乳腺钼靶、核磁DWI与DCE在乳腺占位性病变诊断中的价值

目的:探究了乳腺钼靶X线、核磁共振弥散扩权成像(DWI)联合动态增强扫描(DCE)技术用于乳腺占位性病变诊断的应用价值。方法:选取90例乳腺肿物患者(2021年12月~2022年12月)作为研究对象。行乳腺钼靶X线检查、核磁共振DWI联合DCE技术诊断、联合诊断,比较三种检查方式的诊断效能。结果:乳腺钼靶X线诊断恶性病变,敏感度、特异度、准确性分别为75.61%、81.63%、78.89%。核磁共振DWI联合DCE技术诊断恶性病变,敏感度、特异度、准确性分别为85.37%、85.71%、85.56%。乳腺钼靶X线、核磁共振DWI联合DCE诊断结果恶性病变,敏感度、特异度、准确性分别为90.24%、95.92%、93.33%。乳腺钼靶X线、核磁共振DWI联合DCE诊断结果恶性病变的准确率,显著高于乳腺钼靶X线,高于核磁共振DWI联合DCE技术,差异均有统计学意义。结论:乳腺钼靶X线检查、核磁共振DWI联合DCE技术诊断、三者联合诊断,对乳腺占位性病变取得了较准确的诊断结果,诊断效能高于X线检查、核磁共振DWI联合DCE技术诊断,临床应用价值较高。

《聚合物共混改性原理》教学探索与实践

《聚合物共混改性原理》课程内容涵盖知识面广,兼具理论性和实践性的特点。该课程的知识框架中,性能、组成、过程、组织形貌、相容性等诸多因素彼此关联,错综复杂,增加了学生的学习难度。本文以“聚合物共混体系的增容”为例,详细阐述了教学过程中如何构建章节知识之间的内在逻辑关系,由浅及深,层层递进,引导学生建立自己的知识体系。同时,结合相关专业课程的关联知识,构建知识桥梁,帮助学生扫清知识盲区。

基于Newton插值与超松弛技术的铁路客运量预测研究

为提高铁路客运量预测精度,提出Newton插值法对客运量原始数据进行预处理以解决因节假日或重大事件造成的数据异常问题。另外,引入超松弛技术(OR)对铁路客运量预测结果进行修正,提出非线性递减权重改进粒子群算法以优化松弛因子。最后,将Newton插值法、超松弛技术与GM(1,1)和BP神经网络预测相结合,提出铁路客运量Newton-GM-BP-OR组合预测方法,并以北京市铁路客运量预测为例验证预测方法的有效性。研究结果表明,基于Newton插值法处理异常客运量数据的预测效果较基于原始数据序列更好,改进的粒子群算法在求解松弛因子过程中体现出更好的寻优能力和收敛速度,且超松弛技术对GM(1,1)和BP神经网络预测结果的修正也使得Newton-GM-BP-OR组合预测方法具有更高的预测精度。

城际列车开行方案的客运量预测及评价

从铁路运输企业的角度,由分析影响旅客列车客运量因素入手,利用灰色理论建立铁路旅客列车开行方案的客运量GM(1,h)预测模型,构建评价其经营效果(经济效益和经营风险)的计算方法.以沪宁线为背景,预测城际列车开行方案的客运量,并对其经济效益和盈亏平衡点分析计算,为铁路运输企业设计旅客列车开行方案提供科学依据.

铁路货运需求及延伸服务设计

针对铁路货运延伸服务内容,从划分出的黑货市场及7个白货子市场的延伸服务需求出发,分析了各子市场对延伸服务的基本态度、对短途运输形式的选择和对仓储的物流配套、价格、安全性和可靠性等方面的不满意度情况,从而提出针对不同子市场的铁路货运延伸服务的阶段性实施方案及建议.

基于竞争的高速铁路客运需求量预测

从铁路运输企业的角度,以市场竞争为导向,以提高铁路客运市场竞争力和综合经营效益为目标,从客流属性特征出发,对竞争条件下旅客运输需求进行分析,引入匹配因子和分担率的概念,以距离和旅客收入结构为交叉因素对分担率进行预测,构建了适应我国铁路客运需求预测理论体系,并以京广线为例对高速铁路在竞争条件下的客运需求量进行了合理预测.

基于分布式的大数据集聚类分析

为了提高聚类效率提出了一种基于分布式的大数据集聚类算法。该方法并不是一次性对所有的数据进行聚类,而是将大数据集随机分成若干个子集,对每个子集同时进行聚类,最后进行类的合并。实验结果表明大多数情况下该方法和传统的一次性聚类的结果一致,而且极大地提高了聚类的速度。

一种有效的高维分类数据聚类方法研究

随着数据规模的不断增大,提高K-modes聚类算法或模糊K-modes聚类算法的运行效率成为了一个重要问题.为了提高其算法执行效率,提出了一种基于分治法的高维分类数据聚类方法.该方法并不是一次性对所有的数据进行聚类,而是将分类数据集分成若干个子集,对每个子集同时进行聚类,最后对聚类结果进行融合以形成最终的聚类结果.实验结果表明大多数情况下较传统的方法在聚类的速度上有显著的提高.

