面向汽车安全的中国体征50^(th)百分位男性乘员生物力学模型开发及验证

汽车安全领域的智能化和数字化发展都急需能代表真实人体特征的生物力学计算模型。本文以最新中国成年人人体尺寸标准为依据,开发具有自主知识产权的50^(th)百分位中国男性体征汽车乘员生物力学模型(TUST IBMs M50-O)。通过重构3组正面钝性冲击、5组侧面钝性冲击和3组整人滑车尸体及志愿者试验,模拟C-NCAP可变形移动壁障侧面碰撞试验,多角度、全方位验证所开发模型的有效性及应用价值。结果表明:11组重构试验数据均在相应的尸体及志愿者试验通道内,平均差异在10%左右,验证了模型的有效性。TUST IBMs M50-O与WorldSID 50^(th)假人模型在侧面碰撞中的运动趋势相同,但TUST IBMs M50-O模型上肢对胸部的挤压,使得胸椎T4和T12质心合成加速度峰值达到43.5g和47.3g,高于WorldSID 50th模型峰值38.5g和41.2g。同时,TUST IBMs M50-O模型也从应力应变角度评估人体组织层面的损伤风险。综上,TUST IBMs M50-O模型展现了类似真实人体的高生物逼真度,可用于组织层面的损伤机理研究,也可为智能汽车安全防护装置及智能高端装备领域产品研发、汽车虚拟测评提供可靠的计算工具和技术支撑。

基于Resnet-101模型的烟蚜数量图像识别系统开发

烟蚜是危害烟草生长的主要害虫之一.烟蚜发生量的准确识别及为害程度的精准分级对指导防控至关重要.本研究通过采集烟草生长过程中烟蚜在烟株上发生数量的图片,补充图像采用锐化、翻转、亮度改变等数据增强方法,构建了烟蚜危害作物图像数据集.并对烟蚜数量图片进行3级分类,分为轻度发生、中度发生、重度发生.采用Resnet-101模型进行图像识别训练.根据模型参数结果表明,在Resnet-101训练周期中训练集准确率平均值为85.49%,最高值为87.33%;测试集准确率平均值为80.13%,最高值为89.92%;识别系统在烟草蚜虫数量识别方面平均准确率为83.00%.本研究实现烟蚜数量等级图像识别,为烟草虫害自动化防治系统的开发提供模型支撑.

基于血清CA50、TSGF、TPA的中晚期乳腺癌放化疗敏感性列线图预测模型的建立与评价

目的探究血清糖类抗原50(CA50)、肿瘤特异性生长因子(TSGF)、组织多肽抗原(TPA)表达对中晚期乳腺癌放化疗敏感性的预测价值,通过建立列线图模型进行验证与评价。方法选取82例中晚期乳腺癌患者为研究对象,所有患者均接受紫杉醇化疗联合放疗,根据实体瘤疗效评价标准分为敏感组(n=57)和不敏感组(n=25)。统计2组患者的一般资料,治疗前后血清CA50、TSGF、TPA表达水平及差值,构建列线图模型,绘制校准曲线、受试者操作特征(ROC)曲线、决策曲线,评估列线图模型的预测效能和临床效用。结果2组比较,肿瘤直径、脉管侵犯、TNM分期、淋巴结转移、分化程度的差异有统计学意义(P<0.05)。治疗后不敏感组血清CA50、TSGF、TPA表达水平高于敏感组,CA50、TSGF、TPA差值低于敏感组(P<0.05)。将上述有统计学差异的因素纳入LASSO回归,选出3个预测变量,分别为CA50、TSGF、TPA差值。logistic回归显示,CA50、TSGF、TPA差值是中晚期乳腺癌放化疗敏感性的影响因素(P<0.05);基于CA50、TSGF、TPA差值构建列线图模型,校准曲线、ROC曲线、决策曲线显示该模型具有良好的预测精准度和临床效用。结论中晚期乳腺癌放化疗不敏感的患者治疗后血清CA50、TSGF、TPA表达水平较高,且三者差值是影响放化疗敏感性的因素。基于血清CA50、TSGF、TPA构建的列线图预测模型具有良好的预测价值和临床效用。

