基于学位论文主题挖掘的医学信息专业跨学科研究特征分析

以学位论文为数据基础,采用共现聚类及文本挖掘方法,从知识交叉和研究内容方面分析医学信息研究生教育的跨学科特征,指出对新技术及应用的研究较为薄弱、各学科研究内容侧重明显不同等问题,建议增加融合多学科的科研思维培养及训练。

基于灵活相控阵换能器的复杂几何形状零件超声波检测

复杂几何形状零部件的超声波无损检测通常会面临以下困难:1)由不匹配的接触导致灵敏度发生变化。2)由换能器方向变化导致缺陷定位不准确。3)零部件存在未被覆盖区域。为了提高这种测试和缺陷表征的性能,该文采用超声波接触相控阵换能器的概念,其相控阵换能器有1个灵活的辐射表面,能够适应工件的实际表面,从而达到优化测试灵敏度的目的。同时,采用一种延迟优化算法来控制传输场,提高识别缺陷表征的准确度。为了评估这种换能器的能力,法国原子能委员会开发的Champ-Sons模型(预测任意换能器所辐射到碎片的场)必须延伸到发射源直接与复杂几何碎片接触。该文采用安装在不同剖面上的接头式换能器对该新型探头的性能进行试验验证。

前列腺癌预测模型对比研究

【目的】对比基于集成学习算法与非集成学习算法构建的前列腺癌预测模型性能,选出最优算法和重要风险因素。【方法】基于KNN、决策树、支持向量机、BP神经网络4种非集成算法和AdaBoost、GradientBoost、XGBoost三种集成算法构建前列腺癌预测模型并验证模型效能,识别前列腺癌风险因素。【结果】非集成算法中决策树模型性能最优,准确率为0.9333,F1分数为0.9301,AUC为0.9145;集成算法中XGBoost模型性能最优,准确率为0.9573,F1分数为0.9624,AUC为0.9513。识别出总PSA、游离PSA等9个前列腺癌重要风险因素。【局限】实验数据集有待扩充,构建模型的算法有待增加。【结论】在前列腺癌预测模型性能和风险因素识别方面,集成学习算法整体上优于非集成学习算法。

技术知识扩散视角下核心专利识别方法研究

[目的/意义]分析核心专利的特点与技术发展的内在逻辑规律,尝试以技术知识扩散理论解释并构建领域核心专利识别模型,从技术发展的角度完善专利价值评价与核心专利识别的方法。[方法/过程]以技术发展规律为基础,构建专利进化模型,并以此构建专利技术知识扩散视角下领域核心专利识别模型,选取疫苗制备技术领域进行实证研究。[结果/结论]依据模型识别出的专利既包含了大量的高被引专利,也包含了虽然直接被引频词不高但却具备基础性质的部分重要专利,核心专利的分布存在“双峰”分布特点。实验证明从技术知识扩散视角构建的领域核心专利识别模型是可行且有效的。[局限]外部因素对技术发展的影响以及更长引证链中专利技术知识前后的一致性均有待进一步研究。

技术不连续性视角下颠覆性技术识别方法研究

[目的/意义]在颠覆性技术识别中引入技术不连续性理论,探索技术不连续性视角下颠覆性技术的客观识别方法,能够丰富和拓展颠覆性技术的识别方法研究,也有助于把握科技创新规律,为科技发展提供参考和指导。[方法/过程]首先,利用专利引文网络和遗传后向—前向路径方法确定主路径对技术演化进行追踪。其次,根据引用结构与路径汇聚情况计算指标,评估技术不连续性,筛选出具有高技术不连续性的专利。最后,结合所得专利的内容信息和技术领域的现状,识别与验证颠覆性技术。[结果/结论]以手术机器人作为实证领域,使用所构建的方法成功识别了领域中已产生颠覆性效应的技术,验证了方法的有效性。