电离层总电子含量(Total Electron Content,TEC)的监测与预报是空间环境研究的重要内容,对卫星通讯和导航定位等有重要意义.TEC值影响因素较多,很难确定精确物理模型来对其进行预测.本文设计了基于注意力机制的LSTM模型(Att-LSTM),采用...电离层总电子含量(Total Electron Content,TEC)的监测与预报是空间环境研究的重要内容,对卫星通讯和导航定位等有重要意义.TEC值影响因素较多,很难确定精确物理模型来对其进行预测.本文设计了基于注意力机制的LSTM模型(Att-LSTM),采用过去24小时TEC观测数据对未来TEC进行预测.选择北半球东经100°上,每2.5°纬度选择一个位置,共计36个位置来验证本文提出模型的性能,并与主流的深度学习模型如DNN、RNN、LSTM进行对比实验.取得了如下成果:(1)在选定的36个地区未来2小时单点预测上,基于本文的Att-LSTM模型的TEC预测性能明显优于其他对比模型;(2)讨论了纬度对Att-LSTM预测未来2小时TEC值时性能的影响,发现在北纬0°到60°之间,Att-LSTM预测性能随着纬度的升高而略有降低,在北纬62.5°~87.5°之间,模型预测性能出现扰动,预测效果略差;(3)讨论了磁暴期和磁静期模型的预测性能,发现无论是磁暴期还是磁静期,本文模型预测性能均较好;(4)还讨论了对未来多时点预测效果,实验结果表明,本文所提出的模型对未来2、4个小时的预测拟合度R-Square均超过0.95,预测结果比较可靠,对未来6、8、10个小时预测拟合度最高为0.7934,预测拟合度R-Square下降迅速,预测结果不可靠.展开更多
目的:探讨全膝关节置换术(total knee arthroplasty,TKA)术后的早期步态特征及临床结果。方法:自2023年2月到2023年7月采用TKA治疗单侧膝骨关节炎(knee osteoarthritis,KOA)患者26例,男4例,女22例;年龄57~85(67.58±6.49)岁;身体质...目的:探讨全膝关节置换术(total knee arthroplasty,TKA)术后的早期步态特征及临床结果。方法:自2023年2月到2023年7月采用TKA治疗单侧膝骨关节炎(knee osteoarthritis,KOA)患者26例,男4例,女22例;年龄57~85(67.58±6.49)岁;身体质量指数(body mass index,BMI)为18.83~38.28(26.43±4.15)kg·m^(-2);左膝14例,右膝12例;Kellgren-Lawrence分级,Ⅲ级6例,Ⅳ级20例;病程1~14(5.54±3.29)年。使用智能手机分别于术前、术后6周拍摄患者起立行走、行走侧拍、蹲起、仰卧屈膝的影像视频,通过人体姿势估计框架OpenPose分析步频、步长、步长时间、步速、膝关节主动屈膝角度、步幅、双下肢支撑相时间以及蹲姿中最大屈髋、屈膝角度。分别于术前及术后6周采用Western Ontario and McMaster大学骨关节炎指数(Western Ontario and McMaster Universities Osteiarthritis Index,WOMAC)评分和美国膝关节协会(Knee Society score,KSS)进行临床疗效评价。结果:所有患者获得随访,时间5~7(6.00±0.57)周。WOMAC总分由术前的(64.85±11.54)分,减少至术后6周的(45.81±7.91)分(P<0.001);KSS由术前(101.19±9.58)分,提高至术后6周的(125.50±10.32)分(P<0.001)。患侧步速、步频、步幅分别由术前的(0.32±0.10)m·s^(-1)、(96.35±24.18)步·分^(-1)、(0.72±0.14)m,提高至术后的6周的(0.48±0.11)m·s^(-1)、(104.20±22.53)步·分^(-1)、(0.79±0.10)m(P<0.05)。双下肢支撑时间和主动屈膝角度由术前的(0.31±0.38)s、(125.21±11.64)°,减少至术后6周的(0.11±0.04)s、(120.01±13.35)°(P<0.05)。术前可以完成蹲起动作的11例,术后6周可以完成的13例,术前和术后6周同时可以完成的9例。9例蹲姿最大屈膝角度由术前的76.29°~124.11°提高至术后6周的91.35°~134.12°,最大屈髋角度由术前的103.70°~147.25°提高至术后6周的118.61°~149.48°。结论:基于人工智能影像识别步态分析技术是一种安全、有效的方法可以定量识别出患者步态的变化。KOA患者在行TKA后膝关节疼痛缓解,功能得以改善,TKA术后患肢的支撑能力有所改善,患者的步频、步幅、步速得到了提升,双下肢整体运动节律更为协调。展开更多
