目的探讨经尿道前列腺等离子双极电切术(transurethral plasmakinetic resection of prostate,TUPKP)治疗高危良性前列腺增生(BPH)患者的临床疗效。方法采用前瞻性多中心研究设计。在全国20家医院泌尿外科按照纳入排除标准,入组行TUPKP...目的探讨经尿道前列腺等离子双极电切术(transurethral plasmakinetic resection of prostate,TUPKP)治疗高危良性前列腺增生(BPH)患者的临床疗效。方法采用前瞻性多中心研究设计。在全国20家医院泌尿外科按照纳入排除标准,入组行TUPKP治疗的高危BPH患者,分析患者基线、围手术期及术后3个月随访的相关数据,评价疗效和安全性。结果2016年9月至2018年12月共入组229名高危BPH患者。与基线相比,术后3个月随访的国际前列腺症状评分改变量为-17.28[95%CI(-18.02,-16.54)]分、最大尿流率改变量为5.61[95%CI(0.68,10.54)]mL·s^(-1)、残余尿量改变量为-84.50[95%CI(-96.49,-72.51)]mL、生活质量评分改变量为-3.24[95%CI(-3.42,-3.06)]分,差异均具有统计学意义(P<0.05)。术中及术后并发症的发生率低,未发生与手术相关的不良事件。结论TUPKP可以用于治疗高危BPH患者,建议由技术熟练的术者实施手术。展开更多
样本有限的表格型数据缺乏不变性结构和足够样本,使得传统数据增强方法和生成式数据增强方法难以获得符合原始数据分布且具有多样性的数据.为此,文中依据表格型数据的特点和邻域风险最小化原则,提出基于邻域分布的去噪扩散概率模型(Vici...样本有限的表格型数据缺乏不变性结构和足够样本,使得传统数据增强方法和生成式数据增强方法难以获得符合原始数据分布且具有多样性的数据.为此,文中依据表格型数据的特点和邻域风险最小化原则,提出基于邻域分布的去噪扩散概率模型(Vicinal Distribution Based Denoising Diffusion Probabilistic Model,VD-DDPM)及相应算法.首先,分析样本有限表格型数据的特征,通过先验知识选择弱相关特征,并构建样本的邻域分布.然后,利用邻域分布采样数据构建VD-DDPM模型,并使用VD-DDPM数据生成算法生成符合原始数据分布且具有多样性的数据集.在多个数据集上针对数据生成质量、下游模型性能等进行实验,验证VD-DDPM的有效性.展开更多
随着大型旋转机械设备的广泛应用,高速旋转机械的故障诊断得到越来越多的关注。旋转机械的周期旋转特性导致信号间存在很强的时序关联关系,当故障发生时,故障特性会在旋转周期间逐渐传递。该研究分析滚动轴承不同类型故障、不同损伤程...随着大型旋转机械设备的广泛应用,高速旋转机械的故障诊断得到越来越多的关注。旋转机械的周期旋转特性导致信号间存在很强的时序关联关系,当故障发生时,故障特性会在旋转周期间逐渐传递。该研究分析滚动轴承不同类型故障、不同损伤程度振动信号时序相关特性的差异度,提出了周期记忆神经网络(periodization long short-term memory,P-LSTM)故障诊断方法。该方法首先提取旋转机械周期内数据特征,并利用记忆因子对特性在周期间的传递规律进行选择性遗忘,学习其周期间的时序相关特征,从而实现滚动轴承的故障诊断。最后利用滚动轴承多类故障数据对所提出方法进行性能分析和试验,验证了P-LSTM方法学习旋转机械周期间的时序相关特性的有效性,以及进行故障诊断的准确度。展开更多
文摘目的探讨经尿道前列腺等离子双极电切术(transurethral plasmakinetic resection of prostate,TUPKP)治疗高危良性前列腺增生(BPH)患者的临床疗效。方法采用前瞻性多中心研究设计。在全国20家医院泌尿外科按照纳入排除标准,入组行TUPKP治疗的高危BPH患者,分析患者基线、围手术期及术后3个月随访的相关数据,评价疗效和安全性。结果2016年9月至2018年12月共入组229名高危BPH患者。与基线相比,术后3个月随访的国际前列腺症状评分改变量为-17.28[95%CI(-18.02,-16.54)]分、最大尿流率改变量为5.61[95%CI(0.68,10.54)]mL·s^(-1)、残余尿量改变量为-84.50[95%CI(-96.49,-72.51)]mL、生活质量评分改变量为-3.24[95%CI(-3.42,-3.06)]分,差异均具有统计学意义(P<0.05)。术中及术后并发症的发生率低,未发生与手术相关的不良事件。结论TUPKP可以用于治疗高危BPH患者,建议由技术熟练的术者实施手术。
文摘样本有限的表格型数据缺乏不变性结构和足够样本,使得传统数据增强方法和生成式数据增强方法难以获得符合原始数据分布且具有多样性的数据.为此,文中依据表格型数据的特点和邻域风险最小化原则,提出基于邻域分布的去噪扩散概率模型(Vicinal Distribution Based Denoising Diffusion Probabilistic Model,VD-DDPM)及相应算法.首先,分析样本有限表格型数据的特征,通过先验知识选择弱相关特征,并构建样本的邻域分布.然后,利用邻域分布采样数据构建VD-DDPM模型,并使用VD-DDPM数据生成算法生成符合原始数据分布且具有多样性的数据集.在多个数据集上针对数据生成质量、下游模型性能等进行实验,验证VD-DDPM的有效性.
文摘随着大型旋转机械设备的广泛应用,高速旋转机械的故障诊断得到越来越多的关注。旋转机械的周期旋转特性导致信号间存在很强的时序关联关系,当故障发生时,故障特性会在旋转周期间逐渐传递。该研究分析滚动轴承不同类型故障、不同损伤程度振动信号时序相关特性的差异度,提出了周期记忆神经网络(periodization long short-term memory,P-LSTM)故障诊断方法。该方法首先提取旋转机械周期内数据特征,并利用记忆因子对特性在周期间的传递规律进行选择性遗忘,学习其周期间的时序相关特征,从而实现滚动轴承的故障诊断。最后利用滚动轴承多类故障数据对所提出方法进行性能分析和试验,验证了P-LSTM方法学习旋转机械周期间的时序相关特性的有效性,以及进行故障诊断的准确度。