肌肉超声回声联合血浆炎性因子对ICUAW诊断及预后评估的价值研究

目的:探讨重症监护病房(intensive care unit,ICU)获得性肌无力(ICU acquired weakness,ICUAW)患者肌肉超声回声与血浆炎性因子的相关性,以及其对ICUAW的诊断价值和预后的预测价值。方法:选择重庆市急救医疗中心ICU住院患者,分别在第1、3、7天使用床旁超声检测患者肌肉回声,获得的总体肌肉回声评分(global muscle echogenicity score,GEM),测定血清白细胞介素-6(interleukin-6,IL-6)和降钙素原(procalcitonin,PCT)浓度,采用医学研究理事会肌力评分法(medical research council scales,MRC-ss)评估肌肉力量。根据患者入ICU第7天MRC-ss评分将患者分为ICUAW组和非ICUAW组,分析比较2组患者GEM、IL-6、PCT的差异及各指标的相关性。利用受试者工作特征(receiver operator characteristic,ROC)曲线分析以上参数对ICUAW诊断效能,分析GEM、IL-6、PCT对ICUAW患者的预测预后价值。结果:ICUAW组第3天GEM、第7天IL-6浓度、GEM高于非ICUAW组(P<0.05)。GEM与第7天IL-6水平呈正相关(r=0.221),第7天GEM与MRC-ss评分呈负相关(r=-0.581)。ROC曲线分析显示,第7天GEM对ICUAW有诊断预测价值,ROC曲线下面积(area under the curve,AUC)为0.838,使用GEM、IL-6、PCT联合诊断,AUC=0.885(P<0.05)。ICUAW组Barthel指数评分(Barthel index,BI)低于非ICUAW组,ICUAW组中总体肌肉超声回声评分(global muscle echogenicity score,GEM)高的患者BI低于GEM低的患者(P<0.05)。结论:ICU住院患者GEM与IL-6、PCT浓度相关,其对ICUAW具有一定的诊断价值,并能够预测ICUAW患者的预后。

重大突发事件下网络舆情传播中回声室网络结构研究

[目的/意义]在社交网络中回声室对重大突发事件下的社交网络舆情演进具有重要作用,研究重大突发事件网络舆情中回声室网络结构可以为相关部门的舆情引导和管控提供指导和帮助。[方法/过程]基于网络结构理论,利用社会网络分析法和情感分析方法,进行用户回声室网络结构识别以及用户回声室网络结构表征及网络同质性检验。在此基础上,构建重大突发事件中回声室网络结构分析模型,并结合重大突发事件“3·21”东航客机事故中典型舆情话题进行实证研究。[结果/结论]重大突发事件网络舆情中存在回声室效应,由于微博评论与转发机制的不同,回声室网络结构存在明显的网络特征差异,且评论机制更有利于社交网络在重大突发事件下的情感分享,并可以凝聚群体观点和用户想法,从而促进意见领袖在群内和群外成员之间的互动。

持续性单纯宫内无回声的临床结局分析

目的分析持续性单纯宫内无回声的临床结局。方法回顾性收集我院于2015年3月至2021年5月收治的持续性单纯宫内无回声患者共3759例,并收治1例因单纯宫内无回声于外院清宫后血β-HCG下降不良,进一步转诊至我院处理的患者,共计3760例,分析所有患者临床特点及特殊临床结局。结果3760例患者中,3745例患者的临床结局为稽留流产,15例患者的临床结局为非稽留流产。非稽留流产患者中,有11例患者术后第一天查血β-HCG下降>50%,其病理报告均提示为“葡萄胎”;有3例患者术后第一天查血β-HCG较前不降反升,幅度均<15%,其病理报告均为“蜕膜组织”,因病理报告时间具有延后性,故均及时行盆腔超声检查,提示为异位妊娠,并及时进行腹腔镜检术;1例外院转诊来院患者,术后第7天血β-HCG下降幅度较小,我院复查发现血β-HCG为8754mIU/mL,盆腔超声提示为间质部妊娠,并行腹腔镜检术+左侧间质部切开取胚术。结论临床工作中超声提示持续性单纯宫内无回声患者大部分表现为稽留流产,但仍有部分患者存在葡萄胎和异位妊娠的可能性,因此清宫前后均应密切监测血β-HCG,注重病理检查,必要时复查盆腔超声,谨防葡萄胎和异位妊娠,防止漏诊误诊。

