幽门螺杆菌感染的中西医结合诊疗方案

我国的幽门螺杆菌(Helicobacter pylori,Hp)感染率较高,且胃癌高发,根除Hp不仅是治疗胃炎、消化性溃疡的重要手段,也是预防胃癌的有效措施。Hp属中医湿热邪气,其引起的胃炎、消化性溃疡等病归属中医学“胃脘痛病”“胃痞病”等范畴,呈现脾胃湿热、脾虚郁滞、正虚毒盛的病证演变规律。中医药在提高Hp根除率、缓解临床症状、减少不良反应等方面具有优势,在长期临床应用中形成了有效的中西医结合根除方案,以及针对老年人群、难治性人群的个体化病证结合治疗方案。参照《成人幽门螺杆菌引起的胃炎中西医协作诊疗共识》《全国中西医整合治疗幽门螺杆菌相关“病-证”共识》,结合北京大学第一医院中医、中西医结合科团队在Hp中西医结合治疗领域的研究成果共同制定本方案,以期突出中医药优势,规范Hp感染的中西医协同诊疗,提高临床疗效。

裂缝小目标缺陷的轻量化检测方法

及时且准确捕获井壁出现的微小裂缝,对于井筒安全意义重大.轻量化检测模型是推动井壁裂缝自动检测的关键,打破现有方法聚焦于提取深层语义信息的局限,重视浅层特征表征的几何结构信息的应用,针对井壁裂缝提出轻量化检测模型E-YOLOv5s.首先融合普通卷积、深度可分离卷积和ECA注意力机制设计轻量化卷积模块ECAConv,再引入跳跃链接构建特征综合提取单元E-C3,得到骨干网络ECSP-Darknet53,它负责显著降低网络参数,同时增强对裂缝深层特征的提取能力.然后设计特征融合模块ECACSP,利用多组ECAConv和ECACSP模块组建细颈部特征融合模块E-Neck,旨在充分融合裂缝小目标的几何信息和表征裂缝开裂程度的语义信息,同时加快网络推理速度.实验表明,E-YOLOv5s在自制井壁数据集上的检测精度相较YOLOv5s提升了4.0%,同时模型参数量和GFLOPs分别降低了44.9%、43.7%.E-YOLOv5s有助于推动井壁裂缝自动检测的应用.

面向煤矸识别的目标检测算法

煤与矸石具有目标密集、特征差异小等特征,基于图像处理的识别方法普遍存在检测速度慢、精度低等问题。为了进一步提高煤矸检测的速度和精度,提出一种GE-YOLOv5s煤矸检测模型。首先在YOLOv5s的基础上引入Ghost Conv代替卷积操作,并设计新模块GhostCSP,在提升模型检测速度的同时实现网络的轻量化;其次在预测层中加入GC自注意力机制,融合SENet的轻量化和NLNet长距离信息全局捕获的优势,使网络记忆、放大煤矸图像间的细微差异特征,提升模型的表现力;然后在Neck部分采用双向特征金字塔网络(BiFPN)结构,利用BiFPN融合3个不同维度的特征,通过加权特征融合机制提高模型计算效率,进一步提升煤矸检测速度;最后设计一种新型激活函数Eswish替代SiLU激活函数,提高参数利用率的同时加快模型收敛速度并提升鲁棒性。实验数据表明:相较于YOLOv5s模型减少了34.1%的参数量和38.6%的浮点运算量,并且在mAP 0.5:0.95指标上提升了1.9%。对比实验显示,相较于YOLOv3、SSD、FasterR-CNN和YOLOv5-scSE的mAP 0.5:0.95指标分别提高了16.6%、4.8%、13.6%和3.8%。将GE-YOLOv5s模型应用于煤矸石目标检测过程中,具有更优的识别性能、鲁棒性、网络泛化能力,可有效避免漏检、误检和重叠现象。

