应用T1与T2加权比值探讨0~2岁婴幼儿创伤性脑损伤灰质髓鞘的改变

目的:应用T1与T2加权比值探讨0~2岁婴幼儿创伤性脑损伤(TBI)脑灰质髓鞘的改变。方法:基于常规T1加权和T2加权图像计算得到T1与T2加权比值图,并提取90个大脑灰质区域的T1与T2加权比值,比较37例婴幼儿TBI(TBI组)与43名健康对照者(HC组)脑灰质髓鞘的差异。采用两独立样本t检验和Mann-WhitneyU检验比较TBI组与HC组脑灰质髓鞘T1与T2加权比值的差异,并对所得P值进行假发现率(FDR)矫正;为了捕获灰质在快速髓鞘化阶段的区域差异,将0~2岁的婴幼儿按照每6个月为1组分为4组。应用二次拟合曲线建立TBI组与HC组灰质T1与T2加权比值随年龄变化的发育轨迹图。结果:TBI组双侧中央旁回、双侧补充运动区及左侧海马等22个脑区的T1与T2加权比值低于HC组(P<0.05)。7~12月亚组中,TBI组双侧尾状核、双侧壳核等8个脑区T1与T2加权比值低于HC组(P<0.05)。19~24月亚组中,TBI组双侧海马、双侧海马旁回等包括颞枕叶在内的52个脑区T1与T2加权比值低于HC组(P<0.05)。0~2岁婴幼儿及亚组(7~12月组、19~24月组)中,TBI组双侧尾状核、双侧壳核、右侧颞横回,左侧梭状回及左侧补充运动区的T1与T2加权比值均低于HC组(P<0.05)。HC组发育轨迹表现为0~2岁内T1与T2加权比值持续上升;TBI组发育轨迹表现为0~16月T1与T2加权比值快速上升,之后下降。从发育轨迹可知,TBI组T1与T2加权比值整体低于HC组。结论:T1与T2加权比值可作为评估TBI婴幼儿脑灰质髓鞘改变的代替指标,TBI组T1与T2加权比值的发育轨迹低于HC组,且在19~24月最明显。T1与T2加权比值提示脱髓鞘和髓鞘异常发育,可为TBI患儿脑灰质研究提供新思路。

基于平均幅度的LDPC码加权比特翻转译码算法

针对LDPC码的加权比特翻转（WBF）和改进型加权比特翻转（MWBF）算法，该文提出一种改进型算法。该方法以信息节点的平均幅度作为校验方程的可靠度信息，可以提高比特翻转效率。仿真结果表明，在AWGN信道下，误比特率为510-时，相比于WBF和MWBF算法，该文提出的算法可分别获得约1.65 dB和1.36 dB的增益。同时，平均迭代次数分别降低18.20%~39.91%和17.54%~34.78%。

基于幅度和的LDPC码加权比特翻转译码算法

以信息节点的幅度和作为校验方程的可靠度信息,提出两种简单高效的低密度奇偶效验(low density parity check,LDPC)码的加权比特翻转(weighted bit flipping,WBF)译码算法。仿真结果表明,在加性高斯白噪声信道下,误比特率为10-5时,相比于传统的WBF和改进型WBF(modified WBF,MWBF)算法,提出的一种算法可分别获得约1.65dB和1.31dB的增益。同时,平均迭代次数也大大降低。

LDPC码加权比特翻转译码算法研究

近年来,基于置信传播(BP),最小和(MS)和归一化最小和(NMS)算法,已经提出3种相对应的LDPC码加权比特翻转(WBF)译码算法。但这3种WBF算法所代表的物理意义和内在的紧密联系问题目前仍未有所研究。该文依据一种全新的理解方式,对3种WBF算法进行理论推导,并阐述3种算法内在的紧密联系,最后通过仿真验证所得结论的合理性和正确性。这对于设计新的改进型WBF算法具有一定的指导意义。

基于变量节点更新的LDPC码加权比特翻转译码算法

该文提出一种改进的低密度奇偶校验(Low Density Parity-Check,LDPC)码的加权比特翻转译码算法。该算法引入了变量节点的更新规则,对翻转函数的计算更加精确,同时能够有效弱化环路振荡引起的误码。仿真结果表明,与已有的基于幅度和的加权比特翻转译码算法(SMWBF)相比,在加性高斯白噪声信道下,该文算法在复杂度增加很小的情况下获得了误码率性能的有效提升。