基于变分模态分解与鲸鱼算法优化回声状态网络的风速预测模型

风速受多种因素影响常伴随着随机性和非平稳性,给风电接入电网造成了相当大的困难,准确的风速预测对风力发电有着极大的研究意义。将变分模态分解算法与鲸鱼算法优化回声状态网络模型相结合,提出了一种风速预测模型。首先通过变分模态分解算法将风速序列分解成多个分量以减少风速内部信号间的耦合性,降低建模难度。然后对这些分量分别建立对应的回声状态网络预测模型。针对回声状态网络模型性能受储备池参数影响较大的问题,采用鲸鱼优化算法对储备池参数进行优化。风速的最终预测值由分解后各分量预测值相加得到。最后,将实际采集的短期风速数据作为研究对象,通过与其他4种预测模型的对比分析表明提出的风速预测模型具有更高的预测精度,能够更好地对风速的变化趋势进行预测。

融合动态场景感知和注意力机制的声学回声消除算法

在实时语音频通话系统中,如何去除声学回声得到清晰语音是目前最受关注的难题之一。声学回声消除(Acoustic echo cancellation,AEC)技术旨在消除语音频通话系统中的声学回声,提高通话过程中的语音质量,给予用户良好的通话体验,但是传统回声消除系统存在去回声效果不明显、存在非线性回声残留以及无法实时处理回声等问题。因此,为解决上述存在问题,提出了一种动态场景感知模块(Dynamic scene perception module,DSPM)和全局注意力机制(Global attention mechanism,GAM)相结合的声学回声消除算法。该算法以卷积循环网络(Convolutional recurrent network,CRN)作为基线模型,提取语音信号的序列特征;首先,在其编码器中引入DSPM模块替换原因果卷积,根据场景动态分配卷积内核数量,加强模型的自适应性;其次,在编码器最后两层中分别引入GAM模块,放大空间通道间关系以及统筹全局交互,提升对语音信号特征的提取能力以及消除回声的性能;最后,通过将MSE损失函数和HuberLoss损失函数线性相加生成一种新的损失函数——MSE-HuberLoss,进一步提高模型的鲁棒性。实验结果表明,提出的GAM-DSPM-CRN模型的回声消除性能优秀,且获得较基线模型更加清晰的重构语音信号;在双端通话环境下,提出的GAM-DSPM-CRN模型声学回声消除算法较其他对比算法性能有较大提升;在Microsoft AEC Challenges数据集上,MOS、ERLE和STOI的得分分别达到了4.09、57.43和0.78。

偏置剪枝叠式自编码回声状态网络的时序预测

针对大多数模型对时间序列预测数据的预测准确率较低,为提升时间序列的预测精度,提出一种基于Biased Drop-weight的偏置剪枝叠式自编码回声状态网络(BD-AE-SGESN)的深度模型。以叠式ESN为多层深度网络框架,提出一种生成式AE算法生成每一层的输入权值,利用BD算法根据输入权重激活值进行剪枝。对比实验结果表明,该模型能够有效提升预测准确率,在3个不同的数据上,相比其它模型有着较小的预测误差和较高的稳定度。

具有双储层结构的动态误差补偿回声状态网络

针对传统回声状态网络难以有效应对高阶非线性复杂模型问题,本文在理论分析的基础上提出了一种双储层结构的误差补偿回声状态网络,并设计了该网络的学习算法.该网络由计算层和补偿层构成,计算层主要承担拟合任务,补偿层则作为状态跟随器,实时补偿由于计算层对期望方差估计不足而导致的幅值偏差.对多阶振荡器和真实高阶非线性数据集的实验结果表明,本文所提网络结构较常规网络具有更高的稳定性和泛化性能,尤其对高阶非线性复杂模型的预测精度大幅度提升.

