外周血cf-DNA/NETs水平在脓毒症患者中的临床价值研究

目的探讨cf-DNA/NETs在脓毒症(sepsis)患者中的临床价值。方法收集健康体检者(control组)30例、sepsis患者(sepsis组)42例和非感染性全身炎症反应综合征(nf-SIRS组)患者36例的抗凝血标本,检测cf-DNA/NETs表达,并与C反应蛋白(CRP)、降钙素原(PCT)对比分析。结果与control组比较,sepsis组炎症指标均处于较高的水平。与nf-SIRS组比较,sepsis组PCT[(1.2±1.7)ng/mLvs.(5.1±6.8)ng/mL]和cf-DNA/NETs[(596±183)ng/mLvs.(1 576±254)ng/mL]显著升高。sepsis组和nf-SIRS组PCT水平在第7天时差异无统计学意义(P>0.05),但sepsis组仍维持较高水平的cf-DNA/NETs[(1389±673)ng/mL vs.(474±122)ng/mL]。结论 cf-DNA/NETs和PCT在早期诊断sepsis方面均有一定价值,但cf-DNA/NETs在后期辨别sepsis与nf-SIRS方面更优于PCT。

急性胰腺炎患者血清cf-DNA/NETs、MAP1-LC3、DPB表达水平及临床意义

目的探究血清游离DNA/中性粒细胞胞外诱捕网(cf-DNA/NETs)、微管相关蛋白1轻链3(MAP1-LC3)、维生素D结合蛋白(DPB)在急性胰腺炎患者中的表达水平及临床意义。方法收集2015年9月至2020年9月本院收治的急性胰腺炎患者150例,随访30 d,根据预后分为生存组(138例)与死亡组(12例),比较两组临床资料、治疗前后血清cf-DNA/NETs、MAP1-LC3、DPB水平、急性生理与慢性健康评价系统Ⅱ(APACHEⅡ)评分、Ranson评分,分析血清cf-DNA/NETs、MAP1-LC3、DPB与APACHEⅡ、Ranson评分相关性及血清各指标与急性胰腺炎患者预后的关系。结果死亡组入院时、治疗3、7 d后血清cf-DNA/NETs、MAP1-LC3高于生存组,DPB低于生存组,差异均有统计学意义(P<0.05);死亡组入院时、治疗3、7 d后APACHEⅡ、Ranson评分高于生存组,差异有统计学意义(P<0.05)。入院时、治疗3、7 d后血清cf-DNA/NETs、MAP1-LC3与APACHEⅡ、Ranson评分呈正相关,DPB与APACHEⅡ、Ranson评分呈负相关(P<0.05);入院时、治疗3、7 d后血清cf-DNA/NETs、MAP1-LC3、DPB均为急性胰腺炎患者预后的影响因素(P<0.05)。结论急性胰腺炎患者血清cf-DNA/NETs、MAP1-LC3、DPB表达水平明显异常,且与患者APACHEⅡ、Ranson评分及预后密切相关。

利多卡因通过抑制NETs改善阿霉素引起的心脏毒性

目的通过动物实验验证利多卡因抑制中性粒细胞胞外诱捕网(NETs)减轻阿霉素引起的心脏毒性。方法将30只C57BL/6小鼠随机分为对照组、阿霉素组(DOX组)和利多卡因+阿霉素组(LIDO+DOX组),每组10只。对照组单次腹腔注射生理盐水1 mL/100 g;DOX组单次腹腔注射阿霉素15 mg/kg;LIDO+DOX组尾静脉注射利多卡因6 mg/kg,30 min后腹腔注射阿霉素15 mg/kg。于第10天,取小鼠血清检测各组小鼠磷酸肌酸激酶(CK)、磷酸肌酸激酶同工酶(CK-MB)水平;采用酶联免疫吸附试验(ELISA)检测各组小鼠血浆NETs标志物游离DNA(cf-DNA)、瓜氨酸组蛋白3(CitH3)、髓过氧化物酶-DNA(MPO-DNA)的水平;采用免疫荧光法检测各组小鼠心脏组织NETs相关标记物中CitH3、髓过氧化物酶(MPO)的表达量。结果DOX组小鼠血清CK、CK-MB水平明显高于对照组和LIDO+DOX组小鼠(P<0.05)。ELISA检测结果显示,DOX组与LIDO+DOX组小鼠血浆MPO-DNA、CitH3和cf-DNA水平明显高于对照组(P<0.05),但LIDO+DOX组小鼠血浆MPO-DNA、CitH3和cf-DNA水平明显低于DOX组(P<0.05)。免疫荧光法检测结果发现,DOX组小鼠心肌组织中MPO和CitH3表达量明显高于对照组和LIDO+DOX组(P<0.05)。结论利多卡因可能是通过抑制NETs的表达来缓解阿霉素引起的心脏毒性。

