X线联合超声Logistic模型预测乳腺癌腋窝淋巴结转移的价值分析

目的分析与乳腺癌腋窝淋巴结转移相关的X线和超声征象,构建Logistic回归模型并评估其对术前预测腋窝淋巴结状态的临床价值。方法选取2015年1月至2022年1月高密市人民医院收治的312例原发性乳腺癌患者作为研究对象,根据是否发生腋窝淋巴结转移(ALNM)分为转移组(n=141)与未转移组(n=171)。所有患者均行X线及超声检查,比较未转移组与转移组乳腺浸润性导管癌的X线征象、超声征象,采用多因素Logistic回归分析ALNM的影响因素;绘制ROC曲线分析X线、超神征象及Logistic回归模型预测乳腺癌腋窝淋巴结转移的价值。结果两组X线原发灶长径、皮肤增厚、乳头回缩、淋巴结门和淋巴结密度比较差异有统计学意义(P<0.05),两组象限位置、钙化和边缘毛刺比较差异无统计学意义;两组超声原发灶长径、淋巴结皮髓质分界和淋巴结皮质比较差异有统计学意义(P<0.05),两组原发灶高回声晕、后场回声、血流分级和纵横比比较差异无统计学意义。多因素Logistic回归分析结果显示,X线征象的乳房皮肤增厚征象、超声淋巴结皮质增厚征象是乳腺浸润性导管癌患者发生ALNM的独立危险因素(P<0.05)。ROC曲线分析结果显示,X线乳房皮肤增厚征象和超声征象的淋巴结皮质增厚预测淋巴结转移的AUC分别为0.652(95%CI:0.589~0.714)、0.725(95%CI:0.666~0.784),模型预测ALNM的AUC为0.795(95%CI:0.742~0.848),预测效能较好。结论乳腺癌患者的X线皮肤增厚征象和超声腋窝淋巴结皮质增厚征象与ALNM有关,X线联合超声的Logistic模型可较准确地预测乳腺癌患者的腋窝淋巴结状态。

“X怎么着”类回声构式的句法特征、语义模型及语用表现

汉语口语表达中的常用格式“X怎么着”分为两类:一类表示询问,一类表示反诘。后者表达的是说话人对前一说话人(受话人)话语X的否定态度,其整体意义的解读不能从组成成分的意义简单相加获得,可以界定为回声构式。从句法上看,回声构式中的X一般为名词性成分、谓词性成分,以及少量单句,主要有完全回声、截取回声和转换回声三种形式。从语义上看,名词性成分表现为主体,含有言外之意,谓词性成分以及单句表现为事件,对言说几方存在利害关系,形成了四种语义模型。从语用上看,说话人使用该类构式表达强烈的反诘否定,主要表现为强冲突型情感和弱冲突型情感两种情感倾向,以及居于话轮之首,容易激发前一说话人(受话人)采取对抗策略的语篇特征。

考虑实际路况下排气温度的重型柴油车NO_(x)排放模型

选择性催化还原技术(SCR)是降低重型柴油车氮氧化物(NO_(x))排放的常用技术之一,且SCR系统内的NO_(x)转化率与尾气温度密切相关。然而,现有的NO_(x)排放测算模型主要考虑车辆行驶工况,缺少与排气温度的关联分析,从而增加了NO_(x)排放测算结果的不确定性,对排放清单的建立和减排政策的评估提出了挑战。本研究基于车辆实际运行工况和实测排放数据,建立NO_(x)排放速率库和NO_(x)排放率模型。随后,建立基于机动车比功率(VSP)和热损失系数的尾气温度模型。在此基础上,根据SCR系统中的化学反应原理,建立基于尾气温度的NO_(x)排放模型。最后,利用建立的NO_(x)模型和MOVES模型(移动源排放测算模型)分别估算NO_(x)排放量,并与实际排放情况进行比较分析。结果表明,本研究所提出的考虑实际路况下尾气温度的NO_(x)排放模型可以有效提高NO_(x)排放测算的准确性,在3辆重型柴油公交车上的NO_(x)测算相对误差分别为9.1%、3.9%和3.3%。相较于MOVES模型,相对误差分别降低了24.0、13.1和16.3个百分点。对不同运行工况下的NO_(x)排放特性分析表明,重型柴油货车的平均NO_(x)转化率比柴油公交车高39.2个百分点。

