基于概率稀疏自注意力神经网络的重性抑郁疾患诊断

抑郁症的诊断主要依赖于医师的咨询和量表评估等主观方法,可能导致误诊。脑电图(EEG)具有高时间分辨率、低成本、易于设置和无创等优点,因此可以用作精神障碍(如抑郁症)的定量测量工具。深度学习算法目前在EEG信号上有多种应用,其中就包括抑郁症的诊断和分类。EGG信号在通过自注意力机制处理时有大量的冗余部分,因此,提出一种基于概率稀疏自注意力机制的卷积神经网络(PSANet)。首先,根据采样因数在自注意力机制中选取少量最关键的注意力点,在运用自注意力机制的同时克服它计算成本高的缺点,使它可以在脑电长序列数据上应用;同时将脑电图与患者的生理量表进行嵌合,从而进行多维度诊断。在一个包含抑郁症患者和健康对照组的数据集上进行实验评估,实验结果表明,PSANet表现出较高的分类准确性,参数量也低于EEGNet等对比方法。

芋脱毒试管苗移栽最适基质的选择

芋是世界上广为栽培的蔬菜和粮食兼用作物。近年来,其病毒感染率不断升高,使得种芋退化、产量和品质不断下降。茎尖脱毒、无病毒苗快繁及三级良种繁育是建立芋脱毒种苗体系的＂三部曲＂。本试验对影响芋脱毒试管苗移栽的最适基质进行了探讨与选择,认为蛭石-土各50%混合土壤为芋试管苗最适栽培基质,为试管苗的大规模移栽提供理论依据。