基于群论的频率图在旅行商问题中的应用

针对最小生成树(minimum spanning tree,MST)和旅行商问题(travelling salesman problem,TSP),介绍了完全图上的两类特殊图并定义了这些图上的交运算,每类特殊图和交运算构成一个半群。根据半群性质计算出频率图,分析了最优哈密顿圈(optimal Hamiltonian cycle,OHC)和MST中边的频率性质,证明了频率图上OHC中边的频率下界,该频率下界用于缩小OHC的搜索空间,降低了TSP的求解难度。此外,采用一些TSP算例验证了频率图上OHC中边的频率性质。

“地下理想家园”的营造——汉画像石农耕图功能新探

作为汉代艺术的独特表现形式,画像石内容丰富,其中包含一些与农耕相关的图像。这些画像石农耕图,其性质并非技术图绘,而主要是一种丧葬用品,本质上同陶仓等丧葬明器一样,用来满足墓主在地下世界的需求。这一现象的出现与墓葬形制、丧葬习俗的变化紧密相关,又与灵魂不死、孝观念的变化与广泛传播有直接关系,而汉代精耕细作农业传统的初步定型与牛耕的普及,则为画像石农耕图的出现提供了基础。农事元素进入画像石与丧葬系统,与“农为天下之大本”的理念相互辉映,反映古代中华文明的农耕文明特质。

系统性红斑狼疮并发股骨头坏死危险因素列线图预测模型的建立和验证

背景:股骨头坏死是系统性红斑狼疮患者常见的并发症,若能早期对其发生风险进行预测与验证,将有助于避免或延缓股骨头坏死的发展。目的:分析系统性红斑狼疮患者并发股骨头坏死的危险因素,构建系统性红斑狼疮患者并发股骨头坏死的列线图预测模型并进行验证。方法:回顾性分析2013年1月至2022年12月首次就诊于河南中医药大学第一附属医院的914例系统性红斑狼疮患者的病历资料,根据是否发生股骨头坏死分为发生股骨头坏死组(n=100)和未发生股骨头坏死组(n=814)。采用单因素、LASSO回归和多因素Logistic回归分析筛选和确定系统性红斑狼疮并发股骨头坏死的危险因素。同时将数据集按照7∶3的比例随机分为训练集和测试集,并基于多因素Logistic回归分析结果,构建系统性红斑狼疮并发股骨头坏死的列线图预测模型。同时,使用受试者工作特征曲线、Hosmer-Lemeshow校准曲线和决策曲线对列线图的性能进行评估。结果与结论:①股骨头坏死组与未发生股骨头坏死组患者在系统性红斑狼疮病程、系统性红斑狼疮疾病活动度评分、狼疮性肾炎、呼吸系统受累、胃肠道受累、干燥综合征、骨质疏松、抗核糖核蛋白抗体阳性、补体C3降低、环磷酰胺、吗替麦考酚酯、生物抑制剂、糖皮质激素最大日剂量、糖皮质激素冲击治疗方面差异有显著性意义(P<0.05);②采用LASSO回归分析方法筛选出10个与系统性红斑狼疮并发股骨头坏死风险相关的预测变量,将其纳入多因素Logistic回归分析,结果显示系统性红斑狼疮病程、呼吸系统受累、干燥综合征、骨质疏松、抗核糖核蛋白抗体阳性、环磷酰胺、吗替麦考酚酯、生物抑制剂、糖皮质激素最大日剂量是系统性红斑狼疮患者发生股骨头坏死的独立危险因素(P<0.05);③训练集中预测发生风险的受试者工作特征曲线下面积为0.802(95%CI=0.742-0.862),测试集预测发生股骨头坏死风险受试者工作特征曲线下面积为0.811(95%CI=0.745-0.876);Hosmer-Lemeshow校准曲线拟合度较好(训练集,P=0.447;验证集,P=0.870);决策曲线显示使用列线图预测模型预测系统性红斑狼疮患者发生股骨头坏死的风险是有益的;④月经异常为女性系统性红斑狼疮患者并发股骨头坏死的危险因素之一;⑤此次研究结果提示,系统性红斑狼疮并发股骨头坏死的危险因素是多因素的,同时建立了一个包含9个危险因素的列线图预测模型,可将其用于预测系统性红斑狼疮患者发生股骨头坏死的风险;此外,首次报道了月经异常为女性系统性红斑狼疮并发股骨头坏死的危险因素之一。

