血清KL-6水平对类风湿关节炎合并间质性肺病的预测及其与预后的关系

目的:探讨血清KL-6水平对类风湿关节炎(RA)合并间质性肺病(RA-ILD)的预测及其与预后的关系。方法:选取2018年1月至2021年1月内蒙古医科大学附属医院收治的RA患者70例,依据其是否合并间质性肺病(ILD)分为RA-ILD组(34例)和RA组(36例),对两组患者的临床资料进行单因素分析,重点比较两组患者血清中KL-6表达水平及实验室指标、肺功能、影像学等相关性分析,多因素Logistic回归分析影响RA-ILD的危险因素。结果:两组患者性别、吸烟史、年龄及发病年龄、病程、DAS28、KL-6、WBC、UA、RF、抗CCP抗体、TLC%Pred、DLCO%Pred差异有统计学意义(P<0.05);RA-ILD组患者临床症状占比关节痛较为突出,HRCT表现胸膜粘连增厚较为突出;Spearson相关性分析显示,RA-ILD组患者血清KL-6水平与TLC%Pred、VC%Pred、DLCO%Pred呈显著负相关(P<0.05),与RF、抗CCP抗体水平呈显著正相关(P<0.05);与FEV1%Pred、FEV1/FVC无明显相关性(P>0.05);RA-ILD组患者治疗前KL-6表达水平显著高于RA组,治疗后差异无统计学意义(P>0.05);随访1年,RA-ILD组有6例患者死亡,经分析死亡组KL-6表达水平显著高于未死亡组(P<0.05);高龄、男性、吸烟、抗CCP抗体升高及KL-6升高是影响RA-ILD的独立危险因素(P均<0.05);血清KL-6预测ROC曲线下最大面积为0.802,95%置信区间为0.743~0.866,灵敏度、特异度分别为0.853、0.827,联合检测ROC曲线下最大面积为0.854,表明该模型预测能力较强。结论:RA-ILD组患者血清KL-6水平显著升高,KL-6可作为早期发现ILD的血清学指标,联合肺功能检测可更早发现ILD,早期诊断对于治疗及预后有重要意义。

抗黑色素瘤分化相关蛋白5与抗Ro52阳性/阴性患者的临床特征及KL-6水平变化及意义

目的研究抗黑色素瘤分化相关蛋白5(anti-MDA5)抗体与抗Ro抗体-52KD(anti-Ro52)抗体阳性或anti-Ro52抗体阴性患者的临床特征和血清涎液化糖链抗原-6(KL-6)水平变化。方法选取2018年1月至2021年11月申请肌炎自身抗体检测的患者样本470例,采用线性免疫印迹法(LIA)筛选出anti-MDA5抗体阳性50例,分为anti-Ro52抗体阳性(anti-Ro52+)组与anti-Ro52抗体阴性(anti-Ro52-)组,化学发光酶免疫分析法(CLEIA)测定两组患者的血清KL 6水平并比较两组患者的临床资料。结果anti-MDA5抗体阳性患者的病程越短,死亡率越高;anti-MDA5抗体阳性患者最常见的临床表现为皮肤病变,如皮肤瘙痒、皮疹和皮肤溃疡,anti-Ro52+组发生率为93.75%,anti-Ro52-组发生率为94.44%;anti-MDA5抗体阳性anti-Ro52+组乙肝患病率(12.5%)低于anti-Ro52-组(66.67%);anti-MDA5抗体阳性anti-Ro52+组间质性肺病(ILD)的发生率(84.38%)高于anti-Ro52-组(55.56%);anti-Ro52+组外周血KL-6水平(1211.25±590.13 U/mL)也明显高于anti-Ro52-组(713.63±468.62 U/mL),差异有统计学意义(P<0.05)。结论anti-MDA5抗体和anti-Ro52抗体是ILD患者的危险因素,两种抗体共存的患者更易发生ILD,且外周血KL-6水平明显高于anti-Ro52抗体阴性的患者。

基于KL散度工况识别的混合动力汽车队列的分层控制

针对混合动力汽车队列行驶过程中工况的适应性问题,提出了一种基于KL(Kullback-Leibler)散度工况识别的分层控制方法。上层控制器利用车—车通信技术,获取队列中前车状态信息,采用模型预测控制(MPC)算法,实现队列纵向控制,并计算出最优跟车车速;下层控制器基于典型工况,离线求解需求功率的转移概率矩阵,并通过Q-Learning算法训练最优Q表嵌入整车模型中;在行驶中以固定时间长度在线更新转移概率矩阵,采用KL散度进行工况识别,根据识别的工况类型,结合当前时刻车速、需求功率和电池荷电状态(SOC),通过在线查表实现转矩分配。结果表明:与未考虑工况识别策略相比,本策略的油耗降低了8.6%;与作为基准的动态规划(DP)相比,增加了4.8%;在与DP油耗基本保持相同的前提下,该策略离线仿真时间缩短21%,不仅能够在线应用,还能实时适应工况变化。

