不同钉棒内固定方式在腰椎侧路融合中的有限元力学分析

背景:考虑到脊柱固定的稳定性,目前临床在进行侧路椎间融合时大多采用后路双边椎弓根螺钉固定的手术方式,且多数为两期手术完成。侧卧位的后路单侧、侧方椎体钉棒固定的固定方式,也有可能会提供较好的力学稳定性,所带来的手术时间缩短、风险与花费降低等获益考量值得进一步研究。目的:比较4种不同侧路椎间融合内固定方式的生物力学特性。方法:建立正常L3-5有限元模型,在验证其有效性基础上模拟4种不同内固定方式,即后路双侧椎弓根螺钉+侧路融合模型(Model A)、后路单侧椎弓根螺钉+侧路融合模型(Model B)、侧路双侧螺钉+侧路融合模型(Model C)及侧路单侧螺钉+侧路融合模型(Model D)。分别比较各模型在生理活动范围下的稳定性、螺钉内固定和椎间融合器的应力差异。结果与结论:①对所有重构模型,在融合节段(L4-5)的活动范围均显著下降,Model A的活动范围下降更明显;②在模型的屈伸、侧屈和轴向旋转运动状态,侧路置钉的峰值应力与后路置钉的峰值应力的差异分别超过67.74 MPa、80.10 MPa和43.95 MPa;③在不同重建模型内固定应力分布方面,Model A和Model B螺钉的应力分布主要集中在椎弓根螺钉的体部,而Model C和Model D的峰值应力主要集中在螺钉的尾部;④提示Model A能够获得最好的稳定性,并且能够降低cage下沉及移位的风险;而Model B亦能够提供较好的稳定性,在保证稳定和固定的前提下能成为侧路融合的替代选择;⑤此外在选择侧路置钉的内固定时,Model C能获得与Model D相似的效果,但在临床诊疗上面对腰椎后伸不稳定的患者需谨慎选择侧路的单侧内固定,亦应避免过度后伸以降低螺钉松动和疲劳断裂的发生率。

铆接铝合金板铆钉失效缺陷检测方法研究

针对车身用铝合金板内部铆钉缺陷特征提取难度大、缺陷类型与程度识别准确率低的问题,提出一种基于高斯卷积深度信念网络与双向长短期记忆网络相结合的铆钉失效缺陷诊断模型与检测方法。首先,面向5种铆钉断裂缺陷设计试件并搭建自动检测系统,通过规划和调整探头姿态有效地降低提离效应对检测信号的影响。其次,设计双网络融合诊断模型提取和学习多维度缺陷特征信息,解决检测曲线中由时序变化特性和空间分布状态表征的缺陷信息提取难题。实验结果表明,与传统卷积网络及单一深度信念网络相比,优化后算法诊断模型的平均准确率为99.85%,相比提升了14.54%,且具有良好的通用性和鲁棒性,可实现铆钉内部缺陷的在线诊断。

无人机多光谱影像的小麦倒伏信息多特征融合检测研究

为探究多特征融合方法在作物倒伏领域快速精准识别中的适用性,利用无人机获取多田块冠层尺度的不同倒伏率麦田多光谱数据,对原始倒伏图像进行图像拼接、辐射校正、几何校正等预处理,并利用重归一化差值植被指数和阴影指数分别剔除土壤和阴影背景,提取小麦倒伏DSM模型和植被指数分别与多光谱图像进行多特征图像主成分变换融合,筛选差异性较大的纹理特征,采用支持向量机(SVM)、人工神经网络(ANN)和最大似然法(MLC)监督分类模型对多光谱和DSM融合图像、多光谱和归一化植被指数(NDVI)融合图像、多光谱图像和纹理特征图像进行监督分类,并采用总体精度(OA)、 Kappa系数和提取误差综合评价各监督模型的分类性能和倒伏提取精度。分类结果表明:各监督分类方法在不同倒伏区域提取结果建模效果趋势一致,SVM和ANN整体提取精度高于MLC,在高倒伏区域,多光谱与NDVI融合图像的SVM监督模型(OA:92.63%, Kappa系数:0.85,提取误差:1.11%)提取效果最好;在中倒伏区域,多光谱与DSM融合图像的SVM监督模型(OA:90.35%, Kappa系数:0.79,提取误差:9.34%)提取效果最好;在低倒伏区域,均值纹理特征图像的ANN监督模型(OA:91.05%, Kappa系数:0.82,提取误差:8.20%)提取结果较好。本研究将DSM模型、植被指数、纹理特征与多光谱图像进行融合对比,并对多特征融合方法能否高精度有效提取小麦倒伏信息进行了探究,结果表明无人机多光谱遥感结合特征融合技术能有效提取小麦倒伏面积,提取效果优于单特征小麦倒伏图像。本研究结果可为助力小麦倒伏灾情调查数据的精确获取方法提供参考。

