加味补中益气汤治疗气虚血瘀证盆腔炎性疾病后遗症疗效及对中医证候评分、体征评分和复发率的影响

目的:探讨加味补中益气汤治疗气虚血瘀证盆腔炎性疾病后遗症(SPID)疗效及对中医证候评分、体征评分和复发率的影响。方法:选取2022年2月~2023年2月在本院收治的气虚血瘀证SPID患者80例,据简单随机法将其分为观察组与对照组,各40例。对照组给予常规药物治疗,观察组在对照组基础上给予加味补中益气汤治疗,均持续用药三个疗程。评估两组临床疗效,对比中医证候评分、体征评分、盆腔疼痛症状积分及炎症因子[白细胞介素(IL)-10、IL-2、肿瘤坏死因子-α(TNF-α)]和血液流变学指标[全血高切、全血中切、全血低切、血浆黏度值、红细胞压积]水平变化,记录两组治疗期间不良反应发生率。于治疗结束后3个月随访,观察两组复发率。结果:观察组临床总有效率为95.00%,显著高于对照组的80.00%(P<0.05)。治疗后观察组下腹坠胀或刺痛、腰骶酸痛、带下量多积分均低于对照组(P<0.05)。治疗后,两组患者六点行为评分法(BRS-6)、盆腔体征量表(Mc-Cormack)评分均下降,且观察组低于对照组(P<0.05)。治疗后观察组IL-2、IL-10水平均高于对照组,TNF-α水平低于对照组(P<0.05)。治疗后,两组患者全血高切、全血中切、全血低切、血浆黏度值、红细胞压积均降低,且观察组低于对照组(P<0.05)。两组不良反应发生率对比明显差异(P>0.05),但观察组复发率低于对照组(P<0.05)。结论加味补中益气汤治疗气虚血瘀证SPID疗效确切,可降低患者中医证候评分、体征评分及复发率,改善炎症反应和血液流变学,缓解疼痛。

潜在空间中的策略搜索强化学习方法

策略搜索是深度强化学习领域中一种能够解决大规模连续状态空间和动作空间问题的高效学习方法,被广泛应用在现实问题中。然而,此类方法通常需要花费大量的学习样本和训练时间,且泛化能力较差,学到的策略模型难以泛化至环境中看似微小的变化。为了解决上述问题,提出了一种基于潜在空间的策略搜索强化学习方法。将学习状态表示的思想拓展到动作表示上,即在动作表示的潜在空间中学习策略,再将动作表示映射到真实动作空间中。通过表示学习模型的引入,摒弃端到端的训练方式,将整个强化学习任务划分成大规模的表示模型部分和小规模的策略模型部分,使用无监督的学习方法来学习表示模型,使用策略搜索强化学习方法学习小规模的策略模型。大规模的表示模型能保留应有的泛化性和表达能力,小规模的策略模型有助于减轻策略学习的负担,从而在一定程度上缓解深度强化学习领域中样本利用率低、学习效率低和动作选择泛化性弱的问题。最后,在智能控制任务CarRacing和Cheetah中验证了引入潜在空间中的状态表示和动作表示的有效性。

基于标签交互Seq2Seq模型的多标签文本分类方法

多标签文本分类任务可被建模为文本序列到标签序列的映射任务。然而,现有的序列到序列(Seq2Seq)模型仅从嘈杂文本中提取粗粒度的文本级表示,忽略了标签与单词之间细粒度的交互线索,导致类别理解偏差。对此,提出基于编码器—解码器结构的标签语义交互Seq2Seq模型。在文本语义提取阶段,使用门控机制融合粗粒度的文本级表示和细粒度的交互线索,最终得到类别理解纠正的文本表示。在2个标准数据集上,与LEAM,LSAN,SGM等6个算法进行对比实验,结果表明,本文模型在2个主要评价指标上均得到显著提升。