外周血cf-DNA/NETs水平与重症肺炎并发ARDS患者病情严重程度及预后的相关性

目的探讨外周血游离DNA/中性粒细胞胞外诱捕网陷阱(cf-DNA/NETs)水平与重症肺炎并发急性呼吸窘迫综合征(ARDS)患者病情严重程度及预后的相关性。方法选取南阳市中心医院2016年8月-2018年4月收治重症肺炎并发ARDS组患者82例,同期重症肺炎组患者67例,及本院健康体检者82人为对照组,比较治疗前、入住本院ICU治疗24、48 h重症肺炎并发ARDS组患者、同期重症肺炎组患者及对照组的cf-DNA/NET水平、白细胞介素-6(IL-6)水平、白细胞计数(WBC)、急性生理学及慢性健康(APACHEⅡ)评分。用荧光染色法检测外周血中cf-DNA/NETs水平。分析cf-DNA/NETs水平、APACHEⅡ评分与预后的关系。结果治疗前,与对照组相比,重症肺炎组、重症肺炎并发ARDS组患者外周血cf-DNA/NETs水平、IL-6水平、WBC计数及APACHEⅡ评分升高,差异有统计学意义(P<0.05)。治疗后24、48 h,两组患者外周血cf-DNA/NETs水平、IL-6水平、WBC计数及APACHEⅡ评分组间和组内差异有统计学意义(P<0.05)。治疗48 h后,与存活组相比,死亡组重症肺炎并发ARDS患者血清cfDNA/NETs、IL-6水平、WBC计数、APACHEⅡ评分显著较高,差异有统计学意义(P<0.05)。重症肺炎并发ARDS患者外周血cf-DNA/NETs水平与IL-6、WBC计数、APACHEⅡ评分呈正相关(P<0.05)。Logistic分析显示,cf-DNA/NETs是重症肺炎并发ARDS患者不良预后危险因素(P<0.05)。结论外周血cf-DNA/NETs可能参与重症肺炎并发ARDS病情发展,cf-DNA/NETs高水平是重症肺炎并发ARDS患者不良预后危险因素。

Cf-DNA/NETs与重症哮喘并肺部感染患者肺功能及呼吸动力学的关系

目的 探究血浆游离DNA/中性粒细胞胞外诱捕网(Cf-DNA/NETs)水平与重症支气管哮喘合并肺部感染患者肺功能及呼吸动力学指标的关系。方法 选取2019年9月-2020年9月洛阳市中心医院收治的重症支气管哮喘患者87例。按照是否合并肺部感染分为感染组(n=31)和非感染组(n=56)。同时选取健康人64名为对照组。采用免疫荧光染色法检测患者Cf-DNA/NETs水平,对比不同Cf-DNA/NETs水平感染组患者的肺功能、呼吸动力学指标以及相关指标分析。采用单因素和Logistic多因素回归分析影响重症哮喘合并肺部感染患者危险因素。结果 与对照组相比,感染组和非感染组Cf-DNA/NETs、气道阻力(Raw)、气道峰压(PIP)、呼吸做功(WOB)参数水平明显升高,动态顺应性(Cdyn)、肺功能参数水平明显降低,差异有统计学意义(P<0.05);感染组Cf-DNA/NETs、Raw、PIP、WOB参数水平高于非感染组,Cdyn、肺功能参数水平低于非感染组,差异有统计学意义(P<0.05)。Cf-DNA/NETs低水平组患者第1秒用力呼气量(FEV1)、第1秒用力呼气容积占预计肺活量值百分比(FEV1%pred)以及用力肺活量占预计值百分比(FVC%pred)均低于对应高水平的患者,差异有统计学意义(t=3.534、2.648、1.358,P<0.05),Cf-DNA/NETs低水平组患者Raw、PIP以及WOB均低于对应高水平组患者,而Cdyn明显高于对应高水平组患者,差异有统计学意义(t=25.096、9.948、6.683、13.737,P<0.05),高水平组心率、呼吸、平均动脉压、有创机械通气时间均高于低水平组,血氧饱和度低于低水平组,差异均有统计学意义(t=10.122、9.181、8.013、4.147、8.856,P<0.05)。哮喘家族史、Cf-DNA/NETs水平升高均是影响重症哮喘合并肺部感染患者预后的独立危险因素(P<0.05)。结论 Cf-DNA/NETs水平与重症支气管哮喘合并肺部感染患者肺功能及呼吸动力学指标密切相关,为进一步研究重症支气管哮喘合并肺部感染患者病情提供了数据参考。

