乌司他丁联合美罗培南治疗重症肺炎的效果分析

目的分析乌司他丁联合美罗培南治疗重症肺炎患者的临床效果。方法80例重症肺炎患者随机分为两组。在常规治疗基础上,对照组予以美罗培南治疗,联合给药组予以乌司他丁联合美罗培南治疗。比较两组的疗效、炎性因子、肺功能以及不良反应。结果联合给药组的总有效率显著高于对照组(P<0.05)。治疗后,联合给药组的血清IL-1β、TNF-α水平均显著低于对照组,FEV1、FVC均显著高于对照组(P<0.05)。两组的不良反应总发生率比较,差异无统计学意义(P>0.05)。结论乌司他丁联合美罗培南治疗重症肺炎可下调患者的炎性因子水平,改善患者的肺功能,且无明显不良反应。

滤波辨识(10):多变量Box-Jenkins系统的滤波辅助模型递阶广义增广参数辨识

针对多变量Box-Jenkins模型,即多变量输出误差自回归滑动平均(M-OEARMA)系统,利用滤波辨识理念和辅助模型辨识思想,研究和提出了滤波辅助模型递阶广义增广随机梯度辨识方法、滤波辅助模型递阶多新息广义增广随机梯度辨识方法、滤波辅助模型递阶广义增广递推梯度辨识方法、滤波辅助模型递阶多新息广义增广递推梯度辨识方法、滤波辅助模型递阶广义增广最小二乘辨识方法、滤波辅助模型递阶多新息广义增广最小二乘辨识方法。这些滤波辅助模型递阶广义增广辨识方法可以推广到其他有色噪声干扰下的线性和非线性多变量随机系统中。

滤波辨识(11):多变量CARARMA系统的滤波递阶广义增广迭代参数辨识

针对多变量受控自回归自回归滑动平均(M-CARARMA)系统,利用滤波辨识理念和递阶辨识原理,研究和提出了滤波递阶广义增广梯度迭代辨识方法、滤波递阶多新息广义增广梯度迭代辨识方法、滤波递阶递推广义增广最小二乘迭代辨识方法、滤波递阶多新息广义增广最小二乘迭代辨识方法等。这些滤波递阶广义增广迭代辨识方法可以推广到其它有色噪声干扰下的线性和非线性多变量随机系统中。

滤波辨识(12):多变量OEARMA系统的滤波辅助模型递阶广义增广迭代参数辨识

针对多变量输出误差自回归滑动平均(M-OEARMA)系统,即多变量Box-Jenkins系统,利用滤波辨识理念和辅助模型辨识思想,研究和提出了滤波辅助模型递阶广义增广梯度迭代辨识方法、滤波辅助模型递阶多新息广义增广梯度迭代辨识方法、滤波辅助模型递阶递推广义增广最小二乘迭代辨识方法、滤波辅助模型递阶多新息广义增广最小二乘迭代辨识方法等。这些滤波辅助模型递阶广义增广迭代辨识方法可以推广到其它有色噪声干扰下的线性和非线性多变量随机系统中。

银杏叶提取物在外伤性鼓膜大穿孔中的应用效果分析

目的探讨银杏叶提取物在外伤性鼓膜大穿孔中的应用效果。方法选取2018年1月至2022年12月武汉市汉口医院收治的86例外伤性鼓膜大穿孔患者作为研究对象,按照不同治疗方法将其分为观察组(43例)和对照组(43例),观察组患者采用湿润烧伤膏棉片贴补联合银杏叶提取物注射液治疗,对照组患者单纯采用湿润烧伤膏棉片贴补治疗,对比观察两组患者鼓膜穿孔愈合率和愈合时间以及听力改善情况与药物不良反应发生情况。结果治疗14 d后,观察组患者鼓膜穿孔愈合率为9302%,与对照组患者的鼓膜穿孔愈合率9070%无明显差异(χ^(2)=0156,P=0693)。观察组患者鼓膜穿孔愈合时间为(109±26)d,与对照组患者的鼓膜穿孔愈合时间(116±29)d无明显差异(t=1179,P=0242)。治疗结束后,观察组患者听力改善总有效率为9535%,明显高于对照组患者的听力改善总有效率7674%(χ^(2)=6198,P=0013)。治疗期间,两组患者均未发生药物不良反应。结论银杏叶提取物虽不能提高外伤性鼓膜大穿孔愈合率,但可改善听力下降等症状,且不会引发明显不良反应,值得临床推广应用。

