目的 探究母亲孕期臭氧(Ozone, O_(3))暴露与2岁幼儿神经心理发育之间的关联。方法 基于2017年3月起于广州市越秀区妇幼保健院建立的出生队列,根据母亲家庭住址,采用基于遥感卫星数据的反演模型计算孕期(孕早、中、晚期)日最大8 h O_(3...目的 探究母亲孕期臭氧(Ozone, O_(3))暴露与2岁幼儿神经心理发育之间的关联。方法 基于2017年3月起于广州市越秀区妇幼保健院建立的出生队列,根据母亲家庭住址,采用基于遥感卫星数据的反演模型计算孕期(孕早、中、晚期)日最大8 h O_(3)浓度。在幼儿2岁时使用《年龄与发育进程问卷—第3版》(Ages and Stages Questionnaires, Third Edition, ASQ-3)评估其神经心理发育状况。采用多重线性回归和Logistic回归模型分析孕期O_(3)暴露和2岁幼儿ASQ-3各神经发育能区之间的关联。结果 孕期日最大8 h O_(3)浓度中位值为89.88μg/m^(3),其中孕晚期日最大8 h O_(3)浓度最大值为129.32μg/m^(3),且超标率达到52.63%。在校正混杂因素后,孕期日最大8 h O_(3)浓度每增加10μg/m^(3)分别与2岁幼儿的沟通(β=-8.79,95%CI:-16.73~-0.86)、粗大动作(β=-7.19,95%CI:-12.14~-2.23)、解决问题(β=-7.04,95%CI:-12.52~-1.56)以及个人—社会能区(β=-8.27,95%CI:-15.46~-1.07)的得分降低有关。孕晚期日最大8 h O_(3)浓度的增加与解决问题能区得分(β=-1.76,95%CI:-3.21~-0.31)降低相关。孕期日最大8 h O_(3)浓度越高,幼儿粗大动作能区和解决问题能区可疑发育异常的风险越高,调整后的OR(95%CI)分别为:4.92 (1.29, 20.72)和4.33 (1.10, 18.76)。结论 母亲孕期O_(3)暴露与2岁幼儿ASQ-3评分中沟通、粗大动作、解决问题及个人社会能区得分降低有关,并可能会增加2岁幼儿粗大动作和解决问题能区可疑发育异常的风险。展开更多
传统的基于深度学习的图像分类方法在大样本分类任务中具有较好的分类效果,但在小样本分类任务中却存在较大的挑战,为此,小样本图像分类获得了研究人员的广泛关注.基于度量的方法是解决小样本图像分类的一种简单有效方法,它利用可学习...传统的基于深度学习的图像分类方法在大样本分类任务中具有较好的分类效果,但在小样本分类任务中却存在较大的挑战,为此,小样本图像分类获得了研究人员的广泛关注.基于度量的方法是解决小样本图像分类的一种简单有效方法,它利用可学习的映射函数将分类任务中的所有样本映射到一个特征空间中,然后基于某种度量标准对查询特征进行分类.由于分类任务中不同类的两个图像有可能包含较多的相似性区域,导致特征空间中某些查询特征与异类的类原型特征的距离较近,较难学习到大的分类边界.为了解决上述问题,本文提出了注意力全关系网络(Total Relation Network with Attention,TRNA),该网络通过计算特征对的全关系和特征对的注意力来实现大边界的特征空间.具体地,在计算出所有的查询特征和类原型后,提出的网络利用特征对全关系拼接操作将特征空间中的任意两个特征在通道方向上进行拼接得到特征对矩阵,然后利用特征对注意力机制将特征对矩阵中不同类间难区分的特征对挑选出来并给予大的权重,最后将特征对矩阵输入卷积网络和全连接网络得到一个相似得分矩阵.实验结果表明本文的方法与关系网络相比,在数据集mini-ImageNet、Stanford-Dogs、Stanford-Cars、CUB-200-2011的1-shot和5-shot分类任务中分别有2.67%和1.71%、8.31%和3.92%、14.99%和8.00%、4.41%和4.42%的性能提升.展开更多
文摘目的 探究母亲孕期臭氧(Ozone, O_(3))暴露与2岁幼儿神经心理发育之间的关联。方法 基于2017年3月起于广州市越秀区妇幼保健院建立的出生队列,根据母亲家庭住址,采用基于遥感卫星数据的反演模型计算孕期(孕早、中、晚期)日最大8 h O_(3)浓度。在幼儿2岁时使用《年龄与发育进程问卷—第3版》(Ages and Stages Questionnaires, Third Edition, ASQ-3)评估其神经心理发育状况。采用多重线性回归和Logistic回归模型分析孕期O_(3)暴露和2岁幼儿ASQ-3各神经发育能区之间的关联。结果 孕期日最大8 h O_(3)浓度中位值为89.88μg/m^(3),其中孕晚期日最大8 h O_(3)浓度最大值为129.32μg/m^(3),且超标率达到52.63%。在校正混杂因素后,孕期日最大8 h O_(3)浓度每增加10μg/m^(3)分别与2岁幼儿的沟通(β=-8.79,95%CI:-16.73~-0.86)、粗大动作(β=-7.19,95%CI:-12.14~-2.23)、解决问题(β=-7.04,95%CI:-12.52~-1.56)以及个人—社会能区(β=-8.27,95%CI:-15.46~-1.07)的得分降低有关。孕晚期日最大8 h O_(3)浓度的增加与解决问题能区得分(β=-1.76,95%CI:-3.21~-0.31)降低相关。孕期日最大8 h O_(3)浓度越高,幼儿粗大动作能区和解决问题能区可疑发育异常的风险越高,调整后的OR(95%CI)分别为:4.92 (1.29, 20.72)和4.33 (1.10, 18.76)。结论 母亲孕期O_(3)暴露与2岁幼儿ASQ-3评分中沟通、粗大动作、解决问题及个人社会能区得分降低有关,并可能会增加2岁幼儿粗大动作和解决问题能区可疑发育异常的风险。
文摘传统的基于深度学习的图像分类方法在大样本分类任务中具有较好的分类效果,但在小样本分类任务中却存在较大的挑战,为此,小样本图像分类获得了研究人员的广泛关注.基于度量的方法是解决小样本图像分类的一种简单有效方法,它利用可学习的映射函数将分类任务中的所有样本映射到一个特征空间中,然后基于某种度量标准对查询特征进行分类.由于分类任务中不同类的两个图像有可能包含较多的相似性区域,导致特征空间中某些查询特征与异类的类原型特征的距离较近,较难学习到大的分类边界.为了解决上述问题,本文提出了注意力全关系网络(Total Relation Network with Attention,TRNA),该网络通过计算特征对的全关系和特征对的注意力来实现大边界的特征空间.具体地,在计算出所有的查询特征和类原型后,提出的网络利用特征对全关系拼接操作将特征空间中的任意两个特征在通道方向上进行拼接得到特征对矩阵,然后利用特征对注意力机制将特征对矩阵中不同类间难区分的特征对挑选出来并给予大的权重,最后将特征对矩阵输入卷积网络和全连接网络得到一个相似得分矩阵.实验结果表明本文的方法与关系网络相比,在数据集mini-ImageNet、Stanford-Dogs、Stanford-Cars、CUB-200-2011的1-shot和5-shot分类任务中分别有2.67%和1.71%、8.31%和3.92%、14.99%和8.00%、4.41%和4.42%的性能提升.