基于多特征融合自编码器的无监督地震相分类研究

地震相分类是地震数据解释中的一个重要步骤,是地震数据与沉积相的连接工具.为了提高地震相分类精度和减少对有限人工标签的依赖,本文提出了一种基于多特征融合自编码器的无监督地震相分类方法.首先,提出了一种混合卷积和变分编码的多特征融合自编码器,实现了地震数据中表征地震相的大量隐含特征提取.其次基于非负矩阵分解和K均值聚类实现了主特征分量分解和地震相聚类.实际地震数据应用结果和指标分析表明,本文方法提取的隐含特征趋于正态分布,且主特征分量中蕴含了不同地震相类别的响应,从而可以获得更准确的地震相分类结果.在渤海湾盆地东营凹陷古近系沙河街组湖相沉积中,清晰划分出了六类沉积微相的边界,有利于揭示三角洲沉积环境演变.

新一代通用视频编码标准H.266/VVC:现状与发展

相比于上一代标准,新一代通用视频编码标准(H.266/VVC)在同等质量下能够节省大约50%的码率,且适用于多种多样的视频应用场景。论文从H.266/VVC的关键技术出发,对标准的现状、实现和应用发展进行深入探讨。H.266/VVC沿用既往标准中的双层码流体系和混合编码框架,针对帧内预测、帧间预测、变换、量化、环路滤波等所有主要编码模块进行了技术革新,并为屏幕内容视频等应用提供了高效的专用编码工具。H.266/VVC标准目前已处于实用化阶段,官方参考软件VTM和开源编解码器VVenC/VVdeC是目前最具代表性的软件编解码实现。对H.266/VVC的性能分析可以看出:H.266/VVC针对高分辨率视频取得的编码增益更为突出;主要编码工具对性能的贡献通常以复杂度为代价,但也有部分编码工具在提升编码性能的同时可降低整体编码复杂度。H.266/VVC的硬件实现面临诸多挑战,发展明显滞后于软件实现,现有研究主要集中在对具体编码模块的硬件加速方面。H.266/VVC标准发布之后,下一代视频编码标准的发展目前仍围绕混合编码框架进行探索,聚焦在两大方向:超越VVC的增强压缩关注更为先进的、非神经网络的编码工具,基于神经网络的视频编码则探索采用神经网络的编码工具。除此之外,部分或完全跳出现有混合编码框架的端到端视频编码也在飞速发展,未来视频编码标准与神经网络结合成为趋势,但面临着计算资源依赖和稳定结构两方面的考验。

基于深度生成模型的视觉模式表示与编码

认为早期智能编码方法的性能受限于手工设计的方案,当前基于神经网络的编码方法可解释性不足,不利于后续面向人机视觉的分析与交互。受生成模型的启发,生成式编码方法通过构建生成模型来实现图像和视频的压缩和合成,获得可解释的紧凑视觉表示并生成符合图像先验分布的高视觉质量内容。其中概念图像编码与概念视频编码利用生成模型强大的样本生成能力与紧凑层次视觉表示模型,实现了编码性能更优的图像与视频编码;跨模态语义编码对图像与文本域进行跨模态转换与编码,保持可解释的同时实现上千倍的超高压缩比与令人满意的重构结果。

PSK脉冲编码降低瑞利散射型光纤传感系统相干瑞利噪声的理论和仿真研究

频移平均(Frequency Shift Averaging,FSAV)技术是目前降低相干瑞利噪声(Coherent Rayleigh noise,CRN)的最主要方法,然而其降噪效果会受到频率漂移和脉冲啁啾效应的影响,且不适合应用在高空间分辨率系统中。针对以上问题,提出一种利用相移键控(Phase Shift Keying,PSK)脉冲编码降低CRN的新方法。详细分析了该方法的原理,仿真验证了该方法的有效性和适用性。结果表明:该方法不仅能有效降低CRN,且能在高空间分辨率下完全适用,为基于瑞利散射的高空间分辨率高精度分布式光纤传感系统中CRN的降低提供了新的视角和实用方法。

