基于改进U^(2)-Net模型的混凝土结构表面裂缝检测

【目的】背景复杂的混凝土结构表面裂缝连续性差、识别率低,基于深度学习的裂缝检测方法存在模型参数量大的问题。【方法】为此,结合U^(2)-Net框架构建了一种聚合多尺度信息的轻量级模型U^(2)-Net_Aggregation,用于复杂背景下的裂缝特征学习。该模型通过增加跳跃连接,使得每个解码层均聚合该层以上所有浅层编码特征,以获得足够的特征细节,提升裂缝分割精度;利用深度可分离卷积(Depthwise Separable Convolution, DSC)对原本的残差模块(ReSidual U-blocks, RSU)进行改进,提出了新的残差模块(RSU-DSC-ECA),来降低聚合多尺度信息时带来的模型复杂度提升的问题,其中的通道注意力机制(Efficient Channel Attention, ECA)可提升模型对裂缝区域的敏感性和对复杂背景的抗干扰能力。【结果】在三组裂缝数据集上进行消融试验,改进后的模型(U^(2)-Net_Aggregation)相较于U^(2)-Net在准确率、交并比、综合评价指标上均有优异的表现。为了验证模型对复杂背景中裂缝的识别能力,利用无人机实地采集的某混凝土结构数据进行试验,其检测效果优于FCN、SegNet、U-Net和U^(2)-Net。【结论】改进后的模型相比U^(2)-Net在召回率、交并比和综合评价指标方面分别提高了4.18%、2.97%和2.03%,可借助无人机影像快速准确地检测出裂缝,为结构裂缝检测提供一种新的方法。

PSME2和STAT3双重抑制通过合成致死效应诱导食管鳞癌细胞死亡

蛋白酶体激活物复合物亚基2(proteasome activator complex subunit 2,PSME2)表达异常与多种肿瘤发生发展密切相关,但在食管鳞癌(esophageal squamous cell carcinoma,ESCC)中功能及临床意义尚不明确。本研究分析了TCGA-ESCC和GSE53625数据库中ESCC转录物组数据,发现PSME2高表达组ESCC患者预后不良,且ESCC组织中PSME2蛋白表达水平高于癌旁组织。沉默KYSE30细胞和NE6-T细胞中PSME2表达,ESCC细胞的增殖、侵袭、迁移和克隆能力均显著下降,同时伴随着LC3-II/LC3-I蛋白表达明显升高、p62蛋白表达降低和自噬激活。GSEA富集分析表明,PSME2低表达组IL-6/STAT3信号通路激活,沉默KYSE30细胞和NE6-T细胞诱导了IL-6分泌和p-STAT3表达增加。上述PSME2沉默诱导的分子变化,能够被LMT28或WP1066逆转。PSME2沉默联合WP1066,使KYSE30与NE6-T细胞培养上清中LDH含量明显升高,Calcein/PI染色表明,死亡细胞率分别为36.69%和32.55%,显著高于PSME2沉默(6.78%和6.74%)或WP1066单独处理组(18.34%和9.70%)。本研究表明,PSME2促进ESCC恶性进展,PSME2沉默通过IL-6/STAT3信号通路代偿性激活ESCC自噬,联合PSME2沉默和STAT3抑制通过合成致死效应诱导食管鳞癌细胞死亡,表明PSME2是ESCC潜在分子治疗靶点,联合抑制PSME2和STAT3是ESCC治疗的新选择。

ATR小分子抑制剂的研究进展

共济失调毛细血管扩张和Rad3相关激酶(ATR)是DNA损伤反应(DDR)的重要调节因子,尤其是对复制压力(RS)的反应。由于DNA损伤和RS是基因组不稳定性的主要来源,选择性抑制ATR是癌症治疗的一种有前途的新方法。本文综述了ATR的结构功能以及ATR小分子抑制剂的研究进展,以求为此领域的进一步研究工作提供理论帮助和指导。

