基于隐马尔科夫的受攻击光纤网络活跃节点检测方法

传统的受攻击光纤网络活跃节点检测方法通常是被动式的,只能对攻击发生后的行为进行分析,导致检测受攻击活跃节点在光纤网络中的状态值与实际相差较多,为此研究基于隐马尔科夫的受攻击光纤网络活跃节点检测方法。首先对光纤网络活跃节点信号进行去噪处理,通过去噪信号中的数据生成活跃节点特征向量矩阵,进行活跃节点特征融合,在此基础上建立隐马尔科夫受攻击检测模型,定位受攻击光纤网络活跃节点。实验结果表明:该方法在检测受攻击活跃节点在光纤网络中的状态值与实际相接近,精度更高,具有实际的应用价值。

英夫利昔在克罗恩病维持缓解中的应用

克罗恩病（Crohn disease,CD）是一种由于环境、感染、遗传因素等诸多因素综合作用后导致的免疫功能紊乱,最终表现为反复发作的肠道炎症、溃疡和（或）全身症状。英夫利昔（infliximab）是一种抗肿瘤坏死因子（TNF）-α人鼠嵌合IgGl单克隆抗体，是较早应用于临床的生物制剂，其针对CD的免疫发病机制可阻断免疫反应级联链中的多个环节．如诱导缓解、减少激素用量并促进瘘管愈合。

蒿甲醚对DSS诱导实验性结肠炎小鼠肠纤维化的抑制作用

目的探讨蒿甲醚对DSS诱导的实验性结肠炎小鼠肠纤维化的影响和机制。方法将44只C57BL/6小鼠随机分为正常对照组8只、模型组、地塞米松组和蒿甲醚组各12只。对照组饮用蒸馏水,另三组用3%硫酸葡聚糖溶液替代蒸馏水建模后分别以安慰剂橄榄油、地塞米松(DXM)和蒿甲醚灌肠等处理。对比实验结束时各组小鼠临床表现、疾病活动指数(DAI)及小鼠结肠长度、结肠重量。采用HE染色和M asson染色观察小鼠结肠组织损伤和纤维化变化。检测结肠组织中转化生长因子β1水平,检测血清结缔组织生长因子、Ⅲ型前胶原的水平。结果与对照组相比,模型组小鼠体重减轻、DAI评分升高、结肠长度缩短、结肠重量显著增加(P <0.01)。模型组小鼠结肠组织大体损伤评分、组织损伤评分及胶原面积较正常对照组显著升高(P <0.01)。蒿甲醚干预后,小鼠体重、DAI评分、大体评分、组织损伤评分及胶原面积比等指标均有所改善。模型组小鼠结肠CTGF、Ⅲ型前胶原和TGF-β1mRNA含量均较地塞米松组及蒿甲醚组显著上升(P均<0.01)。结论蒿甲醚能有效抑制DSS诱导的结肠炎小鼠肠纤维化。其抗纤维化机制可能与抑制TGF-β、CTGF有关,为解决肠纤维化和肠狭窄提供一定的实验依据。

基于生成对抗网络的面部修复

如何更好地对受损的面部图像实施相应的修复,根据此问题指出了一类基于生成对抗网络改良以后的面部修复算法.首先,在生成模型中把编码器和解码器的中间层的全连接换成逐信道全连接,在编码和解码阶段使用卷积操作代替池化操作,针对损失函数采用的激活函数进行改进,增加tanh函数,提高图像补全效果.然后,在保证功能上不受损并且输入、输出尺寸保持原状的条件下对判别器的模型进行了相应的改良,最后,对损失函数引进TV损失、重建损失这二者来实现对生成网络的优化处理,由此提升细节图像方面的修复实力.通过实验表明,使用该方法修复后的面部图像,比先前的方法更清晰更连贯.

基于改进CNN的文本情感分析

传统的机器学习技术,包括支持向量机(SVM)等技术,已经被应用到文本情感分析的各种任务中,这使得复杂分类问题的泛化能力很差.近年来,机器学习在自然语言处理研究方面取得了突破.卷积神经网络(CNN)和递归神经网络(RNN)是文本分析的两种主流方法.通过对神经网络模型的研究,提出了一种使用卷积神经网络(CNN)的多个分支与长短时记忆神经网络(LSTM)层的组合内核来进行情感分析的方法,并通过实验验证了其性能优于现有的CNN模型和LSTM模型.

双气囊内镜与多层螺旋CT小肠造影在小肠克罗恩病诊断中的作用

目的研究双气囊内镜（DBE）和多层螺旋CT小肠造影（MSCTE）在小肠克罗恩病（CD）诊断中的价值。方法对71例临床疑似小肠CD患者分别进行DBE和MSCTE检查并作出诊断。结合病理及临床随访结果，比较两种方法在小肠CD诊断、判断病变范围、活动性和并发症等方面的能力。结果DBE与MScTE对小肠CD确诊率相似，两者间差异无统计学意义（χ^2=2．29，P〉0．05）。前者阳性似然比为22．5，阴性似然比为0．022；后者阳性似然比为1．6，阴性似然比为0．240。两种检查方法对于无轻度管腔狭窄者判断的一致性明显高于中一重度管腔狭窄者（χ^2=1i．298，P=0．001）。DBE与MSCTE对疾病活动性判断的一致性为95．8％。结论DBE可能是确诊小肠CD的首选方法，与MSCTE联合应用有利于诊断和评价小肠CD患者的病情。

DSS诱导实验性小鼠结肠炎模型纤维化观察

目的以DSS诱导小鼠实验性慢性化结肠炎模型,观察其病理形态学变化及纤维化情况。方法将C57BL/6小鼠用3%硫酸葡聚糖溶液喂养5天后改用蒸馏水喂养建立实验性急性结肠炎慢性化模型,观察小鼠临床表现及疾病活动指数(DAI),检测小鼠结肠长度、结肠重量。采用HE染色和Masson染色观察小鼠结肠组织损伤和纤维化变化。检测结肠组织中转化生长因子β1水平,检测血清结缔组织生长因子、Ⅲ型前胶原的水平。结果DAI评分第十天达到高峰,然后随时间逐渐下降。结肠重量和的比值(结肠重量/结肠长度)随时间增加。不仅粘膜和粘膜下层肠壁增厚,粘膜肌层和固有肌层也有增厚。黏膜及黏膜下层的胶原沉积从第七天开始进行性增加。TGF-β1、PCⅢ及CTGF的表达水平随时间增加。结论DSS诱导的实验性小鼠结肠炎从急性结肠炎转化到慢性阶段,并出现肠纤维化的表现。

联合损失优化三元组模型的行人重识别

行人重识别(Person re-identification,PReID)通常会受到背景杂物或外界遮挡等影响,因此,很难快速而又准确度区分不相交相机视图之间的不同行人。本文提出一种可扩展的深度特征学习体系结构的混合方案,将行人重识别视为学习距离度量问题,应用对称正则化来帮助相对距离训练深度神经网络。首先,结合最新发展的卷积神经网络(Convolutional Neural Networks,CNN),采用其主要框架三元组模型(Triple model)提取鲁棒表示,旨在解决单一图像提取描述符的不足。其次,将三元组损失和中心损失相联合,结合梯度下降算法更新并优化网络权重及参数,克服样本不平衡性。此外,引入对称正则项修正优化由相对距离度量推导出来的非对称梯度反向传播,实现在三元组单元中最小化类内距离同时最大化类间距离,从而克服行人重识别中的"角度偏差"问题。结果证明,在相同的环境中,在空间不相交的相机上进行行人重识别的匹配效果得到明显提高。