基于多序列MRI影像组学与深度迁移学习特征的脑胶质瘤分级预测研究

目的:探讨基于多序列磁共振成像(magnetic resonance imaging,MRI)手工影像组学(hand⁃crafted radiomic,HCR)和深度迁移学习(deep transfer learning,DTL)特征的机器学习(machine learning,ML)模型在术前预测脑胶质瘤分级的效能。方法:选取BraTS2019数据集中332例患者的影像数据[高级别胶质瘤(high⁃grade glioma,HGG)258例,低级别胶质瘤(low⁃grade glioma,LGG)74例],随机抽取30例HGG和8例LGG作为测试数据集,其余294例作为训练集和验证集。从T1、T2、T1c和Flair序列中提取病灶的HCR特征和DTL特征,并筛选出影响力前10的特征子集,基于HCR特征、DTL特征和两者组合的深度学习影像组学(deep learning radiomics,DLR)特征,分别建立7种ML模型,评估模型预测HGG和LGG的效能。选择最佳模型后,使用SHAP法对模型特征重要性进行量化及归因分析。结果:基于HCR和DTL组合的DLR特征构建的ML模型预测效能最高,当使用支持向量机的递归特征消除(support vector machine⁃recursive feature elimination,SVM⁃RFE)筛选特征后,使用T2+T1c+Flair序列组合的支持向量机(support vector machine,SVM)分类器的预测模型效果最佳。在验证集上,受试者工作特征曲线下面积达到0.996(95%CI:0.991~1.000),约登指数、准确度、灵敏度和特异度分别为0.920、0.976、0.988和0.932,在测试集上同样具有较高的分级预测效能。SHAP特征权重分析显示Flair序列的特征贡献较大,其次为T2及T1c序列,HCR和DTL特征均有重要贡献。结论:基于多序列MRI的DLR特征构建的ML模型可有效预测脑胶质瘤的肿瘤分级,其中经过SVM⁃RFE筛选后的T2+T1c+Flair序列组合的SVM分类器模型效能最佳。

基于深度自回归模型的近似查询处理方法

聚合函数的近似查询处理(AQP)是近年来数据库领域的研究热点。针对现有的近似查询技术存在查询响应时间长、存储开销大、不支持多谓词查询等问题,提出一种基于深度自回归模型的AQP方法DeepAQP(Deep Approximate Query Processing),利用深度自回归模型对表中多列数据的联合概率分布进行学习和建模,以估计给定查询的谓词选择度和目标列概率分布,以促进单表下多谓词聚合函数近似查询请求的有效处理。在TPC-H和TPC-DS数据集上进行实验,结果表明,与基于采样的VerdictDB方法相比,DeepAQP在查询响应时间和存储空间开销上均降低了2到3个数量级;与基于传统机器学习模型的DBEst++方法相比,DeepAQP的查询响应时间降低了1个数量级,显著降低了模型训练耗时,并且可以处理DBEst++所不支持的多谓词查询请求。可见,DeepAQP兼顾了查询精度和速度,并显著降低了算法在训练和存储上的开销。

热液型矿床深部盲矿预测的构造叠加晕实用理想模型及其意义

总结了国内90多个热液型金及铜、银、铅锌、锑、钨等典型有色金属矿床深部盲矿预测的构造叠加晕实用模型的共性,在此基础上建立了热液型矿床深部盲矿预测的构造叠加晕实用理想模型。该实用理想模型对于研究构造叠加晕法在矿区深部盲矿预测建立实用模型及在普查区建立预测参照实用模型均具有重要参考和实用价值。

材料模型对成形过程一步法模拟结果的影响

采用大变形塑性理论和理想变形假设 ,给出了用于复杂形状拉深件成形过程分析的所谓“一步分析法”的有关公式和有限元表达。在此基础上 ,分别对各向同性刚塑性材料、厚向异性刚塑性材料的复杂形状拉深件成形过程材料应力、应变进行了分析研究 ,对拉深件毛坯初始形状进行了优化 。

