Functional magnetic resonance imaging study of group independent components underpinning item responses to paranoid-depressive scale

BACKGROUND Our study expand upon a large body of evidence in the field of neuropsychiatric imaging with cognitive,affective and behavioral tasks,adapted for the functional magnetic resonance imaging(MRI)(fMRI)experimental environment.There is sufficient evidence that common networks underpin activations in task-based fMRI across different mental disorders.AIM To investigate whether there exist specific neural circuits which underpin differ-ential item responses to depressive,paranoid and neutral items(DN)in patients respectively with schizophrenia(SCZ)and major depressive disorder(MDD).METHODS 60 patients were recruited with SCZ and MDD.All patients have been scanned on 3T magnetic resonance tomography platform with functional MRI paradigm,comprised of block design,including blocks with items from diagnostic paranoid(DP),depression specific(DS)and DN from general interest scale.We performed a two-sample t-test between the two groups-SCZ patients and depressive patients.Our purpose was to observe different brain networks which were activated during a specific condition of the task,respectively DS,DP,DN.RESULTS Several significant results are demonstrated in the comparison between SCZ and depressive groups while performing this task.We identified one component that is task-related and independent of condition(shared between all three conditions),composed by regions within the temporal(right superior and middle temporal gyri),frontal(left middle and inferior frontal gyri)and limbic/salience system(right anterior insula).Another com-ponent is related to both diagnostic specific conditions(DS and DP)e.g.It is shared between DEP and SCZ,and includes frontal motor/language and parietal areas.One specific component is modulated preferentially by to the DP condition,and is related mainly to prefrontal regions,whereas other two components are significantly modulated with the DS condition and include clusters within the default mode network such as posterior cingulate and precuneus,several occipital areas,including lingual and fusiform gyrus,as well as parahippocampal gyrus.Finally,component 12 appeared to be unique for the neutral condition.In addition,there have been determined circuits across components,which are either common,or distinct in the preferential processing of the sub-scales of the task.CONCLUSION This study has delivers further evidence in support of the model of trans-disciplinary cross-validation in psychiatry.

A Reconfigurable Manufacturing System for In-site Machining Component with Large Scale

To cope with various unpredictable changes in large scale parts,the concept of reconfigurable manufacturing system (RMS) for machining these components is presented.Considering with large-size space measurement and the fixed-free manufacture mode,an automatically localizing machining method for large scale part is studied in this paper,and the architecture of the RMS for machining large scale parts is proposed.According to the method and structure,the automatically localizing model is established.The theoretical analysis and simulation examples demonstrate the feasibility and validity of the proposed method,and the results indicate that the method is suitable and effective for machining large scale components in significant scientific projects.

Technology for Extracting Effective Components from Fish Scale

The research of the category and extraction methods of effective ingredients of fish scale was reviewed at home and abroad. The extraction process of fish scale was studied, including collagen, hydroxyapatite, lecithin, guanine etc. The different extraction methods and the components were analyzed. The research of effective ingredients of fish scales was reviewed as theory basis to further research and comprehensive development.

Feature Extraction by Multi-Scale Principal Component Analysis and Classification in Spectral Domain

Feature extraction of signals plays an important role in classification problems because of data dimension reduction property and potential improvement of a classification accuracy rate. Principal component analysis (PCA), wavelets transform or Fourier transform methods are often used for feature extraction. In this paper, we propose a multi-scale PCA, which combines discrete wavelet transform, and PCA for feature extraction of signals in both the spatial and temporal domains. Our study shows that the multi-scale PCA combined with the proposed new classification methods leads to high classification accuracy for the considered signals.

Research on the Large-scale Network Intrusion Mode based on Principal Component Analysis and Drop Quality Sampling

In this paper, we conduct research on the large-scale network intrusion mode based on the principal component analysis and dropquality sampling. With the growing of network security issues, invasion detection becomes the study hotspot. There are two main types of thatinvasion detection technology, the fi rst is that misuse detection and the anomaly detection. Misuse detection can more accurately detect attacks,but high non-response rates, anomaly detection could detect the unknown attacks, but higher rate of false positives. Network invasion detectionproblem is summed up in the network data fl ow of discriminant problem, namely the judgment of network data fl ow is normal or malicious andin this sense here invasion detection problem can be understood as a pattern recognition problem. Our research integrates the PCA and samplingtechnique to propose the new idea on the IDS that is innovative and will promote the development of the corresponding techniques.

