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IN...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。展开更多
目的探讨距骨骨软骨损伤(osteochondral lesions of the talus,OLT)软骨基质金属蛋白酶-1(matrix metalloproteinase-1,MMP-1)的表达与磁共振T2值之间的关系及其在距骨骨软骨损伤的机制。材料与方法收集30例踝关节距骨骨软骨损伤行微创...目的探讨距骨骨软骨损伤(osteochondral lesions of the talus,OLT)软骨基质金属蛋白酶-1(matrix metalloproteinase-1,MMP-1)的表达与磁共振T2值之间的关系及其在距骨骨软骨损伤的机制。材料与方法收集30例踝关节距骨骨软骨损伤行微创治疗术患者及30名健康志愿者,均行3.0 T常规踝关节磁共振成像(magnetic resonance imaging,MRI)及T2-mapping功能成像,测量距骨软骨T2值。术后离体距骨骨软骨行苏木精-伊红染色(hematoxylin-eosin staining,HE)和Western Blot法分析距骨骨软骨MMP-1的表达,统计学分析距骨骨软骨T2值与MMP-1蛋白表达的相关性。结果距骨骨软骨损伤以内中侧最为多见(磁共振6分区法),距骨骨软骨T2值随软骨损伤Mankin分级明显增大(P<0.05)。软骨MMP-1蛋白表达高级别与低级别差异明显(P<0.05)。软骨T2值与软骨MMP-1表达呈线性相关趋势,Pearson分析距骨骨软骨损伤T2值增加与MMP-1蛋白表达增加呈直线性正相关(r=0.821,P<0.0001)。结论距骨骨软骨损伤以内中侧最为多见,距骨骨软骨磁共振T2值随软骨损伤分级逐级递增;距骨骨软骨损伤磁共振T2值与MMP-1蛋白表达呈正相关,距骨骨软骨磁共振T2-mapping功能成像T2值定量分析可在体、无创性预测不同级别软骨损伤MMP-1蛋白的表达含量,为临床治疗OLT提供影像学定量依据。展开更多
文摘背景:腰椎小关节炎是引起下腰痛的一个主要原因,目前主要依靠MRI进行初步定性诊断,但仍有一定漏诊、误诊的概率发生,因此MR T2^(*)mapping成像技术有望成为定量检查腰椎小关节炎软骨损伤的重要检测手段。目的:探讨MR T2^(*)mapping成像技术在定量分析腰椎小关节炎软骨损伤退变中的应用价值。方法:收集南京医科大学第四附属医院2020年4月至2022年3月门诊或住院合并下腰痛共110例患者,设为病例组;同时招募无症状志愿者80例,设为对照组。对所有纳入对象L1-S1的小关节行3.0 T MR扫描,获取T2^(*)mapping横断位图像和T2WI图像,分别对所有小关节软骨进行Weishaupt分级及T2^(*)值测量,收集数据并行统计学分析。不同小关节Weishaupt分级之间小关节软骨T2^(*)值比较采用单因素方差分析。结果与结论:①经统计分析发现,病例组腰椎小关节软骨T2^(*)值(17.6±1.5)ms明显较对照组(21.4±1.3)ms降低,差异有显著性意义(P<0.05);②在病例组中,随着腰椎小关节Weishaupt分级增加,小关节软骨T2^(*)值也呈逐渐下降趋势,且这种差异有显著性意义(P<0.05);③提示T2^(*)mapping能够较好地显示腰椎小关节软骨损伤的早期病理变化,腰椎小关节软骨的T2^(*)值能够定量评估腰椎小关节的软骨损伤程度;T2^(*)mapping成像技术能为影像学诊断腰椎小关节炎软骨早期损伤提供很好的理论依据,具有重要的临床应用价值。
文摘针对火电机组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。