Murtagh安全诊断策略联合思维导图构建临床思维在全科教学门诊中的应用

全科教学门诊是培养住院医师规范化培训(简称住培)全科医生临床思维、提升全科诊疗能力的重要培训方法。本文用1例以乏力为主要表现的患者为教学案例,介绍全科教学门诊中采用澳大利亚著名全科医学专家John Murtagh提出的Murtagh安全诊断策略启发住培全科医生对乏力进行诊断与鉴别诊断:(1)引起乏力的常见疾病有哪些?(2)哪些重要疾病是不能忽视的?(3)乏力有什么容易被遗漏的疾病?(4)是否存在潜在的容易被掩盖的疾病?(5)患者是否有话没有说?结合病史、体格检查和实验室检查结果初步诊断为抗中性粒细胞胞浆抗体相关性血管炎引起急进性肾小球肾炎可能性大,及时转诊,肾病理检查确诊乏力的病因为抗中性粒细胞胞浆抗体相关性肾小球肾炎,取得满意疗效。带教老师基于Murtagh安全诊断策略帮助住培全科医生构建乏力鉴别、分析的系统知识框架,从而提升住培全科医生的临床逻辑思维能力和解决临床实际问题的能力;以思维导图为辅助工具,将Murtagh安全诊断策略诊断与鉴别诊断思路可视化、形象化,优化教学效果。

无向de-Bruijn图的超级边连通性和限制性边连通度

ｓｕｐｅｒ－ 和限制性边连通度是两个比边连通度更能刻画网络可行性的参数．本文证明了无向 ｄｅ－Ｂｒｕｉｊｎ图 ＵＢ（ｄ，ｎ）是 ｓｕｐｅｒ－( ）对ｎ ４，我们证明了 ＵＢ（２，ｎ）的限制性边连通度为４；ＣＢ（２．３）的限制性边连通度是３．对ｄ ３，我们指出 ＵＢ（ｄ、ｎ）（ｎ ３）的限制性边连通度 ，满足Ｚｄ－２＜ ４ｄ－４．

基于图重构和子图挖掘的僵尸网络检测方法

针对伪装后僵尸网络主机难以检测的问题,提出一种基于图重构和子图挖掘的僵尸网络检测方法(GR-SGM)。首先,将网络数据转化为图数据,并对其进行重构以此增强主机节点特征表示;其次,基于重构图中拓扑结构、节点的特征和位置变化设计僵尸网络子图评分函数,以此捕捉伪装后的特征,提取出僵尸网络子图,并对原始图和重构图进行预检测,以提高检测的准确率和效率,减少重构误差;最后,对预检测结果和僵尸网络子图进行综合评分,以获取完整的僵尸网络信息。在ISCX2014僵尸网络数据集和CICIDS2017僵尸网络数据集上的实验结果表明:GR-SGM的检测准确率分别达到99.98%和99.91%,F 1分别达到99.94%和99.65%,相较于其他僵尸网络检测模型,GR-SGM能更加高效准确地识别僵尸网络节点,同时具有更低的误报率。

基于血常规炎性指标构建衰弱/衰弱前期发生风险列线图模型研究

背景衰弱是一种常见的老年综合征,与不良临床结局密切相关。目前评估主要依赖各种量表,缺乏统一的金标准。慢性炎症作为衰弱的病理生理机制之一,血常规炎性指标简单易获得,关于血常规炎性指标和衰弱之间的相关研究较少。目的探讨体检老年人血常规炎性指标和衰弱的相关性,分析衰弱的影响因素并构建衰弱发生风险的预测模型。方法选取2020年8月—2022年9月于首都医科大学附属北京友谊医院医疗保健中心行健康体检的老年人。收集研究对象的一般资料、体检实验室检查数据,并采用FRAIL量表评估衰弱。采用单因素及多因素Logistic回归分析探讨衰弱的影响因素并建立列线图预测模型,采用Bootstrap进行模型内部验证。使用受试者工作特征(ROC)曲线、Hosmer-Lemeshow校准曲线和临床决策曲线分析(DCA)评价预测模型的区分度、校准度及预测模型的临床有效性。结果共纳入554例老年人,其中衰弱/衰弱前期213例(38.4%)。多因素Logistic回归分析结果显示,年龄校正的查尔森合并症指数(ACCI)(OR=1.42,95%CI=1.21~1.66)、简易营养筛查量表(MNA-SF)评分(OR=0.71,95%CI=0.61~0.83)、血红蛋白与红细胞体积分布宽度比值(HRR)(OR=0.44,95%CI=0.23~0.86)及多重用药(OR=0.54,95%CI=0.36~0.81)是老年人衰弱/衰弱前期的独立影响因素(P<0.05)。基于多因素Logistic回归分析中的影响因素构建衰弱预测模型,该模型预测老年人衰弱/衰弱前期的ROC曲线下面积(AUC)为0.719(95%CI=0.675~0.764),Bootstrap重抽样法进行内部验证后,列线图模型拟合度较好;Hosmer-Lemeshow校准曲线拟合度较好(P>0.05);DCA显示当患者的阈值概率为0.15~0.95时,使用列线图模型预测衰弱发生风险更有益。结论共病、多重用药、营养不良及HRR是老年人衰弱/衰弱前期的影响因素,构建的预测模型具有良好的区分度、一致性与临床实用性,可为衰弱/衰弱前期早期筛查提供指导。