基于灵敏度和特异度任意赋权的加权比数积

目的建立一种基于灵敏度(SEN)和特异度(SPE)任意赋权的加权比数积统计方法。方法加权比数积(φ_w)的构造满足以下三个原则:灵敏度和特异度的权重(w)之和为1,0≤w≤1;满足特殊性:当灵敏度和特异度等权时,即w=0.5时,加权比数积φ_w等于比数积φ;加权比数积φ_w的取值范围与比数积φ的取值范围相同,为[0,+∞]。所构造的加权比数积为:φ_w=(SEN/(1-SEN))~2w·(SPE/(1-SPE))^(2(1-w)),(0≤w≤1)。根据中心极限定理,推导出lnφ_w的标准误和两个lnφ_w比较的Z统计推断方法,进一步推导出权重w的变化对检验统计量Z的影响。结果所构造的加权比数积满足上述构造三个原则。结论本研究所建立的加权比数积方法解决了应用中对灵敏度和特异度有不同赋权要求的问题,为诊断试验评价提供了新的工具。

LDPC码偏移修正加权比特翻转译码算法

大量仿真表明,基于幅度和的改进型加权比特翻转(modified sum of the magnitude based weighted bit flipping,MSMWBF)译码算法对于行重/列重较小的低密度奇偶校验(low density parity-check,LDPC)码而言,展现出巨大的性能优势,但对于行重/列重较大的基于有限域几何(finite-geometry,FG)的LDPC码,性能损失严重。首先对此现象进行理论分析。其次,引入附加的偏移项对MSMWBF算法的校验方程可靠度信息进行修正,提高了算法对行重/列重较大的LDPC码的译码性能。仿真结果表明,在加性高斯白噪声信道下,误比特率为10-5时,相比于MSMWBF算法,在适度增加实现复杂度的条件下,所提算法可获得约0.63dB的增益。

基于可信度信息的改进加权比特翻转算法

在研究几种加权比特翻转算法的基础上,提出了一种新的针对LDPC码的改进加权比特翻转算法。加权比特翻转(WBF)算法中的错误度量考虑了校验节点的可信度信息,在此基础上,相关的改进WBF(IWBF)算法考虑了消息本身对符号判决的影响,进一步提高了性能。但是在IWBF算法中,必须通过仿真,才能获得使译码性能较优的符号可信度加权参数。提出了一种同时考虑符号可信度和校验可信度的算法,不需要调整加权参数,即可获得较优性能。仿真显示提出的加权比特翻转算法是可行且有效的。

LDPC码的一种高效加权比特翻转译码算法

针对低密度奇偶校验(LDPC)码中加权比特翻转(WBF)译码算法在迭代过程中绝大多数情况都是进行单比特翻转,导致译码效率低并且可能会发生比特翻转"死循环"的现象,提出一种更为高效的加权比特翻转(EWBF)算法。该算法对翻转阈值进行了改进,使得每次迭代能够翻转多个比特,提高译码效率,并且能够避免译码过程出现的翻转"死循环"现象。仿真结果表明,所提译码算法与WBF算法、改进的WBF(MWBF)算法和IMWBF(Improved MWBF)算法相比,平均迭代次数分别降低51.6%~56.2%、49.6%~54.2%和48.1%~51.3%;而在译码性能方面,算法性能接近甚至优于IMWBF算法,当最大迭代次数设定为30次时,相比于IMWBF算法,在误码率为10-4时可获得0.92d B的增益。

LDPC码加权比特翻转译码算法的低复杂度提前停止准则

近年来,针对LDPC码置信传播(BP)译码算法的提前停止准则的研究已经有了很多,但设计适合加权比特翻转(WBF)译码算法的提前停止准则却研究甚少。依据对WBF算法的全新理解方式,该文提出一种实现简单、适用性强的WBF算法提前停止准则,它能在译码的初始阶段检测绝大多数不可纠错的帧。仿真结果表明,基于提前停止准则的WBF算法在性能损失可以忽略的条件下,极大地降低迭代次数,在实现复杂度和性能之间达到了很好的折中。

基于加权比特翻转的MLC型NAND闪存系统

多级单元(Multi-Level-Cell,MLC)技术增加了NAND闪存的存储密度,但也增强了单元间干扰(Cell-toCell Interference,CCI)噪声强度,导致了NAND闪存的可靠性急剧下降.在深入研究MLC闪存模型和CCI噪声模型基础上,提出了一种MLC型NAND闪存的加权比特翻转硬判决译码方法.仿真结果表明,在MLC闪存信道条件下,该方法既可保证MLC闪存单元的可靠性,对可保持较低的译码复杂度,从而实现了译码复杂度和性能间的良好折衷.

