁个体的胸部薄层CT影像,参照Kellinghaus分级法对所收集样本进行阅片分级赋分。随机选取10%的数据作为测试集,其余数据作为训练集,综合构建多种青少年及成人早期年龄推断的传统统计学回归模型与机器学习模型,采用平均绝对误差值（Mean Absolute Error,MAE）对模型的性能进行评估。结果统计回归模型中效能最好的模型为三次回归模型,男性MAE值为1.34,女性MAE值为1.57;三种机器学习模型中,随机森林模型对男性的预测效能最好,MAE值为1.39;支持向量模型对女性的预测效能最好,MAE值为1.51。结论在锁骨胸骨端年龄推断模型的构建中,机器学习模型在年龄推断中的准确性有一定提升,但与传统统计学回归模型相比并无明显优势,机器学习方法在锁骨胸骨端年龄推断中的应用价值仍有待进一步探索研究。     

民众自由观的概念建构及其测量北大核心

社会主义自由观的理论研究与实践培育,不应仅停留于应然层面的探讨,还应讨论民众自由观的实然状况。但自由观实证研究一直未能得到国内学者应有的关注,尤其缺乏必要的概念界定与测量。基于词源追溯与概念比较,自由观乃是特定时代背景下,公众对于成员与成员、成员与权威机构、成员与资本以及权威机构的关系中保存个体独立性与自主性的信念与偏好。其基本维度可划分为民众对于社会领域、政治领域、经济领域中消极自由与积极自由的认知,以及原则性支持、比较性支持与情境性支持。据此,再通过系统抽样数据的项目分析、信度分析、探索性因子分析和验证性因子分析,开发出适合中国情境、可与国际学界接轨的自由观量表。     

机器学习技术结合Y染色体CpG位点推断男性年龄

目的 年龄推断作为个体特征描绘关键环节之一，在法医实践中的地位愈发重要，然而从混合斑中推断出个体年龄是一个尚未解决的难题。本研究通过筛选Y染色体上CpG位点并结合机器学习算法构建男性个体年龄推断模型。方法 从GEO数据库筛选男性血液甲基化数据，按照年龄变化趋势对Y染色体上的位点进行差异性分析。对Y染色体上的差异性CpG位点进行线性回归拟合并计算Spearman相关系数，基于年龄相关CpG位点构建支持向量机、梯度提升机、随机森林、多元线性回归、K最邻近等5种机器学习模型用于年龄推断模拟和验证。结果差异性分析得到26个CpG位点，通过线性拟合得到8个年龄相关CpG位点。五种机器学习训练模型推断年龄的平均绝对偏差（Mean Absolute Deviation,MAD）范围从5.19岁～7.68岁。在验证阶段的数据集中，支持向量机的年龄推断模型表现最佳，MAD为5.43岁。结论 本研究基于机器学习算法验证了Y染色体上的CpG位点对男性个体年龄推断的可行性，为法医实践提供有效依据。