某三甲综合医院3316份住院病案首页主要诊断编码质量分析

目的分析厦门市某三甲综合医院2023年1—12月住院病案首页主要诊断编码质量,分析编码错误原因,提出有效的改进建议,以期提高医院住院病案首页主要诊断编码质量。方法采用分层抽样选取厦门市某三甲综合医院2023年1—12月住院病案3316份,由科室9名编码员对抽取的病案首页进行交叉互查,登记编码错误类型,分析编码错误原因。结果主要诊断编码错误353份,主诊编码错误率为10.65%。对错误类型归类:未认真分析病历资料占比48.44%,未掌握主要诊断编码原则占比27.48%,临床知识不足占比14.16%,系统获取错误占比9.92%。结论注重病案编码专业人才队伍的建设,培养编码员的工作能力,推进病案管理系统改进和优化,有利于持续优化病案首页主要诊断编码质量。

基于深度学习的HEVC编码复杂度优化方法

为降低高效率视频编码(HEVC)的计算复杂度,提出一种基于深度学习的复杂度优化方法。构建大规模编码单元(CU)划分数据库,为算法设计和神经网络训练提供数据基础;设计一种适用于HEVC的CU划分图模型,高效表征多个邻近CU的划分模式;在此基础上,提出一种基于稠密网络的分层卷积神经网络结构,准确预测HEVC中的三级CU划分结果。实验结果表明:该方法能够在保证编码效率前提下,平均节省57%的编码时间,有效解决了HEVC编码复杂度过高的瓶颈。

基于GeoSOT的文旅数据编码方法

文旅资源数据的种类多样,格式复杂,存储管理难度大,文旅资源的传承保护和发展需求迫切,亟需建立一种数据组织管理方法。基于GeoSOT网格剖分理论,提出了一种对多元文旅资源数据的统一组织管理的方法,并详细介绍了文旅资源数据概况、剖分方案、编码方法、检索机制和检索结果。设计了一个文旅资源数据库,使GeoSOT编码组织管理各种类型数据,结果表明:基于GeoSOT剖分网格编码能够有效地组织管理文旅资源数据,提升数据检索访问效率,满足文旅资源数据的管理需求。

小细胞外囊泡及其携带的非编码RNA在非酒精性脂肪性肝病中的作用

小细胞外囊泡(small extracellular vesicles,sEVs)是由细胞分泌的一种细胞外囊泡,产生于多泡体,多泡体与质膜融合并释放到细胞外基质。由于小细胞外囊泡可以携带分子质量相对较小的核酸、蛋白质、脂质,能够执行细胞间物质传递、细胞间通讯等功能。因此,小细胞外囊泡及其携带的非编码RNA不仅参与细胞正常生理过程,也可以在多种疾病的发生发展过程中起重要作用。本文综述了小细胞外囊泡在非酒精性脂肪性肝病(NAFLD)中的作用,小细胞外囊泡及其携带的非编码RNA不仅有望成为NAFLD诊断的标志物,同时也具有治疗NAFLD的潜在作用,或能为治疗NAFLD提供新思路。

一种基于图神经网络和统计分析的VVC帧内编码快速算法

多功能视频编码(versatile video coding,VVC)作为最新一代的视频编码标准,通过引入多种高效的编码工具进一步提升了视频编码性能。然而,VVC标准引入了四叉树加多类型树(quadtree plus multi-type tree,QTMT)划分结构,并将帧内预测模式从35种扩展到67种,导致编码复杂度急剧上升。为降低VVC的帧内编码复杂度,首先,提出了一种基于图神经网络的帧内编码单元(coding unit,CU)划分快速算法,该算法利用高效的图神经网络模型直接预测CU的最优划分模式,从而跳过冗余的CU划分遍历。其次,提出了一种基于空间相关性和纹理特征的帧内模式选择快速算法,该算法利用平均方向方差和Sobel梯度算子确定纹理方向,并跳过部分角度预测模式,同时结合预测模式间的相关性精简率失真模式列表。实验结果表明,该算法能够在BDBR(bjontegaard delta bit rate)上升2.29%的代价下,节省64.04%的编码时间。

语义编码与经典信道编码融合研究

目前的语义通信研究尚未阐明语义编码与经典信道编码之间的关系、语义编码在现有通信框架中的可行性,以及影响语义编码的关键因素等。对基于联合信源信道编码的语义通信系统进行了理论分析,设计了语义编码与经典信道编码的融合实验,展示了语义编码的潜在优势,探索了语义编码与经典信道编码之间的关系,研究了后续将语义通信应用于经典通信框架的基础方法。

