妈妈,我错了!——劳教人员杨大为的自述

我出生在一个工人的家庭,父母都是正直、善良的工人。我有一个妹妹,全家四口人,每月收入一百四十多元,经济是比较宽裕的。爸爸妈妈象所有的父母一样疼爱我们姊妹俩,经常教育我们要做个好人,向雷锋叔叔学习,长大以后,成为一个有出息的人。当时,有出息这句话在我幼小的心灵里,并没有明确的概念,但我明白是好人。有时我和妈妈外出坐在汽车上,我见到抱小孩的阿姨和步履艰难的老人,马上给他们让座。同车的人,见到我这举动,都夸我是好孩子,那时,我虽然不能明确地理解这些夸奖的真正含义,但在我那孩童的心理上得到了满足,心里美滋滋的。现在回想起来,我是多么留恋那美好的时代、幸福的生活和我那时纯洁的心灵呀! 可是,当我刚刚跨入学校的大门时,

基于改进VGG16的自编码器视频异常检测算法

在使用自编码器结构的神经网络处理视频异常检测任务时,U-Net风格的自编码器由于编码器层数深度过浅,导致在面对复杂的数据集时,不能充分抽取更多有用的特征信息。同时,在训练模型时使用MSE(均方误差),仅考虑了预测帧与真实帧之间的像素级相似性,对于复杂场景,像素级相似性可能无法准确判断预测帧与真实帧之间的相似性。针对以上问题,对基于U-Net风格的自编码器进行改进,提出了一种使用改进的VGG16作为编码器的视频异常检测算法,同时在均方误差的基础上添加结构相似性(SSIM)损失函数。改进的VGG16去掉了全连接层,并加入了残差连接防止特征退化,添加SSIM在计算像素级相似性的同时计算图像的亮度、对比度和结构等方面的相似性来优化网络。实验结果表明,改进后的算法,在Ped2数据集上检测效果达到95.91%,在Avenue数据集上检测效果达到84.89%,与改进前的方法相比分别提高了0.80%和0.19%,验证了所提方法的有效性。

结合混合卷积和多尺度注意力的视频异常检测算法

基于U-net风格的无监督视频异常检测模型有着较好的检测效果,但由于普通卷积运算使用固有的局部特性,使U-Net风格的编码器无法有效地提取全局上下文信息,并且使用简单的跳跃连接无法获得有效的特征信息,使用的L2损失函数是仅考虑了像素级别的差异而无法捕捉图像的结构特征。对此提出了结合混合卷积和多尺度注意力的视频异常检测算法,并加入结构相似性损失函数(SSIM)优化模型。具体来说,在编码器最后一层添加混合卷积模块,混合空间和位置的特征来提取全局上下文信息。在编码器和解码器之间的跳跃连接中添加多尺度注意力模块,使模型能提取更有价值的特征,实现有效的跳跃连接。使用参数约束结构相似性损失函数与L2损失函数的权重,从而更准确地优化模型。实验结果表明,所提算法在UCSD-Ped2和CUHK Avenue公开数据集上的AUC指标达到96.7%和86.1%,与改进前的模型相比提高了1.6%和1.4%,证明了所提模型的有效性。

药物涂层球囊边支扩张技术在治疗冠状动脉真性分叉病变的安全性和有效性分析

目的通过对比双支架技术和药物涂层球囊(DCB)边支扩张技术在治疗冠状动脉真性分叉病变中的疗效,探讨DCB在真性分叉病变治疗中的安全性和有效性。方法本研究为回顾性研究,共纳入216例经皮冠状动脉介入治疗的冠状动脉真性分叉病变患者。并将患者分为双支架技术组和DCB边支扩张技术组,对比两组1年临床随访期间靶病变血运重建和主要不良心血管事件(MACE)等发生情况。MACE包括术后再发心绞痛、心源性死亡和再发性心肌梗死以及靶血管血运重建。结果两组冠状动脉分叉病变Medina分类方面对比差异具有统计学意义(P<0.05),双支架技术组边支直径明显高于DCB边支扩张技术组,组间比较差异具有统计学意义(P<0.05)。其他临床资料以及冠状动脉分叉病变特征对比两组间对比差异均无统计学意义。两组1年随访期间,临床结局对比差异均无统计学意义。经过倾向评分配比后,两组在临床资料以及冠状动脉分叉病变特征方面组间比较差异均无统计学意义;两组在1年随访期间,在预期主要研究终点和次要研究终点发生方面比较差异均无统计学意义。结论本研究显示,在1年临床随访期间,DCB边支扩张技术在治疗冠状动脉真性分叉病变方面,与双支架技术具有相似的有效性和安全性。

