社区居民肺癌防治知识需求意愿及其影响因素分析

目的分析社区居民对肺癌防治知识的需求意愿及其影响因素,为肺癌的综合防治提供依据。方法选取2021年—2022年东莞市某社区开展肺癌筛查、年龄40~74岁且能理解问卷调查内容的自然居住人群进行问卷调查。采用单因素分析和二分类Logistic回归分析居民肺癌防治知识需求意愿及其影响因素。结果66.1%的社区居民愿意接受肺癌防治知识;一般愿意与不愿意了解肺癌防治知识前三位原因是没有时间去了解(26.9%)、不感兴趣(24.2%)、已经了解相关防治知识(18.9%)。专业技术人员显示有较高的肺癌防治知识需求意愿(B=1.568,P=0.016)。肺癌的预防途径是社区居民希望了解最多的肺癌防治知识,其占比为60.2%。结论社区居民对肺癌防治知识的需求意愿相对较低;年龄、职业、受教育程度、医保类型是社区居民对肺癌防治知识需求意愿的影响因素。根据不同人群的需求意愿及影响因素,帮助其选择科学、方便、有针对性的肺癌防治知识以及更容易接受的宣传方式,改善社区居民肺癌防治知识的现状,提升健康素养水平。

造山型金矿的地质特征和成矿流体

造山型金矿是全球重要的金矿类型。造山型金矿包含三种类型:产于绿岩带的含金石英碳酸盐脉、产于浊积岩中的含金石英脉和产于条带状铁矿(BIF)中的含金石英脉。造山型金矿的形成受板块构造控制,处于压缩或者转换挤压的造山构造环境。造山型金矿中的绿岩带金矿主要受剪切带、转换断层控制,浊积岩型金矿受褶皱和层间走滑断层控制,而赋存于BIF中的金矿则受剪切带和断层所控制。在这些金矿床中发现了4类流体包裹体:H_2O-CO_2型、富CO_2型、气液包裹体和含Na Cl子矿物的包裹体。所有年代的造山型金矿成矿流体的成分均为低盐度的水溶液和富CO_2的流体,温度在200~400℃范围内。稳定同位素研究表明造山型金矿的成矿流体源自变质流体和岩浆流体。金在成矿流体中的络合物应为Au HS^-或Au H_2S。虽然成矿流体中有丰富的CO_2,但Au在CO_2流体中的溶解度很低,有丰富的CO_2时Au在H_2S中的溶解度增大。流体包裹体研究表明,Au的成矿流体是Na Cl-H_2O-CO_2体系的流体,并在成矿过程中发生了相分离,即Na Cl-H_2O-CO_2流体分成两个流体:H_2O-Na Cl和CO_2-H_2O,Au的沉淀是在这种相分离过程中发生的。

基于深度学习的视觉多目标跟踪算法综述

视觉多目标跟踪是计算机视觉领域的热点问题,然而,场景中目标数量的不确定、目标之间的相互遮挡、目标特征区分度不高等多种难题导致了视觉多目标跟踪现实应用进展缓慢。近年来,随着视觉智能处理研究的不断深入,涌现出多种多样的深度学习类视觉多目标跟踪算法。在分析了视觉多目标跟踪面临的挑战和难点基础上,将算法分为基于检测跟踪(Detection-Based-Tracking,DBT)、联合检测跟踪(Joint-Detection-Tracking,JDT)两大类及六个子类,研究不同类别算法的优缺点。分析表明,DBT类算法结构简单,但算法各子环节的关联度不高,JDT类算法融合多模块联合学习,在多项跟踪评价指标中占优。DBT类算法中特征提取模块是解决目标遮挡问题的关键,但损失了算法速度,JDT类算法对检测模块更为依赖。目前,多目标跟踪跟踪总体是从DBT类算法向JDT发展,分阶段实现算法准确度与速度的均衡;提出多目标跟踪算法未来在数据集、各子模块、具体场景应用等方面的发展方向。

The occurrence of gold in pyrite from the Liulincha gold ore belt,western Hunan Province,China

In this study,an electron microprobe analyzer(EMPA) was used to map the spatial distribution and the occurrence of invisible gold in pyrite from the Liulincha gold ore belt.EPMA data show that gold mainly occurs as submicroscopic-microscopic inclusions.From the contrast of the major guide elements of pyrite from the Liulincha gold ore belt and those from four hydrothermal-type gold deposits in the Jiaodong region,we can see the pyrites were formed in two stages:the pyrite from wall rock is mainly sedimentogenic,with simple structure;and the pyrite from ore body experienced early sedimentary process to late hydrothermal activity,the pyrite is regular in crystal form and exhibits fractured structure.

短时记忆与CenterTrack的车辆多目标跟踪

目的车辆多目标跟踪是智能交通领域关键技术,其性能对车辆轨迹分析和异常行为鉴别有显著影响。然而,车辆多目标跟踪常受外部光照、道路环境因素影响,车辆远近尺度变化以及相互遮挡等干扰,导致远处车辆漏检或车辆身份切换(ID switch,IDs)问题。本文提出短时记忆与CenterTrack的车辆多目标跟踪,提升车辆多目标跟踪准确度(multiple object tracking accuracy,MOTA),改善算法的适应性。方法利用小样本扩增增加远处小目标车辆训练样本数;通过增加的样本重新训练CenterTrack确定车辆位置及车辆在相邻帧之间的中心位移量;当待关联轨迹与检测目标匹配失败时通过轨迹运动信息预测将来的位置;利用短时记忆将待关联轨迹按丢失时间长短分级与待匹配检测关联以减少跟踪车辆IDs。结果在交通监控车辆多目标跟踪数据集UA-DETRAC(University at Albany detection and tracking)构建的5个测试序列数据中,本文方法在维持CenterTrack优势的同时,对其表现不佳的场景获得近30%的提升,与YOLOv4-DeepSort(you only look once—simple online and realtime tracking with deep association metric)相比,4种场景均获得近10%的提升,效果显著。Sherbrooke数据集的测试结果,本文方法同样获得了性能提升。结论本文扩增了远处小目标车辆训练样本,缓解了远处小目标与近处大目标存在的样本不均衡,提高了算法对远处小目标车辆的检测能力,同时短时记忆维持关联失败的轨迹运动信息并分级匹配检测目标,降低了算法对跟踪车辆的IDs,综合提高了MOTA。