基于卷积-长短期记忆网络的电能质量扰动分类

为了提高电能质量扰动分类准确率,针对扰动信号时序性的特点,采用了基于卷积-长短期记忆网络的电能质量扰动分类方法。首先,将扰动信号进行采样作为输入。然后,通过卷积神经网络(CNN)提取特征数据,再对提取到的特征数据以序列的形式作为长短期记忆网络(LSTM)的输入,对特征数据进行筛选更新。最后,再对输出的特征数据进行学习分类。仿真结果显示,该方法对电能质量扰动信号的平均分类准确率为99.6%,优于单一的CNN法和单一的LSTM法。

基于HCTSA-BP的电能质量扰动分类

为了解决传统机器学习对电能质量分类时人工选择特征困难导致分类效果不好的问题,本文提出了一种高度比较时间序列分析(highly comparative time series analysis,HCTSA)结合BP神经网络的分类方法,该方法既可以提取大量特征又可以筛选特征,不需要人工选择特征指标。首先,使用大量算法数据库从时间序列中提取数千个可解释特征;然后,再利用线性分类器进行前向特征选择,选择出类结构中信息量最大的特征,即为最优特征。最后,用最优特征重新对扰动样本提取特征,并用BP神经网络分类。仿真结果表明,HCTSA-BP法的分类准确率达到了97.3%,比传统的小波-BP法高了8.7%。

蕈样肉芽肿患者瘙痒与趋化因子CCL17相关性研究

目的:寻找参与蕈样肉芽肿(MF)患者瘙痒发生的相关分子。方法:纳入2009年10月至2021年8月于北京大学第一医院就诊的522例MF患者作为研究对象,统计瘙痒发生率。根据是否有瘙痒症状对患者进行分组,分析其中49例患者皮损活检组织的RNA测序数据,寻找有瘙痒症状与无瘙痒症状患者的差异表达基因;使用酶联免疫吸附试验和免疫组织化学技术分别检测88例MF患者血清和81例MF患者组织CC趋化因子17(CCL17)蛋白表达量;使用流式细胞仪检测46例患者外周血T淋巴细胞活化和分化标记,寻找与瘙痒症状相关的外周血淋巴细胞亚群。使用χ^(2)检验、Mann-Whitney U检验、Spearman相关性检验进行统计分析。结果:522例患者中,男305例,女217例;早期MF 347例,进展期MF 175例。MF患者瘙痒发生率为67.2%(351例),进展期患者瘙痒发生率(81.7%,143/175)较早期患者(59.9%,208/347)上升(χ^(2)=25.03,P<0.001)。RNA测序结果显示,瘙痒MF患者CCL17 mRNA表达量高于无瘙痒MF患者(差异表达倍数=10.09,P<0.001)。瘙痒患者血清CCL17浓度[1017.05(377.12,4831.80)pg/ml]较无瘙痒患者[361.66(180.47,500.08)pg/ml]上升(Z=-4.57,P<0.001),且与瘙痒评分呈正相关(r=0.57,P=0.010)。在早期和进展期MF患者中,瘙痒患者血清CCL17浓度均高于无瘙痒患者(Z=-3.68,P<0.001;Z=-2.54,P=0.011)。瘙痒患者与无瘙痒患者CCL17免疫组化相对定量评分差异无统计学意义(Z=-1.84,P=0.066)。瘙痒患者CD3+CD4+CD26-CCR4+恶性T细胞百分比高于无瘙痒MF患者(Z=-2.03,P=0.043),且与血清CCL17浓度呈正相关(r=0.49,P<0.001)。结论:MF瘙痒患者皮损组织CCL17mRNA和血清CCL17浓度上升,CCL17与MF患者瘙痒发生相关,可能通过招募CD3+CD4+CD26-CCR4+恶性T细胞参与瘙痒发生。