面向异构社交网络的空-频域自适应图神经网络

传统GNN基于同构性假设对近邻节点实现低通滤波功能完成邻域相似信息的聚合嵌入。但在异构图中分属不同类别的节点彼此多建立联系,而相同类别的节点在图拓扑位置上距离较远。这一特点给注重近端邻域信息聚合的传统GNN带来“远端节点信息聚合缺失”与“同构性假设失灵”的问题。因此设计融合空域与频域自适应嵌入机制的异构图神经网络(DA-HGNN)以解决上述问题。针对问题一,设计“远端空域嵌入模块”,旨在通过高阶随机游走迁移概率筛选并聚合远端相似节点,补充“消息传递的跨邻域自适应性”;针对问题二,设计“近端频域嵌入模块”,构建滤波器分离节点高频与低频信号,并设计频域导向型注意力机制对上述信息进行频域偏好的自适应融合,从而减少“同构性假设失灵”所引入的噪声。在四个公开异构图数据集中取得最优实验结果,准确率上平均提高6.41个百分点。在灵敏度分析和消融实验中阐述了超参数的选择机制和各模块的实际性能,并验证了在异构网络中“节点结构相似性”“节点属性向量相似性”以及“节点同构性”三者之间仍呈现正相关关系这一结论。在异构真实数据集中验证了欺诈检测效果,AUC指标提升4.4个百分点。

区域敏感的场景图生成方法

针对基于关系边界框提取的谓词特征粒度相对较粗的问题,提出区域敏感的场景图生成(region-sensitive scene graph generation,RS-SGG)方法。谓词特征提取模块将关系边界框分为4个区域,基于自注意力机制抑制关系边界框中与关系分类无关的背景区域。关系特征解码器在进行关系预测时不仅考虑了物体对的视觉特征和语义特征,也考虑了物体对的位置特征。在视觉基因组(visual genome,VG)数据集上分别计算了RS-SGG方法针对场景图生成、场景图分类和谓词分类3个子任务的图约束召回率和无图约束召回率,并与主流的场景图生成方法进行了比较。实验结果表明,RS-SGG的图约束召回率和无图约束召回率均优于主流方法。此外,可视化实验结果也进一步证明了所提出方法的有效性。

混合特征平衡图注意力网络日志异常检测模型

针对现有方法忽略了日志异常数据不平衡和日志特征间的关联性,导致异常检测准确率低的问题。提出一种基于混合特征平衡图注意力网络的日志异常检测模型(HBGATLog)。构建混合日志图构建模块,通过混合特征提取模块提取日志数据的语义信息、日志序列和时间结构,增强日志特征间的关联性,并采用日志图构建模块构建日志图,有效保留空间结构特征。设计平衡日志图生成模块,解决不平衡的日志数据导致检测结果偏向多数类问题。采用图日志异常检测模块进行异常检测。使用BGL、Thunderbird和HDFS三个公共数据集对HBGATLog进行验证,实验结果表明,F1 score分别达到了99.0%、98.7%和98.1%。证明HBGATLog不但能够解决日志数据不平衡问题,充分考虑日志数据特征的关联性,而且有效降低了漏检率。

基于数据流图和混合网络模型的智能合约漏洞检测

智能合约控制着区块链上巨额资产的流动,因此确保其安全性至关重要。基于此,提出一种基于数据流图和混合深度学习模型的方法,即DFG-HDP,用于检测智能合约的漏洞。该方法首先对智能合约源码进行清洗和变量规范;其次从源码中提取数据流特征,将其与源码结合作为输入;最后将不同的词嵌入模型与不同的深度学习模型结合,对输入进行学习检测。实验结果表明,该方法在智能合约漏洞检测中的F1值高达89.90%,优于之前的漏洞检测方法CBGRU。这一结果证明了该方法的有效性和优越性。

