血清KL-6水平对类风湿关节炎合并间质性肺病的预测及其与预后的关系

目的:探讨血清KL-6水平对类风湿关节炎(RA)合并间质性肺病(RA-ILD)的预测及其与预后的关系。方法:选取2018年1月至2021年1月内蒙古医科大学附属医院收治的RA患者70例,依据其是否合并间质性肺病(ILD)分为RA-ILD组(34例)和RA组(36例),对两组患者的临床资料进行单因素分析,重点比较两组患者血清中KL-6表达水平及实验室指标、肺功能、影像学等相关性分析,多因素Logistic回归分析影响RA-ILD的危险因素。结果:两组患者性别、吸烟史、年龄及发病年龄、病程、DAS28、KL-6、WBC、UA、RF、抗CCP抗体、TLC%Pred、DLCO%Pred差异有统计学意义(P<0.05);RA-ILD组患者临床症状占比关节痛较为突出,HRCT表现胸膜粘连增厚较为突出;Spearson相关性分析显示,RA-ILD组患者血清KL-6水平与TLC%Pred、VC%Pred、DLCO%Pred呈显著负相关(P<0.05),与RF、抗CCP抗体水平呈显著正相关(P<0.05);与FEV1%Pred、FEV1/FVC无明显相关性(P>0.05);RA-ILD组患者治疗前KL-6表达水平显著高于RA组,治疗后差异无统计学意义(P>0.05);随访1年,RA-ILD组有6例患者死亡,经分析死亡组KL-6表达水平显著高于未死亡组(P<0.05);高龄、男性、吸烟、抗CCP抗体升高及KL-6升高是影响RA-ILD的独立危险因素(P均<0.05);血清KL-6预测ROC曲线下最大面积为0.802,95%置信区间为0.743~0.866,灵敏度、特异度分别为0.853、0.827,联合检测ROC曲线下最大面积为0.854,表明该模型预测能力较强。结论:RA-ILD组患者血清KL-6水平显著升高,KL-6可作为早期发现ILD的血清学指标,联合肺功能检测可更早发现ILD,早期诊断对于治疗及预后有重要意义。

抗黑色素瘤分化相关蛋白5与抗Ro52阳性/阴性患者的临床特征及KL-6水平变化及意义

目的研究抗黑色素瘤分化相关蛋白5(anti-MDA5)抗体与抗Ro抗体-52KD(anti-Ro52)抗体阳性或anti-Ro52抗体阴性患者的临床特征和血清涎液化糖链抗原-6(KL-6)水平变化。方法选取2018年1月至2021年11月申请肌炎自身抗体检测的患者样本470例,采用线性免疫印迹法(LIA)筛选出anti-MDA5抗体阳性50例,分为anti-Ro52抗体阳性(anti-Ro52+)组与anti-Ro52抗体阴性(anti-Ro52-)组,化学发光酶免疫分析法(CLEIA)测定两组患者的血清KL 6水平并比较两组患者的临床资料。结果anti-MDA5抗体阳性患者的病程越短,死亡率越高;anti-MDA5抗体阳性患者最常见的临床表现为皮肤病变,如皮肤瘙痒、皮疹和皮肤溃疡,anti-Ro52+组发生率为93.75%,anti-Ro52-组发生率为94.44%;anti-MDA5抗体阳性anti-Ro52+组乙肝患病率(12.5%)低于anti-Ro52-组(66.67%);anti-MDA5抗体阳性anti-Ro52+组间质性肺病(ILD)的发生率(84.38%)高于anti-Ro52-组(55.56%);anti-Ro52+组外周血KL-6水平(1211.25±590.13 U/mL)也明显高于anti-Ro52-组(713.63±468.62 U/mL),差异有统计学意义(P<0.05)。结论anti-MDA5抗体和anti-Ro52抗体是ILD患者的危险因素,两种抗体共存的患者更易发生ILD,且外周血KL-6水平明显高于anti-Ro52抗体阴性的患者。