可解释的变负荷下燃煤机组SCR反应器入口NO_(x)质量浓度预测模型

燃煤电厂灵活调峰过程NO_(x)测量往往存在滞后现象,导致选择性催化还原(selective satalytic reduction,SCR)脱硝喷氨控制系统响应不及时,易造成喷氨量过高或过低,从而造成SCR反应器出口NO_(x)质量浓度波动剧烈和氨逃逸率增大。为实现喷氨阀门的提前快速调节并考虑影响燃煤锅炉NO_(x)排放量的因素存在耦合性,提出了一种基于卷积神经网络(convolutional neural network,CNN)和长短时记忆(long short-term memory,LSTM)神经网络混合模型的SCR反应器入口NO_(x)预测模型。利用一台330 MW燃煤电站锅炉的运行参数,通过Pearson系数法计算特征变量之间的相关性,筛选出相关性较大的特征,并定义模型的输入矩阵和输出矩阵,采用随机搜索算法进行优化,以提高预测性能。进一步利用SHAP算法对黑箱模型进行解释,并通过Simulink仿真验证了带有NO_(x)预测的控制效果。结果表明:CNN-LSTM预测模型在调峰负荷变化时,能够以较高的精度预测SCR反应器入口NO_(x)质量浓度的变化,并能提前25s为喷氨控制系统提供反馈;优化后的喷氨控制策略降低了出口NO_(x)质量浓度与设定值间的标准差(降低28%),并提升了NH_(3)/NO_(x)的响应速度,减小最大氨逃逸量22%。该研究结果可为灵活调峰机组的智慧SCR脱硝技术及燃烧优化提出有效的指导。

LOLIMOT模型在CNG发动机NO_(x)排放预测试验中的应用

为解决在选择性催化还原技术(selective catalytic reduction,SCR)的控制策略开发中局部线性模型树(local linear model tree,LOLIMOT)排放模型预测精度不足的问题,提出一种通过优化空间边界,将原模型的超矩形输入空间约束在物理意义范围内的改进LOLIMOT模型。通过某天然气发动机的辨识试验,从分布特征和计算原理角度,分析了该方法对预测结果的影响。结果表明:与原算法相比,改进算法的线性相关度R2提升了1.9%,验证了改进策略的有效性。改进LOLIMOT算法具备较高的收敛速度和稳定性,在排放模型领域具备一定的应用优势。

深度学习MMV-Net模型对乳腺X线良性和恶性肿块的分类效能

目的构建基于乳腺X线多视图的深度学习框架(Network based on mammography multiple views,MMV-Net),评价模型对乳腺良性和恶性肿块的分类效能。方法回顾性分析2018-2020年哈尔滨医科大学附属肿瘤医院1585例乳腺X线图像数据集,其中良性806例,恶性779例,按8∶2分为训练集(n=1268)和测试集(n=317),并按照5折交叉验证对训练集进行分层,采用集成的DDSM数据集和INBreast数据集作为外部测试集(n=1645)来评估模型性能。输入层每个病例包含4个视图,通过删除ResNet22网络模型的最后两层网络结构并加入平均池化层作为特征提取层,以及分别加入全连接层和softmax激活函数作为决策层构建MMV-Net模型,使用贝叶斯超参数优化。比较MMV-Net、MFA-Net和集成Inception V4模型在AUC值、准确率、精确率、召回率和F1分数上的表现。结果MMV-Net模型在测试集上区分良性和恶性肿块的AUC值为0.913,MFA-Net的AUC为0.882,Inception V4的AUC为0.865;MMV-Net模型的准确率和精确率等评估指标也高于其他两种模型。结论基于乳腺X线多视图的深度学习MMV-Net模型有助于乳腺良性和恶性肿块的分类。

X射线自由电子激光与金属钌相互作用双温模型的数值分析

金属钌(Ru)具有优异的力学性能和化学稳定性,同时具有高反射率、较大临界角等优异性能,是自由电子激光装置中光学元件的候选镀层材料之一。本文对X射线自由电子激光(X-ray Free-electron Lasers,XFEL)脉冲与金属钌薄膜相互作用过程进行了模拟,采用数值方法求解双温模型(Two-temperature Model,TTM),得到了电子和晶格温度随时间的演化规律。获得激光的脉冲宽度、能量密度、穿透深度、材料的电声子耦合系数等对激光与金属钌相互作用过程中热效应的影响规律。通过对X射线自由电子激光脉冲与金属相互作用过程的双温模型数值解,可以获得材料中电子和晶格温度随时间的演化规律,并探究光源的参数对其热传输过程的影响。研究发现,金属钌晶格平衡温度与能量密度呈正相关;金属钌电子最高温度随脉冲宽度的增加而降低;金属钌的晶格平衡温度随穿透深度的减小而增加,最终趋于稳定;电子-声子平衡时间与电声子耦合系数呈负相关。本文获得X射线自由电子激光脉冲与金属钌相互作用的相关数据及基本演化规律,有助于进一步理解金属钌在激光辐照作用下材料的热效应演化机制,为自由电子激光装置光学元件薄膜材料的选取及辐照性能分析提供理论依据。