加权比较法在矿山地质环境评价中的应用——以石家庄西部山区为例

通过对河北省石家庄市矿山地质环境详细调查,以采矿对矿山地质环境造成的影响为主,综合考虑区域地质环境背景、矿山基本概况、矿山地质环境恢复治理的难易程度等因素,采用加权比较法对石家庄地区矿山地质环境进行了质量评价。通过实例应用表明,该方法选取的评价因素较全面,客观反映了石家庄市矿山地质环境的实际情况,取得了较满意的评价结果[1]。

应用T1与T2加权比探讨阿尔茨海默病患者脑白质纤维髓鞘的改变

目的应用T1与T2加权比探讨阿尔茨海默病(Alzheimer's disease,AD)患者脑白质纤维髓鞘的改变。材料和方法基于常规T1加权和T2加权图像通过外部校准计算得到T1与T2加权比值图,并提取20条白质纤维束的T1与T2加权比值,比较26名AD患者与34名健康对照(healthy control,HC)者的脑白质纤维髓鞘差异,应用简易智能状态检查(Mini-Mental State Examination,MMSE)评估受试者的智力及认知功能的受损程度。采用两独立样本t检验和Mann-Whitney U检验比较AD组与HC组白质纤维束的T1与T2加权比值的差异;并将AD患者白质纤维束的T1与T2加权比值与MMSE评分进行Spearman相关性分析。结果AD患者双侧皮质脊髓束(corticospinal tract,CST)、双侧扣带束(扣带部)[cingulum(cingulate gyrus),CgC]、右侧下额枕束(inferior fronto-occipital fasciculus,IFOF)、右侧下纵束(inferior longitudinal fasciculus,ILF)和双侧上纵束(superior longitudinal fasciculus,SLF)的T1与T2加权比值明显低于HC组(P<0.05);AD患者脑白质纤维束T1与T2加权比值与MMSE评分无显著相关性(P>0.05)。结论T1与T2加权比作为一种临床可行的简单、快速且无创的髓鞘评估方法,为AD患者脑白质纤维髓鞘改变提供了有前景的评估指标,同时也为AD患者脑白质研究提供了新思路。

LDPC码的快速联合加权比特翻转译码算法

针对低密度奇偶校验码的加权比特翻转,提出一种快速联合加权比特翻转译码算法。该算法首先以平均幅度作为校验方程,其次以可靠性比率来判断译码出错率,最后在最大迭代次数或达到了零出错率时输出结果。与WBF译码算法相比加快了LDPC码的译码速度,并且误码性能也得到明显改善。相比以平均幅度为信息节点的加权比特翻转算法和可靠性比率加权比特翻转算法,该改进型算法避免了单比特翻转算法在译码过程中产生的同一比特循环翻转现象。

广义毕达哥拉斯模糊有序加权比例平均算子及其应用

将广义有序加权比例平均算子推广到毕达哥拉斯模糊决策环境中,定义了广义毕达哥拉斯模糊有序加权比例平均算子(GPFOWPA),并研究了该算子的性质。最后,提出了基于GPFOWPA算子的模糊多属性群决策方法,并通过实例证实其有效性与可行性。

基于加权比较法的某矿设计采场边坡稳定性评估

以石山上一矿为例,采用加权比较法按照评估因子的选择、评估因子的量化、设计采场边坡稳定性分级、评估单元得分计算方法的流程定量评估设计采场边坡的稳定性,得出石山上一矿一采区设计采场边坡稳定性较差的结论,对定量评估类似矿山设计采场边坡稳定性具有一定的参考价值。