泥水平衡顶管在深埋市政污水管施工中的应用

济南生态港蒋徐路市政项目污水工程采用泥水平衡顶管法施工,顶管管道选取专用的钢承口3级管材,管径D800~D1000。顶管沉井分别为工作井和接收井。根据施工场地的工程地质条件及水文地质条件,结合实际施工中的成本测算,拟选用泥水平衡顶管进行施工。顶管掘进机配置先进,可对顶进速度等自动进行测量,所有准备工作准备完成以后,按照操作规程开始顶进。顶进时随时监控管道走向偏差,及时纠偏,满足设计要求及验收规范的要求。顶进时根据刀盘电流及土压仓压力,调整顶推速度及进、排泥流量,使土压仓压力始终保持在设计范围内。排渣泵性能一次泵送距离不小于300m,扬程26m,并能连续输送最大粒径50mm块石,可满足现场施工要求。

基于深度学习的结构裂缝检测综述

将无人机影像数据与深度学习技术相结合,可实现水工建筑物表面裂缝的远程非接触式检测,为维护结构正常运行提供保障。本文介绍了近年来流行的深度学习方法,梳理了基于卷积神经网络的分类、检测和分割三类算法在裂缝检测中的应用及特点。结合堤防裂缝检测,阐述了无人机影像用于裂缝检测的流程和挑战。最后给出水工建筑物裂缝检测的研究难点与展望。

基于滑动窗口模型的数据流闭合高效用项集挖掘

从数据流中挖掘高效用项集是一项具有挑战性的任务,因为传入的数据必须在时间和存储内存约束下进行实时处理.数据流挖掘通常会产生大量冗余的项集,为了减少这些无用的项集数量且保证无损压缩,需要挖掘闭合项集,它可以比全集高效用项集的集合小几个数量级.为了解决以上问题,提出一种基于滑动窗口模型的数据流闭合高效用项集挖掘(closed high utility itemsets mining over data stream based on sliding window model,CHUI_DS)算法.在CHUI_DS中设计了一种新的效用列表结构,该结构在提升批次插入和删除的速度方面非常有效.此外,应用修剪策略来改进闭合项集挖掘过程,消除潜在的低效用候选对象.对真实数据集和合成数据集进行的广泛实验评估显示了该算法的效率以及可行性.就速度而言,它优于先前提出的主要以批处理模式运行的算法.且它适用于不同大小的滑动窗口,在事务数量等方面具有较强的扩展性.

不平衡数据集分类方法综述

不平衡数据集的特点导致了在分类时产生了诸多难题。对不平衡数据集的分类方法进行了分析与总结。在数据采样方法中从欠采样、过采样和混合采样三方面介绍不平衡数据集的分类方法;在欠采样方法中分为基于K近邻、Bagging和Boosting三种方法;在过采样方法中从合成少数过采样技术(SyntheticMinorityOver-sampling Technology,SMOTE)、支持向量机(SupportVectorMachine,SVM)两个角度来分析不平衡数据集的分类方法;对这两类采样方法的优缺点进行了比较,在相同数据集下比较算法的性能并进行分析与总结。从深度学习、极限学习机、代价敏感和特征选择四方面对不平衡数据集的分类方法进行了归纳。最后对下一步工作方向进行了展望。

基于改进U^(2)-Net与迁移学习的无人机影像堤防裂缝检测

为准确便捷地从大范围背景复杂的堤防表面获取裂缝的形态信息,提出了一种基于改进U^(2)-Net(U^(2)-ADSNet)的裂缝检测方法。该方法在U^(2)-Net中融合深度可分离卷积和扩张卷积,扩大了原有模型的感受野,增强了对细节特征的学习能力,降低了模型参数;在少量无人机实测影像数据基础上,利用裂缝开源数据集进行迁移学习,降低了训练成本;通过切片预测实现对大范围无人机影像的裂缝检测,利用连通域搜索去除可能的误检。将U^(2)-ADSNet与FCN、SegNet、U-Net和DeepCrack等语义分割模型在堤防裂缝数据集上进行对比,验证了U^(2)-ADSNet的有效性,该模型经过迁移学习后交并比达到78.55%,综合评价指标值为87.87%,可用于堤防裂缝的检测。