基于循环孔洞扩张模型的X型圆管节点超低周疲劳寿命预测

海洋工程钢结构在服役过程中,受风、浪、流或地震等极端循环载荷的影响,易发生超低周疲劳断裂破坏,造成人员伤亡及财产损失,因此超低周疲劳断裂分析及寿命预测对于海工结构安全性评估至关重要。然而,现阶段基于累积损伤理论提出的多种超低周疲劳寿命预测模型无法对多尺度节点实现统一预测,造成了实际工程应用的不便。因此文中基于循环孔洞扩张模型开展X型圆管节点超低周疲劳寿命预测。首先,开发了基于循环孔洞扩张模型的VUSDFLD程序,实现ABAQUS与FORTRAN子程序联合应用,利用有限元分析验证循环孔洞扩张模型在X型圆管节点超低周疲劳断裂分析中的有效性;其次,根据多组X型圆管节点超低周疲劳断裂有限元分析结果,在宏观层面提出了一种基于Manson-Coffin公式的超低周疲劳寿命预测公式;最后,依据Miner理论,将适用于等幅加载的超低周疲劳寿命公式扩展至变幅加载情况,验证了多种节点尺寸下超低周疲劳公式的适用性,为工程应用提供了理论依据。

基于神经网络深度学习模型的踝关节X线片标志点自动定位研究

目的探索基于神经网络深度学习模型的踝关节X线片标志点自动定位方法及其应用价值。方法选取陕西省人民医院2019年1月至2022年11月间行X线检查的360例成年人正常左踝关节正、侧位片影像资料为研究对象,将其随机分配至训练集(210例)、验证集(90例)和测试集(60例)。以人工标注作为参考,对图像预处理后分别建立基于神经网络Unet架构的踝关节X线片标志点预测模型,生成对应的热力图,并用测试集数据进行验证。结果在踝关节X线正位片6个标志点的预测中,2 mm阈值的平均正确估计比例(Percentage of Correct Keypoints,PCK)可达99.7%,总体平均径向误差(Mean Radial Errors,MRE)为0.411,总体标准差(Standard Deviation,SD)为0.290。距骨顶端内点的预测准确度最高,1 mm阈值时的PCK可达100%,同时其MRE及SD在正位片6个点中最小,分别为0.290和0.178。在踝关节X线侧位片9个标志点的预测中,2 mm阈值的平均PCK达到95.0%,总体MRE为0.669,总体SD为0.710。胫骨下段最前点的预测准确度最高,1 mm阈值时的PCK可达100%,同时其MRE及SD在侧位片9个点中最小,分别为0.334和0.173。正位片和侧位片所有标志点的预测位置坐标与对应参考标准标志点位置坐标差异均无统计学意义(P>0.05)。结论基于神经网络深度学习模型能够实现对踝关节X线片标志点的有效自动定位,对辅助踝关节X线片形态学自动测量和疾病诊疗具有应用价值。

服务失效状态为吸收状态及重试率为常数的M^([X])/M/1排队模型的主算子的谱分析

研究服务失效状态为吸收状态及重试率为常数的M^([X])/M/1排队模型的主算子在左半复平面中的谱.当顾客的到达率λ,服务员的服务率ν,顾客的重试率α和服务员的服务完成率b满足一定的条件时,证明了实部为-(λ+ν+b)的所有复数都不是该模型主算子的特征值;当λ,ν, α, b满足一定的条件时,证明了区间(-(λ+ν+b),0)中无穷多个点是该主算子的几何重数为1的特征值.