一种道路裂缝检测的变尺度VS-UNet模型

为解决目前现有的图像分割算法存在检测精度低、对裂缝检测缺乏针对性等问题,采用多尺度特征融合方法,提出一种扩展LG Block模块Extend-LG Block,其由多个并行不同膨胀率的空洞卷积组成.通过参数可调节分支数量和空洞卷积膨胀率,从而改变其感受野大小,进而提取和融合不同尺度的裂缝特征.对比在深层使用多尺度特征融合模块的网络以及使用固定尺度结构进行多尺度特征融合的网络的优劣,提出一种变尺度结构的UNet模型VS-UNet,使用多个不同参数的Extend-LG Block替换UNet网络中的基本卷积块.该结构在网络浅层进行多尺度特征融合,多尺度特征融合模块提取的尺度随网络层加深逐渐减少.此结构在加强图像的细节特征提取能力的同时保持原有的抽象特征提取能力,还可避免网络参数的增加.在DeepCrack数据集以及CFD数据集上进行实验验证,结果表明,相较于其他两种结构和方法,提出的变尺度结构的网络在有更高检测精度的同时,在可视化实验对比上对各种大小的裂缝有更好的分割效果.最后与其他图像分割算法进行对比,各项指标与UNet相比均有一定程度提升,证明了网络改进的有效性.研究结果可为进一步提升道路裂缝检测效果提供参考.

基于改进U-net的少样本煤岩界面图像分割方法

煤岩图像语义分割技术是煤岩界面识别的重要研究方向,现有的语义分割模型通常依赖于大样本数据集进行训练,然而目前已标注的煤岩图像数据样本难以获取,并且缺乏公开数据集。针对以上问题,提出了一种基于改进U-net模型的样本煤岩界面图像分割模型。将裁剪后具有更强特征提取能力且结构上更为简单的VGG16替换U-net的原始骨干特征提取网络,提升对图像信息的特征提取能力并获得更快的训练速度,在U-net网络的跳跃连接和解码器上采样部分引入注意力机制模块,对提取的特征层进行处理,提升模型对煤岩界面图像关键特征的提取能力,提高分割精度。使用迁移学习方法对改进的模型进行预训练,提高模型泛化能力同时避免过拟合,使模型更适用于小样本数据集训练。通过使用自制的煤岩界面数据集对所改进的网络模型性能进行验证,并将该模型与经典Unet、DeepLabv3+、PspNet、HrNet网络模型进行了对比。试验结果表明:在同样使用由125幅煤岩界面图片构建的小样本数据集进行训练的情况下,所提改进模型相较于经典U-net模型在分割精确度和检测效率方面都有显著提升,模型精确度提高了1.84%,平均交并比提高了5.34%,类别平均像素准确率提高了0.48%,检测速度增幅为5.3%。同时,与其他网络模型相比,所提改进模型在小样本煤岩界面图像的语义分割中优势显著,表明所提改进思路的有效性。

一种改进U-Net网络的心电图分类算法研究

基于CPSC-2018十二导联数据,提出了一种U-Net网络和注意力机制结合的心电图分类算法。首先,针对数据集数据长度长短不一的问题,对数据进行等长处理和归一化处理。然后,利用U-Net网络中跳层连接和编码解码方式,对预处理后较长的数据进行处理。在U-Net网络解码的最后一层加入注意力机制对抗噪声,提升模型的有效信息关注度和准确性。最后,利用CPSC-2018数据集进行验证。实验结果表明:所提模型能够取得较好的分类效果,识别房颤(AF)和右束支传导阻滞(RBBB)心律失常的精准率、召回率、F1值都可以达到90%以上,平均F1值可以达到82.5%。