MOOC+SPOC混合式教学模式下的学习者画像研究

在个性化学习理论指导下,本文结合已有学习者特征分析体系构建MOOC+SPOC混合式教学模式下的学习者特征分析模型,通过采集学习者全过程学习数据,进行数据统计与分析,从学习者基本信息、学习行为、学习结果三个维度进行学习者整体画像,通过K-means聚类分析方法进行学习者分类画像,将学习者分成潜力型、进取型、自主型三类,为混合式教学下的精准个性化学习提供参考。

企业非效率投资与高质量发展——来自国家级大数据综合试验区的证据

非效率投资影响企业和地区经济高质量发展。以2007—2021年上市企业的财务数据为样本,探索国家级大数据综合试验区政策如何影响企业非效率投资。实证结果发现,国家级大数据综合试验区设立能显著降低企业的非效率投资水平,展现出了良好的投资优化治理效果。异质性检验发现,国家级大数据综合试验区设立能显著降低高科技企业、非国有企业的非效率投资水平,但对于非高科技企业而言则难以体现出显著效果,对国有企业也是如此。机制检验发现,这一政策能够有效提升企业信息处理能力、降低企业环境不确定性并提升内部控制水平,有助于企业非效率投资水平的降低。文章为理解政府在改善数字基础设施的努力及其成效提供了经验证据的支持,并提出了相应的政策优化建议。

3D打印技术联合CBL、PBL教学法在头颈部疾病影像临床教学中的应用

探讨3D打印技术联合CBL、PBL教学法在头颈部疾病影像临床教学中的应用效果。方法 随机选取本院2022年1月至2023年12月期间35名非影像专业实习医生进行教学研究,将2022年1月至2022年12月的17名实习医生设为对照组,应用传统教学方法,2023年1月至2023年12月的18名实习医生设为观察组,应用3D打印技术联合CBL、PBL教学法。教学结束后比较两组实习医生的理论知识、读片能力考核成绩及教学满意度评价。结果 观察组实习医生的理论知识及读片能力考核成绩均高于对照组,差异具有统计学意义,P<0.05;观察组实习医生对教学方法、空间想象能力、阅片能力培养、临床思维能力、自主学习能力评价均高于对照组,差异具有统计学意义,P<0.05。结论 3D打印技术联合CBL、PBL教学法应用于头颈部疾病影像临床教学中可以明显提高教学效果,有助于实习医生掌握理论知识的同时提高读片能力,同时改善教学满意度。

基于C-MC算法的头部CT图像三维重建

为了制作适用于伽马刀手术的3D打印医疗头模,基于断层CT扫描图像,首次提出Canny和MC相结合的算法(C-MC)进行人体头部的三维重建。Canny边缘检测算法采用高斯滤波去噪,以便于加强边缘和边缘提取,与传统移动立方体(Marching Cubes)算法相结合,完成头部图像的快速、精确三维重建与可视化。使用C-MC算法得到的人体头部三维重建模型,不仅提高了三维重建的效率和头部图像的完整性,也为后期医疗头模的三维建模设计以及3D打印提供了有力的支撑依据。

基于LCD和稀疏表示的滚动轴承故障诊断

针对局部特征尺度分解(LCD)重构信号存在虚假成分、正交匹配追踪(OMP)算法迭代终止条件较难确定,以及相似原子难以区分的问题,将LCD和改进OMP算法相结合用于滚动轴承特征提取,用LCD对故障信号进行降噪与分解处理。根据相关峭度值,选择分解后的分量进行重构,利用改进OMP算法进行稀疏表示和特征提取,取得较好的效果。使用仿真信号和试验信号对比分析验证了该方法的有效性。

