乳腺肿块63例高频彩超图像特点回顾性分析及新鉴别点的应用

目的探讨高频彩超诊断乳腺肿块良恶性的声像图特点及新的分析方法。方法对经病理证实的乳腺肿块(良性27例,恶性36例)声像图特点进行分析。结果本组研究的63例乳腺肿块其声像图特点基本符合传统鉴别点,同时一些新的鉴别点也同样是符合的,如良性肿块如出现钙化则多为粗钙化或斑片样钙化,而恶性肿块则更多出现细小钙化点及微钙化;在彩色多普勒方面,探头应轻提不应重压肿块更有利于肿块血流信号的显示,频谱多普勒方面,舒张期无血流信号或反向血流信号是符合恶性依据的。结论高频彩超对于乳腺肿块具有很高的检出率,结合彩色多普勒及频谱多普勒,加上新鉴别点的应用,能更好地鉴别肿块的良恶性。

流行性感冒与新冠肺炎的6个鉴别点

在流行性感冒(简称“流感”)的高发季,新冠肺炎疫情与流感狭路相逢,加上其初期有不少症状与流感相似,很容易被混淆。因此,把新冠肺炎和流感两类患者区分开来是当务之急。

基于改进网络核密度和负二项回归的事故黑点鉴别

已有的交通事故黑点鉴别研究大多基于事故频数或事故率,并未考虑交通事故对不同发生地的影响特征。为了综合考虑交通事故在不同交通环境和路网特征下的差异影响,并解决交通事故数据中零值远超经典离散分布的零膨胀问题,本文提出一种考虑节点综合重要度的改进网络核密度估计法,并基于零膨胀负二项回归模型对城市交通事故黑点进行鉴别。首先,在拓扑路网中综合考虑事故发生地的交通环境和道路条件构建事故综合影响度指标,连同事故严重程度指数嵌入到传统网络核密度估计中,通过在道路网络上生成平滑的密度表面定性体现点事件的空间聚集性。在此基础上,构建基于零膨胀负二项回归鉴别模型,明晰事故高发区域边界范围,定量刻画不同严重等级的事故黑点路段空间分布特征。最后,以深圳市华强北街道为例进行实例分析。结果表明,在90%、80%和70%的阈值水平下本文提出的事故黑点鉴别法的有效搜索率均高于平面核密度估计法,且考虑节点综合影响度后,部分无道路区域不再被误识,模型准确率比传统网络核密度法分别提升了3.60%、5.31%和7.20%。

道路交通事故黑点成因鉴别与改善对策

为提高道路交通安全性,消除事故隐患,研究了道路、交通、交通设施和环境等方面对道路交通安全的影响,在分析交通事故黑点的成因鉴别方法(包括模糊聚类法、灰色关联分析、粗集理论)及其适应性基础上,以国道G104线K2177—K2178段为例,对公路交通中的不利因素进行筛选,发现公路事故黑点的主要因素是国道周边环境干扰,次要因素是未设置道路照明设施。3种交通事故黑点成因鉴别方法比较结果表明:模糊聚类法适用于处理大数据的事故黑点,灰色关联分析法适用于处理黑点成因主因素已确定的事故黑点,粗集理论可用于鉴别事故资料不完善的交通事故黑点的成因。

高速公路交通事故黑点鉴别及影响因素分析

基于某高速公路34 km路段上723起交通事故记录数据,采用事故数方法统计得到事故多发路段集,并提出不受起讫点影响的交通事故黑点(段)定义。结合贝叶斯理论,对各事故黑点(段)进行致因分析。选取3个道路环境因素和3个道路线形因素,得到多因素影响下事故黑点(段)发生交通事故的联合概率分布。计算结果表明:事故数法是鉴别事故黑点最简便的方法,但其定义阈值宜因不同道路情况而异;黑点事故发生的影响因素中,工休过渡日(周一、周五)对事故发生概率的影响程度较大;连续长下坡是该路段上黑点(段)发生交通事故的充分条件。贝叶斯方法可针对不同的影响因素和事故对象,计算出相应的事故影响因素概率值:在工休过渡日和雨天条件下,小型车单车事故发生在6时至12时的概率为36%;而休息日的非单车事故中,不同类型车事故在晴天条件下发生的概率最大,为38%。

基于信息分配的道路黑点鉴别方法

为解决传统的道路黑点鉴别方法中存在的小样本问题及事故样本的信息损失问题,深入分析了事故数据的小样本特性及事故样本反映路段行车风险的多维性;并引入信息分配技术对交通事故数据进行处理,通过计算和比较事故样本分配给各路段单元的事故信息量(而不是事故频次)进行道路黑点鉴别。结果表明:信息分配技术能充分挖掘小样本事故数据提供的道路黑点鉴别信息,事故信息量比事故频次更能反映各路段单元行车风险的大小。