基于改进U-Net的根系表型参数测量系统

为解决背景噪声干扰下,从微根管采集的原位根系图像中难以直接提取准确的表型参数问题,提出一种基于改进U-Net的微根管根系表型参数测量系统。在U-Net网络中引入优化后的空洞空间金字塔池化模块(Atrous Spatial Pyramid Pooling,ASPP)和高效通道注意力模块(Efficient Channel Attention,ECA),增大感受野,提升模型捕捉根系细节特征的能力,获取精确的根系分割图像。结果表明,改进的U-Net模型平均交并比和平均像素精度分别为87.07%和91.85%,相较原始U-Net分别提高了2.49%和2.3%。与WinRHIZO根系分析软件测量值相比,根长度和面积决定系数分别为0.951 8和0.984 9,Spearman相关系数分别为0.972 5和0.975 7,可以实现根系长度和面积的准确测量。

基于YOLOv7的木材缺陷检测模型Wood-Net的研究

为改善利用人工方式识别木材缺陷存在的效率低、人工成本高的问题,同时实现在木材加工过程中使用新兴方式对不同的缺陷进行快速准确检测以提高木材利用率,针对现有的目标检测网络在木材缺陷检测方面存在诸如检测精度低、报错率高以及识别种类少等局限,设计了用于木材缺陷检测的深度学习网络Wood-Net。Wood-Net将注意力机制ECA(efficient channel attention module)引入YOLOv7的主干网络,以便更好地区分木材缺陷之间的细微差别;将ECA与Res2Net结合后形成ECA-Res2Net模块,ECA-Res2Net模块克服了单纯的Res2Net跨通道交流能力不足的问题,增强了网络对更细粒度特征的提取能力;将ECA-Res2Net模块与SPPCSPC(spatial pyramid pooling and channel spatial pyramid convolution)并联形成ResSPPCSPC模块,增加了描述图像本身特征数量的能力,由此构成新方法Wood-Net。本研究将准确度、召回值、mAP@0.5以及mAP@0.5∶mAP@0.95 4个数值作为系统性能的评价指标。利用自建数据集训练Wood-Net,得到试验数据。试验结果表明:Wood-Net模型比基准模型YOLOv7在木材优选上精确率提高了4.52%,mAP@0.5∶mAP@0.95提高了6.62%;比基准模型YOLOv5s在木材优选上精确率提高了6.79%,mAP@0.5∶mAP@0.95提高了5.67%。ECA注意力机制能够有效提升E-ELAN的通道间信息交互能力;Res2Net模块具有很强的细粒度特征提取能力,在网络中引入Res2Net模块后,网络各项性能指标收敛速度快,在Res2Net中加入ECA后能够使单纯的Res2Net考虑多通道特征之间的关系,完成信息融合,提高检测性能。

基于身份认证的BACnet/IP分析与改进

为了解决BACnet/IP身份认证存在多种可攻击漏洞和密钥泄露带来的安全问题,提出了一种安全增强的BACnet/IP-SA协议认证方案。研究协议身份认证消息流模型,基于着色Petri网理论和CPNTools对身份认证消息流建模,采用Dolev-Yao攻击者模型和形式化分析方法对BACnet/IP进行安全性分析,发现协议漏洞并提出改进方案。BACnet/IP-SA协议使用设备的伪身份来保护真实身份信息,使用PUF响应进行认证,通过多信息集合的验证值来验证端身份的真实性并生成会话密钥。结合BAN逻辑和非形式化方法,对协议的安全性进行了证明。实验结果表明,所提方案能有效抵抗多类攻击和密钥泄露带来的安全威胁,在减少计算开销的同时增强了协议身份认证的安全性。