基于电压序列最小KL散度索引的低压台区拓扑识别

为了实现对低压台区拓扑结构的准确刻画,提出一种基于电压序列最小KL(Kullback-Leibler)散度与深度搜索相结合的拓扑识别方法。首先,采用Neville插值修复电压采样序列,利用改进的KL散度计算用户电压序列概率分布,并依据KL散度大小对用户所属台区进行划分;其次,基于最小KL散度确定深度搜索的索引方向,通过主干搜索与分支搜索遍历台区用户节点,判断用户之间的连接关系;最后,针对不同场景分析所提方案拓扑识别性能。仿真结果验证了所提方案的有效性。

非高斯噪声下基于KL散度最小化的目标跟踪

在复杂环境下的目标跟踪系统中,由于受随机脉冲干扰、建模误差、未知异常值等因素影响,系统模型的过程噪声和测量噪声呈现出非高斯重尾的复杂特性。提出了一种在分布式融合框架下基于KL散度(KLD)最小化的算法。首先,包含了目标状态、过程噪声和测量噪声等多个参数的先验模型被构成学生t分布;其次,KLD最小化的方法解决近似分布拟合真实分布差距过大的问题,提高了学生t建模的准确性;最后,采用协方差交叉融合策略实现对局部平台状态估计融合与修正。仿真结果表明,所提算法较传统的NKF、STF、MCCKF算法,具有更高的估计精度。

子空间与KL信息结合的FCM多光谱遥感图像分割

针对传统模糊C-均值聚类(FCM)算法用于含噪声多光谱遥感图像分割时存在的精度不足问题,提出一种自适应模糊子空间与增强KL信息相结合的FCM多光谱遥感图像分割算法.首先,使用局部模糊因子,在不依赖参数的情况下,通过相似性度量和自适应约束参数自动消除噪声干扰,并提取图像的局部空间信息.其次,将原始图像信息和模糊因子处理过的局部空间信息统一整合到模糊子空间聚类中,对图像的多个通道进行自适应加权处理,以提高分割精度.最后,将KL信息以正则项的形式引入FCM目标函数中进行聚类计算,并通过ESD(Extreme Studentized Deviate)检测模型剔除隶属度矩阵中的离群值,以增强KL先验信息,降低隶属度模糊性.AID数据库和真实环境下的多光谱遥感图像分割实验表明,在模拟噪声环境中,所提出算法不仅可以抑制噪声,而且能得到较高的分割精度.此外,本文算法在分割精度、模糊系数和峰值信噪比等评价指标方面也均优于其他几种变体式FCM算法.

血清KL-6对类风湿关节炎相关肺间质病变诊断价值的Meta分析

目的采用Meta分析法系统评价KL-6对类风湿关节炎相关间质性病变(RA-ILD)的诊断价值。方法通过计算机检索自建库以来至2024年6月25日在中国知网(CNKI)、万方(Wanfang)、维普(VIP)中国生物医学文献数据库(CBM)、PubMed、Web of Science、EMbase、Cochrane Library等数据库有关血清KL-6检测RA-ILD的研究,由两名研究者进行独立检索筛选文献、提取数据、质量评价,利用Meta-Disc软件判断文章是否存在阈值效应,Cochran-Q检验及I2结果判断是否存在非阈值效应引起的异质性,通过Stata 16.0合并效应量,绘制Deek’s漏斗图评估是否存在发表偏倚。结果共检索出文献306篇,经筛选后共纳入11篇研究,共1260例RA患者参与研究,经Meta分析合并的效应量:合并特异性为0.89(95%CI 0.82~0.93)、合并PLR为7.45(95%CI 4.33~12.82)、合并NLR为0.19(95%CI 0.13~0.29)、合并DOR为38.39(95%CI 16.13~91.36)。Deek’S漏斗图显示无明显发表偏倚(P=0.16)。结论血清KL-6诊断RA-ILD的灵敏度与特异性均较高,具有良好应用前景。

基于EMD和KL变换的时空联合探地雷达杂波抑制

探地雷达接收信号中由于环境等原因存在多种杂波干扰,这给地下异常解释与后期成像处理造成很大障碍。杂波主要包括噪声、天线耦合波、地表直达波等,单一的处理方式很难将其有效去除。针对此问题,提出从时间和空间两方面对杂波进行抑制的方法。时间维针对回波剖面中每个测点的数据进行经验模态分解阈值处理,达到对噪声的有效去除。空间维针对整个雷达回波剖面,利用各测点目标回波具有相关性而杂波等随机产生的特点,进行KL变换去除残余干扰。理论仿真及实测数据处理结果均验证了该方法对去杂波以及突出弱信号是有效的。