基于改进KNN的雷达点迹真伪鉴别方法

为解决虚假目标点迹对雷达跟踪性能的影响,提出了一种基于改进K近邻(KNN)的雷达点迹真伪鉴别方法,进一步区分目标点迹和杂波点迹,滤除杂波剩余点迹,有效提高雷达处理容量和跟踪性能。该方法利用点迹形成过程中生成的特征参数,先通过核主成分分析法对特征数据降维处理,降低数据维度,提高后续算法的运行速度;再通过加权KNN算法鉴别目标点迹和杂波点迹,点迹鉴别准确率有较高提升,达到了87.5%,算法运行速度较传统KNN算法和加权KNN算法分别提升了56%和40%。实验结果表明:该算法既有较高、较稳定的点迹鉴别准确率,又大幅度提高了算法运行速度。

手指静止和移动两点鉴别觉的正常值及不同人群间的差异

作者采刚特制钝头圆规和游标卡尺,对按工种分组的不同正常人群共150人进行两点鉴别觉测定。工种为精细工种、一般工种和粗工种,各组50人,年龄20～35岁之间。采用标准方法测定右手食指、中指末节指腹静止和移动两点鉴别觉(S2PD和M2PD)。结果表明:精细工种者的S2PD为2.05±0.01mm,一般工种者为2.68±0.75mm,粗工种者为3.42±0.90mm;精细工种者的M2PD为1.40±0.54mm,一般工种者为1.86±0.68mm,粗工种者为2.34±0.94mm。统计学分析表明:精细工种者S2PDT和M2PD显著小于一般工种者(P<0.01);一般工种者又显著小于粗工种者(P<0.01)。本研究提示正常成人指尖腹侧两点鉴别觉正常范围较目前的正常值范围为小,且在不同职业各类人群内存在显著差异。

道路事故多发地点的鉴别与整治

预防交通事故,降低交通事故死亡率,已成为全社会面临的一项十分紧迫的任务。深入分析交通事故的成因,研究事故多发地点的鉴别方法和整治措施尤显重要。通过对贵阳市事故资料调查与统计分析,运用事故累计频率法鉴别事故多发地点,提出切实可行的整治措施,降低交通事故的发生,改善道路的安全水平。

公路交通事故黑点鉴别方法研究

通过对公路交通安全系统中各影响因素分析 ,将影响因素共分为七大类 ,建立影响因素指标体系 ,以综合加权的方法实现交通事故率标准化 ,以类比分析确定相应指标对交通事故率的影响强度 ,并按各指标影响强度累乘的方法确定公路交通安全系统综合影响强度 ,利用“综合影响强度事故率法”

基于聚类分析的高速公路事故黑点鉴别及成因分析研究

为了提高事故黑点鉴别的客观性、公正性及识别水平,提出基于灰色聚类评价的事故黑点鉴别方法,并结合聚类因子法识别事故黑点诱发因素。该方法是将聚类思想应用于事故黑点鉴别及成因分析的全过程,可实现对不同层次事故黑点的分级管理。经鉴别,可将评价路段单元分为正常路段、一般路段及事故黑点3类,从而将道路几何条件、交通条件、环境特性属性相似的事故黑点聚为一类进行事故成因分析。依托长余高速公路的交通事故数据进行实例分析,确定上下行事故黑点数,并对其进行成因分析,且将基于聚类分析得到的事故黑点及其成因与实际考察得到的事故黑点及其成因进行对比分析。结果表明:基于聚类分析得到的事故黑点与实际路段事故黑点基本吻合,采用基于聚类分析预测事故黑点是可靠的。

泉南高速公路柳南段事故黑点鉴别及组合因素影响分析

针对泉南高速公路柳南段交通事故,采用累计频率法对道路黑点进行鉴别,曲线中累计频率大于95. 0%路段有12处,即为事故黑点(段)。结合贝叶斯定理,建立了道路联合概率分布模型,以泉南高速公路柳南段94. 1 km的184起交通事故数据,进行模型检验,结果表明:大雾天气时道路小半径平曲线处发生事故概率最大,约37. 3%;大雨天气时12∶00~18∶00时间段发生事故概率次之,约25. 7%,其中大部分事故发生在时间段12∶00~15∶00;晴天时大半径平曲线处发生事故概率最小,占事故总数约4. 5%。

基于PSO-SVM算法的雷达点迹真伪鉴别方法研究

为解决虚假目标点迹对雷达跟踪性能的影响,本文提出了一种基于PSO-SVM算法的雷达点迹真伪鉴别方法,进一步对目标点迹和杂波点迹进行真伪鉴别,有助于滤除杂波剩余点迹,提高雷达处理容量和跟踪性能。本方法利用点迹形成过程中生成的特征参数,先利用PSO算法对SVM算法参数进行优化选择,再利用参数优化后的SVM算法对雷达点迹进行真伪鉴别。最终,目标点迹鉴别准确率达到了95.18%,杂波点迹鉴别准确率达到了89.94%,整体的点迹鉴别准确率达到了92.13%。实验结果表明:该算法有较高、较稳定的点迹鉴别准确率,前期较多的杂波点迹被鉴别为目标点迹的缺陷也得到了较好的改善。

