发育性髋关节发育不良患者固液双相纤维增强软骨的力学性能

背景:发育性髋关节发育不良由于髋臼、股骨头存在结构、大小及方向等方面的畸形,患者长时间活动或站立会引起腹股沟疼痛,如果得不到有效的治疗,患者的正常活动将严重受限。目的:基于FEBio建立具有固液双相纤维增强软骨的球-窝髋关节有限元模型,探究发育性髋关节发育不良患者和正常人髋关节软骨的生物力学特性。方法:对1名发育性髋关节发育不良患者和1名正常志愿者进行髋关节建模,模型包含左盆骨、左股骨及附着其上的软骨。验证正常髋关节固液双相纤维增强软骨模型有效性后,建立髋关节发育不良患者髋关节有限元模型,对比两者在单腿站立时(2 130 N静态载荷)软骨的接触应力、流体压力、固相等效应力和流体支撑率的差异。结果与结论:(1)与正常髋关节相比,载荷加载完成后1 s(承载初期),发育性髋关节发育不良患者髋臼软骨出现明显的边缘接触,且峰值接触应力(3.86 MPa)和峰值流体压力(3.76 MPa)均大于正常髋关节软骨;(2)1 500 s(承载稳定)后,2个模型软骨峰值接触应力和峰值流体压力均减小,但发育性髋关节发育不良患者软骨接触位置由软骨边缘向中心移动,流体支撑率由97.41%下降到91.08%,正常髋关节软骨流体支撑率下降了0.58%,由95.24%下降到94.66%;(3)提示单腿站立生理载荷下,发育性髋关节发育不良患者软骨出现明显的边缘载荷,其峰值接触应力、流体压力和流体支撑率的下降幅度均大于正常软骨,考虑软骨的固液双相纤维增强特性对于评估髋关节发育不良患者髋关节软骨的生物力学性能、理解髋关节发育不良病理生理机制和制定术前计划具有重要的临床意义。

基于视觉与文本语义增强的多模态命名实体识别方法

为了解决视觉特征和文本特征融合后存在部分语义缺失从而导致视觉信息对文本信息的补充有较大偏差的问题,提出了一种基于视觉与文本语义增强的多模态命名实体识别方法。融合BERT文本特征提取和CLIP(contrastive language–image pre-training)视觉特征提取方法,设计了基于协同交叉注意力机制的特征交互单元,以增强视觉信息和文本信息之间的语义关系。CLIP通过对比学习框架进行预训练,优化模型以正确匹配视觉和对应的文本描述,最大化正样本(匹配的视觉-文本对)的相似性,同时最小化负样本(不匹配的视觉-文本对)的相似性。采用通用领域数据集TWITTER-2015和TWITTER-2017作为实验数据集。实验结果表明,本模型相比传统方法在多模态命名实体识别任务中的准确率、召回率、F1值均有显著提升。

增强的CELL_FACH技术研究

随着微博、微信、网页浏览等小数据应用的普及,由于频繁的状态转换所引发的WCDMA网络信令风暴问题越来越严重,为了降低信令风暴问题对网络信令负荷的影响,3GPP在R7/R8版本引入了增强的CELL_FACH技术,以增强CELL_FACH状态的数据传输能力。通过对增强CELL_FACH技术进行详细的研究和分析,阐述了该技术的基本原理及其对网络和终端的影响,并在此基础上对该技术的性能进行分析和评估,以期为运营商技术选择提供依据。

数据驱动教育数字化转型的信任机制——教育大数据全生命周期隐私增强模型的构建与典型应用场景分析

教育大数据正在成为驱动国家教育数字化转型战略行动的核心资源,带来了巨大的教育价值,但教育大数据的采集和分析产生了隐私侵害风险、信任危机等严峻问题,阻碍了数据的共享、开发和利用。如何增强教育大数据在开放共享、共建共用中的隐私保护和信任关系,成为制约数据驱动教育数字化转型的关键难题。对此,文章首先采用文献分析法,剖析了教育大数据隐私保护的研究现状与关键问题。随后,文章从应用场景角度设计了教育大数据全生命周期隐私增强框架,并基于此框架从技术实现角度构建了满足不同实体、不同阶段隐私需求的教育大数据全生命周期隐私增强模型及其应用流程。最后,文章介绍了该模型的典型应用场景,涉及学分与资质认证、教育协同与治理、可信评教、个性化学习服务等多个方面。文章的研究能够厘清教育大数据开放共享时的隐私保护关键问题和技术思路,可为实现教育数据要素化全生命周期的隐私保护、建立健全数据驱动教育数字化转型的信任机制提供参考。