滤波辨识(5):输出误差自回归滑动平均系统的滤波辅助模型递推广义增广参数估计

针对输出误差自回归滑动平均系统,即Box-Jenkis系统,利用滤波辨识理念,研究和提出了滤波辅助模型广义增广随机梯度辨识方法、滤波辅助模型多新息广义增广随机梯度辨识方法、滤波辅助模型多新息广义增广投影辨识方法、滤波辅助模型递推广义增广梯度辨识方法、滤波辅助模型多新息递推广义增广梯度辨识方法、滤波辅助模型递推广义增广最小二乘辨识方法、滤波辅助模型多新息递推广义增广最小二乘辨识方法。这些滤波辅助模型广义增广辨识方法可以推广到其他有色噪声干扰下的线性和非线性多变量随机系统中。

滤波辨识(6):输出误差自回归滑动平均系统的滤波辅助模型广义增广迭代参数估计

输出误差自回归滑动平均模型也称为Box-Jenkins模型。针对Box-Jenkins系统,基于滤波辨识理念,研究和提出了滤波辅助模型广义增广梯度迭代辨识方法、滤波辅助模型多新息广义增广梯度迭代辨识方法、滤波辅助模型多新息广义增广投影迭代辨识方法、滤波辅助模型广义增广最小二乘迭代辨识方法、滤波辅助模型多新息广义增广最小二乘迭代辨识方法。这些滤波辅助模型广义增广迭代辨识方法可以推广到其它有色噪声干扰下的线性和非线性多变量随机系统中。

滤波辨识(4):方程误差自回归系统的滤波广义迭代参数估计

受控自回归自回归模型也称为方程误差自回归模型。利用采集的批量数据和迭代搜索,论文基于滤波辨识理念,研究和提出了方程误差自回归系统的滤波广义梯度迭代辨识方法、滤波多新息广义梯度迭代辨识方法、滤波广义最小二乘迭代辨识方法、滤波多新息广义最小二乘迭代辨识方法。这些滤波广义迭代辨识方法可以推广到其它有色噪声干扰下的线性和非线性多变量随机系统中。

滤波辨识(7):类多变量方程误差ARMA系统的滤波递阶广义增广参数辨识

针对类多变量方程误差自回归滑动平均(M-EEARMA-like)系统,利用滤波辨识理念和递阶辨识原理,研究和提出了滤波递阶广义增广随机梯度辨识方法、滤波递阶多新息广义增广随机梯度辨识方法、滤波递阶广义增广梯度辨识方法、滤波递阶多新息递推广义增广梯度辨识方法、滤波递阶递推广义增广最小二乘辨识方法、滤波递阶多新息广义增广最小二乘辨识方法。这些滤波递阶广义增广辨识方法可以推广到其他有色噪声干扰下的线性和非线性多变量随机系统中。

滤波辨识(8):类多变量输出误差ARMA系统的滤波辅助模型递阶广义增广参数辨识

针对类多变量输出误差自回归滑动平均(M-OEARMA-like)系统,利用辅助模型辨识思想,滤波辨识理念和递阶辨识原理,研究和提出了滤波辅助模型递阶广义增广随机梯度辨识方法、滤波辅助模型递阶多新息广义增广随机梯度辨识方法、滤波辅助模型递阶广义增广递推梯度辨识方法、滤波辅助模型递阶多新息广义增广递推梯度辨识方法、滤波辅助模型递阶递推广义增广最小二乘辨识方法、滤波辅助模型递阶多新息广义增广最小二乘辨识方法。这些滤波辅助模型递阶广义增广参数辨识方法可以推广到其他有色噪声干扰下的线性和非线性多变量随机系统中。