航拍绝缘子自爆缺陷的轻量化检测方法

为了精准识别、定位架空输电线路中航拍绝缘子串的自爆缺陷,提出一种轻量化检测方法MDD-YOLOv3。首先将YOLOv3主干网络残差单元中的普通卷积替换为深度可分离卷积,设计主干网络D-Darknet53,在网络检测精度微降的情况下,大幅提升网络的检测速度。特征挖掘模块中,设计了Dense-SPP模块,Dense-SPP和它前后串联的卷积特征提取层能充分挖掘自爆缺陷的全局和局部特征,提高网络对自爆缺陷的特征表达能力。最后构建了四维度预测层,能充分提取自爆缺陷的位置、纹理和语义等信息,提高网络的小目标检测性能。仿真实验表明,MDD-YOLOv3对绝缘子的检测精确度达到96.1%,检测速度达到36帧/s,相比YOLOv3,检测精确度和速度分别提升了4.0%和28.6%。研究结果证明所提方法可以在复杂背景下快速且精准的识别和定位绝缘子缺陷。

绝缘子自爆缺陷的轻量化检测网络DE-YOLO

为了实现输电线路的高精度、高速度巡检,设计了一种适用于移动终端设备的轻量化目标检测网络DE-YOLO。首先融合深度可分离卷积、逐点卷积和ECA注意力机制提出了特征提取模块NewC3,它负责显著降低网络参数、同时强化网络提取绝缘子有效信息的能力。再借助通道数成倍增长策略和通道注意力机制SE设计了轻量化模块DC-SE,它用于削弱复杂背景对绝缘子故障的干扰、互补提取绝缘子细微特征,进而增强浅层网络对目标特征信息的提取能力。实验表明,DE-YOLO网络在自制绝缘子数据集上的GFLOPs降低45%,运行参数降低42%,自爆缺陷检测精度高达93.2%。NewC3和DC-SE能保证DE-YOLO的轻量化,同时满足绝缘子自爆缺陷实时检测的要求。

仿鹰视顶盖的眼底OCT图像重建方法

客观因素导致临床获得的眼底OCT图像存在对比度差、病灶区域边缘模糊等现象.为解决上述问题,借鉴鹰视觉系统的信息处理机制,提出单幅OCT图像的超分辨率重建方法EOTRN.它仿照鹰眼视顶盖逐步扩大感受野的思路,从纵、横两维度逐级挖掘高级语义特征.纵向维度上借助空洞卷积、密集连接、通道注意力实现感受野逐步扩大、不同网络层特征传播及不同通道特征间的“竞争”与“合作”,完成低频信号的高级语义特征的初步提取.横向维度上借助64个特征子空间剔除高级语义特征中的冗余信息,校正并突出显著信息,实现病灶区域的纹理、轮廓特征强化.最后对底层语义特征和高级语义特征进行上采样和深层重建,得到高清OCT图像.仿真表明,在×4放大倍数时,EOTRN对测试集3的PSNR和SSIM值比EMASRN分别提高了0.96%和1.36%,重建图像能够突出细节信息,真实反映眼底健康状况.EOTRN的参数量较少,适用于嵌入式系统的部署,实现眼底OCT图像的实时超清重建.

井壁破裂与内部应变状态机理分析

为研究立井井壁破裂与内部应变之间的相互规律,搭建井壁实物模型以模拟井壁受力破裂过程和状态,利用分布式光纤技术对井壁内部应变进行监测,并分别从应力和应变多角度进行深入分析.结果表明:对于应变状态,当施加应力增大,井壁应变程度也随之增大,应变极大值所对应的井壁位置,其应变程度在范围内达到最大,破裂风险也就最高;对于应力作用,不同应力下井壁应变最大值与最小值之间的偏差度越大,井壁稳定性越差,越容易发生破裂;分析了应力、应变二者相互关联性,拟合各方向角所对应的井壁位置应变变化的线性方程,变化率数值越大,井壁应变增长速度就越快,当应变值超过所能承受极限时,井壁会更容易发生破裂;通过对井壁应变数据监测,分析了应变差值、偏差度和应变变化率,结合Lamé公式,建立了井壁应变破裂关系模型,为井壁破裂预警提供了新方案.

基于斯皮尔曼等级相关性的彩色图像椒盐噪点检测算法

为了避免在图像去噪时对非噪声点产生运算,更好地保护图像边缘细节,针对彩色图像设计了一种椒盐噪点检测方法.首先,将图像中的每个像素点作为待检测点,对待检测点及其左侧相邻像素点利用彩色图像的空间和色彩相关性构造两个6维向量;然后,算出两向量的斯皮尔曼等级相关系数,通过设置阈值T1筛选图像中的极值点,初选出所有可能的噪点和边缘点;最后,计算初选点与其周围8个像素点之间的斯皮尔曼等级相关系数,通过设置阈值T2将初选点确定为噪点或边缘点.仿真实验表明,利用粒子群优化算法对两个阈值参数寻优后的参考取值范围为0.28<T2<0.41<0.70<T1<0.80;用寻优的阈值,对椒盐噪声浓度介于0.01~0.1和0.2~0.8的含噪图像的噪点检测率分别不低于91.51%和88.01%,对加入人为噪点的含噪图像的噪点检测率不低于88.71%.该检测精度能够保证去噪后的彩色图像的CPSNR值超过57dB.

