基于改进INFO-Bi-LSTM模型的SO_(2)排放质量浓度预测

针对火电机组SO_(2)排放质量浓度的影响因素众多,难以准确预测的问题,提出一种改进向量加权平均(weighted mean of vectors,INFO)算法与双向长短期记忆(bi-directional long short term memory,Bi-LSTM)神经网络相结合的预测模型(改进INFO-Bi-LSTM模型)。采用Circle混沌映射和反向学习产生高质量初始化种群,引入自适应t分布提升INFO算法跳出局部最优解和全局搜索的能力。选取改进INFO-Bi-LSTM模型和多种预测模型对炉内外联合脱硫过程中4种典型工况下的SO_(2)排放质量浓度进行预测,将预测结果进行验证对比。结果表明:改进INFO算法的寻优能力得到提升,并且改进INFO-Bi-LSTM模型精度更高,更加适用于SO_(2)排放质量浓度的预测,可为变工况下的脱硫控制提供控制理论支撑。

合成MRI联合弥散加权成像及DCE-MRI在鉴别乳腺BI-RADS 4类肿块良恶性的价值分析

目的:探讨合成磁共振成像(syMRI)联合弥散加权成像(DWI)、动态对比增强磁共振成像(DCE-MRI)在鉴别乳腺成像报告和数据系统(BI-RADS)4类肿块良恶性的价值。方法:回顾性分析2022年1月—2024年1月本院80例患者98个BI-RADS 4类肿块病变的syMRI、DWI和DCE-MRI图像,所有患者均经穿刺活检或手术获得病理结果(51个恶性病变,47个良性病变),测量表观扩散系数(ADC)、弛豫时间值(T_(1)、T_(2))和质子密度值(PD),采用logistic回归建立弛豫定量模型、基于DE-MRI的BI-RADS模型,基于弛豫定量参数联合ADC以及BI-RADS建立联合诊断模型,受试者工作特性(ROC)曲线下面积(AUC)评估各模型诊断效能。结果:logistic回归显示ΔT_(1)%(OR=1.512)、T_(2)(OR=6.907)可构建弛豫定量模型,时间—信号强度曲线类型(TIC)(OR=2.464)可构建BI-RADS模型,ΔT_(1)%、T_(2)、ADC、TIC构建联合诊断模型,联合诊断模型诊断AUC为0.874,显著高于弛豫定量模型0.768和BI-RADS模型0.644,差异均具有统计学意义(P<0.05)。结论:syMRI联合DWI定量参数和DCE-MRI可以提高BI-RADS 4类肿块的诊断效能,是区分乳腺BI-RADS 4类结节良、恶性的一种很有前途的诊断方法。

融合改进Bi-RRT和DWA算法的无人机动态路径规划

为解决无人机在复杂环境中的避障问题,提出一种融合改进Bi-RRT和DWA的无人机动态路径规划算法。通过设置启发式函数、动态步长和安全距离改进Bi-RRT算法,提升全局路径的搜索效率和安全性;之后,修剪路径中的冗余路段并对修剪后的路径进行插值与平滑操作获得全局最优路径;对DWA修正障碍物距离评价函数并引入目标点距离评价函数,提升局部预测轨迹评分的准确性;然后,实时输出速度指令控制无人机跟踪全局最优路径并实现局部动态避障。仿真实验表明,改进Bi-RRT算法生成的路径更短更平滑、安全性更高且规划时间更少;在同时存在动、静态障碍物的复杂环境中,所提融合算法能控制无人机精准地跟踪全局最优路径并高效地完成局部动态避障。

基于FinBERT和Bi-GRU的篇章级事件检测模型

现有的篇章级事件检测方法一般分为候选实体抽取和事件检测两个子任务,候选实体抽取任务的精度影响着事件检测任务的结果。针对现有方法候选实体抽取精度不足的问题,提出了基于FinBERT和Bi-GRU的篇章级事件检测模型。首先,采用FinBERT预训练模型提升词嵌入向量对金融语义的表示能力,从而增强模型对金融语义的感知。其次,将上一层获取到的语义表示输入Bi-GRU模型和多头注意力机制中捕获全局和局部特征,通过CRF进行解码并标注出候选实体和实体类型。最后,根据抽取的候选实体信息判断篇章中存在的预定义事件。实验结果表明,本文方法提升了候选实体抽取任务的精度,取得了较好的篇章级事件检测结果。