基于改进ResNet-50与迁移学习的苹果叶片病害的图像识别

为解决下述问题,在自然场景中获取的苹果叶病害图像大多包含复杂的背景,同时,由于拍摄要求不那么严格,疾病特征更有可能出现在图像中的任意位置,所有这些因素都会影响卷积神经网络的识别精度,且随着网络加深其性能提升困难。提出了一种基于改进ResNet-50的苹果叶片病害识别方法。首先引入SE(squeeze-and-excitation)注意力机制,改进残差模块,在一定程度上去除复杂背景等干扰信息,另一方面降低模型对特征定位的过度敏感度,使模型能够学习更重要的疾病特征,减少复杂背景等信息的干扰,然后加入Dropout层抑制过拟合改进模型结构,最后采用迁移学习的训练方式加快模型的收敛速度。在苹果叶病数据集上的实验结果表明,改进模型的准确率达到98.35%,较ResNet-50提高5%。与其他一些传统的卷积神经网络相比,该模型收敛速度更快,具有更高的识别精度,能够较好地识别苹果叶片病害,适用于自然场景下获取的苹果叶病图像等优点,具有较强的实用性。

基于ResNet-50的珍珠龙胆石斑鱼饱食程度分析研究

鱼类养殖生产中,饲料成本占养殖成本的40%以上,目前多采用人工对养殖鱼类进行饵料投喂,该方法依赖于养殖人员经验,无法精确控制饵料的投喂量,易导致饲料浪费和环境污染。文章首先以珍珠龙胆石斑鱼为实验对象,提出了鱼群摄食饱食程度分析方法,通过实验设计了一种新的投喂策略并用于数据集采集;其次,在ResNet-50网络模型的基础上,使用摄食定量分析数据集,验证模型能够根据不同投喂次数下的摄食强度来判断其当前的饱食程度;最后,基于摄食强度的养殖鱼类摄食定量分析,以93.8%的准确度,将饱食程度区分为20%、40%、60%、80%和100%。该研究成果有助于提高水产养殖的经济效益和鱼类生长速度,为科学养殖策略提供技术支持,为工厂化养殖的生产实践提供了参考。

Fama五因子模型在中国上证50成分股适用性的实证研究

本文依据Fama-French (2015)最新提出的五因子模型,选取我国上证50成分股公司2015年1月至2022年12月的月度收益率数据进行实证检验。结果表明,使用五因子模型对上证50成分股的分析比使用三因子模型具有更好的解释能力,同时发现其存在规模效应、账面市值比效应、盈利效应和投资效应都较为显著。虽然五因子模型对样本具有较明显的适用性,但是其解释能力仍然有限,需要我国加强对上证50成分股公司的信息披露、提高投资主体的素质、加强监管以提高定价效率。研究结果不仅能够丰富完善资产定价模型的理论体系,而且能够根据实证结果分析上证50成分股的收益率的影响因素,帮助投资者制定科学合理的投资策略。

垂直振动成型CTB-50水泥稳定碎石抗压强度增长规律及预测模型

为表征最大粒径为53 mm水泥稳定碎石(CTB-50)的抗压强度,评价了垂直振动试验方法(VVTM)的可靠性,研究了水泥稳定碎石抗压强度随水泥掺量、龄期的增长规律,建立了抗压强度增长方程及预测模型,并分析了级配类型对抗压强度的影响。结果表明:VVTM试件抗压强度与试验段芯样相关性较高,可达91%左右;抗压强度随水泥掺量增加呈线性增大,在养护初期强度增长较快,60 d后强度趋于稳定;建立的抗压强度增长方程、预测模型与试验结果相关系数分别不小于0.982、0.976,预测值误差绝对值分别小于3%、6%;CTB-50的初始、极限抗压强度分别约为传统水泥稳定碎石(CTB-30)的1.25倍、1.09倍,相同的强度控制指标下,CTB-50可减少水泥用量,有利于降低工程造价,减少基层裂缝。

基于ResNet-50深度卷积网络的果树病害智能诊断模型研究

[目的/意义]果树病害危及农业生产安全,运用人工智能技术帮助果农及时准确地识别果树病害对保障农业安全生产具有重要意义。[方法/过程]采用10000张果树叶片病斑图像数据集,通过旋转、污化、增噪、切割等图像增强手段,提高样本图像的多样性;使用ResNet-50深度卷积网络模型,进行机器学习,获得果树病害识别模型,并基于此模型开发了应用软件提供在线诊断服务。[结果/结论]实验结果表明:该模型对4种果树病害的平均识别率达到92.9%,和相关研究成果相比具有较好的诊断效果。