融合有限差分及梯度的Bayer-CFA插值方法

为了实现对边缘像素点的高精度插值,融合有限差分、图像梯度、图像相关性提出了一种先插值再修正的Bayer彩色滤波阵列(color filter array,CFA)插值方法Bayer-CFA。首先,把CFA图像中的已知像素点作为离散的网格节点,利用像素点间的空间相关性构造插值函数。然后,结合色彩相关性设计插值G像素的水平、垂直方向的插值算子,并用梯度信息建立两个方向的权重因子,实现G平面插值;再根据G像素点左右的已知R像素点的对称性及色彩相关性构建插值函数,应用色差公式完成R平面插值,并用与R平面插值相同的方法完成B平面插值。最后,对每个插值结果,在以其为中心的3×3邻域内进行梯度修正,采用梯度信息构造8个方向的权重因子,用像素点的空间位置决定加权系数,以消除不规则边缘及纹理引起的插值误差。仿真结果表明:相较于EET算法,Bayer-CFA的彩色图像峰值信噪比提高了0.57 dB,S-CIELAB空间的色差降低了0.23;Bayer-CFA在使用梯度修正后能减少伪彩色,沿边缘方向的插值有效削弱了锯齿现象,能保留图像的边缘纹理细节。

深立井井壁图像的卷积神经网络去噪方法

为了实现井壁缺陷的自动检测,提出去除井壁图像噪声的卷积神经网络(CNN)模型(ELU-CNN)。该模型为深28层的全卷积网络模型,由5个特征提取模块(FEM)和跳跃连接组成;跳跃连接将第一卷积层的输出特征与每一个FEM的输出特征串联融合,保证图像特征的充分提取;使用残差学习来缓解梯度消失并提高收敛速度,保证训练后的去噪模型学习到的非线性映射是图像噪声;选用ELU作为激活函数,它具有软饱和性且输出均值接近于零,能增强模型对输入噪声的鲁棒性并加速模型收敛。在标准测试集BSD68、set12及实际井壁图像上,验证ELU-CNN模型的去噪性能并和先进方法作比较,实验结果表明:与FFDNet模型相比,ELU-CNN模型的平均峰值信噪比,在含噪声浓度σ为(15,25,35,50,75)的BSD68、set12测试集上分别提高了(0.17,0.11,0.08,0.05,0.03)dB、(0.18,0.16,0.08,0.06,0.07)dB。在去除井壁图像盲噪声时,ELU-CNN模型能更好地保留缺陷的纹理信息。

跨信道注意力权重最大区域掩盖的正则化方法

针对Dropout的流动性和随机性可能引起欠拟合或过拟合的问题,提出跨信道计算注意力权重并掩盖注意力权重最大区域的正则化方法(MARDrop)。设计跨信道注意力权重提取机制,提取所有特征图的注意力权重,并筛选出注意力权重较大的部分作为特征判别单元;根据特征判别单元周围区域的注意力权重变化确定出注意力权重最大区域,并将其掩盖即对应区域置为0,其余区域均置为1;将取值为1的注意力权重区域还原为特征图,完成正则化处理。实验表明:MARDrop具有较强的灵活性,结合不同优化方法用于Model2模型后,在CIFAR-10上的分类精度比基础模型提高了19.55%;MARDrop具有较强的泛化能力,能灵活用于不同模型,用于VGG16和ResNet18模型后,在CIFAR-10上的分类错误率比基础模型分别降低了10.05%和9.96%,用于MoblieNetV3S和MoblieNetV3L后,在ImageNet-C9上的分类错误率比基础模型分别降低了14.67%和96.90%。MARDrop利用一维卷积跨信道交互计算注意力权重,能有效降低提取的复杂度;MARDrop通过准确掩盖造成过拟合的特征区域,降低了模型对少数特征的依赖性,进而增加了图像分类的准确率。