交通事故黑点鉴别与改善排序研究

为降低路段统计尺度对交通事故黑点识别结果的影响,汲取动态划分路段原理的优点,考虑不同间距上空间相邻事故发生概率,提出基于动态分段的泊松分布黑点鉴别方法和计算模型;引入时间维度,考虑事故发展趋势,采用重要性-绩效分析方法(Importance Performance Analysis,IPA)对事故黑点严重程度进行排序;将该方法与基于动态分段的当量事故数法进行对比,结果表明该方法在动态路段长度划分上更符合实际,避免了把事故黑点拆分成多个,得出的事故黑点更精确,更便于事故成因的系统分析,同时在确定黑点改善顺序时考虑了事故黑点发展趋势变化,可在有限资金约束下实现效益最大化。

生物活性化合物的靶点鉴别方法

生物活性化合物作用靶点的确认是化学生物学和药物开发中的关键问题之一。随着科技的进步与发展,许多靶点鉴别的方法和技术已经被报道。目前的靶点鉴别方法主要有两大类:亲和色谱为基础的直接法,通过检测药物与其靶点的结合来鉴别靶点;非亲和为基础的间接法,通过生理学反应或生物化学标记而推断药物的靶点或作用途径。本文主要围绕这两类靶点鉴别方法进行综述。

基于PSO-PNN算法的雷达点迹真伪鉴别方法

针对雷达目标检测后的剩余杂波,提出了一种将粒子群优化算法(PSO)与概率神经神经网络(PNN)相结合的雷达点迹真伪鉴别方法。方法可以在目标检测后进一步区分目标点迹和杂波点迹。同时,将其雷达点迹鉴别结果与BP神经网络(BPNN)对雷达点迹鉴别结果作了对比,发现上述方法的整体识别率可达91.13%,目标识别率可达93.78%,较BPNN分别提升1.55%和3.55%。结果表明,PSO-PNN能够有效鉴别雷达点迹真伪。

人手桡神经单一支配虎口区两点鉴别觉正常值及临床意义

为了寻找桡神经浅支单一支配的虎口区感觉最敏感点,即2PD最小处,并确定其正常值范围,以50个健康成年人为对象,测量虎口区中心点、拇指点、食指点、近点的静止2PD和移动2PD。结果发现静态下统计学上中心点在所测各点中最为敏感,而食指点、拇指点、近点的2PD间无统计学差异。动态下食指点与其他三点均无差异,而中心点2PD在统计学上低于拇指点、近点。此研究表明虎口区中心点感觉最敏感,其静止2PD为0.85±0.44cm,95％的上限参考值为1.65cm,移动2PD为0.64±0.40cm,95％的上限参考值为1.28cm。本文结果为临床评判损伤的桡神经恢复速度、时间和极限提供了有实际意义的方法。

基于PSO-MLP的点迹真伪鉴别方法研究

针对山区、海面和城市等复杂强杂波产生的杂波点迹对雷达跟踪性能的影响,提出了一种基于粒子群算法(PSO)-多层感知器算法(MLP)的雷达点迹真伪鉴别方法,进一步区分目标点迹和杂波点迹,滤除杂波剩余点迹,有效提高雷达处理容量和跟踪性能。本方法在研究杂波点迹和目标点迹差异性的基础上,提取包括多普勒速度、原始幅度等多维特征参数,先通过PSO算法对MLP算法的参数进行优化选择,再运用参数优化后的MLP算法对点迹进行真伪鉴别,进而滤除剩余杂波点迹。最终,整体的点迹鉴别准确率达到了85.75%。实验结果表明该算法有较高、较稳定的点迹鉴别准确率。

基于谱聚类的交通事故黑点鉴别及预测

交通事故黑点的鉴别及预测,可以避免更多的事故发生。选取事故率为评价指标,建立包含事故数据采集、事故数据筛选、基于谱聚类分析的事故黑点鉴别、事故黑点结果修正四部分的事故黑点鉴别体系;其次,基于交通事故的复杂性、多变性等原因,提出了基于BP神经网络的交通事故黑点位置预测模型。通过利用淄博市淄川区的实际交通事故数据进行验证,表明该文提出的交通事故黑点的鉴别与预测方法的可行性。

道路交通事故多发点段的鉴别方法概述

城市道路交通事故长期威胁着市民的生命和财产安全,严重制约着乌鲁木齐市经济和各项事业的发展。为了有效减少我市道路交通事故发生的次数和伤亡人数,减轻事故的严重程度,结合我市道路交通的特点,建立乌鲁木齐市交通安全事故多发点段鉴别体系,针对具体安全问题深入分析,从而有效地提出安全改造措施。最终建立符合本市发展现状的科学评价体系,研判乌鲁木齐市道路交通安全态势.