文摘电离层总电子含量(Total Electron Content,TEC)的监测与预报是空间环境研究的重要内容,对卫星通讯和导航定位等有重要意义.TEC值影响因素较多,很难确定精确物理模型来对其进行预测.本文设计了基于注意力机制的LSTM模型(Att-LSTM),采用过去24小时TEC观测数据对未来TEC进行预测.选择北半球东经100°上,每2.5°纬度选择一个位置,共计36个位置来验证本文提出模型的性能,并与主流的深度学习模型如DNN、RNN、LSTM进行对比实验.取得了如下成果:(1)在选定的36个地区未来2小时单点预测上,基于本文的Att-LSTM模型的TEC预测性能明显优于其他对比模型;(2)讨论了纬度对Att-LSTM预测未来2小时TEC值时性能的影响,发现在北纬0°到60°之间,Att-LSTM预测性能随着纬度的升高而略有降低,在北纬62.5°~87.5°之间,模型预测性能出现扰动,预测效果略差;(3)讨论了磁暴期和磁静期模型的预测性能,发现无论是磁暴期还是磁静期,本文模型预测性能均较好;(4)还讨论了对未来多时点预测效果,实验结果表明,本文所提出的模型对未来2、4个小时的预测拟合度R-Square均超过0.95,预测结果比较可靠,对未来6、8、10个小时预测拟合度最高为0.7934,预测拟合度R-Square下降迅速,预测结果不可靠.
文摘目的:探讨全膝关节置换术(total knee arthroplasty,TKA)术后的早期步态特征及临床结果。方法:自2023年2月到2023年7月采用TKA治疗单侧膝骨关节炎(knee osteoarthritis,KOA)患者26例,男4例,女22例;年龄57~85(67.58±6.49)岁;身体质量指数(body mass index,BMI)为18.83~38.28(26.43±4.15)kg·m^(-2);左膝14例,右膝12例;Kellgren-Lawrence分级,Ⅲ级6例,Ⅳ级20例;病程1~14(5.54±3.29)年。使用智能手机分别于术前、术后6周拍摄患者起立行走、行走侧拍、蹲起、仰卧屈膝的影像视频,通过人体姿势估计框架OpenPose分析步频、步长、步长时间、步速、膝关节主动屈膝角度、步幅、双下肢支撑相时间以及蹲姿中最大屈髋、屈膝角度。分别于术前及术后6周采用Western Ontario and McMaster大学骨关节炎指数(Western Ontario and McMaster Universities Osteiarthritis Index,WOMAC)评分和美国膝关节协会(Knee Society score,KSS)进行临床疗效评价。结果:所有患者获得随访,时间5~7(6.00±0.57)周。WOMAC总分由术前的(64.85±11.54)分,减少至术后6周的(45.81±7.91)分(P<0.001);KSS由术前(101.19±9.58)分,提高至术后6周的(125.50±10.32)分(P<0.001)。患侧步速、步频、步幅分别由术前的(0.32±0.10)m·s^(-1)、(96.35±24.18)步·分^(-1)、(0.72±0.14)m,提高至术后的6周的(0.48±0.11)m·s^(-1)、(104.20±22.53)步·分^(-1)、(0.79±0.10)m(P<0.05)。双下肢支撑时间和主动屈膝角度由术前的(0.31±0.38)s、(125.21±11.64)°,减少至术后6周的(0.11±0.04)s、(120.01±13.35)°(P<0.05)。术前可以完成蹲起动作的11例,术后6周可以完成的13例,术前和术后6周同时可以完成的9例。9例蹲姿最大屈膝角度由术前的76.29°~124.11°提高至术后6周的91.35°~134.12°,最大屈髋角度由术前的103.70°~147.25°提高至术后6周的118.61°~149.48°。结论:基于人工智能影像识别步态分析技术是一种安全、有效的方法可以定量识别出患者步态的变化。KOA患者在行TKA后膝关节疼痛缓解,功能得以改善,TKA术后患肢的支撑能力有所改善,患者的步频、步幅、步速得到了提升,双下肢整体运动节律更为协调。