当物联网设备(Internet of Things Device,IoTD)面临随机到达且复杂度高的计算任务时,因自身计算资源和能力所限,无法进行实时高效的处理。为了应对此类问题,设计了一种两层无人机辅助的移动边缘计算(Mobile Edge Computing,MEC)模型。...当物联网设备(Internet of Things Device,IoTD)面临随机到达且复杂度高的计算任务时,因自身计算资源和能力所限,无法进行实时高效的处理。为了应对此类问题,设计了一种两层无人机辅助的移动边缘计算(Mobile Edge Computing,MEC)模型。在该模型中,考虑到IoTD处理随机计算任务时的局限性,引入多架配备MEC服务器的下层无人机和单架上层无人机进行协同处理。为了实现系统能耗最优化,提出了一种资源优化和多无人机位置部署方案,根据计算任务到达的随机性,应用李雅普诺夫优化方法将能耗最小化问题转化为一个确定性问题,应用差分进化(Differential Evolution,DE)算法进行多次变异、交叉和选择取得无人机的优化部署方案;采用深度确定性策略梯度(Depth Deterministic policy Gradient,DDPG)算法对带宽分配、计算资源分配、传输功率分配和任务卸载分配进行联合优化。实验结果表明,该算法相较于对比算法系统能耗降低35%,充分验证了其可行性和有效性。展开更多
目的:分析全野数字乳腺X线摄影(full field digital mammography,FFDM)单独及联合数字乳腺断层合成X线摄影(digital breast tomosynthesis,DBT)对不同类型乳腺病灶的诊断能力差异。方法:前瞻性纳入2021年11月至2022年6月在上海交通大学...目的:分析全野数字乳腺X线摄影(full field digital mammography,FFDM)单独及联合数字乳腺断层合成X线摄影(digital breast tomosynthesis,DBT)对不同类型乳腺病灶的诊断能力差异。方法:前瞻性纳入2021年11月至2022年6月在上海交通大学医学院附属瑞金医院进行术前乳腺X线检查的患者共计389例,每例患者行Combo模式拍摄的同时获得FFDM图像和DBT图像,所有图像经具有乳腺影像诊断工作10年以上经验的放射科医师阅片。以病理学结果作为金标准,分析乳腺的影像学评价与病理学金标准的一致性,评价FFDM与FFDM+DBT数体诊断效能[灵敏度、特异度、准确率、阳性预测值(positive predictive value,PPV)、阴性预测值(negative predictive value,NPV)、受试者操作特征(receiver operating characteristic,ROC)曲线的线下面积(area under curve,AUC)诊断能力]的差异,并比较FFDM与FFDM+DBT在不同类型乳腺病灶中的诊断效能差异。结果:FFDM+DBT的整体诊断能力较FFDM显著提高(P<0.0001),FFDM+DBT的特异度、灵敏度、准确率、PPV、NPV显著提高(86.96%、89.11%、88.15%、86.54%、89.45%比80.19%、87.16%、84.05%、83.42%、84.53%),差异有统计学意义(P<0.05);FFDM+DBT诊断乳腺癌ROC的AUC较FFDM显著提高(0.906比0.869,P<0.01)。FFDM+DBT对肿块的检出率较FFDM显著提高(62.5%,46.55%,P<0.05),FFDM+DBT对结构扭曲的检出率较FFDM显著提高(11.42%比5.17%,P<0.05);对于肿块病灶良恶性,FFDM+DBT诊断的AUC较FFDM显著提高(0.9186比0.8759,P=0.004)。结论:相比于FFDM单独检查,FFDM+DBT检查对乳腺肿块和相关结构扭曲的显示更有优势,对乳腺良恶性病灶的诊断效能更高。展开更多
文摘当物联网设备(Internet of Things Device,IoTD)面临随机到达且复杂度高的计算任务时,因自身计算资源和能力所限,无法进行实时高效的处理。为了应对此类问题,设计了一种两层无人机辅助的移动边缘计算(Mobile Edge Computing,MEC)模型。在该模型中,考虑到IoTD处理随机计算任务时的局限性,引入多架配备MEC服务器的下层无人机和单架上层无人机进行协同处理。为了实现系统能耗最优化,提出了一种资源优化和多无人机位置部署方案,根据计算任务到达的随机性,应用李雅普诺夫优化方法将能耗最小化问题转化为一个确定性问题,应用差分进化(Differential Evolution,DE)算法进行多次变异、交叉和选择取得无人机的优化部署方案;采用深度确定性策略梯度(Depth Deterministic policy Gradient,DDPG)算法对带宽分配、计算资源分配、传输功率分配和任务卸载分配进行联合优化。实验结果表明,该算法相较于对比算法系统能耗降低35%,充分验证了其可行性和有效性。
文摘目的:分析全野数字乳腺X线摄影(full field digital mammography,FFDM)单独及联合数字乳腺断层合成X线摄影(digital breast tomosynthesis,DBT)对不同类型乳腺病灶的诊断能力差异。方法:前瞻性纳入2021年11月至2022年6月在上海交通大学医学院附属瑞金医院进行术前乳腺X线检查的患者共计389例,每例患者行Combo模式拍摄的同时获得FFDM图像和DBT图像,所有图像经具有乳腺影像诊断工作10年以上经验的放射科医师阅片。以病理学结果作为金标准,分析乳腺的影像学评价与病理学金标准的一致性,评价FFDM与FFDM+DBT数体诊断效能[灵敏度、特异度、准确率、阳性预测值(positive predictive value,PPV)、阴性预测值(negative predictive value,NPV)、受试者操作特征(receiver operating characteristic,ROC)曲线的线下面积(area under curve,AUC)诊断能力]的差异,并比较FFDM与FFDM+DBT在不同类型乳腺病灶中的诊断效能差异。结果:FFDM+DBT的整体诊断能力较FFDM显著提高(P<0.0001),FFDM+DBT的特异度、灵敏度、准确率、PPV、NPV显著提高(86.96%、89.11%、88.15%、86.54%、89.45%比80.19%、87.16%、84.05%、83.42%、84.53%),差异有统计学意义(P<0.05);FFDM+DBT诊断乳腺癌ROC的AUC较FFDM显著提高(0.906比0.869,P<0.01)。FFDM+DBT对肿块的检出率较FFDM显著提高(62.5%,46.55%,P<0.05),FFDM+DBT对结构扭曲的检出率较FFDM显著提高(11.42%比5.17%,P<0.05);对于肿块病灶良恶性,FFDM+DBT诊断的AUC较FFDM显著提高(0.9186比0.8759,P=0.004)。结论:相比于FFDM单独检查,FFDM+DBT检查对乳腺肿块和相关结构扭曲的显示更有优势,对乳腺良恶性病灶的诊断效能更高。