面向CNN模型图像分类任务的高效激活函数设计

激活函数(Activation Functions,AF)对于卷积神经网络学习、拟合复杂函数模型来说具有十分重要的作用,为了使神经网络能更好更快的完成各类学习任务,设计了一种新型高效激活函数EReLU。EReLU通过引入自然对数函数有效缓解了神经元“坏死”和梯度弥散问题,通过分析激活函数及其导函数在前馈和反馈过程中的作用对EReLU函数的数学模型探索设计,经测试确定EReLU函数的具体设计方案,最终实现了提升精度和加速训练的效果;随后在不同网络和数据集上对EReLU进行测试,结果显示EReLU相较于ReLU及其改进函数精度提升0.12%~6.61%,训练效率提升1.02%~6.52%,这有力地证明了EReLU函数在加速训练和提升精度方面的优越性。

人才培养的同伴效应研究

高等学校的人才培养质量与同伴效应密切相关。通过对安徽省6所高校教学分析发现,课堂教学过程中,同伴关系普遍存在,而且影响显著,影响类型表现为共同进步、负面干扰和潜移默化。课内学习和集体学习会直接影响学业成绩,相比于普通高校,“985”高校的正向激励更具优势,人文社科专业的负面干扰高于理工科专业,低年级的同学更易受到干扰。研究认为,应加强新生入学教育,课堂教师加强正向互动引导,利用同伴效应,营造良好的群体学习环境。

基于数据挖掘分析中药专利复方治疗腹泻型肠易激综合征的用药规律

目的:应用关联规则、聚类分析等数据挖掘技术,分析中药专利复方治疗腹泻型肠易激综合征的用药规律。方法:检索治疗腹泻型肠易激综合征的中药专利复方,根据纳排标准进行筛选。建立Excel表,对入选的复方进行术语规范化处理,应用数据挖掘软件对数据进行频次统计、频繁项集分析、关联规则分析、聚类分析、复杂网络分析。结果:共得到96首专利复方,频次统计发现用药多温、平,以甘、辛、苦味药为主,使用频次较高的中药包括白芍、陈皮、白术、防风、茯苓、甘草、木香、黄连、麸炒白术、柴胡等;频繁项集分析显示药物配伍以调和肝脾、燥湿止泻为主;关联规则分析显示常见药对包括防风-白芍、柴胡-白芍、炙甘草-陈皮、山药-茯苓等;聚类分析发现3个中药功能模块,即补脾柔肝、祛湿止泻;理气止痛,燥湿止泻;温中散寒、涩肠止泻;复杂网络分析发现核心药物33味,核心配伍的功效为补脾柔肝、祛湿止泻。结论:数据挖掘为临床治疗腹泻型肠易激综合征提供了参考依据,应以调肝、健脾、温肾为基本大法,兼顾涩肠止泻、养心安神、调和寒热等,根据患者症状辨证论治。

不同支持物及培养条件对幽门螺杆菌生物膜形成的影响

目的 研究在不同支持物和培养条件下幽门螺杆菌(Helicobacter pylori,H.pylori)生物膜造模方法。方法 选取H.pylori SS1作为实验菌株,通过液体培养、固体培养的方法,分别选取圆形玻片及硝酸纤维素膜(NC膜)为载体,将H.pylori SS1分别接种于无菌24孔板及固体培养基中NC膜上,37℃微需氧环境培养72 h,成膜后戊二醛固定,乙醇梯度脱水干燥,喷金,电镜下观察。结果 液体培养圆形玻片为载体条件下H.pylori成膜形态立体,可清晰看到其鞭毛结构,但其密度较差,生长状态一般,且成膜率较低;固体培养NC膜载体条件下H.pylori形态较扁平,但生长状态良好,同样可见其鞭毛结构,成膜率较高。结论 液体培养条件及固体培养条件下均可成功构建H.pylori生物膜模型,但电镜观察固体培养NC膜载体条件下生物膜生长状态更好,成膜率更高。体外实验更推荐以NC膜为载体的固体培养。