增强现实环境下装配操作感知方法研究

现有的自然虚拟装配操作交互模型对双手协同操作和单步操作工作量的表达存在不足,针对这个问题,提出增强现实装配操作感知模型,实现机械装配操作参数化表达。提出基于装配运动特征的虚拟物体位姿计算方法,建立模型的真实手部元素与被操作虚拟物体元素的运动关联,满足模型对虚拟物体位姿求解的需求。提出基于模型元素的模型关键状态计算方法,满足模型运行需求。开发了应用案例,实验表明,模型可表达五种常见装配操作,满足装配培训需求。

基于LMIENet图像增强的矿井下低光环境目标检测方法

煤矿井下工作环境复杂,存在人造光源亮度低、粉尘多和水气密度大等不利因素,导致现有的目标检测算法在应用到煤矿井下时,存在提取特征困难、目标识别和定位精度低等问题。提出一种煤矿井下低照度环境目标检测算法,由矿井低光图像增强模块LMIENet和目标检测模块组成,使用图像增强模块对原始图像进行画质提升,恢复各类图像信息,再使用目标检测网络对增强图像进行特定目标检测,有效提高检测的精确度。在图像增强模块中,改进Zero-DCE算法设计轻量级增强参数预测网络,计算像素级增强参数矩阵,用于低光照图像的亮度调整和画质增强,该网络通过设计的非参考损失函数隐性衡量图像的增强效果,引导网络进行无监督学习,使网络能够不依赖配对数据集对原始图像进行自适应的画质增强。目标检测模块中,采用YOLO v8n目标检测模型,其轻量化的模型尺寸和高灵活性可避免模型整体复杂度过高;采用Focal-EIoU Loss改进回归损失函数,有效加速模型收敛并提升模型检测精度。实验结果显示:与经典目标检测算法Faster R–CNN,SSD,RetinaNet,FCOS等相比,提出算法在自建矿井人员数据集上表现出色,低光照环境下目标检测的mAP@0.5达到98.0%,mAP@0.5∶0.95达64.8%,在实验环境中单帧图像推理时间仅11 ms,优于其他对比方法,证明提出算法能够有效实现在煤矿井下低照度复杂环境下的目标检测,且耗时短、计算效率高。

基于Transformer和自适应特征融合的矿井低照度图像亮度提升和细节增强方法

高质量矿井影像为矿山安全生产提供保障,也有利于提高后续图像分析技术的性能。矿井影像受低照度环境的影响,易出现亮度低,照度不均,颜色失真,细节信息丢失严重等问题。针对上述问题,提出一种基于Transformer和自适应特征融合的矿井低照度图像亮度提升和细节增强方法。基于生成对抗思想搭建生成对抗式主体模型框架,使用目标图像域而非单一参考图像驱动判别器监督生成器的训练,实现对低照度图像的充分增强;基于特征表示学习理论搭建特征编码器,将图像解耦为亮度分量和反射分量,避免图像增强过程中亮度与颜色特征相互影响从而导致颜色失真问题;设计CEM-Transformer Encoder通过捕获全局上下文关系和提取局部区域特征,能够充分提升整体图像亮度并消除局部区域照度不均;在反射分量增强过程中,使用结合CEM-Cross-Transformer Encoder的跳跃连接将低级特征与深层网络处特征进行自适应融合,能够有效避免细节特征丢失,并在编码网络中添加ECA-Net,提高浅层网络的特征提取效率。制作矿井低照度图像数据集为矿井低照度图像增强任务提供数据资源。试验显示,在矿井低照度图像数据集和公共数据集中,与5种先进的低照度图像增强算法相比,该算法增强图像的质量指标PSNR、SSIM、VIF平均提高了16.564%,10.998%,16.226%和14.438%,10.888%,14.948%,证明该算法能够有效提升整体图像亮度,消除照度不均,避免颜色失真和细节丢失,实现矿井低照度图像增强。