“X怎么着”类回声构式的句法特征、语义模型及语用表现

汉语口语表达中的常用格式“X怎么着”分为两类:一类表示询问,一类表示反诘。后者表达的是说话人对前一说话人(受话人)话语X的否定态度,其整体意义的解读不能从组成成分的意义简单相加获得,可以界定为回声构式。从句法上看,回声构式中的X一般为名词性成分、谓词性成分,以及少量单句,主要有完全回声、截取回声和转换回声三种形式。从语义上看,名词性成分表现为主体,含有言外之意,谓词性成分以及单句表现为事件,对言说几方存在利害关系,形成了四种语义模型。从语用上看,说话人使用该类构式表达强烈的反诘否定,主要表现为强冲突型情感和弱冲突型情感两种情感倾向,以及居于话轮之首,容易激发前一说话人(受话人)采取对抗策略的语篇特征。

回声构式“X是X”的构件特点、语义特征及互动功能

“X是X”构式借助于一定的语言手段重复前一说话人话语的部分内容“X”,以此表达说话人让步肯定的话语立场,同时,其整体意义的解读不能从组成成分的意义简单相加获得,可命名为回声构式。从构式的组成来看,“X是X”构式的前“X”是后一说话人从前一说话人话语中引入的回声成分,“是”是表示肯定的动词,起“复说”或“拷贝”作用且与后“X”一起表达后一说话人对前一说话人话语“X”的主观评价,不仅具备让步肯定的语义特征,同时还具备回声肯定的语义特征。“X是X”构式以绝对优势的比例使用于对话语体,且处于应答话轮的开端位置,这显示出构式具有极强的互动功能。如果把该类结构的考察范围从对话扩展到独白领域,会发现其评价立场的表达表现为显性互动和隐性互动两种类型。

门控卷积神经网络多通路声学回声消除算法

多通路声重放系统能够增强听者的现实感与空间感,但在免提通信条件下,其不可避免会受到噪声和回声干扰,严重影响通信质量。针对上述问题,提出了一种基于门控卷积循环神经网络的多通路声学回声消除和噪声抑制方法。该方法以传声器接收信号和重放声道的压缩复数谱为网络输入,以近端语声的压缩复数谱为网络的输出目标,直接从传声器拾取信号中恢复近端纯净语声,无需对声重放信号进行去相关处理,解决了传统自适应滤波方法中存在的非唯一解问题,同时保证了多通路声重放质量。仿真和真实声学环境实验均表明该文所提出的方法可显著消除多通路声重放系统的噪声和回声,在语声质量和回声返回衰减增益方面均优于传统算法。

基于动量梯度下降的回声消除算法

针对极端环境话音系统下声学回波影响工作人员正常施工,且常规声学回声消除算法收敛速度慢的问题,提出一种基于动量梯度下降的基于l0范数的改进系数成比例归一化最小均方误差算法(L0⁃IPNLMS)。该算法将动量因子引入L0⁃IPNLMS算法中,解决在算法运行过程中梯度下降时梯度摆动幅度可能过大的问题,也提高了自适应滤波器的收敛速度,且残余回声下降明显,声学回波抑制效果更好。仿真实验表明,与L0⁃IPNLMS算法相比,新算法在模拟随机多音信号与真实语音信号输入时,均方误差(MSE)可以降低3.47 dB和3.69 dB,回波抑制比(ERLE)提高了3.46 dB和3.68 dB,在低信噪比情况下,使用新算法对真实语音信号进行回声消除,收敛速度高于L0⁃IPNLMS等算法,且收敛效果有明显改进。