THREE-DIMENSIONAL STATIC ANALYSES FOR FGM PLATES WITH MEDIUM COMPONENTS AND DIFFERENT NET STRUCTURES

A new microelement method for the analyses of functionally graded structures was proposed. The key of this method is the maneuverable combination of two kinds of elements. Firstly, the macro elements are divided from the functionally graded material structures by the normal finite elements. In order to reflect the functionally graded distributions of materials and the microconstitutions in each macro-element, the microelement method sets up the dense microelements in every macro-element, and translates nodes to the same as the normal finite elements by the degrees of freedom of all microelemental the compatibility conditions. This microelement method can fully reflect the micro constitutions and different components of materials, and its computational elements are the same as the normal finite elements, so it is an effective numerical method for the analyses of the functionally graded material structures. The three-dimensional analyses of functionally graded plates with medium components and different micro net structures are given by using the microelement method in this paper. The differences of the stress contour in the plane of functionally graded plates with different net microstructures are especially given in this paper.

荒漠草原不同植物群落蒸散组分特征及其环境因子影响分析

蒸散发是生态水文过程的关键环节,掌握蒸散组分的变化特征及其影响因子,对干旱半干旱地区的可持续发展至关重要。以荒漠草原多年生植物针茅群落和一年生植物猪毛蒿群落为研究对象,利用小型蒸渗仪开展了连续3年监测,分析了蒸散组分的日、月和年变化规律,探讨了影响蒸散组分的主要环境因子。结果表明:晴天时,多年生和一年生植物群落蒸散组分呈先增加后减小的抛物线型,夜间蒸散活动较弱,累积蒸散量较低,不足全天总累积蒸散量的20%;阴天时各蒸散组分无明显峰值,且日累积量均较小,一年生和多年生植物群落的蒸散量、蒸发量和蒸腾量无显著差异;10.64 mm/d及以上降雨对蒸散和蒸发的日变化具有明显影响,随着降雨量的增多,蒸散量和蒸发量也呈增大趋势,但蒸腾量则相对较小。从月动态来看,7—9月占全年蒸散量和蒸发量的一半左右,冬春季蒸散量和蒸发量维持在全年最低水平。年蒸散量与年降雨量接近,而蒸腾量占蒸散量的比例低于10%。总体来看,多年生植物群落蒸散量较一年生植物群落多。采用Mantel检验方法分析不同时间尺度影响蒸散组分的主要气候因素,在小时尺度上太阳辐射与蒸发量和蒸腾量显著性水平较高(P<0.01),但相关性较低(r<0.2);在日尺度上,蒸散量、蒸发量和蒸腾量与降雨量的显著性(P<0.01)和相关性(r≥0.4)均最高;而月尺度上,降雨量和降雨速率与蒸散量、蒸发量的相关性较高(0.2≤r<0.4),但显著性较低(P≥0.05)。因此,蒸散组分受环境因子的影响在不同时间尺度上具有较大差异,说明蒸散组分受多种因子共同影响。

恐惧-回避成分量表的汉化及信度、效度检验

目的对恐惧-回避成分量表(fear-avoidance components scale,FACS)进行汉化,并检验其信度和效度。方法2023年8月取得原作者授权,2023年9月参照Brislin翻译-回译模式对英文版量表进行翻译、回译、文化调适及预试验,形成中文版恐惧-回避成分量表;2023年10月采用便利抽样法,选取某三级甲等综合医院402例慢性肌肉骨骼疼痛患者作为测试对象,对量表的信度、效度进行检验。结果376例慢性肌肉骨骼疼痛患者完成研究。中文版FACS包含2个维度,共18个条目,分别为恐惧-回避心理(12个条目),恐惧-回避行为(6个条目);量表总的Cronbachα系数为0.907,折半信度为0.836,重测信度为0.895;两个维度的Cronbachα系数为0.884、0.812,折半信度为0.871、0.896,重测信度为0.808、0.921。量表水平的内容效度指数(scale level CVI,S-CVI)为0.935,条目水平的内容效度指数(item level CVI,I-CVI)为0.870~1.000。探索性因子分析KMO值为0.909,球形检验值为3134.208(P<0.01),累计方差贡献率为66.514%;验证性因子分析结果显示,量表的模型拟合良好。结论中文版恐惧-回避成分量表具有良好的信度和效度,可作为国内评估慢性疼痛患者恐惧-回避水平的有效工具。