滤波辨识(9):多变量CARARMA系统的滤波递阶广义增广参数辨识

针对多变量受控自回归自回归滑动平均(M-CARARMA)系统,利用滤波辨识理念和递阶辨识原理,研究和提出了滤波递阶广义增广随机梯度辨识方法、滤波递阶多新息广义增广随机梯度辨识方法、滤波递阶广义增广递推梯度辨识方法、滤波递阶多新息广义增广递推梯度辨识方法、滤波递阶递推广义增广最小二乘辨识方法、滤波递阶多新息广义增广最小二乘辨识方法。这些滤波递阶广义增广辨识方法可以推广到其他有色噪声干扰下的线性和非线性多变量随机系统中。

考虑负荷均衡的居家医疗护理路径与调度

随着人口老龄化的日益加剧以及公共卫生资源的短缺,养老问题已经引起社会的广泛关注。居家医疗护理模式能够缓解因人口老龄化引起的医疗资源紧缺的局面。以居家医疗护理人员路径与调度问题为研究对象,考虑医护人员工作负荷的均衡需求以及服务对象对服务水平要求的不同,建立了以最小化医护人员总工作时间为目标的机会约束规划模型。针对该问题的特点,设计了基于全邻域搜索的模因算法进行求解。在算例实验中,所提模型与算法给出了较优的解决方案,与其他方法的对比结果进一步表明了所提模型与算法的有效性。所提模型与算法为解决居家医疗护理人员路径与调度问题提供了思路。

反馈非线性系统随机梯度辨识算法及其收敛性

反馈非线性受控自回归系统是由前向通道的受控自回归模型和反馈通道的静态非线性构成,这类系统经过参数化后得到双线性参数辨识模型.本文通过对辨识模型中双线性参数乘积项进行分解,基于梯度搜索原理,提出了反馈非线性系统的随机梯度辨识算法.为了改善随机梯度算法的收敛速度,引入遗忘因子,文章给出了遗忘因子随机梯度算法,利用随机过程理论,建立了随机梯度算法的参数估计收敛定理,证明了算法的收敛性.最后,通过数值仿真验证了算法的有效性.

基于模糊贝叶斯网络的RV减速器可靠性分析

针对RV减速器可靠性分析的故障数据部分已知,模糊故障树无法反向推理等问题,提出一种基于模糊贝叶斯网络的RV减速器可靠性分析模型。根据收集到的故障原因及故障数据,建立减速器T-S模糊故障树,通过一定的映射规则将T-S模糊故障树映射为模糊贝叶斯网络模型。计算得到减速器根节点的重要度,进行减速器的可靠性分析,实现了减速器故障原因的正向推理,该分析结果可为提高减速器系统的可靠性提供数据支撑,为减速器的设计和预防维修提供理论依据。

地下煤气化合成气的脱碳提氢耦合工艺探讨

针对煤炭地下气化(UCG)技术制备的合成气具有温度高(>200℃)、压力大(3.35 MPa)、饱和含水量大及组分复杂(含CH_(4)、H_(2)、CO_(2)和CO等)的特点,设计并采用膜分离+溶剂吸收耦合的处理方法以实现地下煤合成气中CO_(2)的脱除和H_(2)的提纯。地下煤合成气经过二级膜分离单元的处理,实现了CO_(2)/H_(2)与CH_(4)的分离并得到了脱碳净化气,其中CO_(2)含量(物质的量分数)≤3%,该膜分离工艺所需能耗为0.297 k W·h/m^(3)。使用醇胺吸收法处理CO_(2)/H_(2)混合气,并通过配方溶液筛选、工艺流程优化和校验分析等方法开展了研究,最终得到了H_(2)纯度(物质的量分数)≥99%的产品,该醇胺吸收法的能耗为0.341 k W·h/m^(3)。使用膜分离+溶剂吸收耦合处理复杂工况的地下煤合成气,可得到脱碳净化气、纯CO_(2)和工业级H_(2),提高了项目的经济价值,具有较大的应用潜力。