融合语义增强和位置编码的图文匹配方法

图文匹配是跨模态基础任务之一,其核心是如何准确评估图像语义与文本语义之间的相似度。现有方法是通过引入相关阈值,最大限度地区分相关和无关分布,以获得更好的语义对齐。然而,对于特征本身,其语义之间缺乏相互关联,且对于缺乏空间位置信息的图像区域与文本单词很难准确对齐,从而不可避免地限制了相关阈值的学习导致语义无法准确对齐。针对此问题,本文提出一种融合语义增强和位置编码的自适应相关性可学习注意力的图文匹配方法。首先,在初步提取特征的基础上构造图像(文本)无向全连通图,使用图注意力去聚合邻居的信息,获得语义增强的特征。然后,对图像区域的绝对位置信息编码,在具备了空间语义的图像区域与文本单词相似性的基础上获得最大程度区分的相关和无关分布,更好地学习两个分布之间的最优相关边界。最后,通过公开数据集Flickr 30 k和MSCOCO,利用Recall@K指标对比实验,验证本文方法的有效性。

基于探针稀疏注意力机制的门控Transformer模型

在强化学习中,智能体对状态序列进行编码,根据历史信息指导动作的选择,通常将其建模为递归型神经网络,但其存在梯度消失和梯度爆炸的问题,难以处理长序列。以自注意力机制为核心的Transformer是一种能够有效整合长时间范围内信息的机制,将传统Transformer直接应用于强化学习中存在训练不稳定和计算复杂度高的问题。门控Transformer-XL(GTrXL)解决了Transformer在强化学习中训练不稳定的问题,但仍具有很高的计算复杂度。针对此问题,本研究提出了一种具有探针稀疏注意力机制的门控Transformer(PS-GTr),其在GTrXL中的恒等映射重排和门控机制的基础上引入了探针稀疏注意力机制,降低了时间复杂度和空间复杂度,进一步提高了训练效率。通过实验验证,PS-GTr在强化学习任务中的性能与GTrXL相当,而且训练时间更短,内存占用更少。

肛肠熏洗剂在混合痔术后的应用

目的 探讨自拟中药方肛肠熏洗剂对混合痔患者术后疼痛及创面愈合的影响。方法 选取宁夏医科大学附属中医医院收治的肛肠科混合痔外剥内扎术后患者60例,随机分为2组,每组30例。对照组予以常规术后换药以及药物止痛,试验组在对照组的基础上联合肛肠熏洗剂熏洗治疗。2组患者治疗7 d后比较创面疼痛情况、肛缘水肿情况、创面渗液情况及临床疗效判定。结果 治疗后,试验组临床有效率明显高于对照组,差异有统计学意义(P<0.05)。治疗后,试验组术后创面水肿及渗液积分小于对照组,且术后1、3、5、7 d疼痛积分均低于对照组,差异均有统计学意义(P<0.05)。结论 混合痔术后常规换药以及药物止痛治疗联合肛肠熏洗剂熏洗坐浴临床效果确切,对于术后创口的分泌物有减少作用,能够缓解术后创面水肿和疼痛,促进伤口愈合,使患者症状体征得到有效缓解,加速患者康复。

数智赋能背景下英语教学论课程混合式教学模式改革

结合数智赋能背景和混合式教学模式的相互渗透借力,发现师范院校的专业核心课程英语教学论课程教学模式存在数字资源不精、融合方式生硬和学生能动性不足等问题,提出数智赋能背景下新的解决对策:提高新的教学资源整合程度、设计线上线下融合新方式和学生参与互动提高兴趣等。实施改革后,学生对于革新后的混合式教学模式认可度和满意度较高,学习能动性被激发,学习效率得到提高,同时也提升了育人实效和育人质量。