结合主成分分析和图像分块的重定向研究

针对现有图像重定向方法视觉效果差和处理速度慢的问题,提出一种基于主成分分析法和分块的内容感知图像重定向方法。首先,利用主成分分析法融合梯度图和显著图来提取更加丰富的图像特征,避免主体信息失真;其次,相邻裁缝线由均值代替,避免像素不连贯;最后,根据能量图中列能量值的大小将图像分为显著区域和非显著区域,并行缩放分块,更加注重图像特征并提高运行效率。在MIT RetargetMe、DUT-OMRON和NJU2000数据集上进行实验分析,以主观感受和客观因子运行时间、SIFT-flow作为评价指标,与几种常用算法对比。实验结果表明,该方法保证了图像主体信息的完整性,平均运行时间为线裁剪算法的1/3。本文提出的方法不仅具有较优的视觉效果,而且可降低运算量。

基于空间投影和聚类划分的SVR加速算法

数据不仅能产生价值,还对统计学的科学发展提供了动力。随着科技的飞速发展,海量数据得以涌现,但大规模的数据会导致很多传统处理方法很难满足各领域对数据分析的需求。面对海量数据时代学习算法的低效性,分治法通常被认为是解决这一问题最直接、最广泛使用的策略。SVR是一种强大的回归算法,在模式识别和数据挖掘等领域有广泛应用。然而在处理大规模数据时,SVR训练效率低。为此,该文利用分治思想提出一种基于空间投影和聚类划分的SVR加速算法(PKM-SVR)。利用投影向量将数据投影到二维空间;利用聚类方法将数据空间划分为k个互不相交的区域;在每个区域上训练SVR模型;利用每个区域的SVR模型预测落入同一区域的待识别样本。在标准数据集上与传统的数据划分方法进行对比实验,实验结果表明该算法训练速度较快,并表现出更好的预测性能。

一种波段聚类和多尺度结构特征融合的高光谱图像分类模型

高光谱图像包含丰富的地物信息,在农业、工业和军事等领域应用广泛。因此,高光谱图像的识别与分类是一项重要的研究课题。然而,高光谱图像存在光谱维度高、噪声大、标记样本有限等问题,并未取得很好的分类效果。针对以上问题,提出一种波段聚类和多尺度结构特征融合的高光谱图像分类模型(ASPS-MRTV)。该方法主要包括以下几个步骤,首先,对高光谱数据进行归一化处理,将归一化后的三维图像按光谱维等分为n个子空间;其次,采用粗细划分策略构造自适应子空间光谱特征提取框架,将每个空间波段拉伸为一维向量后用信息散度构造波段的相似性矩阵,按照聚类的思想对n个子空间进行自适应;然后,将每个自适应子空间的光谱波段平均值进行叠加,形成光谱特征;最后,对所得到的光谱特征数据利用多尺度相对全变分技术提取结构特征。为了增强样本的线性可分性,在数据堆叠之后进行核主成分分析,最终形成空谱特征。对比实验中统一使用惩罚参数C和核参数σ都为24.5的SVM进行分类。经测试,ASPS-MRTV网络模型在Indian Pines、 University of Pavia两个数据集上分别以5%, 1%的训练样本达到了97.06%、 98.98%的总体分类精度。实验结果表明,该模型与SVM、 ASPS(ED)、 ASPS(ID)、 ASPS-LBP、 ASPS-GlCM、 ASPS-BF模型相比,在分类性能和计算效率方面都取得了更优的效果,有效提高小样本下高光谱图像的分类精度。

基于多形态学成分分析的图像融合

将多尺度分解与稀疏表示相结合,提出了一种基于多形态学成分分析(MCA)的图像融合算法。采用基于联合稀疏表示(JSR)的方法融合卡通子图像中的冗余和互补信息,并利用基于方向特征的方法融合具有更多细节信息和噪声的纹理子图像。结果表明,提出的图像融合算法在主观视觉效果和客观评价指标上均优于先进的图像融合算法。