基于前景理论框架和Heston模型的行为期权定价

行为期权定价是当前国际金融领域的热门研究主题之一。虽然随机波动率模型已成为国际衍生品定价领域的标准模型,但该模型对短到期期权(尤其是虚值期权)的定价仍不准确,其原因之一是传统的期权定价方法忽略了现实市场中的非理性心理和行为因素。针对上述问题,本文运用前景理论期权定价框架,引入价值函数来刻画投资者面对收益与损失的前景价值判断,引入决策权重函数来修正Heston随机波动率模型刻画的资产价格路径的概率密度函数,将期权合约签订与交割的现金流视为分散的心理账户情形,在市场均衡条件下推导出Heston模型下欧氏行为期权的定价公式。上证50ETF期权的实证结果表明:考虑了前景理论的Heston随机波动率模型,能显著地提升短到期虚值期权的定价准确度;参数校正结果发现,定价性能的提升要归因于Heston模型中纳入的表征非理性心理与情绪的行为参数;相对而言,投资者对实值期权的风险态度偏中性,因此行为参数对其定价精度的提升有限。

基于ResNet50改进模型的图像分类研究

针对深度学习中残差网络ResNet50存在的信息丢失、特征提取不充分、网络过拟合和训练困难等问题,文中提出一种基于改进ResNet50的图像分类算法。针对残差网络ResNet50在提取特征时存在丢失输入特征映射情况,造成信息丢失的问题,对主干网络中Stage4的下采样块添加平均池化层,进一步提高网络特征提取能力;针对ResNet50训练过程中存在网络过拟合以及泛化能力差的问题,使用标签平滑方法对交叉熵损失函数进行修改,有效缓解网络损失值震荡幅度;针对ResNet50计算量大、训练困难的问题,使用混合精度和余弦退火衰减方法对模型进行训练,在加快网络收敛速度的同时提高模型的分类精度。实验结果表明,与原ResNet50网络相比,文中算法在ImageNet-1k数据集上Top1和Top5的精度分别提升3.2%和1.6%,能够更好地应用于图像分类任务。

基于RAdam算法优化ResNet50模型膏体图像识别方法研究

膏体图像识别是监测膏体质量的一种有效方法,据此提出了一种基于RAdam算法优化ResNet50模型膏体图像识别方法,可实现膏体状态的高精度识别。通过收集尾砂悬液在浆体、膏体、滤饼等3种状态下的图像,经过图像预处理和数据集划分,结合迁移学习的方法,对卷积神经网络的AlexNet模型、VGG16模型、VGG19模型和ResNet50模型进行预训练,对比4种模型的识别准确率和损失值,确定最佳模型;采用Adam算法和RAdam算法对模型进行优化,对比两种优化器的识别结果;利用优化模型对矿山现场图像进行识别,验证模型精度。研究结果表明:4种经典卷积神经网络模型在膏体图像识别中均有较好表现,ResNet50模型性能最佳。基于RAdam算法优化ResNet50模型收敛速度更快,识别精度更高。基于RAdam算法优化ResNet50模型膏体图像识别精度可达99.24%,可实现膏体图像的高精度识别。

基于ResNet50微调网络模型的混凝土表面裂缝缺陷识别方法

为精准高效地识别混凝土表面裂缝缺陷,提出了一种基于ResNet50微调网络模型的混凝土表面裂缝缺陷识别方法。首先,在数据准备阶段,通过光照变换、裁剪和翻转来有效扩增数据集;其次,通过微调全连接层和微调卷积层来构建适用于混凝土表面裂缝缺陷识别的ResNet50微调网络模型;最后,通过ResNet50微调网络模型在混凝土表面裂缝缺陷图像数据集上进行了定性和定量的实验仿真。实验结果验证了所提出微调网络模型在混凝土表面裂缝缺陷任务上的实用性和有效性。