结合图神经网络和图对比学习的半监督多图分类

多图(multi-graph,MG)是一种图袋表示模型,半监督多图分类旨在从有标记和未标记的多图中构建一个预测模型,通过高准确度预测未标记多图,在用户产品推荐、生物制药等领域有着广泛应用。现有基于机器学习的半监督多图分类主要存在两点不足:(1)不能进行全自动的特征选择,过于依赖参数选择。(2)对未标记多图数据的价值未充分挖掘。因此,提出一种结合图神经网络和图对比学习的半监督多图分类方法(graph neural network combining with graph contrastive learning for semi-supervised multi-graph classification,GCSS)。一方面,分别设计从局部和全局提取特征信息的模块,并引入NN协同器(neural networks collaborator,NN collaborator)完成这两个模块的协作,自适应学习数据的特征表示进行训练;另一方面,采用图对比学习(graph contrastive learning,GCL)和半监督学习(semi-supervised learning,SSL)从两个不同学习视角来充分利用未标记多图数据,降低模型对标签等的依赖。在真实数据集上的大量实验结果验证了所提出方法的预测性能均优于基线方法。

血栓弹力图在颅内动脉瘤栓塞术后抗血小板治疗中的应用价值

目的探究血栓弹力图(TEG)在颅内动脉瘤(IA)栓塞术后抗血小板治疗中的应用价值。方法收集2021-01—2023-05在川北医学院附属南充市中心医院接受IA栓塞术的98例患者,按是否行TEG指导分为对照组(32例,采用标准双抗血小板治疗)和观察组(66例,采用TEG指导下抗血小板治疗),比较2组并发症、血小板聚集抑制率、凝血功能、神经功能以及预后。结果观察组术后出血率1.52%,显著低于对照组的15.63%(P<0.05);观察组术后缺血率22.73%(15/66),略高于对照组的21.88%(7/32),但无统计学差异(P>0.05)。观察组花生四烯酸途径抑制率、二磷酸腺苷途径抑制率均显著高于对照组(P<0.05)。观察组血小板、NIHSS评分显著低于对照组(P<0.05)。2组格拉斯哥预后量表评分比较无统计学差异(P>0.05)。结论TEG指导下抗血小板治疗在IA栓塞术后患者中应用可个性化指导抗血小板治疗药物剂量调整,减少出血事件,改善神经功能。

基于贝叶斯图注意力Transformer的航空发动机剩余使用寿命概率预测

航空发动机作为飞机的心脏,其健康状态对飞机的安全飞行至关重要.深度学习强大的数据挖掘能力,为通过海量历史数据预测航空发动机的剩余使用寿命提供了新方法.然而,传统基于深度学习的方法大都关注于挖掘数据在时间上的关联,而忽略了多个传感器监测数据之间复杂的非欧氏空间关系.此外,少有研究考虑数据或者预测过程本身具有的不确定性,缺乏对预测结果可靠性的评估.为解决上述问题,本文提出了一种基于贝叶斯网络和图注意力Transformer的航空发动机剩余使用寿命概率预测方法.将图注意力机制融入Transformer的时间多头注意力模块,结合图注意力网络在空间特征提取上的优势和Transformer模型在时间特征提取的优势,实现数据特征时空关系的联合提取.同时,利用改进的贝叶斯网络度量预测不确定性,在得到剩余使用寿命预测点值的同时给出相应的置信区间.最后,通过在公开航空发动机数据集上的实验,证明了所提模型的有效性和先进性.

稀疏图的邻和可区别全列表染色

通过分析极小反例的结构,运用权转移方法,证明了最大度Δ(G)≥8且最大平均度小于3.2的图G的邻和可区别全选择数不超过Δ(G)+2.