米香白酒舒适度量表分析及舒适度与挥发性风味成分相关性研究

为更加科学的评估消费者端对酒样的喜好,区别酒样品质差异,建立米香型白酒挥发性风味成分与舒适度关系,该研究采用调查问卷的方式对白酒饮用者饮酒1 h的感受进行调查,并对酒样主要挥发性风味成分进行定量测定,利用主成分分析(PCA)及建立回归模型的方式探索饮酒舒适度与白酒中主要挥发性风味成分的相关性。调查问卷结果显示,白酒饮后1 h常出现的典型症状为嗜睡、头晕、心悸、注意力不集中、疲倦、心跳加速问题;PCA结果表明,正丙醇、异戊醇、己酸乙酯、正已酸是影响所选五款酒样白酒风味的主要成分,且通过PCA可以将不同的酒样进行区分。建立了舒适度量表与白酒主要挥发性风味成分之间的回归方程,说明正性量表及负性量表综合得分与白酒挥发性风味综合指标之间呈现较好的拟合关系,三次方回归和多元线性回归关系良好。该研究初步探索了基于调查问卷、色谱分析及统计学分析的白酒饮后评价方法,为饮酒舒适度提升提供参考。

基于自适应多尺度注意力机制的CNN-GRU矿用电动机健康状态评估

利用多传感器信息融合技术进行电动机健康状态评估时,矿用电动机监测数据中存在异常值和缺失值,而卷积神经网络和循环神经网络等深度学习模型在数据质量下降严重的情况下难以有效提取数据特征和更新网络权重,导致梯度消失或爆炸等问题。针对上述问题,提出了一种基于自适应多尺度注意力机制的CNN-GRU(CNN-GRU-AMSA)模型,用于评估矿用电动机健康状态。首先,对传感器采集的电动机运行数据进行填补、剔除和标准化处理,并以环境温度变化作为依据对矿用电动机运行数据进行工况划分。然后,根据马氏距离计算出电动机电流、电动机三相绕组温度、电动机前端轴承温度和电动机后端轴承温度等健康评估指标的健康指数(HI),采用Savitzky–Golay滤波器对指标HI进行降噪、平滑、归一化处理,并结合主成分分析法计算的不同指标对矿用电动机的贡献度,对指标HI进行加权融合得到矿用电动机HI。最后,将矿用电动机HI输入CNN-GRU-AMSA模型中,该模型通过动态调整注意力权重,实现对不同尺度特征的信息融合,从而准确输出电动机健康状态评估结果。实验结果表明,与其他常见的深度学习模型CNN,CNN-GRU,CNN-LSTM,CNN-LSTM-Attention相比,CNN-GRU-AMSA模型在均方根误差、平均绝对误差、准确率、Macro F1及Micro F1等评价指标上更优,且预测残差的波动范围更小,稳定性更优。

基于混合t Location-Scale分布模型的光伏功率随机性分量波动性分析

光伏波动性是影响光伏功率稳定并网的关键问题之一。为了更准确地对光伏功率随机性分量进行定量描述,文章首先利用周期图法提取功率的周期性分量,然后提出了混合t Location-Scale分布模型,并对光伏功率随机性分量进行拟合。验证了文章所提模型在拟合光伏功率随机性分量波动性上的优越性,讨论该模型在不同采样时间间隔、不同地区的有效性和适用性。并以某地区光伏电站群实测数据为例,验证了混合t Location-Scale分布模型对随机性分量波动性拟合效果的优势。

基于点特征传递的电力设备部件激光点云补全网络

针对电力场景下因激光雷达扫描范围有限、电力设备部件相互遮挡等因素导致电力设备部件点云缺失的问题,提出了基于点特征传递的电力设备部件激光点云补全网络PPC-Net(PowerPointcloudCompleteNet)。该网络使用多尺度特征融合编码器提取不同尺度输入残缺点云的全局和局部特征,以避免多维度映射特征导致的电力设备部件细节特征丢失问题,并引入EdgeConv加强对点云邻域信息提取;在精细完整点云生成阶段提出DT模块整合父级点到子级点的特征传递,以保留生成点云的局部特征;设计平滑优化模块,经三级平滑采样算法输出分布均匀、表面平滑的电力设备部件完整点云。在自建电力设备部件点云数据集ELE及公开数据集PCN上实验表明,PPC-Net对残缺的电力设备部件点云有较好的补全效果,并在一般形状点云上有良好泛化性。