基于改进YOLOv7的安全帽佩戴检测算法

为提高工作场所安全帽佩戴的检测精度,提出一种基于YOLOv7网络架构的改进算法。首先,在特征提取网络中引入卷积块注意力机制(CBAM)取代YOLOv7中主干网络部分原有的卷积模块(CBS),增强网络的特征提取能力,加强网络对目标和背景的分辨能力;其次,为解决由于网络层数的加深导致小目标特征减弱甚至消失的问题,增加一个小目标层,通过将浅层网络特征与深层网络特征融合,进一步保留小目标特征。实验结果表明,原YOLOv7对安全帽佩戴检测的均值平均精度为86.1%,改进后到达93.4%,实现了检测精度的提高。

动脉瘤性蛛网膜下腔出血并发急性脑积水的危险因素分析及预测模型构建

目的评估动脉瘤性蛛网膜下腔出血(aneurysmal subarachnoid hemorrhage,aSAH)并发急性脑积水(acute hydrocephalus,AHC)的危险因素,并构建预测模型。方法回顾性分析2015年1月至2024年1月秦皇岛市第一医院神经外科收治的aSAH患者的临床资料。按照7∶3比例,将aSAH患者随机分为训练集和验证集,根据是否发生AHC分为AHC组和非AHC组,训练集用于构建AHC风险预测模型,验证集用于验证AHC风险预测模型,采用受试者工作特征曲线(receiver operating characteristic curve,ROC)及其曲线下面积(area under curve,AUC)、校准曲线和决策曲线验证风险预测模型的可靠性和稳定性。结果共纳入1062例aSAH患者,其中324例患者发生AHC,发生率为30.51%。训练集、验证集分别有患者744、318例。多因素Logistic回归显示年龄≥60岁[OR=3.067,95%CI(1.710,5.499)]、破入脑室[OR=7.039,95%CI(3.792,13.068)]、Fisher分级为IV级[OR=3.371,95%CI(1.335,8.514)]、Hunt-Hess分级为IV级[OR=6.198,95%CI(2.218,17.324)]和高水平神经元特异性烯醇化酶[OR=1.746,95%CI(1.581,1.928)]是aSAH患者发生AHC的独立危险因素(P<0.05),而动脉瘤位于前循环[OR=0.397,95%CI(0.199,0.790)]是aSAH患者发生AHC的的独立保护因素(P<0.05)。训练集和验证集的AUC(95%CI)分别为0.950(0.932,0.967)和0.969(0.955,0.982);校准曲线显示“预测AHC概率”和“实际AHC概率”吻合;决策曲线均提示AHC风险预测模型临床净获益高于“全部”临床净获益。结论临床工作中应重点关注年龄≥60岁、破入脑室、Fisher分级与Hunt-Hess分级为IV级和高水平神经元特异性烯醇化酶aSAH患者AHC的发生风险,本研究构建的AHC预测模型可为早期识别AHC提供便捷工具。