50%苍耳子酊治疗局限性白癜风的临床观察及不同浓度苍耳子煎剂用于白癜风小鼠模型的实验结果分析

目的:探讨50%苍耳子酊治疗局限性白癜风的临床疗效,以及不同浓度苍耳子煎剂对白癜风小鼠模型的复色作用。方法:(1)随机选取门诊局限性白癜风患者44例,分为治疗组和对照组,每组22例。对照组外用50%补骨脂酊治疗,治疗组外用50%苍耳子酊治疗,治疗12周后进行疗效判定。(2)将30只小鼠随机分为空白对照组、模型组、低浓度组(5%苍耳子煎剂)、中浓度组(10%苍耳子煎剂)、高浓度组(20%苍耳子煎剂)、阳性对照组(补骨脂提取液,0.24 g生药/kg),每组6只,除空白对照组外,均进行白癜风造模,干预28 d后进行组织切片黑素细胞观察。结果:(1)44例患者均完成本研究,治疗组愈显率为50.0%(11/22),总有效率为81.8%(18/22);对照组愈显率为59.1%(13/22),总有效率为86.4%(19/22)。两组患者愈显率及总有效率比较,差异无统计学意义(P>0.05)。不良反应:治疗组出现瘙痒1例、局部红斑1例,不良反应发生率为9.1%(2/22);对照组出现皮肤水疱3例、局部红斑瘙痒5例,3例发生水疱者停药1周后继续完成治疗,不良反应发生率为36.4%(8/22)。治疗组不良反应发生率低于对照组,差异有统计学意义(P<0.05)。(2)取小鼠背部造模处皮损组织切片HE染色后发现,在100倍及400倍镜下,高浓度(20%)苍耳子煎剂和阳性对照组在同一个视野下黑素细胞数量相当,说明苍耳子有较好的复色作用。结论:(1)50%苍耳子酊治疗局限性白癜风不良反应较小,临床疗效显著。(2)苍耳子煎剂对白癜风小鼠模型有较好的复色作用,且高浓度苍耳子煎剂的复色作用较中、低浓度苍耳子煎剂更优。

基于m5C相关基因构建三阴性乳腺癌预后预测模型及药物敏感性分析

为了探讨5-甲基胞嘧啶(5-methylcytosine,m5C)相关基因在三阴性乳腺癌(triple negative breast cancer,TNBC)患者治疗及预后中的潜在价值,构建了基于m5C相关基因的预后预测模型,用于评估TNBC患者的预后和生存状况。从基因表达总库(gene expression omnibus,GEO)数据库和癌症基因组图谱(the cancer genome atlas,TCGA)数据库中下载TNBC基因表达谱和相应的临床数据。通过Pearson分析确定了99个m5C相关基因,进一步采用单因素Cox分析鉴定出5个与预后有关的m5C相关基因(SLC6A14、BCL11A、UGT8、LMO4、PSAT1)并构建了风险评分(risk score)预测模型,根据风险评分中位值将患者划分为高风险组和低风险组。使用Kaplan-Meier(K-M)生存分析、受试者工作特征(receiver operating characteristic,ROC)曲线、多变量Cox回归分析、构建列线图和校准曲线评估了模型的预测效能。训练集和验证集的K-M生存曲线、受试者工作特征曲线下面积(area under the curve,AUC)分析均验证了模型具有良好的预测能力。多变量Cox回归分析显示,风险评分可作为独立的预后生物标志物。使用ssGSEA、免疫评分分析和化疗药物对高低风险组患者的半最大抑制浓度(half maximal inhibitory concentration,IC50)值差异分析显示,免疫细胞和免疫检查点基因以及大多数化疗药物的IC50值在不同风险组之间的表达存在显著差异。研究结果构建了基于5个m5C相关基因的风险评分预后预测模型,这将有助于阐明TNBC中m5C相关基因的作用机制,进而提供更有价值的预后及诊断的生物标志物和潜在的治疗靶点,为TNBC患者临床个性化治疗提供理论指导。