基于残差U-Net和自注意力Transformer编码器的磁场预测方法

利用有限元方法对几何结构复杂的电机和变压器进行磁场分析,存在仿真时间长且无法复用的问题。因此,该文提出一种基于残差U-Net和自注意力Transformer编码器的磁场预测方法。首先建立永磁同步电机(PMSM)和非晶合金变压器(AMT)有限元模型,得到深度学习训练所需的数据集;然后将Transformer模块与U-Net模型结合,并引入短残差机制建立ResUnet-Transformer模型,通过预测图像的像素实现磁场预测;最后通过Targeted Dropout算法和动态学习率调整策略对模型进行优化,解决拟合问题并提高预测精度。计算实例证明,ResUnet-Transformer模型在PMSM和AMT数据集上测试集的平均绝对百分比误差(MAPE)均小于1%,且仅需500组样本。该文提出的磁场预测方法能减少实际工况和多工况下精细模拟和拓扑优化的时间和资源消耗,亦是虚拟传感器乃至数字孪生的关键实现方法之一。

改进注意力机制嵌入PR-Net模型的水稻病害识别仿真

针对现有的CNN模型在水稻叶部病害的识别中准确率较低的问题,提出了一种结合并行结构和残差结构的混合卷积神经网络模型PRC-Net(parallel residual with coordinate attention network)。引入并行结构,提高卷积的感受野;结合残差结构,使特征信息完整的连续传递;在骨干模型PR-Net中嵌入改进的空间注意力机制,增强对不同尺度病斑特征信息的凝聚程度;为进一步提升病害识别的准确率,并减少模型的训练时间和推理时间,通过改变加权方式对模型结构进行优化。仿真结果表明:与InceptionResNetV2等分类模型相比,PRC-Net具有更少的训练参数、更短的训练时间和更高的识别精度,性能优于其他作物病害识别模型。

基于AttentionR2U-net的岩石(体)关键节理智能识别与参数提取

针对岩石(体)表面复杂节理网中关键节理的智能识别与参数提取问题,提出一种基于AttentionR2U-net网络与节理几何特征模型耦合识别的方法.在R2U-net网络的基础上引入注意门(attentiongate)改进网络,通过定性与定量的方法对边坡节理图像和混凝土、龟裂土、常见脆性岩石裂隙图像的识别结果分别作准确性及泛化能力检验;利用AttentionR2U-net网络耦合节理几何特征的方法识别关键节理,提取原始节理和关键节理的几何参数并对其迹长、面积及倾角作差异性分析.研究结果表明:针对岩石(体)节理识别,本文算法的Dice相似系数从U-net网络的0.965提升至0.990,且明显优于传统算法,故本文算法在岩石(体)节理识别上具有更强的可靠性与优越性;针对混凝土、龟裂土和大理岩、花岗岩、砂岩等脆性岩石裂隙的识别,本文算法的Dice相似系数均在0.953以上,故本文算法具有较强的泛化能力.与原始节理网络相比,关键节理网络优势迹长由0.732m显著增大至1.835m,节理倾角分布形式和优势倾角组均不变,优势迹长和倾角的节理占比均显著增大.

基于GAN和MS-ResNet的房颤自动检测模型

房颤是一种常见的心律失常疾病,针对现有研究工作大多依赖于单尺度信号段而忽略了不同尺度下潜在的互补信息和数据不平衡问题导致诊断性能下降的问题,提出了一种新颖的基于生成对抗网络(generative adversarial network, GAN)和多尺度残差网络(multiscale residual net, MS-ResNet)的房颤自动检测模型,该网络使用GAN合成具有高形态相似性的单导联心电数据来解决数据的隐私和不平衡问题。同时,设计了MS-ResNet特征提取策略,从不同尺度提取不同大小信号段的特征,从而有效地捕捉P波消失和RR间期不规则特征。该模型联合这两种策略不仅为房颤自动检测生成高质量心电图(electrocardiogram,ECG)数据,还可以利用多尺度网格提取不同波之间的时序特征。在PhysioNet Challenge2017公开ECG数据集上以及平衡后的数据集上评估了MS-ResNet的性能,并将其与现有的房颤分类模型进行了比较。实验结果表明,MS-ResNet在平衡后的数据集上平均F1值和精确率分别达到0.914 1和91.56%,与不平衡数据集相比,F1提高了4.5%,精确率提高了3.5%。

