基于卡尔曼预测的差动共焦轮廓跟踪测量方法

针对轴向扫描式差动共焦测量法(ASDCM)测量轮廓效率低下问题,提出一种基于卡尔曼预测的差动共焦轮廓跟踪测量方法。该方法使用激光差动共焦轴向响应曲线数百纳米量程的线性区间实现了表面连续轮廓高精度线性传感测量,提高了测量效率;同时引入基于卡尔曼预测器的轮廓跟踪原理利用已测轮廓点数据对未测表面预测并跟踪,扩展了线性传感轮廓测量法测量范围。实验结果表明,该方法相对于ASDCM法测量效率提升了8倍,且实现了轮廓PV值大于线性传感测量范围的标准椭圆柱高精度跟踪测量,激光聚变靶丸内轮廓圆度重复测量标准差达3 nm。为精密元器件表面连续轮廓的高精度、快速、无损测量提供了一种高质量方法。

抑郁与炎症对中老年冠心病患者预后的影响

目的观察抑郁与血清炎症因子水平对中老年冠心病患者（≥50岁）临床预后的影响。方法采用贝克抑郁量表第2版（BDI-Ⅱ）对冠心病患者进行测评,从抑郁者中选择75例,同期调查无抑郁者75例,采血检测患者血清高敏C反应蛋白（hs-CRP）、白细胞介素（IL）-1β、IL-6和肿瘤坏死因子（TNF）-α,1年后对患者进行电话随访。结果追踪到结局者81例,70例健在,11例死亡,1年病死率为13.6%。有抑郁情绪的冠心病患者病死率为21.1%,无抑郁者病死率为7.0%,二者差异无统计学意义（χ^2=3.406,P=0.065）。hs-CRP升高组病死率为42.9%,hs-CRP正常组病死率为7.4%,二者差异显著（χ^2=9.529,P〈0.05）。结论血清炎症因子水平hs-CRP与中老年冠心病患者预后有关。

基于改进YOLO-V5深度学习模型的靶丸快速筛选方法

针对激光惯性约束核聚变实验中海量靶丸筛选效率低的问题,提出一种基于改进YOLO-v5深度学习模型的靶丸快速筛选方法。方法通过控制靶丸在不同的景深处成像,并将图像拼接在一起以获得其清晰图像;同时引入通道注意力机制来增强模型的特征提取能力,建立了SE-YOLOV5s深度学习靶丸表面缺陷识别模型,并对靶丸缺陷按照缺陷种类进行了分类和评估从而实现对海量靶丸的筛选。靶丸表面缺陷检测的准确率为94.4%,每秒可检测到约50张靶丸图像(分辨率3072×4096),为激光惯性约束核聚变试验提供一种快速、准确筛选海量靶丸的方法。