基于KL散度工况识别的混合动力汽车队列的分层控制

针对混合动力汽车队列行驶过程中工况的适应性问题,提出了一种基于KL(Kullback-Leibler)散度工况识别的分层控制方法。上层控制器利用车—车通信技术,获取队列中前车状态信息,采用模型预测控制(MPC)算法,实现队列纵向控制,并计算出最优跟车车速;下层控制器基于典型工况,离线求解需求功率的转移概率矩阵,并通过Q-Learning算法训练最优Q表嵌入整车模型中;在行驶中以固定时间长度在线更新转移概率矩阵,采用KL散度进行工况识别,根据识别的工况类型,结合当前时刻车速、需求功率和电池荷电状态(SOC),通过在线查表实现转矩分配。结果表明:与未考虑工况识别策略相比,本策略的油耗降低了8.6%;与作为基准的动态规划(DP)相比,增加了4.8%;在与DP油耗基本保持相同的前提下,该策略离线仿真时间缩短21%,不仅能够在线应用,还能实时适应工况变化。

基于电压序列最小KL散度索引的低压台区拓扑识别

为了实现对低压台区拓扑结构的准确刻画,提出一种基于电压序列最小KL(Kullback-Leibler)散度与深度搜索相结合的拓扑识别方法。首先,采用Neville插值修复电压采样序列,利用改进的KL散度计算用户电压序列概率分布,并依据KL散度大小对用户所属台区进行划分;其次,基于最小KL散度确定深度搜索的索引方向,通过主干搜索与分支搜索遍历台区用户节点,判断用户之间的连接关系;最后,针对不同场景分析所提方案拓扑识别性能。仿真结果验证了所提方案的有效性。

非高斯噪声下基于KL散度最小化的目标跟踪

在复杂环境下的目标跟踪系统中,由于受随机脉冲干扰、建模误差、未知异常值等因素影响,系统模型的过程噪声和测量噪声呈现出非高斯重尾的复杂特性。提出了一种在分布式融合框架下基于KL散度(KLD)最小化的算法。首先,包含了目标状态、过程噪声和测量噪声等多个参数的先验模型被构成学生t分布;其次,KLD最小化的方法解决近似分布拟合真实分布差距过大的问题,提高了学生t建模的准确性;最后,采用协方差交叉融合策略实现对局部平台状态估计融合与修正。仿真结果表明,所提算法较传统的NKF、STF、MCCKF算法,具有更高的估计精度。

子空间与KL信息结合的FCM多光谱遥感图像分割

针对传统模糊C-均值聚类(FCM)算法用于含噪声多光谱遥感图像分割时存在的精度不足问题,提出一种自适应模糊子空间与增强KL信息相结合的FCM多光谱遥感图像分割算法.首先,使用局部模糊因子,在不依赖参数的情况下,通过相似性度量和自适应约束参数自动消除噪声干扰,并提取图像的局部空间信息.其次,将原始图像信息和模糊因子处理过的局部空间信息统一整合到模糊子空间聚类中,对图像的多个通道进行自适应加权处理,以提高分割精度.最后,将KL信息以正则项的形式引入FCM目标函数中进行聚类计算,并通过ESD(Extreme Studentized Deviate)检测模型剔除隶属度矩阵中的离群值,以增强KL先验信息,降低隶属度模糊性.AID数据库和真实环境下的多光谱遥感图像分割实验表明,在模拟噪声环境中,所提出算法不仅可以抑制噪声,而且能得到较高的分割精度.此外,本文算法在分割精度、模糊系数和峰值信噪比等评价指标方面也均优于其他几种变体式FCM算法.