灰色加权模型在深基坑变形预测中的应用

深基坑的变形及其预测是工程建设中经常遇到的重要问题,论文对加权灰色模型应用于该领域作了探讨。在进行加权模型理论计算的基础上,以深基坑实际变形监测资料为基础,利用原始模型结果作为比较基础,对加权模型进行了变形预测计算。对比结果表明,时距权重模型的原点误差相对于原始模型大为减少,模型的预测精度也得到了很大的提高,加权模型可以很好的应用于基坑变形的预测与分析。

不等时距灰色模型在深基坑变形预测中的应用

传统的灰色模型多适用于等间距序列监测数据的模拟预测,而实际上由于各种原因往往使所获得的监测数据是不等时距的。研究了基于不等时距灰色预测方法的深基坑变形预测模型,应用深基坑工程变形的实际监测资料,对其预测精度及可行性进行了充分的分析比较与论证。结果表明,不等时距灰色模型预测深基坑变形的精度及可信度较高。

等维新息灰色模型在深基坑变形预测中的应用

分析了改进的等维新息灰色预测模型用于深基坑变形预测的合理性。应用深基坑实际变形监测资料,对其预测精度及可行性进行了验证。结果表明,等维新息灰色模型的预测精度较高,模型的预测结果基本上能满足要求。灰色预测模型的预测精度与监测的时间间隔是否固定、数据变化的规律性是否明显有关。当规律明显时预测精度较高,而当监测时间间隔波动大、数据有大的跳跃突变时,预测精度较低。

陆架边缘三角洲研究进展及实例分析

自上世纪90年代以来,发育在大陆架边缘的一种特殊类型的三角洲(shelf-edge delta),因其厚度大,分布面积广,储层物性好,常常与陆坡深水扇体伴生,成藏条件好等特点而引起了广泛关注,成为当前国际沉积学界研究的热点和油气勘探新领域。陆架边缘三角洲一般形成于相对海平面下降或低位时期,主要受控于物源供给、可容纳空间和气候变化,并受到陆坡构造活动影响;也可发育在高位时期,受到波浪与潮汐的影响。前人提出了利用陆架边缘迁移轨迹预测深水沉积和基于陆架斜坡发育模式预测深水沉积的模型,即强烈抬升的陆架边缘迁移轨迹、强烈加积的陆架斜坡发育模式,对应的深水区物质传输体系为泥质;水平—轻微下降的陆架边缘迁移轨迹、强烈前积的陆架斜坡发育模式,预示着大量砂体被搬运至深水区;轻微抬升的陆架边缘迁移轨迹、加积与前积的陆架斜坡发育模式,暗示深水沉积砂体发育介于上述二者陆架边缘迁移与深水扇预测模式之间。陆架边缘三角洲—深水扇规模砂体毗邻优质烃源岩,具备多种类型的油气运移通道,成藏条件良好,是油气勘探的有利领域。实例分析表明:渐新世珠海组沉积时期构造相对稳定,在古珠江充足的供源条件下,南海北坡珠江口盆地鹤山凹陷发育陆架边缘三角洲并伴随陆架不断向海迁移而不断进积,S型前积体不断向海迁移,并在晚期发育下切谷及大型盆底扇沉积。鹤山凹陷珠海组沉积时期发育水平—轻微下降的陆架边缘迁移轨迹,对应于强烈前积的陆架斜坡发育模式,在珠海组沉积晚期发育较大规模叠合连片深水扇富砂沉积体系,是研究区极好的潜在油气勘探目标。

一维无限深势阱中粒子动量分布的一个佯谬

对一维无限深势阱内粒子(基态)动量的概率分布,朗道和泡利分别给出了两种不同的结论。本文对这两个 结论进行了详细分析,指出产生这个佯谬的来源,并讨论其结果的意义。

新还原模型在深基坑变形预测中的应用

以深基坑实际变形监测资料为基础,应用新还原预测模型对某基坑进行了变形模型的计算、精度分析与变形预测,得到了基坑变形新还原模型的形预测结果。对比新还原模型与原始模型结果表明:新还原模型的原点误差相对于原始模型大为减少,模型精度和预测精度都得到较大的提高,可用于基坑变形的预测与分析。