基于CNN与LSTM复合深度模型的恒星光谱分类算法

恒星光谱分类是天文学领域中非常重要的研究方向。随着科技的迅猛发展,大型巡天望远镜采集的恒星光谱数据已经达到了TB或甚至PB级别,传统的分类方法已经无法满足如此庞大数据量的处理需求。正确分类光谱对于研究恒星的物理性质以及演化过程具有重要意义。CNN通过卷积运算学习数据的局部特征,去除冗余信息,并通过最大池化运算对特征进行压缩。然而,由于原始CNN模型的全连接层缺乏长距离依赖挖掘的功能,如果加入LSTM网络,通过其独特的三个“门”的远距离依赖挖掘能力可提取的重要特征,并检测特征中的微小差异,恰好可以解决这个问题。因此,提出了一种基于CNN和LSTM复合的深度模型,用于对LAMOST DR8中的恒星光谱进行分类。这种模型能够更好地学习恒星光谱的特征,为恒星演化研究提供了重要的帮助。为了提高模型的收敛速度,使用了常见的Z-Score标准化方法对数据进行处理。提出的模型在F、G、K三分类实验中取得了94.56%的分类准确率。同时,与前人使用过的RBM、PILDNN、PILDNN、DBN、Inception v3、1D-SSCNN、LSTM方法进行对比,结果表明该方法具有更高的分类准确率。在十分类实验中,该方法取得了97.35%的准确率,并且相比于仅使用LSTM、1D-SSCNN方法的实验结果,该方法的结果更好,且训练时间减少了近十倍。使用F1-score对每类恒星光谱分类准确度进行说明,在三分类和十分类实验中,每类的F1值都在0.9以上。与前人在文献中的实验结果进行对比,该模型的结果更好。通过混淆矩阵的结果,可以得出该模型在光谱种类越多的实验中准确率越高,甚至可以达到100%。综上所述,所提出的基于CNN和LSTM相结合的模型可以有效地对大规模恒星光谱数据进行分类,并取得了优异的分类效果。

基于RBAC模型的中文医疗命名实体识别

中文医疗命名实体识别旨在从非结构化数据中抽取结构化实体,目前的主流研究都使用了大量的训练数据。针对中文医疗命名实体识别训练数据匮乏的问题,提出了基于联合分词的RBAC(RoBERTa-BiGRU-Attention-CRF)模型和基于语义搜索的命名实体识别数据增强方法。首先利用预训练模型和双向门控循环单元(BiGRU)提取文本的深度双向语义表示,再将该语义表示分别送入分词模块和命名实体识别模块。分词模块利用条件随机场(CRF)得到分词信息。命名实体识别模块利用BiGRU与多头注意力得到混合语义表示,再送入CRF得到命名实体识别的标签序列。在CCKS2019中文电子病历数据集上的实验结果表明,该方法在数据量较少的情况下F_(1)达到90.5%,证明了该方法的有效性。

补中益气汤的妇科临床文献研究

补中益气汤是我国古代传统名方,出自金代李东垣所著《内外伤辨惑论》,主治脾胃病。周毅萍在《名医类案》中提出补中益气汤能够明显改善妇科疾病治疗效果。补中益气汤开始广泛应用在各类妇科疾病治疗中。补中益气汤包括白术、人参、当归、柴胡等多种药材。临床妇科研究显示补中益气汤能够有效改善盆底肌松弛、产后恶露不绝等多种妇科疾病。为了验证补中益气汤在妇科疾病治疗中的适用性,本次研究通过文献计量学对补中益气汤的妇科临床文献进行研究。研究中系统检索了万方数据知识服务平台,中国知网(CNKI),中国生物医学文献数据库,国家图书馆,维普数据库及PubMed、EMbase,CochraneLibrary,检索到补中益气汤在妇科治疗中应用的临床文献204篇,疾病范围覆盖25个病种,同时对补中益气汤在妇科治疗中的适用病种进行了总结,希望能够为补中益气汤在妇科治疗中的深入研究和临床应用提供更多参考。

Seminar联合案例教学法在血液科带教中的应用效果探讨

目的讨论Seminar联合案例教学法在血液科临床教学中的应用效果。方法选取2019年7月—2023年6月陕西省人民医院血液内科的70名实习生为研究对象,按照学号顺序分为对照组(35名,给予传统讲授式教学)和观察组(35名,给予Seminar联合案例教学),比较两组实习生的考核成绩、教学效果以及教学满意度。结果教学后,两组书面知识考核成绩对比,差异无统计学意义(P>0.05),但观察组临床运用、综合能力及平均成绩均高于对照组,差异有统计学意义(P均<0.05)。观察组学习能力、自学能力、合作能力评分高于对照组,差异有统计学意义(P均<0.05)。观察组的教学满意度(94.26%)高于对照组(77.14%),差异有统计学意义(χ^(2)=4.200,P<0.05)。结论血液科实习中使用Seminar联合案例教学法,可有效提升实习生的理论知识和学习能力,增强临床的专业能力。