PLK1抑制剂(R)-BI-2536的合成

为进一步优化PLK1抑制剂(R)-BI-2536的合成,以3-羟基-4-硝基苯甲酸为起始原料,经过甲基化、水解、缩合和还原反应4步合成中间体酰胺化合物,以2-氨基丁酸为起始原料,经过酯化、还原胺化、取代、关环和N-甲基化反应5步合成了中间体二氢喋啶酮类化合物,最后通过亲核取代反应完成了PLK1的抑制剂(R)-BI-2536的合成,总收率为19.2%,其结构由1H NMR和MS表征。

乳腺超声BI-RADS 4类在乳腺癌患者良恶性鉴别中的应用

目的:探讨乳腺超声BI-RADS 4类在乳腺癌患者良恶性鉴别中的应用价值。方法:回顾性分析2023年1月—10月在盐城市妇幼保健院治疗的50例乳腺影像报告和数据系统(BI-RADS)4类乳腺结节患者的临床资料,均实施乳腺超声检查,以病理检查结果为金标准,分析乳腺超声对乳腺结节良恶性的诊断效能,对比良恶性结节的超声征象。结果:病理结果显示,恶性14例,良性36例;乳腺超声检查显示,恶性15例,良性35例,乳腺超声检查的灵敏度为85.71%、特异度为91.67%、准确率为90.00%,Kappa值=0.849,与病理检查结果一致性良好;恶性结节与良性结节在年龄、单发或多发、内部回声、后方回声方面差异无统计学意义(P>0.05),但恶性结节直径大于良性结节,且形态、边缘、高回声声晕、微钙化、汇聚征、弹性评分、血流分布等与良性结节相比差异有统计学意义(P<0.05)。结论:乳腺超声BI-RADS 4类在乳腺良恶性鉴别中的应用效果显著,良恶性病灶具有不同的超声影像特征,能提高对乳腺癌的诊断效能。

改进Bi-RRT*算法的自动泊车路径规划

针对双向快速搜索随机树算法(Bi-RRT*)生成的泊车路径不满足车辆运动学约束、路径曲折和收敛速度慢等问题,提出了一种改进Bi-RRT*算法。基于车辆碰撞检测模型,对障碍物进行膨胀处理,确保为车辆留出安全的泊车距离;采用Reeds-Shepp(RS)曲线对节点进行扩展,使路径连接满足车辆运动学约束;为了提高算法的搜索效率和采样成功率,引入了避障和径向约束采样策略;对路径节点进行均匀插值,利用基于起点的RRT*树对冗余路径进行剔除,实现路径平滑优化。仿真结果表明,与原始Bi-RRT*算法相比,改进后的Bi-RRT*算法规划出的路径不仅满足避障要求和运动学约束,而且规划时间和路径质量更具有优越性。