现实何以“增强”:传统文化“双创”的AR景观生成及其场景叙事

数字媒介技术通过对场景的激活、配置与再造,使场景作为一种重要的叙事要素,深度参与文本的叙事进程。当场景上升为一种主导性的叙事要素与变量时,场景叙事便成为一种新兴的叙事形式。基于增强现实(AR)技术的场景叙事为推动中华优秀传统文化的创造性转化与创新性发展提供了一种有效的叙事方案。AR叙事本质上是一种增强场景叙事,即将AR技术生成的AR图像叠加到真实环境中,形成一种虚实融合的AR景观。传统文化“双创”的增强场景叙事,主要体现为三种“增强”方案:一是基于符号展示场景的增强情景叙事,即AR技术有助于重返文化发生的“现场”,并重构文化存在的“形式”;二是基于文化空间场景的增强位置叙事,具体包含AR地点景观、AR路线景观和AR区域景观的生成;三是基于日常生活场景的增强环境叙事,主要体现为情境式AR阅读、环绕式AR滤镜和沉浸式AR娱乐实践。

大直径盾构隧道纵向刚度增强措施研究

为研究不同环缝接头结构对盾构隧道纵向刚度的增强效果,采用等效连续化模型计算得到断面直径对隧道纵向拉压、纵向抗剪和纵向抗弯刚度的影响规律,将隧道纵向刚度增强措施与管片环缝接头结构相联系,采用数值模拟深入探究了9种环缝接头结构的力学性能,对比得到增强隧道纵向刚度效果最优的环缝接头结构。结果表明:直径对纵向拉压和纵向抗弯刚度影响较小,对纵向抗剪刚度影响较大;环缝接头刚度增强措施能够显著减小管片位移,提高隧道纵向刚度,提升效果为:斜螺栓>弯螺栓,定位榫>剪力销>凹凸榫;螺栓型式和纵向刚度增强措施均对螺栓最大剪切应力有较大影响,竖向荷载下受螺栓型式影响较大,水平向荷载下受管片环缝接头刚度增强措施影响较大;结合经济性和有效性,当接头螺栓为弯螺栓时,设置定位榫是一种相对较优的选择。

基于弱光增强与YOLO算法的锯链缺陷检测方法

在基于机器视觉的锯链缺陷实时检测过程中,油污、粉尘等因素影响图像亮度和质量,导致目标检测网络的特征提取能力下降。为保证复杂环境下锯链缺陷检测的准确率,本文设计了一种结合弱光增强和YOLOv3算法的锯链自动化缺陷检测方法。首先使用RRDNet网络自适应增强锯链图像亮度,恢复图像暗区的细节特征;然后采用改进YOLOv3算法对锯链零件进行缺陷检测,增加FPN结构特征输出图层,利用K-means聚类算法对先验框参数重新聚类,并引入GIoU损失函数来提高小目标的缺陷检测精度。最后搭建一套锯链缺陷在线检测系统,对所提方法进行验证。实验结果表明,该方法能够显著提高弱光环境下的锯链图像照度、恢复图像细节,改进YOLOv3算法的mAP值为92.88%,相比原始YOLOv3提高14%,最终系统整体的漏检率降低到3.2%,过检率也降低到9.1%。所提出的方法可实现弱光场景下锯链缺陷的在线检测,并且对多种缺陷有着较高的检测精度。

一种基于暗亮通道分割融合的低照度环境图像去尘雾及增强方法

受煤矿井下粉尘、水雾和低照度环境影响,对皮带运输系统的监测图像精准识别极为困难。针对现有去尘雾方法的图像处理结果和效率欠佳的问题,提出一种基于暗亮通道分割融合的低照度环境图像去尘雾及增强方法。首先利用阈值分割结合伽马变换修正通道差,解决因低照度环境影响导致的尘雾浓度较大区域与其他区域间像素值差异不明显的问题,修正后通过引导尘雾图像做引导滤波得到更加符合实际情况的全局大气光强;然后为解决暗通道先验在尘雾浓度较大区域失效问题,引入亮通道先验进行补充,使用通道分量来辅助暗通道及亮通道透射率融合,避免因多次分割而导致的边缘像素归属问题;最后将去雾后RGB图像转至HSV空间,对亮度分量进行直方图均衡化并将均衡化前后的亮度分量进行加权融合,采用客观指标评价,选择最优聚合权值进行聚合,同时考虑去雾过程中饱和度损失和亮度分量与饱和度分量间的相关性提出饱和度自适应矫正函数,对图像饱和度进行矫正,色调分量保持不变,随后将图像转回至RGB空间,得到亮度适中、信息保留丰富和色彩鲜艳的图像;为验证所提方法的有效性,采用主观视觉、客观指标和目标检测精度及置信度进行算法对比,实验结果表明所提方法在上述4个指标上均优于被对比算法,其图像细节保留丰富,图像视觉观感更佳。