基于EMD和KL变换的时空联合探地雷达杂波抑制

探地雷达接收信号中由于环境等原因存在多种杂波干扰,这给地下异常解释与后期成像处理造成很大障碍。杂波主要包括噪声、天线耦合波、地表直达波等,单一的处理方式很难将其有效去除。针对此问题,提出从时间和空间两方面对杂波进行抑制的方法。时间维针对回波剖面中每个测点的数据进行经验模态分解阈值处理,达到对噪声的有效去除。空间维针对整个雷达回波剖面,利用各测点目标回波具有相关性而杂波等随机产生的特点,进行KL变换去除残余干扰。理论仿真及实测数据处理结果均验证了该方法对去杂波以及突出弱信号是有效的。

基于BCS-KL方法的地层边界不确定性研究

在工程建设中获取的现场钻孔数据有限,利用钻孔数据解释地下地层不可避免地存在不确定性,进而影响桩基础等工程设计的可靠性。对此,提出了从有限钻孔数据中量化地层边界不确定性的方法,并研究地层边界不确定性对单桩竖向承载力特征值的影响。首先依据钻孔数据,通过贝叶斯压缩采样-KL展开(BCS-KL)方法重建地层边界,并生成大量随机场数据量化地层边界的统计不确定性;然后依据地层边界数据,对单桩竖向承载力特征值进行不确定性分析。分析结果表明:BCS-KL方法生成的大量随机场数据能很好地表征地层边界的不确定性;在钻孔间距较大时,单桩竖向承载力特征值在95%置信区间内相差4 660.88 kN,差距较大。通过BSC-KL方法科学评估地层边界不确定性对单桩竖向承载力的影响,对确保工程设计可靠性具有重要意义。

CD40L、sFLT-1、KL-6与重症肺炎患者疾病转归的相关性研究

目的探讨CD40配体(CD40L)、可溶性fms样酪氨酸激酶受体-1(sFLT-1)、涎液化糖链抗原-6(KL-6)与重症肺炎(SP)患者疾病转归的相关性研究。方法选取2020年1月~2022年12月郑州市第三人民医院收治的98例SP患者为研究对象,根据入院后28 d疾病转归情况将患者分为转归良好组(69例)和转归不良组(29例)。比较2组血清CD40L、sFLT-1、KL-6水平和肺功能指标[用力肺活量(FVC)、第1秒用力呼气量(FEV1)、最高呼气流速(PEF)],分析血清各指标水平与肺功能指标及疾病转归的相关性,分析各指标不同水平患者转归不良的危险度。结果治疗7 d、14 d后转归不良组血清CD40L、sFLT-1、KL-6水平高于转归良好组,FVC、FEV1、PEF低于转归良好组(P<0.05);治疗7 d、14 d后血清CD40L、sFLT-1、KL-6水平与疾病转归、FVC、FEV1、PEF均呈负相关(P<0.05);治疗14d后血清CD40L、sFLT-1、KL-6高水平患者转归不良危险度分别是低水平的3.255、3.911、2.322倍(P<0.05)。结论血清CD40L、sFLT-1、KL-6水平与SP患者疾病转归密切相关,可作为临床预测转归情况的有效指标。

基于累积KL散度和改进粒子滤波的滚动轴承剩余使用寿命预测

针对大量传统退化指标未考虑轴承在服役过程中的累积退化特性以及常规粒子滤波算法存在粒子退化和粒子多样性不足导致剩余使用寿命预测困难的问题,提出一种基于累积KL散度退化指标结合改进粒子滤波的轴承剩余使用寿命预测方法。利用累积缩放变换将从轴承振动信号中提取的原始KL散度转换为映射特征以优化其单调性与趋势性,构建累积KL散度退化指标;根据退化指标建立双指数退化模型,并利用灰狼算法优化粒子滤波的采样过程,引入残差重采样方法解决粒子退化问题,实现改进粒子滤波递推预测轴承剩余寿命。分别在6312/C3轴承全寿命实验数据与XJTU-SY公开轴承数据集上进行验证,利用对比实验证明了所提出的累积KL散度退化指标结合改进粒子滤波预测方法相比常规粒子滤波预测方法具有更高的预测精度。