胸前导联QRS波群特征与经皮冠状动脉介入术治疗急性前壁ST段抬高型心肌梗死患者预后的相关性研究

目的探讨影响经皮冠状动脉介入术(percutaneous coronary intervention,PCI)治疗急性前壁ST段抬高型心肌梗死(ST-segment elevation myocardial infarction,STEMI)患者预后的胸前导联QRS波群危险特征,并建立基于胸前导联QRS波群特征的风险评分模型。方法选取2016年1月至2019年6月在中国中医科学院望京医院经PCI治疗的急性前壁STEMI患者273例,以术后随访期间发生主要心血管不良事件(major adverse cardiac event,MACE)为终点事件,根据患者出院时心电图胸前导联QRS波群特征,经Cox分析判断影响患者预后的胸前导联QRS波群危险特征,并据此建立基于心电图胸前导联QRS波群特征的风险评分模型。结果273例患者中MACE发生率为20.15%(55例),平均随访时间为(24.25±3.91)个月。Cox回归分析显示,QRS波群时限(HR=1.043,95%CI 1.025~1.061,P<0.001)、存在Q波(HR=2.078,95%CI 1.148~3.762,P=0.016)、存在碎裂QRS波群(HR=1.955,95%CI 1.121~3.409,P=0.018)、累计胸前导联个数≥3(HR=2.728,95%CI 1.409~5.282,P=0.003)、胸前导联累积R波幅度总和(HR=0.973,95%CI 0.955~0.992,P=0.005)、胸前导联R波振幅总和/(S波+Q波)振幅总和比值[R/(Q+S)](HR=0.291,95%CI 0.118~0.715,P=0.007)为预测本研究定义的MACE发生的胸前导联QRS波群危险特征。基于胸前导联QRS波群危险特征建立的风险评分模型预测MACE具有良好的准确性且AUC为0.722。结论基于心电图胸前导联QRS波群特征的风险评分预测模型在PCI治疗急性前壁STEMI患者中对预后判断具有一定的临床价值。

面向肝细胞癌微血管侵犯评估的高效多模态贡献度感知网络研究

微血管侵犯(MicroVascular Invasion,MVI)是肝细胞癌(HepatoCellular Carcinoma,HCC)切除或移植患者出现早期复发和长期预后不良的重要影响因素,因此在HCC患者术前评估是否存在MVI具有非常重要的临床价值.近年来,深度学习为MVI影像诊断评估提供了有价值的解决方法,但受数据标注收集困难等因素的影响,目前研究多独立利用电子计算机断层扫描(Computed Tomography,CT)或核磁共振成像(Magnetic Resonance Imaging,MRI)手段采集影像中的单模态序列,缺乏对各成像手段中多模态序列的综合应用.在小样本场景下,为有效利用多模态序列数据,提高诊断效能,本文提出一种高效多模态贡献度感知网络.该网络可以利用模态分组卷积和高效多模态自适应加权模块,在极少计算开销的引入下,学习CT或MRI的各模态影像信息在复杂多样的MVI表象下的诊断贡献.本文在三甲医院收集的临床数据集上进行实验,结果表明该网络模型可以在少量有标注数据的支持下,取得优于多种基于注意力机制的神经网络模型的MVI诊断性能,为专业医师的诊断分析提供了有效参考.

右心室收缩功能对急性前壁ST段抬高型心肌梗死的预后价值

目的:本研究探讨右心室收缩功能障碍(right ventricular systolic dysfunction,RVSD)对接受PCI治疗急性前壁ST段抬高型心肌梗死(ST-segment elevation myocardial infarction,STEMI)患者预后的影响。方法:本研究纳入了356例经PCI治疗的急性前壁STEMI患者。根据出院前超声心动图检查结果,将三尖瓣环平面收缩期位移(tricuspid annular plane systolic displacement,TAPSE)<17mm或三尖瓣环收缩期峰值速度(tricuspid annular peak systolic velocity,TAPSV)<9.5cm/s定义为RVSD,并将患者分为RVSD组和非RVSD组。比较两组2年随访期间临床事件发生情况,并采用Cox回归模型分析影响患者预后的因素。结果:两组患者在临床特征以及冠状动脉造影和介入治疗特征方面组间对比,差异无统计学意义(P均>0.05)。偏相关分析可知,LVEF与TAPSE呈显著正相关(r=0.132,P=0.012),与TAPSV呈显著正相关(r=0.121,P=0.023)。在2年临床随访期间,预期心力衰竭发生率(Log-rank P=0.015)和全因死亡率(Log-rank P=0.015),差异存在统计学意义。RVSD组和非RVSD组,术后2年预期无主要不良心脏事件(major adverse cardiac events,MACE)累积生存率分别为79.2%和84.1%(Log-rank P=0.041)。多因素Cox回归分析显示,TAPSE(HR=0.456;95%CI:0.223~0.931;P=0.031)为预测2年MACE发生的独立因素。结论:在经PCI治疗的急性前壁STEMI患者中,伴有RVSD的患者MACE发生率明显升高,2年预期无MACE事件累积生存率明显低于不伴RVSD的患者。