动态增强MRI定量参数及肿瘤标记物对乳腺癌新辅助化疗疗效的评估价值分析

目的:探索动态增强磁共振成像(DCE-MRI)定量参数及肿瘤标记物对乳腺癌新辅助化疗疗效的评估价值。方法:选取2019年5月至2022年5月在济宁市第一人民医院接受新辅助化疗联合手术干预的75例乳腺癌患者,根据实体瘤疗效评价标准(RECIST)将其分为有效组(54例)和无效组(21例),比较化疗前和化疗后两组患者DCE-MRI定量参数血管外细胞外间隙容积比(V_(e))、速率常数(K_(ep))及容积转换常数(K^(trans))指标与肿瘤标志物癌胚抗原(CEA)、糖类抗原(CA125)及糖类抗原15-3(CA15-3)水平,采用受试者工作特征(ROC)曲线分析各项诊断方式预测效能。结果:化疗后,有效组患者DCEMRI定量参数Ve、K_(ep)及K^(trans)与无效组比较,差异有统计学意义(t=7.237、51.695、16.879,P<0.05)。有效组患者肿瘤标志物CEA、CA125及CA15-3与无效组比较,差异有统计学意义(t=44.201、6.736、6.885,P<0.05)。V_(e)、K_(ep)、K^(trans)、CEA、CA125及CA15-3的6项指标联合预测乳腺癌新辅助化疗疗效ROC曲线下面积(AUC)值为0.979,显著高于各项指标单独检测的AUC值,差异有统计学意义(Z=2.993、2.679、2.510、2.731、3.215、3.071,P<0.05)。结论:肿瘤标记物联合DCE-MRI定量参数可更好预测乳腺癌新辅助化疗疗效情况,间接评估预后。

基于双分支注意力U-Net的语音增强方法

针对语音增强网络对全局语音相关特征提取困难、对语音局部上下文信息的捕捉效果不佳的问题,提出了一种基于双分支注意力U-Net的时域语音增强方法,该方法使用U-Net编码器-解码器结构,将单通道带噪语音经过一维卷积后得到的高维时域特征作为输入。首先利用残差连接设计了基于Conformer的残差卷积来增强网络降噪的能力。其次设计了双分支注意力机制结构,利用全局和局部注意力获取带噪语音中更丰富的上下文信息,同时有效表示长序列特征,提取更多样的特征信息。最后结合时域频域损失函数构建了加权损失函数对网络进行训练,提高网络的语音增强性能。使用了多个指标对增强语音的质量和可懂度等进行评价,在公开数据集Voice Bank+DEMAND上的增强后的语音感知质量(PESQ)为3.11,短时可懂度(STOI)为95%,信号失真度(CSIG)为4.44,噪声失真测(CBAK)为3.60,综合质量测度(COVL)为3.81,其中PESQ相较于SE-Conformer提高了7.6%,相较于TSTNN提高了5.1%。实验结果表明,所提方法在语音降噪的各个指标都表现出更优的实验结果,能够完成语音增强任务的相关要求。

基于对抗生成的轻量化红外图像增强网络

目前,红外成像技术在医学、安保、环境监测、军事探测等方面获得了广泛应用。然而,由于低成本红外成像设备的固有缺陷及大气环境对热辐射传导的影响,导致其采集的图像亮度较暗、细节模糊、对比度低,影响后续图像语义分析及目标检测识别等任务。传统基于模型的红外图像增强方法常需利用图像先验信息,模型参数与场景相关,模型泛化能力不强;基于深度学习的红外图像增强算法有助于增强红外图像质量,但结构冗余,不利于边缘端部署。生成对抗网络(GAN)可以通过判别器和生成器两个网络的轮流对抗训练显著提升红外图像增强效果,但网络训练参数量大,边缘端部署占用资源多,运算复杂度高。本文设计了一种基于对抗生成的轻量化红外图像增强网络,通过在GAN模型的基础上增加多层次特征融合结构并设计多尺度损失函数,提升了特征提取效率并减少了网络层数,在提升图像质量的同时提高了增强效率,利于算法的边缘端部署。实验表明,本文方法在同等参数量下,通过添加多层次特征融合结构和多尺度损失函数,兼顾了图像的全局和局部特征,保证了细节信息不丢失,在提高网络性能的前提下未明显增加计算复杂度;在红外图像增强效果相当的情况下,模型参数量降低75.0%,边缘端设备推断时间降低32.07%。