基于KL-散度的电力用电数据自动脱敏算法研究

电力数据中包含一些隐私数据,一旦泄漏,就会对个人隐私安全造成隐患。为保证电力数据的安全性,提出了基于KL-散度设计电力用电数据自动脱敏算法。基于KL-散度算法建立敏感数据过滤模型,计算不同变量数据的KL距离,得到其相似性指标,对用户项目评分进行平滑处理,将具备相似性的敏感数据分成不同的批次。敏感数据去身份化处理,将数据匿名转换,计算用户真实路径被泄露的概率。设计数据自动脱敏算法,分别计算概念化数据、元组信息以及信息流的损失程度,以此判定脱敏后的数据是否可用。检验脱敏前后数据一致性,三类电力用电数据的变化率分别为0.43%、0.14%和0.11%,远远小于标准值。且算法在运行过程中单位时间处理数据量和平均延迟时间也较为理想,可见该脱敏算法具备实用性。

基于对称KL散度的电力用户负荷聚类方法研究

随着源网荷储四侧资源的建设,电力部门积累了海量用户的用电数据,如何有效挖掘这些数据的潜在信息,促进电力用户的精细化管理,是当前电力系统分析的一个重要问题。基于此,提出了基于对称KL散度(Kullback-Leibler Divergence)的电力用户负荷聚类方法。首先,利用高斯混合模型(Gaussian Mixture Model,GMM)表示用户的日常用电规律,并通过最大均值差异(Maximum Mean Discrepancy,MMD)检验模型的合理性;然后,将对称KL散度作为相似性判据,从划分聚类的角度出发,对GMM表示的电力负荷用户进行聚类;最后,以所提算法对MNIST以及某小区用户数据进行分析,实验结果表明所提方法具有可行性和有效性。

结合非局部空间信息和KL信息的鲁棒FCM算法

针对传统模糊C均值(Fuzzy C-Means,FCM)聚类算法对噪声敏感的问题,提出一种结合非局部空间信息和KL信息的鲁棒FCM算法.首先,将灰度信息与非局部空间信息相融合,用于增强算法对噪声的鲁棒性;其次,在目标函数中引入KL信息,以便减少分割的模糊性.在密度为5%的混合噪声条件下,合成图像和自然图像的实验结果表明,该文算法的分割精度较高、鲁棒性较强,能较好地分割噪声图像.

KL散度多模块滑动窗口慢特征分析的故障诊断方法

针对传统分块方法根据经验划分子块导致变量特征信息无法充分利用,其单一的建模方式忽略局部信息以及离线模型无法适应时变特性的问题,提出了一种KL (Kullback-Leibler)散度多模块滑动窗口慢特征分析方法。在正常工况数据集中,利用KL散度来度量变量间的距离,同时引入最小误差平方和准则进行聚类,分成两个距离最小的子模块;在此基础上利用慢特征分析方法对每个子模块进行建模,结合滑动窗口对每次采样的数据进行更新,得到最优模型,分别计算监测统计信息,利用支持向量数据描述对故障监测结果进行融合,实现故障诊断。并将该方法应用于田纳西伊斯曼过程的监控中,得到了较高的故障检测率和较低的虚警率,验证了该方法的可行性和有效性。

血清KL-6在新型冠状病毒感染患者中的临床价值研究

目的探讨血清涎液化糖链抗原(Krebs Von den Lungen-6,KL-6)在新型冠状病毒感染患者中的临床价值,以期为获得对该病更好的临床决策和治疗提供参考。方法选取收治于我院的新型冠状病毒感染患者90例,根据纳入及排出标准,最终纳入轻症组71例(轻型/普通型)、重症组8例(重型/危重型),同时匹配85例健康体检者作为对照组,回顾性分析实验室和影像学检查指标。结果(1)轻症组患者入院时C反应蛋白(CRP)、白介素-6(IL-6)、KL-6、乳酸脱氢酶(LDH)和血清铁蛋白(SF)均高于对照组,而白细胞计数(WBC)和淋巴细胞计数(Lym)则低于对照组。(2)重症组CRP、IL-6、KL-6、LDH及肺炎指数高于轻症组,而Lym低于轻症组。(3)Logistic回归分析发现KL-6和LDH的升高以及Lym的降低为新冠病毒感染的独立危险因素。(4)KL-6、Lym、CRP、LDH、IL-6、肺炎指数对于重/危重型COVID-19均具有较好的预测价值。(5)KL-6与肺炎指数随着病情的缓解均出现整体降低的变化,并呈现出一定的正相关变化趋势。结论KL-6在新冠病毒感染患者中有不同程度增高,对预测重症以及判断肺部受累情况有一定的适用价值。