岐黄学者张学智教授以病统证、病证结合辨治幽门螺杆菌相关性胃炎的思路和诊疗策略

岐黄学者张学智教授临证诊疗幽门螺杆菌(HP)30余年,对HP相关性胃炎病机动态演绎发展规律进行了系统归纳总结,基于临床随访队列和治疗实践系统探索提出HP相关性胃炎疾病进展遵循“脾胃湿热-脾虚郁滞-正虚邪盛”的病机演变特点,提出“清热调中-培土畅中-扶正攻毒”三步治法,通过以病统证、病证结合针对性实现辨证论治、全程动态随访的中医药治疗,分阶段干预,实现HP相关性胃炎的中西医协作诊疗体系的构建及胃黏膜病变的中医药全程管理,达到延缓疾病进展甚至逆转病变的效果。笔者通过对张学智教授分阶段分层次诊治HP相关性胃炎经验进行探析,以期为临证提供参佐。

关注细粒度特征的视网膜病变自动分级

糖尿病视网膜病变(diabetic retinopathy,DR)是糖尿病并发症最常见的疾病之一。由于视网膜图像病灶存在类间差异小、特征复杂的特点,导致传统深度学习网络对病灶点不聚焦、特征提取不充分等问题。针对上述问题,提出一种视网膜病变的自动分类模型D-SCNet。首先设计一种全局注意力模块SC,它以空间加通道的方式交替排列,相互促进,克服传统全局注意模块先通道后空间两维独立作用的注意方式;再使用高效激活函数EReLU进行非线性处理,加大对有效区域中黄色环、亮红色斑块和视盘区病变点数的关注度。最后,以轻量化DenseNet121为主干网络,将注意力模块SC放置于瓶颈结构的3×3卷积之后,得到新的特征提取瓶颈结构,促使网络提取有效信息,提高分类精度。测试结果表明,SC注意力模块具有一定的泛化作用,在传统典型网络Vgg、ResNet、Xception上对分类准确率分别提升3.04%、0.76%、2.48%;同时D-SCNet模型相比现有模型具有一定的优越性。若将该模型应用在临床上,可协助眼科医生对视网膜病变进行初级筛查。

幽门螺杆菌感染耐药的中西医治疗对策

幽门螺杆菌(Helicobacter pylori,HP)感染是胃癌发生的主要危险因素,根除HP可以有效降低胃癌的发生率和病死率。然而,大规模的HP根除治疗和抗生素的不规范使用导致HP对多种抗生素的耐药率逐渐升高,成为导致HP根除失败的主要原因。中西医在对耐药HP的治疗中各有优势,二者相结合构成的病证结合个体化诊疗方案有望为耐药HP的治疗提供更为全面、有效的解决方案,为临床治疗提供更多的选择。

煤矸的轻量级智能分选网络

针对现有煤矸分选方法存在模型复杂、实时性差、特征易丢失等问题,构建了一种轻量化煤矸分选网络GC-ResNet18。GC-ResNet18利用幽灵卷积(ghost convolution, GC)线性生成ghost映射的特性,剔除煤和矸石相似性特征的冗余信息。借助Softpool的下采样激活映射,保留、凸显煤和矸石的特征信息并去除冗余参数,防止过拟合现象。引入GC自注意力机制,融合SENet的轻量化和NLNet长距离信息全局捕获的优势,使网络记忆、放大煤矸图像间的细微差异特征,提升煤矸图像的识别准确率。实验结果表明,GC降低了46.6%的参数量,GC自注意力机制在CIFAR10、CIFAR100上分别提升1.44%、2.32%的准确率,而Softpool池化在上述两个数据集中分别提升了0.22%、0.17%。通过对比实验,全面改进后的GC-ResNet18网络在训练效率和分类精度上优于VGG19-S-GDCNN、SBP-VGG-16等模型,在CIFAR10和CIFAR100数据集中的分类精度与同规模的网络相比均达到最优的94.07%和74.95%,并最终在自建煤矸数据集上达到了97.2%的分类准确率。

老年幽门螺杆菌感染根除治疗进展

幽门螺杆菌(Helicobacter pylori, Hp)是Ⅰ类致癌因子。抗生素耐药率高、感染率高、耐受性低的特点限制着常规一线抗Hp治疗在老年人群中的应用。老年患者根除Hp可显著降低消化道肿瘤与消化道出血发生的风险,治疗获益确切。目前老年Hp根除的主要方案仍为铋剂四联疗法,加载益生菌或中药可提高根除率、减少不良反应。高剂量二联疗法以其不良反应风险小、疗效肯定的优势或可成为老年Hp根除治疗的另一理想方案。