面向智能制造仿真实验的产线数字孪生建模

针对智能制造领域人才培养中,实践教学存在的成本高、安全保证难等问题,该研究构建了智能制造仿真实验系统。首先,以智能产线为基础、车间信息化平台为桥梁,融合产线数字孪生技术,构建了面向智能制造仿真实验的数字孪生系统框架;其次,对系统中包含的产线物理实体模型、数据采集及车间信息化平台、数字孪生产线的多维度模型及智能制造仿真实验平台展开了详细阐述;最后设计产线生产调度优化实验,验证了该数字孪生仿真实验系统的有效性。

有限元法分析老年骨质疏松患者L_(3/4)椎板减压椎间融合的力学性能

背景:老年骨质疏松患者同时罹患高位腰椎间盘突出的发病人数逐年增加,行常规后入路椎板减压及椎间融合术后腰椎整体力学强度及邻近椎体的生物力学性能改变尚未明确。有限元分析方法以其无创、可重复性高、结果精确等优势在生物力学领域具有重要价值。目的:基于有限元分析方法,针对老年骨质疏松患者的特定人群,建立L_(3/4)椎板减压椎间融合的有限元模型,评估弯腰动作下骨骼内固定复合体的生物力学情况。方法:利用Mimics 21.0提取脊柱CT的DICOM数据建立腰椎(T_(12)-L_(5))三维骨性结构,导入Geomagic wrap 2017,通过重划网格、删除钉状物、剪切模型、填充空洞、探测并编辑轮廓线、构造曲面片及格栅、拟合曲面等操作建立L_(3/4)全椎板减压模型。利用Solidworks 2017构建椎弓根螺钉、连接杆、椎间融合器,将其组装于L_(3/4)全椎板减压模型,通过拉伸、等距曲面、移动与复制实体等操作建立椎间盘、关节突软骨等结构。应用ANSYS Workbench 17.0进行材料赋值、模拟脊柱韧带、网格划分、施加作用力及限定边界条件,建立完整骨质疏松性L_(3/4)椎板减压及椎间融合脊柱有限元模型。观察弯腰工况下L_(3/4)椎板减压及椎间融合全腰椎有限元模型的应力、应变及位移云图。结果与结论:(1)应力云图方面:T_(12)-L_(1)椎体平均应力值最高,L_(2)下降24%,L_(3)下降55%,L_(4-5)下降约80%;L_(4/5)关节突区域应力集中程度最高,L_(2/3)次之,L_(1/2)及T_(12)/L_(1)程度轻;螺钉与连接杆交界处应力集中明显,螺钉在椎弓根进出口处次之;(2)应变与位移云图方面:L_(4/5)及L_(2/3)关节突的应变程度最高,T_(12)/L_(1)及L_(1/2)的应变程度次之,L_(3/4)节段融合器、椎弓根螺钉及连接杆无任何可见变形;各节段椎间盘均出现较大变形;(3)提示多软件协同操作可顺利构建老年骨质疏松性L_(3/4)椎板减压及椎间融合脊柱有限元模型;老年腰椎术后患者可耐受前屈动作,证实L_(3/4)椎板减压及椎间融合能够维持脊柱形态并保证脊柱稳定性,但是需警惕胸腰椎应力性骨折及邻椎病的发生。

支撑新型配电网数字化规划的图形⁃模型⁃数据融合关键技术

配电网规划领域期盼实现智能规划,其愿景在于实现无人或少人干预的全自动规划。在数字化转型的背景下,新型配电网规划将面临图形多样化、场景碎片化、数据规模化三大挑战。文中从图形-模型-数据融合的角度提出三大关键技术:基于电气图纸识别和拓扑智能分析的图形-模型融合技术、基于知识驱动的负荷/新能源推演分析和智能决策的模型-数据融合技术、基于多模态数据融合和多时空数据联动的图形-数据融合技术,尝试打破理论研究与数字化工程的壁垒。最后,对未来新型配电网数字化规划的发展进行思考和展望,为实现“以机为主,人机协同”的大闭环模式提供借鉴。