3-吲哚乙酸印迹聚合物分子识别机理的色谱和光谱研究

采用非共价印迹技术,以丙烯酰胺(AA)为功能单体,乙腈为致孔剂,用本体聚合方法制备了3-吲哚乙酸(3-IAA)印迹聚合物P(AA)。以P(AA)为色谱柱填料,用色谱法评价了其分子识别性能,实验结果表明,乙腈为流动相时,P(AA)对3-IAA具有良好的分子识别能力,其印迹因子(IF)为3.33。与各结构类似物比较,3-IAA在P(AA)上表现出了特异亲和能力,3-IAA与其同系物3-吲哚丁酸(3-IBA)在P(AA)色谱柱上可以得到很好的分离,证明了P(AA)中存在与3-IAA互补的印迹空穴。流动相乙腈中加入少量HAc和H2O后,P(AA)对3-IAA的IF大大降低,证明氢键作用在P(AA)的分子识别过程中起重要作用。此外,用3种光谱方法──紫外光谱法、荧光光谱法和红外光谱法研究了3-IAA与AA在乙腈溶液中的作用情况。

基于模糊集的兴趣发现新方法

传统的协同过滤推荐方法是以精确的价值函数和准确的数据来对用户行为兴趣进行描述,进而提取用户的兴趣。而现实生活中用户的行为兴趣多是不精确、模糊的,甚至用户自己也难以描述刻画。通过模糊集合的理论方法度量用户兴趣在兴趣类别上的不确定性程度,提出用户的兴趣因子单位评分稳定度的定义;基于兴趣因子单位评分稳定度给出一种用户不确定性兴趣的发现方法,提出新的兴趣评分预测算法。实验验证了基于模糊集的兴趣发现方法在探索用户新兴趣方面具有有效性。

旅游列车开行方案经济效益评价方法研究

从铁路运输企业的角度 ,对影响旅游列车开行方案的因素进行了分析 ,构建了评价旅游列车开行方案的指标体系 ,并且对旅游列车开行方案的成本与收入指标的计算进行了探讨分析 。

关于铁路客货营销宣传的探讨

站在提高铁路服务质量、塑造铁路形象、促进客货营销的角度 ,对铁路营销宣传的作用、原则以及措施进行了进一步的思考和探讨 ,并提出加强铁路营销宣传的建议。

纳米氧化锰烟气脱硫剂的研制

采用液相沉淀法制备了纳米氧化锰,通过色谱分析其脱硫效率,并通过X射线衍射(XRD)和透射电镜(TEM)对粉末样品的组成、结构、粒径和形貌进行了表征。结果表明:制备出的氧化锰属于四方晶系,平均粒径小于100nm,分散性较好。使用不同沉淀剂制备的脱硫剂效果明显不同,以碳酸铵为沉淀剂时脱硫性能最好,以碳酸钠为沉淀剂时脱硫性能次之,以氢氧化钠为沉淀剂时性能最差;不同煅烧温度制得的脱硫剂性能呈抛物线变化,在450℃煅烧情况下制得的脱硫剂脱硫性能是最好的;不同成型方法制得的脱硫剂性能也存在显著差异,80℃烘干后置于马弗炉中450℃煅烧制得的脱硫剂性能最好,自然风干制得的脱硫剂性能最差。

基于层次聚类的主动学习方法——HC_AL

针对传统主动学习(AL)方法对大规模的无标记样本分类收敛速度过慢的问题,提出了基于层次聚类(HC)的主动学习训练算法——HC_AL方法。通过对大规模的未标记数据进行层次聚类,并对每个层次上的类中心打标记来代替该层次上的类标记,然后将该层次上具有错误标记的类中心加入训练集。在数据集上的实验取得了较好的泛化能力和较快的收敛速度。实验结果表明通过采用分层细化、逐步求精的方法,可使主动学习的收敛速度大大提高,同时获得较为满意的学习能力。

铁路城际列车经营效果评价方法研究

站在铁路运输企业的角度 ,用市场经济的观点 ,提出了评价城际列车经营效果的方法。以沪宁线为背景 ,对其城际列车开行方案的经营效果 ,从经济效益和经营风险 2个方面进行了分析评价 ,以更好地实现运输企业经营和营销策略为目的 ,提出了选择最佳方案的相关建议。

基于属性重要度的变精度邻域粗糙集知识约简

在模糊决策信息系统理论研究的基础上,根据其属性来构造对象空间的模糊分割,用邻域粒化的思想定义了变精度模糊决策信息系统粗糙集模型的上、下近似算子及其约简和核等概念,由此给出了一种基于属性约简的算法,通过实例分析验证算法的有效性。

基于相对知识量重要度的属性约简算法

在有效处理噪声数据的基于区分能力大小的启发式算法的基础上,引入了属性的相对知识量重要度的概念.以属性相对知识量重要度为启发式信息,提出了一种属性约简算法,通过实例证明了该算法的有效性.

“互联网+”时代社区智能养老模式分析

人口老龄化已成为社会各界日益关注的问题,随之而来的养老问题尤为突出。社会的进步和科学的发展使养老服务模式呈现多样性。利用“互联网+”技术、大数据技术、人工智能等技术开发的具有信息化、智能化、可视化养老模式使养老服务更加方便、快捷、周全。从技术层面和设备层面介绍智能养老模式在社区养老中的应用并用模糊K-Means算法对资源配置进行分析,对智能养老模式进行更深一步的研究。

模糊决策信息系统属性重要度的约简算法

针对模糊决策信息系统,在模糊特征属性上采用截集划分论域,构造了模糊决策信息系统下的粗糙集模型,引入了模糊决策信息系统的一种属性重要度的约简算法,通过实例计算验证了算法的可行性.

相对知识粒度序决策表的属性约简方法

序决策表中的知识约简越来越受到关注,在优势类和知识粒度的基础上,引入了序决策表中的一种知识相对粒度,度量了属性集在序决策表中的相对不确定性,进而给出了属性相对重要度的定义。并设计了序决策表的一种启发式属性约简算法,通过实例分析和验证了算法的有效性。