监督与半监督学习下的数据流集成分类综述

在监督或半监督学习的条件下对数据流集成分类进行研究是一个很有意义的方向。从基分类器、关键技术、集成策略等三个方面进行介绍,其中,基分类器主要介绍了决策树、神经网络、支持向量机等;关键技术从增量、在线等方面介绍;集成策略主要介绍了boosting、stacking等。对不同集成方法的优缺点、对比算法和实验数据集进行了总结与分析。最后给出了进一步研究方向,包括监督和半监督学习下对于概念漂移的处理、对于同质集成和异质集成的研究,无监督学习下的数据流集成分类等。

基于正负效用划分的高效用模式挖掘方法综述

高效用模式挖掘(HUPM)是新兴的数据科学研究内容之一,通过考虑事务数据库中项的单位利润和数量,以提取出更有用的信息。传统的HUPM方法假定所有项的效用值均为正,但是在实际应用中,某些数据项的效用值可能为负(如商品因产生亏损而导致利润值为负),含负项的模式挖掘与仅含正项的模式挖掘同样重要。首先,阐述了HUPM的相关概念,并分别给出相应正负效用的实例;然后,以正与负角度划分了HUPM方法,其中带有正效用的模式挖掘方法进一步以动态与静态的数据库新颖角度划分,带有负效用的模式挖掘方法中包括了基于先验、基于树、基于效用列表和基于数组等关键技术,并从不同方面对这些方法进行了讨论和总结;最后,给出了现有HUPM方法的不足和下一步研究方向。

基于动态加权函数的集成分类算法

针对数据流集成分类如何使分类器适应不断变化的数据流,调整基分类器的权重选择合适的分类器集合的问题,提出了一种基于动态加权函数的集成分类算法。首先,提出了一种加权函数调节基分类器的权重,使用不断更新的数据块训练分类器;然后,使用一个新的权重函数对候选分类器进行一个合理的选择;最后,在基分类器中应用决策树的增量性质,实现对数据流的分类。通过大量实验发现,基于动态加权函数的集成分类算法的性能不受块的大小影响,与AUE2算法相比,叶子数平均减少了681.3、节点数平均减少了1192.8,树的深度平均减少了4.42,同时相对地提高了准确率,降低了消耗时间。实验结果表明该算法在对数据流进行分类时不但可以保证准确率还可以节省大量的内存空间和时间。

基于滑动窗口的含负项高效用模式挖掘方法

现有的面向数据流的高效用模式挖掘方法局限性之一在于假定数据都带有正的效用值,且在挖掘过程中使用效用列表会消耗大量的时间和内存。为了解决以上问题,首次提出在数据流中挖掘含负项的高效用模式挖掘算法,在算法中设计了一种新颖的列表索引结构(list index structure,LIS),LIS包括数据段和索引段,依据索引段中的索引值以及项集中的正负效用值,在滑动窗口中可快速访问或更新数据段并及时剪枝,有效挖掘含负项的高效用模式,以此来提升算法的时空性能。进行了广泛的实验评估来验证算法的效率,实验结果表明,提出算法在内存消耗及运行时间方面均表现出良好的性能。

基于ZigBee和Android的古建筑火灾监测系统设计

针对西藏古建筑火灾复杂、可预测性差的特点,结合ZigBee与Android平台设计智能移动监测系统。该系统完成了ZigBee无线传感器网络设计、Android客户端开发以及相关中间件的实现,各类传感器采集的数据通过GPRS上传至客户端。实验表明,该系统可以实现对古建筑环境信息的实时反馈和对用户指令的及时响应。

聚丙乙烯新型复合塑料模板施工工法

随着建筑行业工业化进程的推进,近年来采用钢材、铝材、塑料、玻璃钢及其他复合材料制作的拼装式模板应用越来越多。由于塑料独特的物理力学性能,在使用过程中塑料模板不会出现塑性变形和残余变形,相对其他高硬度材料模板其拼缝更具有“粘性”,且塑料模板具有憎水性、脱模方便、模板容易清洗。从经济和环保角度看,聚丙乙烯新型复合塑料模板是一种新型节能材料,不仅能实现循环利用,同时还以降低成本,确保施工质量,本文针对聚丙乙烯新型复合塑料模板施工进行了简要分析。

