起搏通道标记异常的起搏心电图分析

动态心电图起搏通道标记给起搏心电图分析带来许多方便,但当标记异常(即漏标记或误标记)时,可能导致误诊。本文选取了起搏通道标记异常的3个病例,通过分析起搏器的时间间期、计时方式、AV间期的变化及图形特征等,判定起搏器的基本功能以及起搏通道的标记情况。根据起搏通道的标记情况,可以更快地熟悉起搏器功能,快速识别起搏器品牌,从而为临床起搏器植入术后管理提供参考。

基于网络处理器的多维统计异常检测系统

基于网络处理器开发的网络设备能够很好地解决灵活性和高性能之间的矛盾。基于网络处理器IXP2400自身的特点,设计了多维异常检测系统。该系统可以有效地检测和防御DDOS攻击。根据TCP/IP协议簇,对数据包进行多维解析,统计以及异常标记。仿真和硬件实验的验证数据表明,该系统能准确无误地按照设计目标一一分解数据包,并标记出异常值,从而为后续的网络安全的研究和防御工作提供可靠的数据保证。

产前胎儿超声异常标记作为侵入性产前诊断指征的临床应用

目的:探讨产前胎儿超声异常标记作为侵入性产前诊断指征的临床应用。方法:选择由于产前超声检查见胎儿异常标记而行产前胎儿染色体核型分析的孕妇750例,检测胎儿的染色体异常率。对孕妇年龄<35岁(A组,n=658)与≥35岁(B组,n=92)、超声检查到胎儿有单项异常标记(C组,n=496)与胎儿有≥2项异常标记(D组,n=254),分别比较染色体异常率。结果:750例孕妇中检出胎儿染色体数目异常44例,胎儿染色体异常率为5.9%。A组检出染色体异常率为4.6%(30/658),显著低于B组的15.2%(14/92)(P<0.01)。C组检出染色体异常率为2.8%(14/496),显著低于D组的11.8%(30/254)(P<0.01)。结论:胎儿超声异常标记作为侵入性产前诊断指征,会有较多的胎儿染色体异常被检出,但须合理和谨慎选择。

基于机器学习实现海上气田陆地终端液态产品产量预测与挖潜

海上开采出来的天然气通过海底管线输送到陆地天然气处理终端,经过一系列处理工艺后,生产量丙烷、丁烷、轻烃和凝析油等副产品。副产品的产出不光与各气田本身的气质组分相关,同样受到陆地终端设备工况的影响。笔者首先通过分析陆地终端的工艺流程,归纳影响终端副产品的关键流程。然后将各类副产品的析出情况通过聚类分析,找出对各类副产品回收效率有影响的关键设备,筛选出相应的异常值,进行异常标注。再结合设备工况的标注信息,通过机器学习方法实现对液态产品产量的精准计算。最后挖掘生产潜力,预测在各设备完好条件下各液态产品的产量,为工艺流程的优化方向提供基础。

基于改进主动形状模型的含胸壁粘连型肿块的肺区分割方法研究

肺区分割是计算机辅助诊断肺癌的前提。当肿块与胸壁粘连时,由于两者的计算机断层成像(CT)值接近,基于局部低级特征的传统分割方法不能得到正确结果;而且由于肿块体积大,造成了肺区内正常组织的大面积缺失,故以往含胸壁粘连型肺结节(直径小于3cm)的肺区分割方法不再适用,需要采用能结合先验形状和低级特征的主动形状模型(ASM)来分割含胸壁粘连型肺肿块的肺区。但传统ASM的搜索步骤是一种基于最小二乘的优化方法,该方法对异常标记点敏感,会使轮廓更新到正常肺组织和肿块的过渡区域而不是真正的肺边缘。针对这一问题,提出了改进的ASM算法:首先基于距离特征识别异常标记点,然后赋予异常标记点和正常标记点不同的搜索函数。搜索过程在设定的包围核(VOI)内进行。用所提出的ASM方法分割30个含胸壁粘连型肿块的肺区,与金标准的重叠度为93.6%。实验结果表明针对含胸壁粘连型肿块的肺区分割问题,改进的ASM算法能得到较好的分割结果,并且算法的运行时间是在临床可接受的范围内。