非编码RNA在颞下颌关节炎中的研究进展

颞下颌关节炎(temporomandibular joint osteoarthritis,TMJOA)是一种临床常见疾病,但发病机制尚不明确且缺乏有效的治疗手段,给患者带来很大困扰。因此,探究TMJOA的发病机制,寻找有效的治疗方法具有重要意义。近年来的研究表明,非编码RNA(noncoding RNA,ncRNA)参与调控TMJOA的发生、发展,在其诊断和治疗方面具有巨大潜力,因此有望成为新的诊断标志物和治疗靶标。本文将对ncRNA在TMJOA中的研究进展作一综述。

基于空时分组/混沌编码的多天线多基频通信编码研究

为了优化空时分组编码(STBC)和混沌编码,提升无线通信的性能与可靠性,采用多基频混沌编码(MFCC)结合空时分组编码技术搭建了一种双重编码模型,并对该模型的编码解码性能进行仿真分析,评估模型的编码解码性能。实验结果显示,当信噪比为10 dB时,新模型的误码率低至10-8,并且能在两基频条件下实现3548 b/s的高吞吐量。表明该编码解码模型不仅能降低误码率,还能有效提高基频的吞吐量,为促进无线通信技术的发展提供了有力支持。

基于多任务自编码器的计算机网络课程资源整合方法

由于计算机网络课程资源构成复杂多元,整合后的资源差错率难以有效控制。为此,提出了基于多任务自编码器的计算机网络课程资源整合方法研究。在构建多任务自编码器阶段,引入神经网络辅助,使自编码器能够敏锐捕捉计算机网络课程资源之间的规律,并确定最优编码映射,为目标教学内容与计算机网络课程资源构建专门的编码单元。通过多层隐藏层处理输入的单热向量(计算机网络课程资源),最终输出学习的码字信息。在整合阶段,以目标教学内容为核心,将具有与目标一致编码的教学资源作为最终整合结果。测试结果显示,资源差错率始终稳定在5.0%以内,与对照组相比具有明显优势,显著提升了教学效率和质量,促进了教学创新,对提升计算机网络课程的教学效果具有重要意义。

基于门控位置编码的壁画图像多级色彩还原

近年来,壁画图像的色彩还原研究已成为壁画文物保护和展示领域的一个热点问题。针对壁画色彩还原面临的整体特征信息难以有效提取和保持,局部色彩还原易出现假色以及色彩溢出等问题,提出基于门控位置编码的壁画图像多级色彩还原方法。首先,构建基于全局特征约束的编码器网络,并通过改进的多核多值池化算法提取图像的全局特征梯度作为下采样取值标准以建立壁画图像特征金字塔,从而减少壁画图像在特征编码过程中的整体特征损失;其次,为准确还原壁画图像的局部色彩信息,设计基于门控位置编码的色彩迁移模块,该模块通过约束空间域中内容特征与色彩特征之间相似性核的学习,构建色彩特征在待还原壁画图像中的准确映射,从而减少还原图像中的假色现象与色彩溢出。实验结果表明,该方法所生成的壁画还原图像相较于AdaIN(Adaptive Instance Normalization)、AST(ArbitraryStyleTransfer)等对比方法所生成的壁画还原图像,NIQE(NaturalImageQuality Evaluator)和PIQE(Perception based Image Quality Evaluator)都取得了最优的结果。可见,所提方法能有效还原壁画色彩信息并保持待还原壁画图像的整体结构纹理特征。

PRI-PSK离散复合编码脉冲串优化设计算法

针对设计具有优良模糊函数和探测性能的重复间隔相位编码(PRI-PSK)离散复合编码脉冲串问题,研究引入脉间离散脉冲重复间隔编码和脉内离散相位编码。通过分析脉冲串中心模糊函数,建立了以最小化模糊函数积分旁瓣为优化目标的PRI-PSK离散复合编码脉冲串波形优化模型。在优化方面,基于最优性条件(KKT)优化框架和交替方向乘子法(ADMM)构建了一个用于优化PRI-PSK离散复合编码脉冲串波形的KKT-ADMM算法。仿真结果表明,所提算法能够显著降低距离和速度模糊函数的积分旁瓣水平,从而有效改善了脉冲串波形的整体性能,此外所设计的波形相较于常规编码信号在转发干扰抑制方面具备不错的抗转发干扰特性。