增强CT定量参数诊断胃肠道间质瘤危险度的价值及与预后不良的关系

目的 研究增强CT定量参数诊断胃肠道间质瘤(gastrointestinal stromal tumor, GIST)危险度的价值及与预后不良的关系。方法 选取2020年3月-2022年3月收治的GIST 120例,根据术后危险度分级分为非高危组68例和高危组52例,比较2组术前增强CT定量参数,分析增强CT定量参数与GIST术后危险度的相关性,通过受试者工作特征曲线分析增强CT定量参数诊断GIST术后危险度的价值;并比较术后1年不同预后患者术前临床资料、增强CT定量参数,采用多因素Logistic回归分析GIST预后不良的影响因素。结果 高危组增强起始时间、达峰时间短于非高危组,增强强度值、强度半降时间高于或长于非高危组(P<0.01)。增强起始时间、达峰时间与GIST术后危险度呈负相关(r=-0.426、-0.470,P<0.01),增强强度值、强度半降时间与GIST术后危险度呈正相关(r=0.518、0.635,P<0.01)。增强起始时间、增强强度值、达峰时间、强度半降时间联合诊断GIST患者术后危险度为高危的曲线下面积大于单独参数诊断(P<0.05)。肿瘤直径、增强起始时间、增强强度值、达峰时间、强度半降时间是GIST患者术后预后不良的影响因素(P<0.01)。结论 GIST患者增强CT定量参数与术后危险度、预后密切相关,各定量参数诊断GIST患者术后危险度具有一定价值,且对患者预后评估具有一定指导意义。

子宫内膜癌增强MRI定量参数变化与临床特征的关系及对预后的预测价值分析

目的 探究子宫内膜癌(EC)增强MRI定量参数变化与临床特征关系,分析其对预后的预测价值。方法 选取2019年3月~2022年3月本院收治的EC患者98例作为研究组,另选同期子宫内膜良性病变患者98例作为对照组。比较两组增强MRI定量参数[速率常数(K_(ep))、容量转移常数(K^(trans))、血管外细胞外间隙容积比(V_(e))]。比较研究组不同临床特征患者增强MRI定量参数,分析其与临床特征相关性。比较研究组不同预后患者增强MRI定量参数,分析其对预后的预测价值。结果 研究组K_(ep)、K^(trans)、V_(e)高于对照组(P<0.05);K_(ep)、K^(trans)、V_(e)病理分期、淋巴结转移、宫颈间质累及情况、子宫肌层浸润深度呈正相关,而与分化程度呈负相关(p<0.05)预后不良者K_(ep)、K^(trans)、V_(e)高于预后良好者,且与预后不良显著相关(P<0.05);K_(ep)、K^(trans)、V_(e)联合预测预后不良的AUC大于各参数独独预测(P<0.05)。结论 EC患者增强MRI定量参数K_(ep)、K^(trans)、V_(e)升高,且与临床特征、预后密切相关,联合检测各参数对预后不良具有一定预测价值。

麦克风阵列语音增强技术在人工耳蜗中的应用

噪声环境下的言语识别是人工耳蜗使用者面临的一个难题,目前已提出了多种技术方法用于改善这一问题。麦克风阵列语音增强技术是其中之一,旨在通过改进人工耳蜗前端信号采集系统性能,提高信噪比提升人工耳蜗使用者噪声下的言语识别能力,具有较好的临床应用价值。本文介绍了麦克风阵列与语言增强技术的基本原理、临床应用效果、存在的问题和未来展望,以期为深入探索技术创新对改善人工耳蜗使用者噪声下言语可懂度提供参考。