一种基于结构感知的肝血管分割模型

为了在缺乏大量肝血管标注信息的情况下增强肝血管结构分割,提出了局部-长距离-相邻信息融合模块,并将其嵌入U-Net的编码阶段,得到一种基于结构感知的肝血管分割网络。该模块有3个分支:提取特征图局部信息的残差卷积模块,利用自注意力机制提取特征图的全局信息的长距离提取模块,以及利用相邻切片补充上下文信息的相邻信息提取模块。通过将以上3个分支模块的输出特征图进行融合,可以有效提升网络的血管结构感知能力,缓解2D网络无法表征血管立体走向与3D网络训练数据不足的问题。分别在MICCAI十项全能数据集中的肝血管与肿瘤数据集和三甲医院收集标注的自采肝血管数据集上进行了广泛的对比实验。结果表明,与多种主流的分割算法相比,该算法取得了最优的血管分割性能。所提出的方法在MICCAI数据集上Dice值达到64.04%,在自采肝血管数据集上Dice值达到了72.07%。

一种迭代边界优化的医学图像小样本分割网络

精准的医学图像自动分割是临床影像学诊断和影像三维重建的重要基础.但医学图像数据的目标对象间对比度差异小、受器官运动影响大,加之标注样本规模小,因此在小样本下建立高性能的医学分割模型仍是目前的难点问题.针对主流原型学习小样本分割网络对医学图像边界分割性能差的问题,提出一种迭代边界优化的小样本分割网络(Iterative boundary refinement based few-shot segmentation network,IBR-FSS-Net).以双分支原型学习的小样本分割框架为基础,引入类别注意力机制和密集比较模块(Dense comparison module,DCM),对粗分割掩码进行迭代优化,引导分割模型在多次迭代学习过程中关注边界,从而提升边界分割精度.为进一步克服医学图像训练样本少且多样性不足问题,使用超像素方法生成伪标签,扩充训练数据以提升模型泛化性.在ABD-MR和ABD-CT医学图像分割公共数据集上进行实验,与现有多种先进的医学图像小样本分割方法进行对比分析和消融实验.实验结果表明,该方法有效提升了未见医学类别的分割性能.

微电网和分布式电源系列标准IEEE 1547述评

IEEE 1547系列标准是微电网和分布式电源并网的主要技术标准。对比、分析了该系列标准与国外其他相关标准的主要技术特性,介绍了IEEE 1547每一项标准的基本内涵和当前进展情况,说明了微电网和分布式电源并网的技术规格和要求,阐述了此标准系列所涉及的微电网结构形式、设计规范和运行模式,为国内微电网标准制定以及微电网工程规划和设计等提供了有益参考。

Marx发生器建立时间及抖动实验研究

Marx发生器建立时间及抖动与Marx发生器中球隙开关的工作状态有关 ,同时与开关的触发电压幅值及极性有关。通过实验获得了Marx发生器建立时间及抖动最小时最佳工作状态的相关参数。天光一号电子束加速器从同步机发出指令信号至主Marx输出 ,总的延时及抖动为 (16 2 9± 8.4 )ns,满足MOPA系统建立时间抖动小于 2

毛细管放电泵浦软X光激光装置

脉冲功率技术在激光领域中得到广泛的应用 ,文中介绍毛细管放电泵浦软 X射线激光的机理及据此要求设计的高压大电流快脉冲放电泵浦软 X射线激光装置的概况。该装置利用 Blum lein线作为形成线 ,以提高输出电压幅值。采用在一个毛细管中插入不同长度的电极方案 ,解决了不同毛细管长度维持放电回路电感不变的问题。经调试该装置输出电流 38k A、脉冲上升前沿 4 0 ns,满足了泵浦类氖氩 4 6 .9nm激光要求。为了在主脉冲前毛细管中产生均匀的等离子体 。