基于混合特征提取与跨模态特征预测融合的情感识别模型

为从多模态情感分析中有效挖掘单模态表征信息,并实现多模态信息充分融合,提出一种基于混合特征与跨模态预测融合的情感识别模型(H-MGFCT)。首先,利用Mel频率倒谱系数(MFCC)和Gammatone频率倒谱系数(GFCC)及其一阶动态特征融合得到混合特征参数提取算法(H-MGFCC),解决了语音情感特征丢失的问题;其次,利用基于注意力权重的跨模态预测模型,筛选出与语音特征相关性更高的文本特征;随后,加入对比学习的跨模态注意力机制模型对相关性高的文本特征和语音模态情感特征进行跨模态信息融合;最后,将含有文本−语音的跨模态信息特征与筛选出的相关性低的文本特征相融合,以起到信息补充的作用。实验结果表明,该模型在公开IEMOCAP(Interactive EMotional dyadic MOtion CAPture)、CMU-MOSI(CMU-Multimodal Opinion Emotion Intensity)、CMU-MOSEI(CMU-Multimodal Opinion Sentiment Emotion Intensity)数据集上与加权决策层融合的语音文本情感识别(DLFT)模型相比,准确率分别提高了2.83、2.64和3.05个百分点,验证了该模型情感识别的有效性。

运动调控线粒体动力学变化的研究进展

背景:线粒体质量控制是一个复杂的过程,该过程涉及到线粒体生物发生、线粒体动力学变化、线粒体自噬三个方面,其中线粒体动力学变化是线粒体生物发生和线粒体自噬的中间环节,线粒体通过动力学变化改善自身质量控制,进而维持线粒体稳定状态。目的:探究运动影响线粒体动力学变化的分子机制,为运动改善线粒体网络稳态,进而促进功能健康提供理论依据。方法:利用文献资料法,以“运动,线粒体稳态,线粒体质量控制,线粒体动力学,线粒体融合,线粒体分裂”等为中文关键词检索中国知网(CNKI),百链云图书馆等中文数据库;以“Exercise,Mitochondrial homeostasis,Mitochondrial quality control,Mitochondrial dynamics,Mitochondrial fusion,Mitochondrial fission”等为英文关键词检索PubMed、Web of Science、EBCSO等英文数据库,对最终获取的文献进行筛选、阅读、归纳和总结。结果与结论:线粒体动力相关蛋白1/2(Drp1/2)负责线粒体分裂过程,线粒体融合蛋白1/2(Mfn1/2)以及视神经萎缩1(Opa1)分别介导线粒体外膜和内膜的融合。运动训练可以通过上调Mfn1/2和Opa1的蛋白表达,同时下调Drp1蛋白表达水平,促进线粒体融合过程,并抑制线粒体分裂来改善线粒体功能状态;一次急性运动影响线粒体动力学变化的研究结论存在争议;另外,运动介导线粒体动力学变化存在组织差异性。

乡村振兴背景下高职学生劳动教育的探索与实践

大学生劳动教育是高职教育教学的重要组成部分。在乡村振兴战略背景下,基于高职助力乡村振兴和大学生劳动教育的现实需求,重点探索乡村振兴与劳动教育的有机融合,通过构建融合发展平台,对师生的精神品质加以培养,从而提高育人实效性,丰富群众精神文化生活,促进乡村地区经济大发展。课题组以高职院校为研究对象,对乡村振兴与劳动教育融合发展进行了探究,创新了高职助力区域乡村发展的模式,为区域发展贡献了高职力量。

高温合金熔化焊的研究现状及发展趋势

综述了高温合金熔化焊的研究进展.对电弧焊、电子束焊和激光焊等常见高温合金熔化焊工艺技术的优势和应用范围进行了阐述;介绍了常见的焊接裂纹类型,并对凝固裂纹、晶界液化裂纹、应变时效裂纹和失塑裂纹的形成机理及影响因素进行了概括总结;此外,从热输入、材料的成分和微观结构以及焊接残余应力等方面探讨了提高熔化焊焊接性的主要技术方法.由于母材合金成分和组织结构与焊接性能密切相关,在未来的发展中,应加强对新兴高温合金和传统不可焊高温合金等的成分设计,此外,也应关注焊接工艺技术的完善以及焊前和焊后处理方法的改进,协同提高高温合金的焊接性能,促进高温合金熔化焊的广泛应用.

构建“跨情境融合”的大学物理立体化教学体系的探索与实践

高等院校开设的大学物理课程是培养现代高端工科人才的强大支撑和理论基石,针对学生在学习过程中存在的“3个不足”,以及教学过程中存在的“3个矛盾”,秉持“学生中心、产研教融合”的教学理念,构建了“跨情境融合”的大学物理立体化教学体系,实施全立体化的学习情境与学习过程,并以此为基础,创建了“三阶递进”的教学内容体系和“三维三结合”的课程评价体系.籍此培养具有创新思维和科学研究能力的创新型工科人才.

