简介:摘要:对解释学的研究离不开一个重要的人物——海德格尔,海德格尔解释学的出世解释学发展由一般解释学转向本体论解释学,海德格尔解释学不着眼于文献考据,而是在早期著作《存在与时间中》此在解释学是对存在的本体论的追求,并成为了保罗利科指出的第二次哥白尼式革命即从一般解释学到本体解释的转向的开端者,本文将以海德格尔的著作《存在与时间》为文本对以存在论解释学中他解释自身认为的解释学第三个重点词:存在、此在、现象学、解释等进行浅析。
简介:摘要:在专利侵权判定过程中,如何更好的解释专利权利要求的保护范围以及如何更准确的适用现有技术抗辩,往往是司法机关处理侵犯专利权民事纠纷时难以回避的问题。准确合理地界定专利权人的利益范围有助于在维护专利权利要求公示作用的基础上更好的平衡专利权人和社会公众的切实利益。而现有技术抗辩往往是在被诉侵权技术方案被起诉后,被诉侵权人优先采用的抗辩方式,准确理解和适用现有技术抗辩,能够较好的抑制专利权人的不当得利,维护好各方利益。
简介:摘要:自上世纪八九十年代以来,属性解释技术在三维地震勘探资料解释过程中得到广泛应用。属性解释技术为资料解释技术人员提供便利的同时,也带来了困扰,不同的属性解释方法会产生不同的结果。因此技术人员在使用属性过程中应根据具体情况,从多种属性解释方法中找到适合本项目的解释方法,不拘泥于属性解释方法,综合地质资料、时间剖面进行对比分析,得出合理的结论。
简介:摘要目的建立基于多参数MRI影像组学及临床特征的机器学习预测模型,并评价其治疗前预测鼻咽癌(nasopharyngeal carcinoma, NPC)远处转移风险的效能及临床应用价值。材料与方法回顾性分析2010年6月至2017年9月来自三家医院的1393例经病理证实的NPC患者的临床资料及MRI图像(训练队列1049例、外部验证队列344例)。用ITK-SNAP勾画感兴趣区并用Pyradiomics包逐层提取特征。使用相关性分析、单因素分析和递归特征消除法筛选特征,最后通过梯度提升机(Gradient Boosting Machine, GBM)算法构建模型。通过受试者工作特征(receiver operating characteristic, ROC)曲线比较模型的预测效能,以及决策曲线分析评估临床实用性。利用SHAP(SHapley Additive exPlanation)算法赋予最佳预测模型可解释性。结果经筛选后最终保留10个影像组学特征。基于影像组学特征、临床特征、影像组学+临床特征三种特征组合构建了GBM_R、GBM_C和GBM_RC模型。三者在训练集上的ROC曲线下面积(area under the curve, AUC)值分别为0.938、0.724和0.938;GBM_RC(命名为NPC-Wise)在外部验证集中取得了最高的AUC值,为0.775。N分期是NPC-Wise预测过程中最重要的特征。SHAP模型预测力图能直观可视化特征影响NPC-Wise预测远处转移风险的过程。结论基于多参数MRI影像组学及临床特征的可解释性机器学习预测模型NPC-Wise在预测NPC远处转移风险方面具有较高效能,SHAP算法为其提供了个体水平的可解释性,能为个性化治疗提供有价值的决策依据。