基于增强CT影像组学预测食管鳞癌淋巴血管侵犯状态的价值

目的:探讨基于增强CT影像组学预测食管鳞癌(ESCC)淋巴血管侵犯(LVI)的价值。方法:回顾性搜集行根治性切除术并经术后病理证实的224例食管鳞癌患者,其中包括66例LVI阳性和158例LVI阴性患者。所有患者均在术前2周内进行胸部增强CT扫描。将入组的患者按照7:3的比例随机分为训练集和测试集。使用3D Slicer软件逐层勾画全肿瘤感兴趣区(ROI),采用Python软件的Pyradiomics包提取肿瘤组织的影像组学特征,建立影像组学模型用于预测食管鳞癌的LVI状态并进行验证。采用受试者工作特征(ROC)曲线的曲线下面积(AUC)、敏感度、特异度、准确度、阳性预测值和阴性预测值来评价影像组学模型的诊断效能,使用校准曲线评价影像组学模型在训练集和测试集中的拟合程度。使用决策曲线分析(DCA)评价影像组学模型的临床应用价值。结果:从全肿瘤ROI中提取了1130个组学特征,经过筛选最终保留了7个影像组学特征,并使用多因素logistic回归建立影像组学预测模型。在训练集中,影像组学模型预测LVI的AUC值为0.930,敏感度为0.851,特异度为0.919,准确度为0.899,阳性预测值为0.816,阴性预测值为0.936;在测试集中,AUC值为0.897,敏感度为0.789,特异度为0.787,准确度为0.788,阳性预测值为0.600,阴性预测值为0.902。校准曲线显示影像组学模型在训练集及测试集中的预测概率与实际概率的一致性良好。DCA曲线显示影像组学模型具有良好的临床应用价值。结论:基于增强CT构建的影像组学模型,能够在术前有效预测食管鳞癌的LVI状态。

纤维织物增强高延性混凝土加固RC短柱抗剪性能试验研究

为研究纤维织物增强高延性混凝土(TR-HDC)加固钢筋混凝土短柱的抗剪性能,设计了6根钢筋混凝土柱,包括2个对比柱和4个TR-HDC加固柱.通过低周反复荷载试验,对比分析剪跨比、纤维织物层数对试件破坏形态、变形、承载力和耗能能力的影响.结果表明:采用TR-HDC加固钢筋混凝土短柱,可显著提高其抗剪承载力;TR-HDC与原混凝土柱协同工作性能良好,加固后的混凝土柱的变形、承载力和耗能能力明显提高;增加纤维织物的层数对钢筋混凝土短柱的抗剪承载力提高幅度较小,但可大幅增强柱的耗能和变形能力;剪跨比较大时,更有利于发挥TR-HDC加固材料的力学性能.基于桁架-拱模型,提出TR-HDC加固钢筋混凝土短柱的抗剪承载力计算方法,计算结果较准确.

增强超声对囊性肾肿块的评估价值

目的探讨增强超声(CEUS)对囊性肾肿块的评估价值。方法选取2019年6月至2020年12月期间在上海中医药大学附属曙光医院行增强CT(CECT)扫描并被诊断为囊性肾肿块的80例患者进行前瞻性CEUS评估,按照2019版Bosniak分级进行评价。基于最终组织病理学和临床随访的结果,绘制受试者工作特征(ROC)曲线评估CEUS和CECT对良恶性囊性肾肿块的诊断效能,采用加权Kappa评估CECT和CEUS对良恶性囊性肾肿块诊断的内部一致性以及两种影像模式之间的一致性。结果80例患者的囊性肾肿块大小中位数为3.0cm,其中46例为良性病变,34例为恶性病变。CEUS对其敏感性和阴性预测值均达到100%,而特异性和阳性预测值均为73.9%;CECT对其敏感性和阴性预测值分别为88.2%和83.3%,特异性和阳性预测值分别为87%和90.9%。两种成像模式对良恶性病变诊断的内部一致性表现出相似的准确性(CEUS和CECT的kappa值分别为0.71和0.75)。在60例(占75%)患者中,CEUS和CECT对良恶性病变诊断之间的一致性达到了良好一致性(kappa=0.74)。结论CEUS与CECT在评估囊性肾肿块方面的准确性相当。CEUS可作为筛查工具用于排除复杂囊性肾肿块的存在,从而避免肾毒性对比剂和电离辐射的暴露。