基于Markov-switching GARCH模型的上证50ETF期权定价分析

上证50ETF由于其组合资产的对冲,其资产面临的主要是系统风险,通过马尔可夫结构转换GARCH模型(MS-GARCH模型)准确预判上证50ETF波动状态后对其实施风险管理。首先,根据MS-GARCH模型稳态分类方法对上证50ETF波动率划分3个波动区间;其次,将波动率以滚动窗口形式带入Black-Scholes期权定价模型;最后,运用均方误差、对称平均绝对百分比误差等确定最优模型。实证结果表明:拟合和预测期权价格得到MS-GARCH模型优于GARCH模型。通过准确预判上证50ETF波动状态,在高波动状态情行下可以对上证50ETF提前做好风险管理措施,为金融组合资产系统风险管理提供一个很好的参考依据。

基于改进DeepLabCut模型的奶牛滑蹄检测方法

[目的/意义]为解决奶牛在行走过程中出现滑蹄姿态无法自动识别检测的问题,基于深度学习的方法对奶牛身体关键点进行定位分析,实现对奶牛滑蹄姿态的自动检测。[方法]选取奶牛四蹄及头部作为奶牛身体关键点,基于DeepLabCut(DLC)对奶牛四蹄及头部关键点进行定位,首先选取ResNet系列、MobileNet-V2系列、EfficientNet系列等10个网络模型替换DLC的主干网络,最终选取准确率最高的ResNet-50作为DLC的主干网络,随后选择轻量级的卷积块注意力模块(Convolutional Block Attention Module,CBAM)嵌入ResNet-50的网络结构中,完成对ResNet-50网络模型的改进。通过改进后的模型得到奶牛身体关键点坐标,绘制奶牛四蹄及头部运动曲线。利用奶牛身体关键点运动曲线进行分析,提取奶牛滑蹄姿态的特征参数Feature1、奶牛滑蹄距离的特征参数Feature2。基于决策树对提取的奶牛滑蹄姿态特征参数进行模型的训练和验证。利用提取的奶牛滑蹄特征参数对奶牛的滑蹄距离进行计算,同时人工对奶牛滑蹄距离进行标定,与预测的滑蹄距离进行比较。[结果和讨论]改进后的ResNet-50网络相较于ResNet-50在验证集的定位准确率提高了9.7%,相较于YOLOv8s-pose的定位精准度提高了1.06 pixels,与手动标识的身体关键点之间的均方根误差(Root Mean Square Error,RMSE)仅为2.99 pixels。采用10折交叉验证对奶牛滑蹄检测模型的效果进行评估,结果表明,该模型的平均准确率、精确度、召回率和F1分数分别为90.42%,0.943,0.949和0.941。基于特征参数Feature2计算的奶牛滑蹄距离与人工标定奶牛滑蹄距离的RMSE仅为1.363 pixels。[结论]融合CBAM模块改进的ResNet-50网络模型对奶牛身体关键点定位的准确率较高,基于滑蹄判断特征参数Feature1和滑蹄距离检测特征参数Feature2建立的奶牛滑蹄判断模型和奶牛滑蹄距离预测模型与人工检测的结果相比,都有较小的误差,这表明该方法有较好的准确性,可以为奶牛滑蹄自动检测工作提供技术支持。

新冠疫情前后上证50指数波动率特征变化研究——基于HAR族模型的实证分析

本文选取2015年至2022年共1849个交易日的上证50指数波动率数据,并以2020年1月1日为新冠疫情分界点,检验疫情前后波动率特征的变化。基于已实现波动率等高频数据,分别运用HAR-RV-J、HAR-RV-CJ、HAR-RV-RS-I等HAR族模型检验了新冠肺炎疫情前后上证50指数波动率的跳跃性、杠杆效应以及投资者情绪对波动率影响的变化。结果显示:新冠疫情发生以后上证50指数波动跳跃性减弱、杠杆效应减弱,投资者情绪对波动率影响存在小幅度提升。

基于卷积神经ResNet50残差网络的岩石图像岩性识别研究

深度学习卷积神经网络算法广泛应用于岩石图像的岩性识别。结合卷积神经残差ResNet50网络,构建了岩石图像岩性识别模型,并依据定义的损失函数进行了网络模型的参数调优与验证;通过构建的识别模型对岩石图像岩性进行了预测,并根据识别结果进行了误差原因分析。研究表明:以深度卷积神经ResNet50残差网络为基础,按照训练集、测试集、验证集8∶1∶1的比例可以进行岩性预测模型的构建与参数调优,从而实现岩石图像的岩性预测;结合项目实例构建了黑云母花岗闪长岩、变质砂岩、石英岩、黑云母花岗岩等四种岩性的岩石图像岩性识别模型;模型的识别准确率,除构造节理发育的破碎岩体较低外,一般可达75%~90%;岩石图像识别结果的准确率受岩体构造裂隙发育及岩石图像质量影响较大,可以通过增加训练样本数量来提高识别结果准确率。