基于AM-CNN-LSTM模型的柴油机NO_(x)排放预测

为精确控制选择性催化还原(selective catalytic reduction,SCR)系统的尿素喷射,提出一种基于注意力机制(attention mechanism,AM)的卷积神经网络(convolutional neural networks,CNN)-长短时记忆网络(long shortterm memory,LSTM)模型预测柴油机NO_(x)排放的方法,根据柴油机NO_(x)生成机理和车辆实际道路测试采集的数据选取相关变量;使用AM-CNN模型提取特征,利用LSTM模型对提取的特征进行分析预测NO_(x)排放。结果表明:该混合模型对NO_(x)排放的预测精度较高,计算时间较少,平均绝对误差为5.307×10^(-6),决定系数为0.932。根据预测模型中输入参数权重分析影响NO_(x)生成的关键因素,可以为优化柴油机燃烧过程提供参考。

基于ADDIE模型探讨课程思政在1+X老年照护职业等级项目中的应用

在“十四五”国家老龄事业发展和养老服务体系规划《养老护理员国家职业技能标准》及中国老年医学学会颁布的《老年照护师规范》中明确指出,现阶段我国养老服务人员数量少,专业知识、技能水平、职业素养差,不能够满足现阶段老龄化服务的需求。本研究基于以上现状,结合国务院、教育部等部门先后发布的《国家职业教育改革实施方案》《关于在院校实施“学历证书+若干职业等级证书”制度试点方案》[1-2]等文件,以我校护理专业学生为研究对象,以ADDIE模型为基础,将课程思政融入1+X老年照护职业等级项目实施中。通过本研究,培养数量充足,技能与素养并存的老年照护人才,以促进养老事业的良性发展。

一种快速X射线脉冲星光子到达时间转换的简化模型

高精度X射线光子到达时间转换模型对脉冲星导航的精度至关重要,针对目前完整模型复杂而简化模型精度有限的问题,本文提出了一种精度不低于已有简化模型的快速简化模型.通过对现有完整模型的推导,从理论上分析了各延迟项对模型精度的影响,指出罗曼延迟仍是影响简化模型精度的关键.通过改变罗曼延迟的表达式及其二阶展开方式并考虑物理量的易获取度,得到一种快速简化模型.利用完整模型及所提简化模型对中子星内部组成探测器(Neutron star Interior Composition Explorer,NICER)和慧眼硬X射线调制望远镜(Hard X-ray Modulation Telescope,HXMT)的实测光子数据进行时间转换,分析了所提模型的精度和计算效率;利用数值仿真分析了轨道高度、脉冲星角位置测量误差对简化模型精度的影响,讨论了不同高度地球轨道应用中该简化模型的精度及计算效率.结果表明本文所提简化模型相比Sheikh简化模型和fei模型计算效率分别提高50%和10%,且未造成精度降低.

意义的游戏:“好/好不X”的双层同义推导模型

“好X”与“好不X”均表达发话者的主观态度,属于广义情态的表达范畴。利用否定隐涵和梯级推理可以解释“好X”与“好不X”的语义等同问题,构建出二者在表示肯定义和否定义上的双层同义推导模型。研究显示,X自身的肯定或否定形式直接决定着“好X”与“好不X”在哪个层面上能够达到语义等同。此外,可以对传统分析方法中的“反语”手段作出新的诠释,作为反语理解的“好X”实际上是基于原始结构“好不•不X”的缩减形式。通过这一个案研究,希望能够为羡余否定现象的深入探讨提供一个新的思路。

基于ConvNeXt模型的胸部X线图像的疾病分类与可视化

目的 胸部X线是临床实践中常见的胸部疾病筛查和诊断方式。由于放射科医生长时间阅片容易视觉疲劳以及医疗资源分配不均衡的问题,导致误诊和漏诊的情况时有发生。针对这一问题,本研究运用深度学习技术,提出了一个基于ConvNeXt模型的胸部X线图像的疾病检测方法,旨在提高胸部疾病诊断准确度、减轻误诊风险并提高医生工作效率。方法 利用大规模公开胸部X线图像数据集ChestX-ray14训练ConvNeXt模型,该模型在ResNet模型的基础上,融合了视觉Transformer结构的优势,可以有效提高模型的特征提取和识别能力,同时以AUC(ROC曲线下方的面积)作为模型性能的评价指标,与已有的分类模型CheXNet、ResNet及Swin Transformer进行了对比。此外,通过引入Grad-CAM可视化方法,利用卷积神经网络特征图的梯度信息生成胸部X线图像的类激活热力图,实现对病灶区域的定位,从而提高医生的诊断效率。结果 基于ConvNeXt模型的诊断方法在识别14种胸部疾病时平均AUC值可达0.842,特别在识别积液(AUC值为0.883)、水肿(AUC值为0.902)和疝气(AUC值为0.942)等疾病时表现较为令人满意。结论 本文提出的方法在胸部X线图像的疾病检测中具有较好的性能,是一种对胸部X线图像进行胸部疾病诊断进而协助医生提高工作效率的有益尝试。