面向青花瓷碎片图像的U-Net++拼接网络

针对现有图像拼接方法存在拼接处伪影以及非重叠区域内容失真,导致较低的准确性和鲁棒性的问题,提出一种基于U-Net++消除伪影的青花瓷碎片图像拼接方法.首先估计待拼接图像单应性矩阵;然后将单应性矩阵应用于结构拼接阶段,得到图像粗拼接结果;最后以图像粗拼接结果作为先验信息,在内容校正阶段改进现有的U-Net,利用U-Net++细化粗拼接结果,得到最终图像精确拼接.以青花瓷碎片图像数据集与相关经典方法进行实验的结果表明,在3个评价指标中,所提方法的峰值信噪比提高约13%,均方根误差降低约33%,均方误差降低57%左右;该方法具有较小的误差比,不仅能够提高图像拼接质量,而且表现出较好的鲁棒性.

基于改进SE-Net和深度可分离残差的高光谱图像分类

针对目前常见的用于高光谱图像分类的卷积神经网络参数数量多,训练时间长,对样本数量依赖性大的问题,提出一种适用于有限训练样本条件下基于改进压缩激活网络和深度可分离残差的分类网络MDSR&SE-Net.首先使用主成分分析对原始高光谱图像进行通道降维,然后通过三维卷积神经网络连接多特征残差结构,同时嵌入改进的SE模块提取高光谱图像的空间和光谱细节特征,最后将提取到的特征数据输入Softmax分类器激活分类.为了使网络更加轻量,通过在残差结构中使用深度可分离卷积和引入全局平均池化减少参数数量.实验结果显示,使用有限训练样本在三种常见高光谱数据集上总体分类精度均达到99%以上.

基于U-net神经网络的油浸式变压器绕组流-热耦合快速计算

该文针对采用传统数值方法进行大型油浸变压器绕组温升仿真时间较长的问题,提出一种基于U-net神经网络训练的快速计算方法,可以迅速地预测变压器绕组温升及热点。首先,根据流热耦合原理筛选输入变量,并运用流热耦合方法计算不同工况下的输出结果,并将之制作成训练集和测试集。同时,详细讨论3个对网络训练影响最显著的超参数;其次,将归一化后的训练集输入U-net神经网络进行训练,并设置超参数最佳组合;最后,将预测集输入训练好的模型进行预测计算及反归一化操作,预测绕组热点与Fluent仿真结果相差仅0.44 K,单次仿真时间从200 s缩短为0.07 s。预测结果与实验温度平均误差最大为2.31 K,最小为0.98 K,预测方差为0.31左右。结果表明:该方法可用于快速获得油浸式变压器绕组的温度及热点,可满足变压器温度热点数字孪生的实时性仿真要求。

基于AOD-Net的雾天高速公路能见度动态检测方法

单纯以图像帧差特征为主的公路能见度动态检测方法,缺乏足够多样且具有代表性的真实数据集,使得能见度的智能检测精度下降,为此,利用生成对抗网络的博弈迭代计算优势,设计一种基于AOD-Net(An All-in-One Network)的雾天高速公路能见度动态检测。首先,采用生成对抗网络中的带雾图像生成算法,主要是判断生成的带雾图像的真实程度,旨在使判别器准确地区分真实图像和生成的图像。然后,捕获不同尺度下的特征,从而更准确地估计雾霾参数,利用AOD-Net完成雾霾动态识别与能见度检测。最后,构建团雾分级预警模型,以实现团雾智能预警。通过对比实验证明,所提检测方法可以实现对雾天高速公路能见度动态高精度检测,检测结果与实际能见度偏差不超过5m,具备较高的应用价值。

基于改进AOD-Net的图像去雾算法

为了更好解决图像去雾后颜色失真、去雾不彻底和耗时等问题,提出了一种基于改进AOD-Net的图像去雾算法。首先,在原有的卷积模块中引入残差连接,并保留了第二个特征融合层第一层的特征信息,以增强网络的特征提取能力。其次,在第三个特征融合层后引入注意力模块,强化雾图中的关键特征信息,抑制无关背景干扰。最后,采用新的复合损失函数进行训练。实验结果表明,改进算法在公共数据集上的峰值信噪比提高了3.8 dB,结构相似性达到了93.6%。相较于其他去雾算法,该算法在去雾精度和处理效率方面均表现出色。