基于自适应小波回声神经网络的光纤陀螺测角仪温度误差补偿技术

基于光纤陀螺的测角仪可以实现对各项角运动参数的一体化动态精密测量,但在实际应用中,光纤陀螺测角仪受到温度变化的影响,导致测量精度下降。针对这一问题,本文提出了一种基于自适应小波回声神经网络的光纤陀螺测角仪温度误差补偿技术。为了提高温度误差建模的进度,提高传统神经网络的逼近能力,通过自适应前向线性预测滤波器对建模用测角仪温度漂移数据进行预处理,并采用自适应小波回声神经网络建立温度漂移模型,能够避免传统神经网络结构设计的盲目性和局部最优等问题,增强了网络学习能力和泛化能力,并利用自适应律代替神经网络梯度进行网络训练,提升神经网络的逼近精度和收敛速度。实验结果表明,该模型可以提高光纤陀螺测角仪的测量精度和环境适应性,为光纤陀螺测角仪的性能优化和实际应用提供了可靠的技术支撑。

基于改进鲸鱼算法的数字助听器回声消除方法

在数字助听器应用中,回声消除能力是检验助听器效果的标准之一。针对回声消除算法中自适应滤波器权重设置主观性较强以及实际语音信号波动性较大导致数字助听器回声消除精度不高的问题,提出了一种结合集合经验模态分解(EEMD)方法及鲸鱼算法(WOA)的最小均方误差算法(LMS)。该新方法在鲸鱼算法的基础上引入集合经验模态分解方法,采用集合经验模态分解方法将采集到的语音信号分解为若干个平稳的子序列,运用鲸鱼算法收敛速度较快的特点帮助自适应滤波器更快找到更适宜的权重,对自适应滤波器进行权重向量的优化,从而建立EEMD-WOA-LMS模型,通过回声消除效果的常用性能指标对所提方法进行验证。仿真实验表明,将改进方法与WOA-LMS算法相比,能获得较快的收敛速度和较低的失调量,并且均方误差有所降低,失调量降低了0.73 dB,回声损失值提升了2.87 dB,验证了EEMD-WOA-LMS算法的回声消除能力更优。

采用超声造影灌注及回声变化规律鉴别诊断肝血管瘤与肝细胞癌价值研究

目的探讨超声造影(CEUS)鉴别诊断肝血管瘤(HCH)与肝细胞癌(HCC)的价值。方法2020年1月~2021年12月我院诊治的75例肝内占位性病变患者,经肝穿刺活检或手术组织病理学检查诊断,所有患者均接受CEUS检查,绘制受试者工作特征曲线(ROC)分析CEUS参数鉴别HCH与HCC的效能。结果病理学检查诊断HCH 35例和HCC 40例;HCC病灶边界清晰、高回声和回声均匀比率分别为17.5%、22.5%和12.5%,均显著低于HCH病灶(分别为65.7%、65.7%和74.3%,P<0.05),而II级血流信号占比为67.5%,显著高于HCH病灶的14.3%(P<0.05);增强扫描HCC病灶动脉期呈高增强占比为65.0%,显著低于HCH病灶的91.4%,而门静脉期和延迟期病灶呈低增强占比分别为70.0%和90.0%,显著高于HCH病灶的8.6%和42.8%(P<0.05);HCC病灶始增时间、达峰时间和增强速率分别为(9.6±1.8)s、(25.8±4.1)s和(0.5±0.1),显著快于HCH病灶【分别为(13.2±2.5)s、(32.3±6.7)s和(0.9±0.2),P<0.05】;ROC曲线分析显示,应用始增时间、达峰时间和增强速率联合鉴别诊断HCC的曲线下面积(AUC)为0.935,其灵敏度为82.8%,特异度为90.0%,显著优于指标单独鉴别(P<0.05)。结论使用CEUS灌注和回声变化参数鉴别诊断HCH与HCC具有较大的临床价值。

基于战争策略算法优化回声状态网络的时间序列预测

为了解决回声状态网络(ESN)储备池参数难以确定的问题,提出一种基于战争策略优化算法(WSO)的回声状态网络模型(WSO-ESN).该模型利用战争策略优化算法中攻击和防御两种流行的战争策略更好地实现整个模型在全局探索和局部开发上的平衡,替换弱士兵策略提高其鲁棒性使WSO算法在确定ESN参数时更准确.此外,还引入了呈指数变化的权重更新机制提高算法的收敛速度进而更快地确定储备池参数.实验结果与粒子群优化算法(PSO)、蜣螂优化算法(DBO)、金豺优化算法(GJO)等对储备池参数优化方法进行比较.结果表明,基于战争策略优化算法的回声状态网络模型具有更快的训练速度和更高的预测精度.