高温下混煤燃烧NO生成特性与单煤线性加权比较

利用自制恒温试验系统,对几种典型煤种混煤试样进行恒定高温情况下的燃烧失重实验,研究了掺混比、温度、煤种等因素对混煤燃烧内部交互作用的影响以及同步NO生成特性。结果表明:混煤在高温下燃烧初期,煤粉失重受到褐煤的抑制作用,但在后期褐煤燃烧产生的热量对混煤失重有明显的促进作用,致使燃烬时刻提前;褐煤掺混比的增加,对混煤前期燃烧的抑制作用加强;随着温度的升高,混煤前期燃烧的抑制时间逐渐缩短,同时后期的促燃时间缩短;掺混煤种的煤化程度越低,燃烧前期的抑制作用就越强,但有利于后期煤粉的燃烬。此外混煤燃烧时NO生成累积量会随着褐煤掺混比的增大而减小;所掺混煤种煤质差异越大,NO生成交互作用越强烈。

加权比值型课程目标达成度评价方法的局限性及其改进方法研究——以《工程水文学》为例

提出了基于加权分段函数的改进课程目标达成度评价方法,并以《工程水文学》的为例,验证了评价模型的有效性。结果显示,与传统加权比值模型相比,加权分段函数模型具有如下优势:加权分段函数模型通过科学设计函数的拐点,为教学目标达成度和课程目标达成度的合格阈值提供了数学依据;加权分段函数型模型则克服了考核难度对教学目标评价结果的影响,能够准确实现不同难度教学目标达成度的横向对比;对于考核方式有较大优化的课程,传统加权比值型方法由于忽视了考核材料的难度差异,导致评价结果不符合实际。而加权分段函数模型则能准确量化其课程目标达成度的持续改进过程,有效服务课程的持续改进效果分析。

基于NEGM(1,1)与BP神经网络的广义加权比例平均备件需求组合预测

针对备件需求预测问题,构建了基于NEGM(1,1)与BP神经网络的广义加权比例平均组合预测模型,充分利用NEGM(1,1)在解决时间间隔不等的序列拟合预测问题的优越性和BP神经网络特有的计算能力强、鲁棒性好的优点,克服了单纯使用统计分析、灰色理论或神经网络的弊端.并通过实例分析,验证了此模型在备件消耗预测中的有效性与准确性.

加权共表达网络分析与机器学习识别类风湿关节炎滑膜中的关键基因

背景:类风湿关节炎是一种全身的免疫相关性疾病,主要病理特点是关节滑膜炎性增生及关节软骨的破坏,其发病机制目前尚不明确,迫切需要发现新的具有高度敏感性和特异性的诊断标志物。目的:联合使用生物信息学技术及计算机学习算法,识别并筛选类风湿关节炎患者滑膜中的关键基因,构建类风湿关节炎预测模型并进行验证。方法:从基因表达综合数据库中下载3个包含类风湿关节炎患者滑膜的数据集(GSE77298、GSE55235、GSE55457),GSE77298和GSE55235作为训练集,GSE55457作为测试集,共纳入66个样本,其中类风湿关节炎患者滑膜样本39个,正常滑膜样本27个。应用R语言筛选训练集中的差异基因,然后使用加权共表达网络将训练集中的基因模块化,选出关键模块中的特征基因,将差异表达基因和特征基因取交集,交集基因进入下一步机器学习。采用3种机器学习方法:最小绝对值收敛和选择算子算法、支持向量机-递归特征消除和随机森林算法对交集基因进一步分析获得枢纽基因,将枢纽基因再次相交即得到类风湿关节炎滑膜中的关键基因。以关键基因为变量构建预测类风湿关节炎的列线图模型,推测患者发生类风湿关节炎的危险程度,使用受试者工作特征曲线确定类风湿关节炎预测模型及其关键基因的诊断价值。结果与结论:①通过差异分析,训练集中共筛选出差异基因730个,加权共表达网络分析得到特征基因185个,两者交集基因159个;②最小绝对值收敛和选择算子发现枢纽基因4个,支持向量机-递归特征消除发现枢纽基因11个,随机森林发现枢纽基因5个,取交集后获得关键基因2个(TNS3、SDC1);③基于2个关键基因,在训练集及测试集种构建列线图,其校准预测曲线与标准曲线贴合较好,且预测类风湿关节炎发生的临床效能良好;④上述结果证实,基于生物信息及机器学习算法获得的TNS3和SDC1有可能成为类风湿关节炎诊断和治疗的关键靶点。