基于改进的DISK算法的农林航拍图配准研究

针对无人机的农林航拍图像配准算法存在特征点识别较少、特征点匹配不精准等问题,提出了一种改进的离散关键点(Discrete Key point,DISK)算法。该算法首先采用梯度策略DISK算法对特征点进行有效描述;其次采用基于深度学习局部特征的匹配方法进行预匹配;最后利用RANSAC算法去除离群点,筛选匹配结果。为验证算法的有效性,选取了几组农业航拍图像的数据集进行实验比较。实验结果显示,与经典的SIFT、Dark feat算法及原始的DISK算法相比,改进的DISK算法显著提高了匹配精度,匹配精度由41.7%提升至98.9%,充分满足农林航拍图的匹配需求。

基于图神经网络的异源图像配准方法综述

为了探讨图神经网络在处理异源图像配准任务中的应用和性能,为后续的图像融合或拼接等任务提供支持,通过综述现有文献,介绍了多种图神经网络模型及其在图像配准领域的应用,并对各种图神经网络架构进行了比较,评估了不同模型的性能。研究发现,图神经网络模型凭借其对图结构信息的有效利用能力及对节点属性信息的精细捕捉,在处理异源图像配准时展现出较传统方法更优的性能。通过对图像配准方法的系统研究,为解决异源图像配准任务面临的配准难度大和精度低的问题提供了新的技术思路。

基于OTSU CCA的杂波图检测器设计

对于常规的雷达目标杂波图检测技术来说,每一个方位距离单元的背景功率水平估计是通过该分辨单元内连续扫描周期样本的递归更新来得到的,然而,当该分辨单元的连续扫描周期样本中存在大量干扰目标样本时,这种估计方法失效。对此,本文将空域恒虚警中的样本筛选技术借鉴到时域恒虚警中,设计了一种基于OTSU CCA的杂波图检测器,通过剔除连续扫描周期样本中可能存在的干扰目标样本来提高背景功率水平估计的准确性,进而提升杂波图的检测性能。

“一般现在时”语法教学中思维导图的运用

思维导图作为一种可视化教学工具,日益受到教育 界的关注。在“一般现在时”语法教学中,传统的教学方法 往往侧重于机械记忆和规则套用,而忽视了学生的认知 特点和思维发展。思维导图的引入,旨在通过图形化的表 达方式,帮助学生更直观地理解语法结构,提升学习兴趣 和效率。本研究旨在探讨思维导图在“一般现在时”语法 教学目标设计、内容筛选及新知教学中的具体应用,以期 为英语教学提供新的思路和方法。

全髋关节置换后的低蛋白血症:危险因素及列线图预测模型建立

背景:患者接受全髋关节置换后多发低蛋白血症,影响术后愈合及康复。目的:探讨及筛选全髋关节置换后发生低蛋白血症的危险因素,建立列线图为临床中判断全髋关节置换后是否发生低蛋白血症提供指导。方法:共纳入行全髋关节置换患者355例,根据术后第1天是否出现低蛋白血症分为低蛋白血症组238例、正常组117例,低蛋白血症发生率为67%。收集患者年龄、性别、糖尿病、高血压、高尿酸血症、高血脂、麻醉方式、置换前白细胞、置换前红细胞、置换前血红蛋白、置换前血小板、置换前血浆凝血酶原时间、置换前活化部分凝血酶原时间、置换前国际标准化比值、置换前凝血酶时间、置换前纤维蛋白原、置换前血沉、置换前C-反应蛋白、置换前D-二聚体、置换前平均红细胞血红蛋白含量、置换前平均红细胞体积、手术时间、体质量指数、置换前降钙素原、置换前红细胞压积等资料。利用SPSS 27.0软件进行单因素分析,随后利用R语言(4.3.1)再次对观察指标进行最小绝对收缩和选择算子回归分析及10倍交叉验证,取二者危险因素交集,使用SPSS 27.0进行多因素二元Logistic回归分析得到最终危险因素,通过R语言构建全髋关节置换后低蛋白血症的预测模型,并构建受试者特征曲线曲线、校准曲线、临床决策曲线评估预测模型预测能力。结果与结论:①经过单因素分析、最小绝对收缩和选择算子回归、多因素二元Logistic回归,筛选出年龄(OR=1.024,P=0.023)、置换前血小板(OR=0.995,P=0.028)、置换前血沉(OR=1.031,P=0.045)在判断置换后是否会发生低蛋白血症方面具有统计学意义(P<0.05);②基于多因素Logistic回归所筛选出的最终危险因素构建列线图预测模型,并通过构建受试者特征曲线评估模型预测能力,经计算受试者工作特征曲线的曲线下面积达到0.835(95%CI=0.779-0.891),C-index=0.835,经临床决策曲线计算,模型在阈值为0-0.83可带来更好的临床效能,该预测模型具有良好的灵敏度与准确性,可为医护人员及患者在全髋关节置换前更好地识别置换后发生低蛋白血症的风险。