基于图正则化自编码回声状态网络的时间序列分类算法

回声状态网络(Echo State Network,ESN)能够为解决时间序列问题提供有效的动态解决方法,然而大多数情况下ESN模型主要用于预测而不是分类,ESN在时间序列分类任务的应用尚未得到充分的研究。传统ESN由于存在随机生成的输入权重,使得其性能并不能保证最优。随机生成的权重在特征映射时,可能会破坏有用的特征。针对这些缺点,提出了一种针对时间序列分类任务的基于图正则化自编码的回声状态网络模型(GRAE-ESN),利用流形学习考虑数据内在的流形结构,来约束输出权重使得相似样本的输出在新的空间中更加接近,之后将ESN结构中的输入权重用解码层获得的权重所替换,以学习到丰富的输入特征。在基准数据上的实验表明,所提出的GRAE方法能够有效的改进ESN分类器,在与多个主流算法和深度学习算法相比,该算法具有更好的性能和鲁棒性。

延迟回声状态神经网络用于复杂系统分析和应用

提出一种改进的回声状态神经网络模型,用于复杂系统的长期行为分析和预测.模型通过引入隐层状态的延迟反馈体现系统过去时刻的信息对当前状态的影响,避免了传统回声状态网络方法记忆能力弱的缺点以及获得最优参数的困难.

面向突触故障的回声状态网络容错方法研究

在实际应用部署过程中,回声状态网络中储备池的内部突触容易受到应用系统故障的影响而发生故障,偏离预期的性能。因此,提出一个面向突触故障的回声状态网络容错模型。分析模型中一些故障的突触(权重扰动)的行为特征,考虑发生故障的实际场景,采用检测机制检测并定位这些故障的突触,最后通过容错策略使其恢复。仿真实验结果表明,针对不同特点的时间序列数据,通过容错性能评估、统计分布和短期记忆能力对比,提出的容错模型是有效的。此外,通过数学理论推导证明出储备池突触故障容错的边界条件。

基于去趋势多重互相关的深度回声状态网络剪枝算法

针对储备池中存在的冗余结构导致深度回声状态网络预测精度不佳的问题,提出了一种基于去趋势多重互相关的深度回声状态网络剪枝算法。首先,根据去趋势协方差函数和去趋势方差函数,依次计算所选储备池中每2个神经元之间的去趋势互相关系数,构建去趋势互相关矩阵,基于该矩阵评估该储备池中所选神经元与所有剩余神经元之间的去趋势多重互相关性。其次,依次删除每个储备池中高相关性神经元到输出层的连接,从而去除网络中的冗余结构。最后,通过最小二乘回归重新训练剪枝后的网络,以获得最优的深度回声状态网络拓扑结构。仿真结果表明:经过所提算法优化后的深度回声状态网络在Mackey-Glass时间序列上的预测精度和记忆能力分别提高了89.80%和30.93%,在Call时间序列上的预测精度和记忆能力分别提高了14.34%和0.10%。

复调与回声:从《芙蓉镇》看新时期乡土小说的饮食书写策略

《芙蓉镇》作为20世纪80年代乡土伤痕小说的代表作,借助在场性观照与具身化解读的方式,直观且深刻地描绘出原乡社会在不同历史时期的秩序结构与发展态势。饮食书写是文学作品中最为常见的书写方式,以饮食书写隐喻社会生活也是常被使用的创作手法。从饮食书写的角度窥探这一时期以《芙蓉镇》为代表的乡土小说,能够梳理出关于乡土秩序更迭的“复调”与“回声”式书写策略;通过饮食书写展露乡村社会在传统伦理秩序与革命秩序不断更迭中的呈现状态,也寄寓着世俗伦理价值向度中对于原乡秩序肯定与颂扬的态度。