不同类型单层网壳的静力稳定分析

利用ANSYS结构分析软件对三种球面网壳进行了研究,分析了在均布荷载作用下模型的静力变形规律,并对各网壳的刚度,极限荷载进行了对比,结果表明,凯威特网壳结构稳定,受力合理,值得推广。

常规心电图ST与12导动态心电图T参数差异的研究综述

目的:探讨12导动态心电图与常规心电图STT的差别,为12导动态心电图(AECG)STT的诊断标准提供依据。结论:①两种联接方式,虽然ST段的一致率为92.5%,但AECG的ST改变较RECG显著,所以AECG的ST诊断标准应比RECG的ST诊断标准更为严格;②两种联接方式T波的一致率为94.8%差别较ST段小,在分析12导联AECGT波时,可适当考虑这一情况;③两种联接方式Q-Tc间期一致率为97.5%,可考虑使用同一诊断标准。

品牌栏目提升核心竞争力——以“韩帮办”为例

在鞍山，想不知道“韩帮办”是一件很困难的事，这话并不夸张，因为“有事就找韩帮办”是鞍山人的流行语之一。

TSCNN:面向可穿戴心电信号监测与分析的卷积神经网络

目的可穿戴设备能够长时间实时监测人体心脏状况,其在心电信号监测领域应用广泛。但目前仍没有公开的来自可穿戴设备的心电数据集,大部分心电信号分析算法都是针对医院设备所采集的心电数据。因此,本文使用IREALCARE 2.0柔性远程心电贴作为心电信号监测和采集设备制作了可穿戴设备的心电数据集。针对可穿戴心电数据干扰多、数据量大等特点,本文提出了一种针对可穿戴设备获得的心电信号进行自动分类的深层卷积神经网络,称之为时空卷积神经网络(time-spatial convolutional neural networks,TSCNN)。方法将原始的长时间心电信号分割为单个的心搏并与滤波后不同频段的心搏数据组合成十通道的数据输入到TSCNN中。TSCNN对每个心搏使用时间卷积和空间滤波来提取丰富的特征。采用小卷积核级联卷积的方式提高分类性能,并降低网络的参数量和计算量。结果在本文制作的心电数据集上进行了测试,并与其他4种心电分类算法:CNN(convolutional neural networks)、RNN(recurrent neural networks)、1-DCNN(1-dimensional convolution neural networks)和DCN(dense convolutional networks)进行了比较。实验结果显示,本文方法的分类准确率达到91.16%,优于其他4种方法。结论本文方法面向可穿戴心电数据,获得了较好的分类性能,可以有效监控穿戴者是否出现了心电异常情况。

心电图学习园地（四）——心肌缺血的心电图诊断

本文介绍心肌缺血的心电图诊断。

沈阳采用雷达监测车进行道路勘测

2011年1月25日，沈阳市首次采用雷达综合检测车对道路进行勘测，这种目前国内最先进的路况检测设备，将使沈阳道路设计整修更具技术含量。

心电向量环泪点运转方向的一种判别方法

本文应用心电向量泪点构造单连通区域，通过单连通区域转向判别算法，实现心电向量图泪点运转方向的判别，经过实际临床病例数据验证，取得很好效果。