Bi-SnO_(2)电催化膜的制备及对饮用水中卡马西平的强化去除

以家用净水器活性炭滤芯为支撑体(Carbon membrane,CM),通过电沉积法制备Bi-SnO_(2)电催化膜(Bi-SnO_(2)/CM),通过电催化强化降解饮用水中的PPCPs.采用SEM、EDS、XRD分别对CM、SnO_(2)/CM和Bi-SnO_(2)/CM进行了结构表征,并利用Tafel、CV、EIS方法对3种膜的析氧电势、比电容和电化学阻抗等电化学特性进行表征,并选取卡马西平(Carbamazepine,CBZ)作为PPCPs代表物进行电催化效能试验研究.结果表明:采用电沉积-水热方法制备的Bi-SnO_(2)纳米颗粒的粒径尺寸约为27.2nm,可以很好地负载到活性炭滤芯表面,并制备出电化学性能优异的电催化膜,相比基膜其Tafel斜率由31.09mV/dec增至80.22mV/dec,电化学阻抗由1.03Ωcm^(2)降低为0.37Ωcm^(2),比电容也由0.689F/g增至2.635F/g.最终通过实验验证了其对卡马西平的降解效果,在静态循环实验中,Bi-SnO_(2)/CM对CBZ的去除率30min可达到97.3%,在运行1h后矿化率为59.2%,耗能为123.87kW·h/kgTOC,ΔTMP为0.177kPa.在连续运行时,Bi-SnO_(2)/CM对CBZ的去除率达93.7%,在运行1h后矿化率为35.2%,耗能为208.33kW·h/kgTOC,ΔTMP为0.613kPa.说明Bi-SnO_(2)/CM电催化膜具有良好的导电性、电催化活性和稳定性,同时对CBZ具有较好的去除效果.

基于Bi-LSTM与状态约束的心音分割算法

心音分割是进行准确心音分类的前提。针对心音分割,提出一种基于双向长短时记忆网络(Bi-LSTM)与状态约束的算法。该文通过网格法确定Bi-LSTM网络中的最佳参数,并训练出心音状态识别模型;统计Bi-LSTM预测的心音状态持续时间,并计算自相关参数;利用自相关参数和心音固有状态转移规则对预测的心音状态进行约束处理。使用五折交叉验证法在PhysioNet/CinC 2016数据集上进行测试,该算法与同类算法相比,整体性能更佳。

基于Bi-LSTM模型的恶意JavaScript代码检测方法

传统的静态检测恶意JavaScript代码方法十分依赖于已有的恶意代码特征,无法有效提取混淆恶意代码特征,导致检测混淆恶意JavaScript代码的精确率低。针对该问题提出基于双向长短期记忆网络(Bidirectional Long Short-term Memory, Bi-LSTM)的恶意代码检测模型。通过抽象语法树将JavaScript代码转化为句法单元序列,通过Doc2Vec算法将句法单元序列用分布式向量表示,将句向量矩阵送入Bi-LSTM模型进行检测。实验结果表明,该方法对于混淆恶意JavaScript代码具有良好的检测效果且检测效率高,准确率为97.03%,召回率为97.10%。

乳腺数字X射线联合MRI对Bi-RADS 4级可疑恶性微钙化患者的诊断价值

目的探讨乳腺数字X射线联合磁共振成像(MRI)评估Bi-RADS 4级可疑恶性微钙化的诊断价值。方法选取2021年6月至2023年7月江苏省昆山市第二人民医院行手术治疗的79例乳腺Bi-RADS 4级可疑恶性微钙化患者为研究对象,所有患者均进行乳腺数字X射线、MRI检查。以病理结果为“金标准”,分析良性、恶性患者乳腺数字X射线图像特征、MRI特征,分析不同检查方法的诊断效能。结果以病理检查结果为“金标准”,恶性患者34例,良性患者45例,其中乳腺纤维腺瘤21例、乳腺囊性增生12例、乳腺炎12例。良、恶性患者乳腺微钙化、无定型、粗糙不均质分布比较,差异有统计学意义(P<0.05)。良、恶性患者时间-信号强度曲线各型占比比较,差异有统计学意义(P<0.05)。乳腺数字X射线联合MRI检查的特异度、准确度高于单一检测,差异有统计学意义(P<0.05)。乳腺数字X射线、MRI、乳腺数字X射线联合MRI检查与“金标准”一致性一般,Kappa值分别为0.625、0.630、0.726。结论乳腺数字X射线联合MRI检查诊断Bi-RADS 4级可疑恶性微钙化的价值较高,有助于临床医生准确地判断可疑微钙化患者的恶性可能性。