基于BCS-KL方法的地层边界不确定性研究

在工程建设中获取的现场钻孔数据有限,利用钻孔数据解释地下地层不可避免地存在不确定性,进而影响桩基础等工程设计的可靠性。对此,提出了从有限钻孔数据中量化地层边界不确定性的方法,并研究地层边界不确定性对单桩竖向承载力特征值的影响。首先依据钻孔数据,通过贝叶斯压缩采样-KL展开(BCS-KL)方法重建地层边界,并生成大量随机场数据量化地层边界的统计不确定性;然后依据地层边界数据,对单桩竖向承载力特征值进行不确定性分析。分析结果表明:BCS-KL方法生成的大量随机场数据能很好地表征地层边界的不确定性;在钻孔间距较大时,单桩竖向承载力特征值在95%置信区间内相差4 660.88 kN,差距较大。通过BSC-KL方法科学评估地层边界不确定性对单桩竖向承载力的影响,对确保工程设计可靠性具有重要意义。

CD40L、sFLT-1、KL-6与重症肺炎患者疾病转归的相关性研究

目的探讨CD40配体(CD40L)、可溶性fms样酪氨酸激酶受体-1(sFLT-1)、涎液化糖链抗原-6(KL-6)与重症肺炎(SP)患者疾病转归的相关性研究。方法选取2020年1月~2022年12月郑州市第三人民医院收治的98例SP患者为研究对象,根据入院后28 d疾病转归情况将患者分为转归良好组(69例)和转归不良组(29例)。比较2组血清CD40L、sFLT-1、KL-6水平和肺功能指标[用力肺活量(FVC)、第1秒用力呼气量(FEV1)、最高呼气流速(PEF)],分析血清各指标水平与肺功能指标及疾病转归的相关性,分析各指标不同水平患者转归不良的危险度。结果治疗7 d、14 d后转归不良组血清CD40L、sFLT-1、KL-6水平高于转归良好组,FVC、FEV1、PEF低于转归良好组(P<0.05);治疗7 d、14 d后血清CD40L、sFLT-1、KL-6水平与疾病转归、FVC、FEV1、PEF均呈负相关(P<0.05);治疗14d后血清CD40L、sFLT-1、KL-6高水平患者转归不良危险度分别是低水平的3.255、3.911、2.322倍(P<0.05)。结论血清CD40L、sFLT-1、KL-6水平与SP患者疾病转归密切相关,可作为临床预测转归情况的有效指标。

基于累积KL散度和改进粒子滤波的滚动轴承剩余使用寿命预测

针对大量传统退化指标未考虑轴承在服役过程中的累积退化特性以及常规粒子滤波算法存在粒子退化和粒子多样性不足导致剩余使用寿命预测困难的问题,提出一种基于累积KL散度退化指标结合改进粒子滤波的轴承剩余使用寿命预测方法。利用累积缩放变换将从轴承振动信号中提取的原始KL散度转换为映射特征以优化其单调性与趋势性,构建累积KL散度退化指标;根据退化指标建立双指数退化模型,并利用灰狼算法优化粒子滤波的采样过程,引入残差重采样方法解决粒子退化问题,实现改进粒子滤波递推预测轴承剩余寿命。分别在6312/C3轴承全寿命实验数据与XJTU-SY公开轴承数据集上进行验证,利用对比实验证明了所提出的累积KL散度退化指标结合改进粒子滤波预测方法相比常规粒子滤波预测方法具有更高的预测精度。

基于KL-散度的电力用电数据自动脱敏算法研究

电力数据中包含一些隐私数据,一旦泄漏,就会对个人隐私安全造成隐患。为保证电力数据的安全性,提出了基于KL-散度设计电力用电数据自动脱敏算法。基于KL-散度算法建立敏感数据过滤模型,计算不同变量数据的KL距离,得到其相似性指标,对用户项目评分进行平滑处理,将具备相似性的敏感数据分成不同的批次。敏感数据去身份化处理,将数据匿名转换,计算用户真实路径被泄露的概率。设计数据自动脱敏算法,分别计算概念化数据、元组信息以及信息流的损失程度,以此判定脱敏后的数据是否可用。检验脱敏前后数据一致性,三类电力用电数据的变化率分别为0.43%、0.14%和0.11%,远远小于标准值。且算法在运行过程中单位时间处理数据量和平均延迟时间也较为理想,可见该脱敏算法具备实用性。