基于粒子滤波与稀疏表达的目标跟踪方法

针对视频序列图像目标跟踪中的光照变化问题,提出一种在粒子滤波器框架内,基于目标的局部二元模式(LBP)纹理特征,使用稀疏表达进行目标跟踪的方法.当前帧的跟踪粒子由前一帧的跟踪结果按高斯分布来生成.通过解l1正则化最小二乘方问题,获得每个粒子对应于模板子空间的稀疏表达,确定当前帧图像中的跟踪目标.然后使用粒子滤波器生成下一帧跟踪的粒子分布.在跟踪过程中采用新的动态模板更新策略更新模板空间中的模板.实验结果证明该方法的有效性和先进性.

电解可脱性弹簧圈(GDC)血管内栓塞治疗颅内动脉瘤10例

目的总结电解式可脱弹簧圈(GDC)栓塞治疗颅内动脉瘤的临床效果。方法在局麻下,经导引导管将微导管头端送入动脉性瘤腔,用GDC逐步将瘤腔填塞直至满意。术前、术中、术后造影对比。结果10例动脉瘤均栓塞成功,栓塞完全。术后2周痊愈出院,临床症状消失。结论GDC栓塞治疗颅内动脉瘤是—种安全、疗效可靠、效果良好、并发症少的治疗方法。

变阻抗线及预脉冲开关的设计与调整

本文介绍了变阻抗线的传输特性,电场分布及预脉冲开关的工作特性。给出了在电阻负载及二极管负载下变阻抗线及预脉冲开关性能的测试结果。

大数据时代下的复杂网络研究与应用

现实生活中的很多复杂系统均可建立网络分析模型,如:交通网络、社交网络、计算机网络、流行病传播网络等,因这些网络具有高复杂性,复杂网络的概念应运而生。随着大数据时代的到来,复杂网络的分析方法配合数据挖掘模型已经在工业和科研界大放异彩。数据网络结构的复杂性随着数据规模的扩张而增加,构建合适的网络模型往往成为解决问题的关键。因此,当许多研究者在构建复杂网络分析模型时,将从数据收集、清理到模型验证进行全面考虑,包括怎样获得高质量的网络结构数据?如何提升数据网络分析的质量和效率?如何将不完整的网络结构数据分析推广到整个网络?本文回顾了复杂网络的基本性质,常用算法,及模型的构建等。清晰地展现了国内外复杂网络研究领域的成果,各类模型的构建方式与应用场景,和不同算法的优缺点比较等内容。体现了复杂网络在大数据时代的作用与不可替代的价值。

胰腺实性假乳头状瘤的影像学诊断

目的：研究胰腺实性假乳头状瘤的影像学表现，提高对该病的认识诊断水平。方法：回顾性收集7例经手术病理证实的胰腺实性假乳头状瘤，5例女性，2例男性，发病年龄为17—46岁。3例行CT和US检查，1例行CT和MR检查，2例单独行CT检查，1例单独行US检查。分析其临床特征及CT、MR、US表现。结果：7例胰腺实性假乳头状瘤中，1例诊断为恶性，6例诊断为未定性。6例未定性中，1例于术后半年复查发现肿瘤复发及肝转移。CT均表现为巨大的囊实性肿块，其中2例可见钙化，增强扫描后，肿块囊壁与实性成分不均匀强化，出血坏死区无强化。MR可见肿块在T1WI、T2WI上呈不均匀混杂信号，能识别肿瘤内部的坏死囊变及出血等特异性征象。US可见肿块呈孤立性、囊实性结构，边界清楚锐利，有包膜回声。肿块周边及实质内可探及血流信号，以静脉血流为主。结论：胰腺实性假乳头状瘤影像学表现较具特征性，结合临床特征对术前诊断很有帮助。