基于Chebyshev-Galerkin-KL展开的土质边坡稳定可靠度分析

提出了一种基于Chebyshev-Galerkin-KL(Karhunen-Loève)展开的新型随机场离散方法,推导了该方法的理论公式,并研发了基于Python语言的边坡滑体体积计算及其失效模式自动识别的高效程序。采用一个水位上涨时的非饱和土坡算例验证了方法的有效性。结果表明:所提随机场生成方法为求解第二类Fredholm积分方程提供了一种新思路,可准确表征岩土体参数的空间变异性。基于Python提出的边坡风险评估程序,与随机有限元计算过程不耦合,极大地提升了开展边坡风险评估的效率,从而增强预测滑坡致灾风险的时效性。此外,研究中非饱和土坡算例可靠度分析结果表明:水位上涨速度越慢,最大水位高度越高,该边坡的安全程度将越低。岩土体参数的竖向空间变异性对该算例边坡安全系数的影响甚微,但对滑体体积的影响较为显著。在对水位上升条件下的边坡开展可靠度分析时,应关注抗剪强度参数间的负相关性,否则将会低估边坡的安全程度。

基于GRA-KL-TOPSIS法的三峡外迁移民社会适应性评价

科学合理地评价三峡外迁移民社会适应性对于维护社会的稳定和促进移民可持续发展是十分重要的。首先结合相关文献、实地调研数据以及专家意见建立三峡外迁移民社会适应性评价指标体系;然后利用OWA-AHP法、主成分分析法和博弈论融合权重法确定各指标权重,同时将GRA、KL距离与TOPSIS法结合,来构建相对熵(KL距离)替代欧式距离和一种新的相对贴近度形式,对评价对象进行排序和评价;最后以广东省三峡外迁移民为例进行分析。结果表明,该模型能客观地反映三峡外迁移民社会适应性状况,并且得到的评价结果与实际情况相符,验证了该模型的有效性和实用性。文中研究成果、指标体系及评价模型可以为水库移民社会适应性课题提供行之有效的思路。

芪术肺纤汤对特发性肺间质纤维化患者血清KL-6水平和肺功能影响的疗效观察

[目的]探讨芪术肺纤汤对特发性肺间质纤维化(idiopathic pulmonary fibrosis,IPF)患者血清涎液化糖链抗原6(Krebs Von Den Lungen-6,KL-6)水平和肺功能的影响。[方法]搜集2019年10月1日至2021年12月31日于中国中医科学院广安门医院就诊的IPF患者40例,分为试验组和对照组各20例,对照组口服乙酰半胱氨酸胶囊加百令胶囊,试验组在此基础上加用芪术肺纤汤,3个月后观察两组患者治疗前后肺功能、中医症状积分、血清KL-6水平变化及不良反应。[结果]与治疗前比较,治疗后试验组最大肺活量占预计值的百分比(vital capacity max/predict value,VCmax%)、一氧化碳弥散量占预计值的百分比(carbon monoxide diffusing capacity/predict value,DLCO%)及肺总量占预计值的百分比(total lung capacity/predict value,TLC%)均上升,TLC%差异有统计学意义(P<0.05);对照组TLC%、DLCO%及VCmax%均下降,且VCmax%差异有统计学意义(P<0.01)。治疗后组间比较,试验组VCmax%、TLC%和DLCO%均高于对照组,且DLCO%差异有统计学意义(P<0.01)。与治疗前比较,治疗后两组患者中医症状总积分、主症总积分及次症总积分均较前下降(P<0.01,P<0.05)。其中试验组主症喘息、气短、咳痰积分及次症乏力积分均较前显著下降(P<0.01,P<0.05),对照组仅主症气短积分显著下降(P<0.05),余如喘息、咳嗽、咳痰、乏力等症状积分略有下降,差异无统计学意义(P>0.05)。治疗后组间比较,试验组症状总积分、主症总积分、主症喘息、气短、咳嗽积分显著低于对照组,差异具有统计学意义(P<0.01,P<0.05)。与治疗前比较,治疗后试验组血清KL-6水平下降,但差异无统计学意义(P>0.05);对照组血清KL-6水平上升(P<0.01)。治疗后组间比较,试验组血清KL-6水平明显低于对照组,差异具有统计学意义(P<0.05)。两组患者均无不良反应发生。[结论]芪术肺纤汤可提高IPF患者肺功能,显著升高DLCO%指标,改善喘息气短、咳痰乏力等症状,并能降低血清KL-6水平,延缓肺纤维化进程,治疗干预期间未见不良反应,安全可靠。