睡眠剥夺对大鼠空间学习记忆能力的影响

目的研究大鼠睡眠剥夺对空间学习记忆和空间工作记忆形成过程的影响。方法选用成年SD大鼠,采用多平台水环境法制备睡眠剥夺模型,观察睡眠剥夺后大鼠Morris水迷宫空间定位航行能力和空间搜索能力的改变。结果随着训练次数的增加,睡眠剥夺组和对照组大鼠越来越趋向于在平台的位置搜索,并且游泳路程越来越短,搜索平台所用时间越来越少,但睡眠剥夺组较对照组大鼠时间明显延长;空间搜索实验未显示显著性差异。结论睡眠剥夺可能造成大鼠空间学习记忆的获得和维持能力的损伤,但不造成工作记忆的明显损伤。

沉默SET基因对急性早幼粒白血病NB4-R1细胞的作用

目的:探讨沉默SET基因对耐维甲酸急性早幼粒白血病NB4-R1细胞生物学特性的影响。方法:将含SET基因特异shRNA干扰序列的慢病毒载体pGCSIL,与其他包装质粒在293T细胞中包装成具有感染性的慢病毒质颗粒。收集并浓缩慢病毒,转染体外培养的NB4-R1细胞并建立稳定转染的细胞株。用荧光实时定量PCR和蛋白凝胶电泳Western blot验证转染后SET基因在NB4-R1细胞中的干扰效率,并检测沉默SET基因对蛋白磷酸酶PP2A表达的影响。用流式细胞术分析沉默SET基因前后NB4-R1细胞周期的变化。结果:与对照组相比,实验组SET基因的表达被有效抑制,PP2A表达增高。沉默SET基因导致NB4-R1细胞G_0/G_1期明显增加,S期细胞比例明显减少,差异具有统计学意义(P<0.05)。结论:利用慢病毒靶向干扰SET基因的表达可以使PP2A表达增高,并扰乱NB4-R1细胞的增殖周期。本研究为进一步研究SET相关的急性早幼粒细胞白血病临床靶向治疗奠定实验基础。

激光点云数据预处理及表面重构方法研究

通过三维激光扫描技术获取的点云数据量巨大同时存在较多不必要的信息,这些含不必要信息的数据,使其点云利用率降低,造成点云数据处理及应用管理的不便。因此,本文重点研究了点云滤波、点云精简、点云分割中的相关算法。选取数据量很大的建筑物室内外点云,验证滤波、精简、场景分割算法的处理效果;同时,在点云预处理的基础上研究了泊松表面重建的算法,并针对点云数据特征分析了其适用性,为之后三维场景的建立提供了一定的参考。

四硫化四砷诱导维甲酸耐药的急性早幼粒白血病NB4-R1细胞凋亡及其分子机制

目的:探讨四硫化四砷(As4S4)对维甲酸耐药的NB4-R1细胞诱导凋亡的作用及其机制。方法:As4S4作用于NB4-R1细胞0、24、48 h后,收集细胞,按照不同的处理时间分为对照组和实验组。应用流式细胞仪检测细胞周期及凋亡,DNA琼脂糖凝胶电泳检测DNA降解断裂条带,蛋白凝胶电泳Western blot方法检测药物作用NB4-R1细胞后BCL-2、BAX和Caspase-3蛋白的表达。结果:25μmol/L As4S4作用0、24和48 h后,NB4-R1细胞早期凋亡率由0%升至24.49%和47.41%,晚期凋亡率由0.08%升至14.72%和20.70%,细胞凋亡呈现时间依赖性。应用As4S4处理24 h后可以观察到凋亡细胞DNA降解形成的明显的梯形条带。细胞周期分析发现,25μmol/L As4S4能使NB4-R1细胞阻滞于S期,药物作用24 h及48 h后,S期细胞由31.85%升高至42.53%及55.12%,G0/G1期细胞由57.30%降至了37.56%及28.51%。Western blot检测发现,As4S4作用NB4-R1细胞48 h后,BAX表达上调,BCL-2表达下调,Caspase-3出现活化条带。结论:As4S4能有效的诱导NB4-R1细胞凋亡,并通过影响BCL-2、BAX、Caspase-3蛋白表达,触发线粒体凋亡途径诱导细胞凋亡。