生物标志物联合大蜡螟感染模型在鉴别临床高毒力肺炎克雷伯菌中的应用

目的探讨生物标志物检测联合大蜡螟感染模型准确鉴别临床高毒力肺炎克雷伯菌(hvKP)的应用价值。方法非重复收集2020年1月至2021年12月徐州医科大学附属医院分离自重症监护室患者的肺炎克雷伯菌,经拉丝实验和毒力基因检测鉴定出生物标志物阳性的肺炎克雷伯菌,并进行荚膜血清分型和多位点序列分型。使用标准菌株ATCC700603、ATCC43816建立大蜡螟感染模型,将临床分离的肺炎克雷伯菌分别制作4个不同浓度的菌液进行大蜡螟感染试验,每12小时记录死亡情况,绘制生存曲线并计算72 h 50%致死量(LD_(50))。结果共收集15株hvKP,检出3种血清型,分别为K1 ST23型(13.3%,2/15)、K64 ST11型(60.0%,9/15)、K112 ST15型(26.7%,4/15)。K1和K64型的菌株均含有rmpA、rmpA2、iucA和iroN 4个毒力基因,而K112型的4株均只含有rmpA2和iucA 2个毒力基因。K64 ST11型和K112 ST15型菌株均对碳青霉烯类抗菌药物耐药。大蜡螟能够区分出高毒力和低毒力肺炎克雷伯菌,当菌液浓度分别为1×10^(5) CFU/mL、1×10^(6) CFU/mL、1×10^(7) CFU/mL、1×10^(8) CFU/mL时,ATCC700603和ATCC43816对应浓度比较,差异有统计学意义(P=0.0001、0.0023、0.0245、0.0428)。未做任何处理的空白对照和注射了磷酸盐缓冲液的大蜡螟均存活,随着菌液浓度的升高,大蜡螟的病死率也随之升高。与高毒力标准菌株ATCC43816相同,K1、K64、K112型临床菌株均表现出高致死率,当菌液浓度在1×10^(7)~1×10^(8) CFU/mL时,所有大蜡螟在48 h内死亡。1×10^(6) CFU/mL的菌液可区分出hvKP和cKP,差异均有统计学意义(P<0.05)。ATCC700603、ATCC43816、K1型、K64型、K112型和cKP在72 h的LD_(50)分别为5.2×10^(6) CFU/mL、6.8×10^(4) CFU/mL、1.0×10^(4) CFU/mL、1.0×10^(4) CFU/mL、3.1×10^(4) CFU/mL、1.6×10^(6) CFU/mL,对应的Log10LD_(50)分别为6.718、4.834、3.987、3.987、4.504、6.212,临床分离的K1型、K64型、K112型肺炎克雷伯菌均可被定为高毒力菌株。结论生物标志物联合大蜡螟感染模型,可以准确实现临床经典肺炎克雷伯菌和高毒力肺炎克雷伯菌的鉴别。

上证50ETF期权推出对股票市场波动性的影响研究

随着我国股票市场的不断发展,市场投资者规模逐年递增,市场交易量逐年扩大,金融衍生品的种类也随之增多。2015年2月9日上海证券交易所推出了我国第一个股指期权,上证50ETF期权,由于其出色的风险管理能力以及高杠杆性被广泛投资者高度关注。对于期权上市对股票市场的影响,一些学者认为其能够降低股票市场波动性,也有一些学者认为它对股票市场波动性没有显著影响。在此背景下,本文通过选用2009年2月9日至2021年2月9日上证50指数、沪深300指数、东方财富全A指数的日收盘价数据作为研究对象,并对数据进行分组,同时结合GARCH模型对比分析上证50ETF期权上市前后股票市场波动性的变化,最终得出上证50ETF期权上市后能够降低股票市场波动性这一结论,并给出相应建议。