血清sTREM⁃1、KL⁃6、和肽素水平与儿童重症肺炎及其预后的关系

目的探究可溶性髓样细胞触发受体1(sTREM⁃1)、涎液化糖链抗原(KL⁃6)、和肽素在重症肺炎(SP)患儿中的表达情况及其与预后的关系。方法选取2019年11月至2020年6月商丘市立医院收治的104例SP患儿及同时期68名健康体检儿童分别作为观察组和对照组,比较两组血清sTREM⁃1、KL⁃6、和肽素水平。对观察组随访半年,根据预后情况分为预后不良组和预后良好组。采用Logistic回归模型分析影响SP患儿预后的相关因素,绘制ROC曲线分析sTREM⁃1、KL⁃6、和肽素对SP患儿的预后价值。结果观察组sTREM⁃1、KL⁃6、和肽素水平均明显高于对照组,差异有统计学意义(P<0.05)。随访半年,观察组预后不良者为33例,预后良好者为71例。预后良好组sTREM⁃1、KL⁃6、和肽素水平明显高于预后不良组,差异有统计学意义(P<0.05)。Logistic回归模型分析示:有基础疾病、sTREM⁃1、KL⁃6、和肽素水平异常升高均为影响SP患儿预后的独立危险因素(P<0.05)。ROC曲线显示:sTREM⁃1、KL⁃6、和肽素三者联合检测诊断重症肺炎AUC、灵敏度、特异度分别0.950、0.970、0.915,显著高于三者单一检测(P<0.05)。结论在SP患儿中,sTREM⁃1、KL⁃6、和肽素的表达较高,是影响患儿预后的独立危险因素,三者联合诊断为SP患儿预后提供了重要参考价值。

基于小波包多尺度模糊熵和加权KL散度的煤岩智能识别

垮落煤岩智能识别是智能放煤的前提,通过垮落煤岩实时精准识别可避免人工放煤造成的顶煤“欠放”或“过放”问题。现有煤岩识别方法大多通过数据降维处理获得垮落煤岩特征向量,通过构建识别模型进行煤岩识别,但数据降维、模型建立和训练均需较长时间,一定程度上影响了连续综放开采效率。针对该问题,提出了一种基于小波包多尺度模糊熵和加权KL散度的煤岩智能识别方法。对不同工况(顶煤垮落、岩石垮落、大块顶煤垮落)下垮落煤岩冲击液压支架后尾梁的振动信号进行小波包分解,得到一系列频带;对各频带的序列进行粗粒化,计算各频带多个尺度粗粒化向量的模糊熵,即小波包多尺度模糊熵,将其作为特征向量;以小波包分解后各频带能量与振动信号总能量的比值作为加权KL散度的权重,比较待测未知样本与不同工况下样本特征向量的加权KL散度,实现垮落煤岩的实时精准识别。实验结果表明:基于小波包多尺度模糊熵和加权KL散度的方法可有效识别垮落煤岩类别,而基于多尺度模糊熵和KL散度的方法、基于小波包模糊熵和KL散度的方法识别效果不佳;将小波包多尺度模糊熵作为特征向量时,BP神经网络识别准确率达95%,进一步验证了小波包多尺度模糊熵可作为表征垮落煤岩的特征向量;整个煤岩识别过程耗时为1.063 9 s,基本满足垮落煤岩智能识别实时性需求,大大降低了对连续综放开采效率的影响,综合性能优于同类煤岩识别方法。