睡眠剥夺对大鼠海马锥体细胞超微结构影响

目的研究异相睡眠剥夺对大鼠海马CA1区锥体细胞形态、超微结构及线粒体的损伤作用,以阐明其介导的海马神经元凋亡机制。方法选用成年SD大鼠随机分组,采用多平台水环境法制备睡眠剥夺模型,以尼氏(Nissl)染色法光镜下观察神经元形态,并用透射电镜进一步观察海马神经元超微结构的变化,采用免疫组织化学法测定细胞色素C的水平。结果睡眠剥夺造成海马CA1区细胞数量减少,细胞排列松散,出现大量空泡。透射电镜检测显示,海马CA1区,神经元轴突水肿明显,内质网扩张,线粒体肿胀,嵴结构模糊、紊乱,线粒体数量减少,有的呈空泡样变。胞浆内细胞色素C水平明显增高。结论睡眠剥夺造成海马CA1区线粒体损伤,释放细胞色素C,从而介导了海马神经元的凋亡。

基于知识蒸馏与目标区域选取的细粒度图像分类方法

细粒度图像分类任务由于自身存在的细微的类间差别和巨大的类内差别使其极具挑战性,为了更好地学习细粒度图像的潜在特征,该算法将知识蒸馏引入到细粒度图像分类任务中,提出基于知识蒸馏与目标区域选取的细粒度图像分类方法(TRS-DeiT),能使其兼具CNN模型和Transformer模型的各自优点。此外,TRS-DeiT的新型目标区域选取模块能够获取最具区分性的区域;为了区分任务中的易混淆类,引入对抗损失函数计算不同类别图像间的相似度。最终,在三个经典细粒度数据集CUB-200-2011、Stanford Cars和Stanford Dogs上进行训练测试,分别达到90.8%、95.0%、95.1%的准确率。实验结果表明,该算法相较于传统模型具有更高的准确性,通过可视化结果进一步证实该算法的注意力主要集中在识别对象,从而使其更擅长处理细粒度图像分类任务。

潜在空间中深度强化学习方法研究综述

深度强化学习(DRL)是实现通用人工智能的一种有效学习范式,已在一系列实际应用中取得了显著成果。然而,DRL存在泛化性能差、样本效率低等问题。基于深度神经网络的表示学习通过学习环境的底层结构,能够有效缓解上述问题。因此,基于潜在空间的深度强化学习成为该领域的主流方法。系统地综述了基于潜在空间的表示学习在深度强化学习中的研究进展,分析并总结了现有基于潜在空间的深度强化学习的方法,将其分为潜在空间中的状态表示、动作表示以及动力学模型进行详细阐述。其中,潜在空间中的状态表示又被分为基于重构方式的状态表示方法、基于互模拟等价的状态表示方法及其他状态表示方法。最后,列举了现有基于潜在空间的强化学习在游戏领域、智能控制领域、推荐领域及其他领域的成功应用,并浅谈了该领域的未来发展趋势。

基于值函数估计的参数探索策略梯度算法

策略梯度估计方差大是策略梯度算法存在的普遍问题,基于参数探索的策略梯度算法(PGPE)通过使用确定性策略有效缓解了这一问题。然而,PGPE算法基于蒙特卡罗方法进行策略梯度的估计,需要大量学习样本才能保证梯度估计相对稳定,因此,梯度估计方差大阻碍了其在现实问题中的实际应用。为进一步减小PGPE算法策略梯度估计的方差,提出了基于值函数估计的参数探索策略梯度算法(PGPE-FA),该算法在PGPE算法中引入Actor-Critic框架。具体地,提出的方法使用价值函数估计策略梯度,代替了PGPE方法使用轨迹样本估计策略梯度的方式,从而减小了梯度估计方差。最后,通过实验验证了所提算法能够减小梯度估计的方差。

基于最优向量基线的参数探索策略梯度算法

策略梯度算法是深度强化学习领域中广泛使用的一类无模型强化学习方法,在实际应用中取得了突破性进展。策略梯度算法一直受到梯度估计方差大的困扰,基于参数探索的策略梯度算法(policy gradients with parameterbased exploration,PGPE)从根本上缓解了该问题。通过最优基线技术的引入,策略梯度估计的方差进一步减小。然而,现有最优基线技术只使用标量值作为基线,忽略了策略梯度各维度之间的差异。针对此问题,本文提出一种向量基线概念并推导PGPE算法的最优向量基线表示,在理论上证明了引入最优向量基线的PGPE算法可以得到更小的梯度估计方差,并且实验验证了此算法的有效性。