精神分裂症暴力攻击行为与P300成分的相关性研究

目的探讨精神分裂症患者其暴力攻击行为与事件相关电位P300成分的相关性。方法将2020年12月—2022年12月福建省福州神经精神病防治院精神科精神分裂症住院患者根据其既往个人史及修改版外显攻击量表(modified overt aggression scales,MOAS)评分划分暴力攻击组30例及对照组31例。对比2组一般资料、P300成分的波幅和潜伏期;以及P300成分的波幅和潜伏期与MOAS评分的相关性分析。结果精神分裂症患者中暴力攻击组与对照组一般资料差异无统计学意义(P>0.05);但所诱发的P300成分波幅和潜伏期差异有统计学意义(P<0.05),其中,暴力攻击组其P300成分波幅降低(2.818±0.643)μV,潜伏期延长(335.530±20.664)ms。经Pearson相关分析,精神分裂症患者所诱发的P300成分潜伏期与MOAS评分呈正相关(r=0.580,P<0.05),而其所诱发的P300成分波幅与MOAS评分呈负相关(r=-0.421,P<0.05)。结论具有暴力攻击行为的精神分裂症患者存在更严重的脑认知功能损伤。本研究推测,事件相关电位P300成分的波幅和潜伏期可作为预测及评估精神分裂症暴力攻击行为的电生理指标。

多尺度域视频监控图像光照分量智能校正方法

针对视频监控图像中存在的清晰度不足和光照不均匀等问题,提出了多尺度域视频监控图像光照分量智能校正方法。应用背景差分法与差值图二值化法对视频监控图像进行预处理,以减少噪声干扰。通过融合TH变换和BH变换来加强图像多尺度细节特征;利用控制因子控制锐化强度,以凸显细节特征,避免出现图像伪影情况。对图像光照分量进行自适应调节,利用二维伽马函数计算画面亮度平均值,以防止出现过度校正的情况,从而实现智能校正。测试结果表明,采用该方法校正的图像更清晰,画面光照分量均匀,图像失真较少,视觉效果较好。

阿立哌唑与利培酮治疗女性精神分裂症的效果比较

目的探讨阿立哌唑和利培酮对于治疗女性精神分裂症患者的疗效。方法选取2022年7月—2023年7月福建省福州神经精神病防治院符合入组条件的85例女性精神分裂症住院患者。随机分为阿立哌唑组和利培酮组,阿立哌唑42例给予阿立哌唑治疗,利培酮组43例给予利培酮治疗。比较2组在治疗前、治疗8周后阳性与阴性症状量表(positive and negative syndrome scale,PANSS)评分、P300成分、血清催乳素水平。结果治疗前,2组PANSS量表评分比较,差异无统计学意义(P>0.05);治疗后,2组PANSS量表评分比较,差异无统计学意义(P>0.05);治疗后,2组PANSS量表评分低于治疗前,差异有统计学意义(P<0.05)。治疗后,2组P300波幅均高于治疗前,差异有统计学意义(P<0.05);2组P300潜伏期与治疗前比较,差异无统计学意义(P>0.05)。治疗前,2组血清催乳素水平比较,差异无统计学意义(P>0.05);治疗后,利培酮组的血清催乳素水平为(37.785±6.068)ng/mL,高于阿立哌唑组的(28.433±5.288)ng/mL与治疗前的(25.522±5.200)ng/mL,差异有统计学意义(P<0.05)。结论阿立哌唑和利培酮作为疗效较好的临床抗精神病药物,能够有效且快速地控制临床精神症状(阴性症状和阳性症状),改善认知功能;阿立哌唑基本不引起血清催乳素水平升高,更适合推荐女性患者服用。

鳞片铜粉对装备电子部件损伤实验研究

鳞片铜粉是干扰弹所装填干扰剂的主要成分之一,干扰弹爆炸后形成的烟幕颗粒具有较好的导电性,且粒径较小,极易在装备运动过程中受到振动进一步嵌入电子部件的各引脚缝隙。当导电颗粒堆积形成一定厚度导电片层时,将导致电子部件发生短路故障,使得装备受损。针对此问题,设计损伤实验,采用示波器检测计算机主板启动时BIOS芯片电信号,验证鳞片铜粉对计算机主板的损伤情况。结果表明,累计布洒6.0 g鳞片铜粉并振动60 s会造成计算机主板损伤,对比分析振动因素对损伤的影响,对鳞片铜粉损伤电子部件情况进行分析,评估了干扰弹使用后造成装备电子部件损伤的情况,验证了鳞片铜粉会对装备电子部件造成严重危害,为烟幕干扰剂的发展明确了方向。