太阳公公和月亮婆婆

很久以前，太阳公公和月亮婆婆是一家。他们过得很开心。那时候一天二十四个小时都是白天。他们天天手牵着手从东边来，从西边去。可是有一天，他们两为什么事吵了起来。这一吵呀!吵得天空乌云密布，人人心发慌。风姑娘知道了这件事急忙来劝架。

基于准确率爬坡的动态加权集成分类算法

传统集成分类算法中,一般将集成数目设置为固定值,这可能会导致较低分类准确率。针对这一问题,提出了准确率爬坡集成分类算法(C-ECA)。首先,该算法不再用一些基分类器去替换相同数量的表现最差的基分类器,而是基于准确率对基分类器进行更新,然后确定最佳集成数目。其次,在C-ECA的基础上提出了基于爬坡的动态加权集成分类算法(C-DWECA)。该算法提出了一个加权函数,其在具有不同特征的数据流上训练基分类器时,可以获得基分类器的最佳权值,从而提升集成分类器的性能。最后,为了能更早地检测到概念漂移并提高最终精度,采用了快速霍夫丁漂移检测方法(FHDDM)。实验结果表明C-DWECA的准确率最高可达到97.44%,并且该算法的平均准确率比自适应多样性的在线增强(ADOB)算法提升了40%左右,也优于杠杆装袋(LevBag)、自适应随机森林(ARF)等其他对比算法。

基于索引列表的增量高效用模式挖掘算法

基于效用列表的高效用模式挖掘算法主要局限性在于创建和维护效用列表非常耗时,原因是建立了大量的列表,且列表之间连接操作成本较高。为了解决这个问题,提出一种索引列表结构,可以依据索引值快速访问并更新存储在列表中的信息,并提出一种基于索引列表的增量高效用模式挖掘算法,在挖掘过程中加快挖掘速度并减少内存消耗。试验结果表明,所提出算法在增量式挖掘过程中能有效减少时空性能消耗,且索引列表结构表现出比普通列表更优异的性能。在多种数据集中,运行时间平均提高43%,内存平均减少20%,且在不同的数据插入率条件下具有稳定的性能。

脓毒症新发心律失常的影响因素分析

背景脓毒症是感染导致的全身炎症反应综合征,本研究组前期研究发现,脓毒症新发心律失常的发生率较高,为34.48%,而单纯的炎性因子升高尚不能解释脓毒症新发心律失常的原因。目的分析脓毒症新发心律失常的影响因素,以为早期预测及治疗脓毒症新发心律失常患者提供新的研究方向及理论依据。方法回顾性选取2018年9月—2020年1月新疆医科大学第一附属医院急诊科、急诊重症监护室、重症监护室及呼吸重症监护室中的脓毒症患者243例为研究对象。根据患者是否新发心律失常将其分为脓毒症组146例和脓毒症新发心律失常组97例。收集患者一般资料及入院24 h内实验室检查指标。采用多因素Logistic回归分析探讨脓毒症新发心律失常的影响因素。结果多因素Logistic回归分析结果显示,入院时体温〔OR=1.419,95%CI(1.083,1.860)〕、国际标准化比值(INR)〔OR=1.576,95%CI(1.006,2.469)〕、肌酸激酶同工酶(CK-MB)〔OR=1.028,95%CI(1.003,1.055)〕、N末端脑钠肽前体(NT-proBNP)〔OR=1.003,95%CI(1.001,1.005)〕是脓毒症新发心律失常的独立影响因素(P<0.05)。结论入院时体温、INR、CK-MB、NT-proBNP是脓毒症新发心律失常的影响因素,临床工作中可针对上述影响因素进行干预以预防脓毒症新发心律失常的发生。