基于多模态超声成像数据的慢性肝病肝纤维化、炎症和脂肪变性的智能分级诊断

目的开发一套能同时诊断肝纤维化、炎症及脂肪变性的智能系统。方法基于慢性肝病(chronic liver disease,CLD)患者的多模态超声成像数据,包括超声B模式图像、剪切波弹性成像、瞬时弹性成像数据及其原始射频数据,使用定量超声方法和影像组学方法提取这些数据的多模态特征,以超声引导的肝穿刺活检结果为金标准,使用支持向量机以二分类的方式搭建智能分级诊断系统,同时实现肝纤维化、炎症和脂肪变性的智能辅助诊断。结果本方法对于肝纤维化分级的四个二分类任务:≥F1、≥F2、≥F3、≥F4,受试者工作特征(receiver operating characteristic,ROC)曲线下面积(area under the curve,AUC)达到了0.81、0.80、0.89、0.87;对于炎症分级≥A2、≥A3、≥A4,AUC为0.80、0.93、0.93;对于脂肪变性分级≥S1、≥S2,AUC为0.75、0.92。结论本研究提出了基于多模态超声成像数据的CLD肝纤维化、炎症和脂肪变性的智能分级诊断系统,该系统在3种CLD的智能评估中取得了较好的结果,有望推广至临床应用。

基于粒子群算法的微电网有功无功下垂控制

微电网是未来分布式发电系统的一个重要组成部分,能够集成多种类型的可再生能源并改进能源管理模式。微电网由多个分布式发电单元构成,当微电网孤岛运行时,各个发电单元装置之间必须进行合理的有功和无功分配,以保持微电网内严格的负荷平衡,传统的大电网下垂控制方法易受线路阻抗影响,已不能适应微电网功率分配要求。本文提出了一种可以协调多个DG输出功率的新的下垂控制器优化方法,通过粒子群算法(PSO)优化得到最优下垂控制参数,并通过仿真实验验证所提控制方法的有效性和可行性。

基于PSO的逆变器接口电源输出控制器的优化方法

随着我国电力需求的持续增加,微电网不断地接入电力系统。微电网将分布式电源、负荷、储能装置、能量变换设施和控制装置集成一个整体进行综合控制。由于其规模的不断扩大,其运行难度也在不断增加,难以满足用户越来越高的安全性和可靠性要求。提出了一种基于PSO算法的逆变器接口分布式电源控制方法,通过优化逆变器输出控制器参数,能够有效抑制存在于微电网中的电压、频率、操作模式转换等干扰。仿真实验验证了该智能控制方法的正确性与有效性。