二阶逐层特征融合网络的图像超分辨重建

针对一些超分辨网络忽略了对网络各层次特征的复用以及融合的问题,构建了具有较强特征复用和融合能力的二阶逐层特征融合超分辨网络,以获得具有高分辨率、高保真度的重建图像。网络的核心是逐层特征融合模块,该模块通过特征融合操作增强特征的重用。此外,还提出了二阶特征融合机制,该机制在网络的局部和全局层次上采用逐层特征融合方法进行特征融合。实验结果表明该网络的重建图像在线条和轮廓上更清晰,并且在峰值信噪比和结构相似度上也取得了更好的结果。例如当缩放尺度因子为2时,各测试集上的峰值信噪比/结构相似度依次为38.20 dB/0.9612、33.81 dB/0.9195、32.28 dB/0.9010、32.65 dB/0.9324、39.11 dB/0.9779,相比其他模型有一定提升,从客观标准和主观角度证明了二阶逐层特征融合超分辨网络具有一定的优越性。

医学领域知识融合研究进展

医学领域知识融合旨在将分散在各个知识图谱或不同数据源中的医学知识进行整合,形成一个更全面的知识图谱,在提高知识质量、扩大规模、提高医学知识利用率和共享性等方面具有促进作用。围绕知识融合的问题和解决方案,首先系统地梳理了医学领域知识融合的定义、评价指标及数据集;分类讨论了知识融合过程中存在的问题与挑战;然后从问题、技术两个维度,综述了目前知识融合中实体对齐、实体链接任务各方法的优势与不足;详细讨论和总结了医学领域知识融合每一类问题的相关解决方案;最后,总结并展望了医学领域知识融合的发展方向。

降质靶标检测算法

装甲车辆动态性能考核中的立靶成像测试环节,靶标检测的准确性与武器装备鉴定及定型的精度息息相关。针对靶标图像对比度低、可辨识度低等降质问题,提出一种基于改进YOLOv5的降质靶标检测算法:使用多分支分组卷积结构配合深度、逐点卷积搭建主干特征提取网络,降低网络参数计算量,提高网络的检测速度;引入表征注意力机制,增强靶标的表征能力;在网络输出层,引入3分支空间特征融合,利用低层特征图的细粒度特征信息与高层特征图丰富的语义信息组合,保留降质靶标图像的细节、边缘语义信息;实验结果表明:在靶标数据集中,所提算法的检测精度mAP达到90.88%,检测速度达到52.74帧/s,能在降质环境下够高效、精准地完成动态性能考核中立靶成像测试环节中的靶标检测部分。

虹膜与眼周深度特征融合网络模型

虹膜识别的识别率虽然很高,但单模态识别时受环境、欺骗攻击等影响,并且在远距离或移动端、较少约束等场景下,识别率会大大下降。利用位置与虹膜相近并且被研究证明鉴别性很强的眼周生物特征,将虹膜和眼周进行双模态融合识别是较好的思路。为实现精确自适应的融合识别,本文提出新颖的虹膜与眼周深度特征融合网络模型(MultipleFusionNet)。根据特征通道注意力和通道分组注意力的思想,设计自动权值生成网络,通过网络学习自动获得虹膜与眼周的权值。权值与卷积神经网络(CNN)生成的虹膜与眼周深度特征加权计算,可实现两个模态的深度特征动态精确融合,从而提高识别准确率。本文网络模型中融合部分可作为通用的深度特征融合模块使用,该模块可灵活地嵌入在任何CNN主干网络中,轻便且易于实现。在中国科学院公开的远距离虹膜库图像库CASIA-Iris-Distance和近距离光照变化虹膜图像库CASIA-Iris-Lamp上进行了实验验证,多种方法的对比实验和距离度量实验结果显示:本文的特征融合模型准确率最高为99.56%,采用余弦距离度量的等误率(EER)最低为0.002 7,优于单模态方法和相关的特征融合方法;计算复杂度方面,参数量和计算量比单模型的两倍少1.5%,计算量只比基准融合方法高1%,这表明该融合模型计算复杂度低,具有良好的性能。