基于Bi-LSTM的浅层地下双孔洞探测技术

文章探究一种基于深度学习的浅层地下孔洞探测技术,以应对地下孔洞给桩基施工安全所造成的严重威胁。基于浅层地震反射波法的原理,采用基础施工过程中的桩锤激震作为激励源,通过在探测区域地表上布置少量加速度传感器采集孔洞反射信号,并将反射信号作为深度学习的输入,以输出孔洞信息,建立一种新型的智能孔洞探测方法。结果表明,双向长短期记忆神经网络(bidirectional long short-term memory neural network,Bi-LSTM)的预测模型对于地下双孔洞的工况具有较高的识别准确率,在容许误差为2 m的情况下,孔洞位置和直径的预测准确率可达95.3%。该研究验证了基于深度学习的多孔洞探测技术的可行性,有望为施工前期土层地质状况的评估提供技术保障。

基于ICEEMDAN模糊熵与Bi-LSTM的工业设备健康状态预测

工业设备健康状态关系着工业生产能否正常进行,为此提出一种基于改进自适应噪声完备经验模态分解(ICEEMDAN)和双向长短期记忆网络(Bi-LSTM)的工业设备健康状态预测方法。ICEEMDAN用于将原始音频信号进行分解得到若干个固有模态函数(IMF)分量,通过计算相关系数选取最佳分量组进行信号重构,然后计算重构IMF分量的模糊熵值构造特征向量集合,最后再输入到Bi-LSTM网络进行模型训练和预测。实验结果表明:相较于其他模型,基于ICEEMDAN模糊熵和Bi-LSTM的工业设备健康状态预测方法,能够有效提取音频信号特征,并准确进行健康状态预测。

基于Bi-RRT和TEB算法的风电水域多目标点路径规划

针对运维船舶需要依次抵达多个待运维机组处开展风机维护工作,提出一种在风电水域进行多目标点自主路径规划的方法。采用改进Bi-RRT算法进行全局路径规划,TEB算法用于局部路径规划,融合两种算法完成多目标点自主路径规划。引入基于均匀概率的分配机制对Bi-RRT进行改进以减少冗余搜索空间;采用对立扩展树新节点导向策略以增强采样过程中的导向性;通过路径平滑处理,进一步优化路径。利用改进后算法进行仿真实验,与改进前算法进行对比得到:改进后算法迭代次数减少50.4%,求解时间减少11.7%,路径长度缩短30.5%。另外,在ROS仿真平台中搭建合理的仿真环境,结果表明,在同样的地图环境中,改进的Bi-RRT与TEB融合算法较A*算法得到路径更为优越可靠,同时,设定多任务点验证了所提算法进行多目标点路径规划的有效性和可行性。

基于多模态超声的列线图模型鉴别BI-RADS 4类乳腺病变的临床价值

目的 构建基于临床资料、剪切波弹性成像参数和超声影像组学的列线图模型,探讨其鉴别BI-RADS 4类乳腺病变良恶性的临床价值。方法 回顾性收集3家医院共403例BI-RADS 4类乳腺病变患者(共403个病灶)的临床资料、剪切波弹性成像及病理检查资料,以2017年12月至2019年6月南京鼓楼医院和2019年6~12月安徽医科大学第一附属医院共282个病灶为训练集,2022年4月至2023年6月北京世纪坛医院的121个病灶为验证集,根据病理结果将训练集和验证集分别分为良性组和恶性组。通过提取病灶灰阶超声影像组学特征计算影像组学评分(Rad-score)。采用单因素及多因素Logistic回归分析筛选鉴别BI-RADS 4类乳腺病变良恶性的影响因素,构建预测模型并绘制列线图;采用受试者工作特征曲线、校准曲线及临床决策曲线评估该模型的诊断效能。结果 训练集及验证集中恶性组年龄、病灶大小,以及病灶剪切波速度最大值、最小值、平均值和中位数(SWVmax、SWVmin、SWVmean和SWVmedian)均高于良性组,差异均有统计学意义(均P<0.001)。经过特征提取及筛选,最终纳入13个影像组学特征用于计算Rad-score,验证集良、恶性组Rad-score分别为-1.07(-1.64,-0.37)分、0.07(-0.30,0.56)分,二者比较差异有统计学意义(P<0.001)。多因素Logistic回归分析显示,年龄、SWVmax及Rad-score均为鉴别乳腺病变良恶性的独立影响因素(OR=1.107、3.919、4.180,均P<0.001)。基于以上3个因素联合应用构建的列线图模型在训练集及验证集中鉴别BI-RADS 4类乳腺病变良恶性的曲线下面积均高于SWVmax和Rad-score单独应用(均P<0.05);校准曲线显示该模型的校准度均高(均P>0.05);在验证集中使用列线图模型鉴别BI-RADS 4类乳腺病变良恶性能获得更高的临床收益,将非必要穿刺活检率降低了61.16%。结论 基于患者年龄、SWVmax及Rad-score构建的列线图模型能有效鉴别BI-RADS 4类乳腺病变良恶性,降低非必要穿刺活检率,有一定的临床价值。