稀疏网络编码中秩分布分析模型研究

针对现有稀疏网络编码研究中线性相关概率性能指标精准度较低的问题,提出基于马尔可夫链的性能分析模型。对线性相关概率、秩的概率分布等性能指标及其复杂度进行分析,并通过该性能分析模型分析编码包传输后期的译码成功概率;基于吸收马尔可夫链计算编码包传输过程中的瞬态、吸收态以及各状态间的状态转移概率,并对状态转移概率中蒙特卡罗模拟误差较大的问题进行改进,由状态转移概率构建吸收马尔可夫链基本矩阵,得出信宿端收到非再生包的线性相关概率,进而推导出秩的概率分布和译码成功概率性能指标。仿真结果表明,在相同条件下所提模型性能指标精确度均优于对比模型,且能精确地评估信宿端解码矩阵秩的概率分布、译码成功概率等稀疏网络编码的译码行为。

基于深度学习的物品分类编码映射模型研究

为实现物品分类编码映射的高准确率和自动化需求,本研究提出了关键词自动提取、预训练语言模型、性能优化、持续学习的物品分类编码映射整体方案。该方案在实际应用中表现出色,能够显著提高企业在产品编码管理中的效率,促进标准化进程,提高数字化水平,可广泛应用于商贸流通、供应链管理、跨境电商等领域。

面向360°全景视频的帧内预测编码的快速算法

为了节省360°全景视频的编码时间,对通用视频编码标准中的编码单元划分决策过程进行了研究,提出了一种面向360°全景视频的帧内预测编码的快速算法。通过优化编码树单元(Coding Tree Unit,CTU)的编码深度范围和编码单元的划分模式的选择过程,减少编码时间。实验结果表明,在全帧内模式下,所提算法比原始算法平均可以节省34.33%的时间复杂度,同时带来的BDBR平均增量仅为1.665%,BDPSNR的平均降低量仅为0.076 dB。

糖尿病神经病变过程中非编码RNA的作用及机制

背景:持续性高血糖症被确认为促进神经血管功能障碍,导致不可逆的内皮细胞功能障碍、神经细胞凋亡增加、氧化应激和炎症。这些协同和单独作用导致微血管和大血管病变,以及造成进行性神经病变。非编码RNAs可能为了解该疾病的病因、发病机制、治疗方法提供新的策略。目的:查阅国内外相关文献,综述非编码RNAs在糖尿病神经病变发生发展中的作用和机制,为非编码RNA在糖尿病神经病变预防和诊疗中提供新的思路和途径。方法:检索中国知网、PubMed数据库建库至2022年所发表的文献,中文关键词“非编码RNA;lncRNA;miRNA;糖尿病周围神经病变;表达谱”;英文关键词“Noncoding RNA;lncRNA;miRNA;Diabetes peripheral neuropathy;Expression profile”,将检索到的文献进行归纳、总结、分析,选取61篇文章进行综述。结果与结论:(1)非编码RNA在调节糖尿病周围神经病变的病理生理过程中起着核心作用。在研究最广泛的调节性非编码RNA物种中,有长链非编码RNAs(lncRNAs)、环状RNAs(circRNAs)和微小RNAs(miRNAs)。(2)通过非编码RNA的调节作用,引起相关细胞通路、炎症基因及下游相关细胞因子的激活或抑制,将抑制细胞凋亡,改善炎症水平,从而改变靶基因表达来参与糖尿病神经痛的进程。(3)尽管已发现多种微小RNA、长链非编码RNAs参与糖尿病神经病变疾病,但许多非编码RNAs的作用机制仍不清楚,相同的非编码RNAs可能在不同的模型中发挥不同的作用。因此,有必要进一步研究它们在疾病病因学和病理学中的作用模式,以阐明它们在糖尿病神经病变发病机制中的作用。然而,尚未建立评估非编码RNA活性的标准,需要进一步研究哪些特定非编码RNA在调节中起主导作用。(4)微小RNAs、长链非编码RNAs及其靶基因能够调节进行性神经病变,有望成为临床防治糖尿病周围神经病变的新靶点和预警糖尿病周围神经病变发生及其预后的新型生物标志物。

基于视觉感知的立体全景视频高效编码

针对全景视频编码过程中码率过高的问题,本文提出了基于感知阈值的立体全景视频感知编码算法。首先基于空域恰可失真模型和全景维度因子,得到全景空域感知因子;然后基于视频时域恰可感知失真模型,得到视频时域感知因子,用于表征运动特性。在上述研究基础上,对立体感知量化参数阈值模型进行优化,最终提出了基于视觉感知阈值的立体全景视频编码方案。实验表明,所提出的算法能有效节省编码码率,且率失真性能良好。