大型金矿盲矿的原生叠加晕和包裹体气晕、离子晕预测准则

本文论述了热液型金矿床大矿、富矿的不同成矿阶段形成的矿体(晕)和石英包裹体气晕、离子晕的垂直分带及其叠加特点,建立了金矿原生叠加晕理想模式和包裹体气晕、离子晕理想模式,总结出了应用叠加晕预测盲矿的准则。

河南萑香洼金矿地球化学分带模型研究

河南萑香洼金矿床作为典型的构造蚀变岩型金矿床,通过研究分析该矿床F985矿化带的Ⅰ号矿体各类元素组分在不同地质体的含量变化特征,原生晕异常分带特征和地球化学轴向分带特征,建立了该矿床完整的地球化学异常分带理想模型,得出矿床地球化学异常轴向分带序列确定为:烃类、Sb(前缘晕)→As、Hg(矿头)→(矿中晕)Au、Ag、Cu、Pb、Zn、W、Mn→(矿尾晕)Mo、Co、Ni、Sn,并总结出了找矿预测标志,为该矿区深部找矿提供了一定的科学理论依据。

基于时间卷积网络的深度聚类说话人语音分离

“鸡尾酒会问题”在语音分离任务上一直是一个难题,主要因为这个问题属于一个说话人无关的语音分离问题,对于说话人事先不知道其先验信息。通过参考Jonathan等提出的深度聚类方法,在其基础上进行改进,提出基于时间卷及网络的深度聚类模型,以理想二值掩蔽作为分离目标并在公开中文语音数据集下进行实验。实验结果表明,相比传统深度聚类模型,所提模型在训练速度、分离后的语音质量和语音客观可懂度方面都得到了提升。

残差辨识模型在菏泽市区深层地下水水位预测中的应用

菏泽市区深层地下水由于长期大量开采，８０年代中期就已形成降落漏斗，且中心水位逐年下降，漏斗范围不断扩大。根据菏泽市区１９８７～１９９７年深层地下水动态监测资料，应用残差辨识预测模式对其水位作了短期预测，并对预测结果进行了后验差检验，预测精度较高。

玲珑金矿田东风矿区深部构造叠加晕研究

东风矿床主要赋存于坡头青主断裂下盘的蚀变带中。在野外地质工作的基础上,运用数学地质分析方法,系统研究了构造叠加晕的特征,建立了构造叠加晕的理想模式。矿区构造叠加晕分析结果显示,金矿成矿具有多期、多阶段的特征,通过研究该区原生晕轴向分带特征,识别出不同成矿阶段所形成的矿体(晕)在空间上具有前尾晕共存的叠加结构,该结构是深部盲矿预测的重要依据。

构造叠加晕研究在平度市大庄子金矿床深部找矿中的应用及探讨

通过对平度市大庄子金矿床矿床特征和地球化学特征的分析,论述了矿区构造叠加晕特征:大庄子金矿床具有多期多阶段叠加成矿成晕以及多种形式叠加的特点。根据其叠加晕特征,建立了大庄子金矿床深部第二富集带预测及构造叠加晕理想模式,确定了矿区深部盲矿预测标志以及找矿标志,并提出预测靶位,且在预测靶位取得了良好的找矿效果。

基于Faster R-CNN的煤岩识别与煤层定位测量

传统机器学习的煤岩识别技术大多数采用的是手工设计图像特征,并结合滑动窗口的方式对煤岩图像进行特征提取,再经过分类器进行分类和识别,存在图像特征设计难度大、耗时长、泛化性差等缺点。针对传统机器学习的这些缺点,采用了一种基于机器深度学习Faster R-CNN的煤岩识别方法。首先利用采煤机上的监控摄像机现场采集煤岩图片数据集,将图片输入到VGG16卷积神经网络,对煤岩图像特征进行提取,将提取出来的特征图经过区域建议网络(Region Proposal Network),对图像上的煤岩进行初步定位与分类,最后经过R-CNN网络精确定位分类,输出煤层边界点的像素坐标值。解算出监控摄像机内外置参数,结合理想针孔线性成像模型,将图片中所定位到的煤层边界点(煤层角点)的像素坐标值转化成矿井测量坐标值,为采煤机自动调整滚筒空间位置提供数据依据。