结合Roberta和Bi-FLASH-SRU的中文事件因果关系抽取

针对现有基于填表的事件关系抽取方法填表数目过多、表格特征获取不充分的问题,本文提出了结合Roberta和Bi-FLASH-SRU的中文事件因果关系抽取方法 TF-ChineseERE.该方法通过制定填表策略,利用文本中已标记关系,将其转化为带有标签的表格;借助Roberta预训练模型和本文提出的双向内置闪电注意力简单循环单元(bidirectional built-in flash attention simple recurrent unit,Bi-FLASH-SRU)获取主客体事件特征,再利用表格特征循环学习模块挖掘全局特征,最后进行表格解码获得事件因果关系三元组.实验采用金融领域两个公开数据集进行验证,结果表明,本文提出的方法 F_(1)值分别达到59.2%和62.5%,且Bi-FLASH-SRU模型训练速度更快,填表数目更少,证明了该方法的有效性.

多模态超声联合人工智能S-Detect技术对BI-RADS 4类乳腺结节的诊断分析

目的:分析多模态超声联合人工智能S-Detect技术对乳腺影像报告数据系统(BI-RADS)4类乳腺结节的诊断价值。方法:回顾性收集2020年9月-2024年3月我院收治的62例乳腺病变患者,统计分析所有患者的临床资料,对比不同诊断方法的诊断结果,以病理诊断为金标准,分析多模态超声联合人工智能S-Detect技术对BI-RADS 4类乳腺结节的诊断效能。结果:恶性乳腺结节的超声造影特征为:高增强、增强方式呈向心性、内部回声不均匀、形态不规则、边缘不清晰、存在周边放射状血管及增强后病灶体积增大。本组62例患者共76个乳腺结节,病理结果显示42个结节为恶性,34个结节为良性;常规超声诊断出34个恶性,敏感度为71.43%,特异度为88.24%,准确率为78.95%;人工智能S-Detect技术诊断出39个恶性,敏感度为76.19%,特异度为79.41%,准确率为77.63%;多模态超声诊断出44个恶性,敏感度为85.71%,特异度为76.47%,准确率为81.58%;多模态超声联合人工智能S-Detect技术诊断出45个恶性,敏感度为95.24%,特异度为85.29%,准确率为90.79%,其中多模态超声联合人工智能S-Detect技术检查的诊断结果与病理结果的一致性最高,Kappa值为0.812。ROC曲线对比分析显示,多模态超声联合人工智能S-Detect技术的诊断效能与单纯常规超声、人工智能S-Detect技术、多模态超声比较均有统计学意义(Z=0.275/2.603/2.083,P=0.023/0.009/0.037)。结论:相较于单一超声、多模态超声、人工智能S-Detect技术,多模态超声联合人工智能S-Detect技术诊断BI-RADS 4类乳腺结节的诊断效能较高,其诊断结果与病理结果高度一致。