基于对称KL散度的电力用户负荷聚类方法研究

随着源网荷储四侧资源的建设,电力部门积累了海量用户的用电数据,如何有效挖掘这些数据的潜在信息,促进电力用户的精细化管理,是当前电力系统分析的一个重要问题。基于此,提出了基于对称KL散度(Kullback-Leibler Divergence)的电力用户负荷聚类方法。首先,利用高斯混合模型(Gaussian Mixture Model,GMM)表示用户的日常用电规律,并通过最大均值差异(Maximum Mean Discrepancy,MMD)检验模型的合理性;然后,将对称KL散度作为相似性判据,从划分聚类的角度出发,对GMM表示的电力负荷用户进行聚类;最后,以所提算法对MNIST以及某小区用户数据进行分析,实验结果表明所提方法具有可行性和有效性。

结合非局部空间信息和KL信息的鲁棒FCM算法

针对传统模糊C均值(Fuzzy C-Means,FCM)聚类算法对噪声敏感的问题,提出一种结合非局部空间信息和KL信息的鲁棒FCM算法.首先,将灰度信息与非局部空间信息相融合,用于增强算法对噪声的鲁棒性;其次,在目标函数中引入KL信息,以便减少分割的模糊性.在密度为5%的混合噪声条件下,合成图像和自然图像的实验结果表明,该文算法的分割精度较高、鲁棒性较强,能较好地分割噪声图像.

结合KL散度和形状约束的Faster R-CNN典型金具检测方法

输电线路航拍巡检图像中典型金具的高准确率检测是其状态检测和故障诊断的基础。针对金具与金具之间、金具与背景之间相互干扰导致模型出现的目标检测得分很高但检测框位置存在极大误差的问题,提出了一种结合KL(Kullback-Leibler)散度和形状约束的Faster R-CNN(faster region-based convolutional neural netwoks)典型金具检测方法,在Faster R-CNN检测模型框架的基础上,增加对目标边界框分布的预测,同时使用KL散度度量金具坐标预测分布与真值分布之间的距离,并将其作为损失函数优化模型参数,进一步将数据集中不同金具类别目标的形状特征作为约束加入损失函数中,以提高模型的泛化性能和边界框回归精度。实验结果证明:提出的方法在一定程度上解决了检测模型目标边界框回归不准确的问题,其中,各类别平均准确率的均值(mean average precision,mAP)由79.76%提高到了83.68%。研究可为进一步对典型金具进行状态检测和故障诊断奠定基础。

基于KL肤色的人脸初定位

提出了一种基于KL肤色的复杂背景中的人脸初定位方法。将KL变换应用到色系坐标系的转换中，提出了一种新的基于KL肤色的人脸快速初定位方法，并且讨论了这种定位方法在复杂背景的图象中的应用。

KL-6在间质性肺疾病诊治中的研究进展

间质性肺疾病(ILD)是一组主要累及肺间质和肺泡腔,导致肺泡-毛细血管功能单位丧失的弥漫性肺疾病,同时也是类风湿关节炎、皮肌炎、系统性硬化症患者的常见并发症和影响预后的重要因素。寻找能够早期诊断ILD并评价其病情活动度的生物标记物一直是研究的热点。表达于Ⅱ型肺泡上皮细胞的KL-6目前被认为是诊断ILD最具前景的生物标记物。本文对近年来有关KL-6在ILD诊治中的研究进展做一综述。

一种基于KL变换的椭圆模型肤色检测方法

肤色检测是计算机视觉中的一个重要问题,该文提出了一种新的基于KL变换的椭圆模型肤色检测方法。算法首先对训练肤色样本进行了分布均匀化处理,然后以KL变换为基本工具最终得到了肤色分布区域的椭圆边界方程。方法简单直观。实践表明,该算法能完成对各种不同环境条件下所拍摄图像的肤色分割,效果理想,其性能明显优于常用的域值界定法和单高斯模型法。

Pt/KL芳构化催化剂中载体酸碱性的作用

采用水热脱铝法提高硅铝比使L分子筛的酸性增强,采用离子交换法脱除KL分子筛上部分的K使分子筛的碱性降低,并担载Pt制成芳构化催化剂,考察了具有不同酸碱性的载体及其催化剂的物化性质和催化性能,发现载体的酸碱性对Pt的电子状态及Pt在分子筛孔道内的分散有明显的影响,从而产生不同的芳构化反应活性和选择性;随着载体酸性增强和碱性减弱,催化剂的活性降低,芳构化反应选择性下降。

一种基于KL散度和类分离策略的特征选择算法

特征选择是模式识别和机器学习中的重要环节之一,所选特征子集的质量直接影响着分类学习算法的效率及准确率。现有特征选择算法均在整个类标签集的视角下进行特征评价,并未分别考察每一类别与特征间的关系。提出了一种基于KL散度和类分离策略的特征选择算法,它采用类分离策略分别对类标签中每一类别与特征间的关系予以考察,并采用一种基于KL散度的有效距离度量类别与特征间的相关性以及特征之间的冗余性。实验结果表明,所提算法具有较高的运行效率;在所选特征质量上,所提算法显著优于经典的CFS、FCBF以及ReliefF特征选择算法。