CNN-Transformer特征融合多目标跟踪算法

在卷积神经网络(CNN)中,卷积运算能高效地提取目标的局部特征,却难以捕获全局表示;而在视觉Transformer中,注意力机制可以捕获长距离的特征依赖,但会忽略局部特征细节。针对以上问题,提出一种基于CNN-Transformer双分支主干网络进行特征提取和融合的多目标跟踪算法CTMOT(CNN-transformer multi-object tracking)。使用基于CNN和Transformer双分支并行的主干网络分别提取图像的局部和全局特征。使用双向桥接模块(two-way braidge module,TBM)对两种特征进行充分融合。将融合后的特征输入两组并行的解码器进行处理。将解码器输出的检测框和跟踪框进行匹配,完成多目标跟踪任务。在多目标跟踪数据集MOT17、MOT20、KITTI以及UADETRAC上进行评估,CTMOT算法的MOTP和IDs指标在四个数据集上均达到了SOTA效果,MOTA指标分别达到了76.4%、66.3%、92.36%和88.57%,在MOT数据集上与SOTA方法效果相当,在KITTI数据集上达到SOTA效果。由于同时完成目标检测和关联,能够端到端进行目标跟踪,跟踪速度可达35 FPS,表明CTMOT算法在跟踪的实时性和准确性上达到了较好的平衡,具有较大潜力。

数智时代的信息分析方法:数据驱动、知识驱动及融合驱动

数智时代,面对大数据、大知识所带来的挑战,如何创新发展信息分析方法,关乎新时代信息分析工作的开展,关乎数据资源的开发利用。本文在梳理现有信息分析方法的基础上,提出数据驱动、知识驱动,以及数据与知识融合驱动的三种数智型方法思路。首先,提出基于文本、网络、音频、图像等的数据驱动以及与之相应的文本挖掘、图挖掘、音频挖掘、图像挖掘等信息分析模式;其次,提出基于专家知识库、通用知识库、领域知识图谱、通用知识图谱等的知识驱动信息分析模式;最后,提出基于特征、模型、决策三种层面的数据与知识融合驱动的信息分析模式。通过以上三种方法,构建能够系统融合大数据、大知识的信息分析方法,实现数智融合型信息分析,促进图书情报学科方法论发展,赋能国家决策和社会治理。图3。表1。参考文献59。

热处理对激光粉末床熔融AlSi10Mg合金热物理性能的影响

采用激光粉末床熔融(laser powder bed fusion,LPBF)法成功制备AlSi10Mg合金样品,研究130℃/4 h时效处理、236℃/10 h退火处理和540℃/1 h固溶处理三种热处理工艺对AlSi10Mg合金样品的微观组织的影响,以及热处理后AlSi10Mg合金在室温~400℃的温度范围内热膨胀系数和热导率演变规律。结果表明:时效处理后铝基体中析出球状的Si颗粒,仍然保留完整的网状共晶硅组织;退火后,网状共晶硅完全消失,球化Si颗粒均匀分布在基体中;固溶处理后出现大的块状Si颗粒,尺寸在1~3μm;经过热处理之后AlSi10Mg合金的热物理性能均优于打印态。退火处理后的合金样品在室温到400℃的热膨胀系数为1.64×10^(−5)~2.1×10^(−5)℃^(−1),平均热导率为179.6 W·m^(−1)·K^(−1),性能优于时效处理和固溶处理。

基于证据理论的多传感器数据融合水质检测研究

针对多传感器水质监测数据融合中测量数据存在误差的现象,论文提出一种基于DS证据融合理论的多源监测数据融合算法.该算法将影响水质的氨氮含量(NH3-N)、溶解氧(DO)、pH值、电导率(CD)等多环境因子变量作为证据,并赋予可靠性折扣,计算出水质等级的质量函数,然后通过DS方法将其与其他证据结合起来,最后使用融合质量函数值的决策规则确定水质类别.实验证明这种方法适用于具有多源监测数据的水质类别预测,可以从不确定性传感器数据中评估水质,并提高评估性能.

基于自适应融合的实时车辆检测

针对传统的车辆检测技术检测速度慢和精度低的问题,提出了一种融合注意力的自适应金字塔网络的交通目标检测算法(fusion attentiont adaptive pyramid network,FAAP-Net),可以显著降低交通事故的发生率。为了降低计算复杂度,设计了一种轻量级的互补池化结构(CPS),该结构在宽度和高度上采用了两组不同的池化组合,在保持高精度的同时,显著降低了网络的浮点运算数(GFLOPs)和参数量。为了解决智能交通系统特征图生成过程中的信息损失问题,通过将自适应注意力模块(AAM)和特征增强模块(FEM)引入自适应融合特征金字塔网络(AF-FPN),以融入车辆检测的形状特征。针对车辆细节特征表征弱的问题,引入了一种按通道维度分组的注意力(SA)机制,以增强主干网络对不同车辆检测细节特征的关注,有效提取车辆细节的显著特征。在BDD100K数据集上的实验结果表明,FAAP-Net算法相比于传统算法,平均精度从30.3%提升到43.7%。