Sonazoid超声造影在BI-RADS 4类乳腺结节诊疗中的应用价值研究

目的:探讨Sonazoid超声造影定性与定量分析在诊断乳腺影像报告和数据系统(BI-RADS)4类乳腺病变中的临床应用价值。方法:收集2022年4月至2023年4月于成都市第一人民医院行穿刺活检或手术的乳腺病变患者53例(53个病灶均为BI-RADS4类)。根据乳腺结节病理结果将患者分为良性组(34例)和恶性组(19例)。所有患者在穿刺活检或者手术前均已行Sonazoid超声造影(CEUS)检查,比较良性组和恶性组乳腺结节造影定性与定量指标之间的差异,选取具有统计学差异的指标纳入回归方程,分别绘制受试者工作特征(ROC)曲线,获得ROC曲线下面积(AUC)。使用Sonoliver软件将造影时乳腺结节与周围正常组织的增强强度差异编码成直观的彩色图像,生成动态血管模型(DVP)参数图,分析在乳腺良、恶性结节中图像颜色的差异。结果:乳腺结节的Sonazoid超声造影定性指标观察中,恶性组乳腺结节多表现为增强范围扩大[13例(占68.4%)],不均匀增强[14例(占73.7%)],周围有穿支血流[12例(占63.2%)],与良性组比较差异均有统计学意义(x^(2)=10.268、9.642、5.717,P<0.05);乳腺结节的Sonazoid超声造影定量指标观察中,恶性组乳腺结节造影的上升时间(RT)、平均渡越时间(m TT)时长小于良性组,差异有统计学意义(Z=-1.985、-2.272,P<0.05)。将上述指标纳入多因素分析,分别建立定性、定量指标预测恶性结节的回归方程,定性、定量分析的ROC曲线下面积分别为0.723、0.902,定性分析结果优于定量分析,差异有统计学意义(Z=-1.965,P<0.05)。在DVP参数图像中,良性组34例结节中有23例(占67.6%)结节表现为病灶,感兴趣区域(ROI)内大部分呈较单调的红、黄色填充;恶性组19例中有15例(占78.9%)结节的ROI内呈紊乱不规则分散或团块状的斑片状红黄色填充。结论:Sonazoid超声造影能够鉴别乳腺BI-RADS 4类结节的良恶性,定性指标的诊断效能优于定量指标。

超声BI-RADS对男性乳腺癌的诊断效能及不同临床经验超声医师的诊断一致性分析

目的:评估超声乳腺影像报告和数据系统(BI-RADS)对男性乳腺癌(MBC)的诊断效能及不同临床经验超声医师的诊断一致性分析。方法:回顾分析2017年1月—2023年7月在浙江大学医学院附属第二医院接受手术的90例接受手术的男性乳腺疾病患者资料,患者均进行BI-RADS评估,并由6名超声科医师进行诊断,根据资历将6名医师分为三组。比较受试者工作特征(ROC)曲线下面积(AUC)、灵敏度、特异度、准确率、阳性预测值(PPV)和阴性预测值(NPV),并评估不同组别观察者间一致性。结果:第3组的AUC、灵敏度、准确率及PPV最高,分别为0.904、97.2%、62.9%、76.7%;第2组特异度及NPV最高,分别为75.9%、100.0%。组内相关系数在BIRADS 2类和BI-RADS 3类表现为优秀到良好水平,在4a类结节表达为较差水平,在4b、4c和5类均表现为一般水平。三组间仅第1组和第3组诊断效果差异有统计学意义(P<0.05)。结论:超声BI-RADS对MBC具有较高应用价值,超声医师的临床经验与BI-RADS的诊断效能显著相关。

基于Bi-LSTM-Dropout的蓄电池剩余使用寿命预测方法

蓄电池剩余使用寿命预测对能源的安全性和可持续发展至关重要。该文提出一种蓄电池剩余使用寿命的预测方法,利用蓄电池的历史运行数据和充放电周期,构建Bi-LSTM-Dropout网络模型。利用Bi-LSTM提取时间序列中蓄电池长期依赖的特征,采用Dropout优化算法降低Bi-LSTM网络模型的复杂度,提高模型的泛化能力。实验结果表明,该方法在测试集上的准确率达96.2%,实现了蓄电池剩余使用寿命的精确预测。