面向X射线图像生成的遮罩增强扩散模型

目前用于生成X射线图像的方法中存在主体过拟合和背景欠拟合等问题,针对此类问题,基于去噪扩散概率模型DDPM(Denoising Diffusion Probability Model)提出了一种新型图像生成模型MDDPM(Masked DDPM),设计一种无监督图像分割方法对X射线图像进行分割,将分割后得到的二值图像作为遮罩加权到损失函数,增强扩散模型;设计一种含有增强型SE注意力块的卷积块ESE Block(Enhanced Squeeze-and-Excitation Block),结合注意力机制和上、下采样模块等搭建U-Net结构的神经网络,进一步提高网络的学习、表征和泛化能力。使用MDDPM在OPIXray数据集上验证了对X射线违禁品图像进行增广的可行性,针对五个类别的违禁品,实验结果表明,相比于DDPM,MDDPM的生成图像质量分布差异指标FID分别提升了18.3%、24.82%、32.85%、29.12%和33.62%。将使用本模型生成的图像与原始图像进行混合,与只使用原始图像进行图像分类实验相比,分类精确度提高了3.2%,此结果表明,生成的图像不仅保留了原始数据的特征,而且提高了数据高维特征的多样性。

基于临床及对比增强乳腺X线摄影技术构建乳腺良恶性病变评价模型

目的:基于临床及对比增强乳腺X线摄影技术,构建乳腺良恶性病变评价模型。方法:选取2021年1月—2022年12月邹平市中心医院收治的乳腺良恶性病变患者380例为研究对象,其中恶性病变151例纳入恶性组,良性病变229例纳入良性组,比较两组临床资料,对比增强乳腺X线摄影技术相关指标,分析乳腺恶性病变影响因素,构建乳腺良恶性病变评价模型。结果:经Logistic分析,病灶最大径≥2 cm、病灶固定、强化类型(Ⅱ型强化)、强化类型(Ⅲ型强化)、强化程度(重度)、强化方式(不均匀)、征象(分叶)、大导管征为乳腺恶性的危险因素(P<0.05);Hosmer-Lemeshow检验显示,χ^(2)=0.694,P=1.000,模型拟合优度较好。结论:基于临床及对比增强乳腺X线摄影技术构建的鉴别乳腺良恶性病变的评价模型效果较好,能够为乳腺良恶性病变的鉴别诊断提供参考。

基于“1+x”模型的Java大数据技术应用效果研究

本文以江苏云联科技有限公司为研究对象,探索“1+x”模型在Java大数据技术应用中的效果。该公司成立于2010年,专注于信息技术设备研发和物联网系统开发,业务涵盖智能交通、物流等领域。本文研究团队与江苏云联科技有限公司建立了3年合作关系,选取10个代表性大数据项目进行对比实验。实验组应用基于“1+x”模型的方案,对照组使用传统方法。实验通过系统性能、数据处理效率和业务价值等指标评估应用效果。结果显示,“1+x”模型在各方面均显著优于传统方法:系统性能提升35%,数据处理速度提高40%,73%的项目在6个月内实现投资回报。研究为大数据技术应用提供了参考。

基于火焰体积模型的航空发动机燃烧室NO_(X)排放预测方法

本文采用数值模拟与污染排放半经验模型相结合的方法,以新定义的无量纲火焰体积作为新的特征参数,以数值模拟结果作为火焰体积模型的输入,引用、推导并新建了适用于高效预测燃烧室NO_(X)排放的火焰体积模型,运用该模型对某直流燃烧室的NO_(X)排放性能进行了快速预测。验证结果表明,采用火焰体积模型计算的EINO_(X)相对误差最大为8.90%。

职业本科院校推进1+X证书制度的改革成效和优化策略研究——以建筑信息模型职业技能等级证书为例

自2019年国家启动1+X证书制度试点工作以来,职业院校成为试点的关键场所。文章通过对职业本科院校质量年度报告的分析,提炼建筑信息模型职业技能等级证书的改革成效。同时,参照国家政策相关文件,提出职业本科院校应推进国家学分银行建设、建立健全投入机制、“政、培、校”协同管理的优化策略,为院校建筑信息模型证书的发展提供参考方向。