目的探讨动态对比增强磁共振成像(dynamic contrast-enhanced magnetic resonance imaging,DCE-MRI)定量参数联合小视野弥散加权成像在甲状腺良恶性结节鉴别中的应用价值。材料与方法收集2022年1月至2023年10月于滨州医学院附属医院诊...目的探讨动态对比增强磁共振成像(dynamic contrast-enhanced magnetic resonance imaging,DCE-MRI)定量参数联合小视野弥散加权成像在甲状腺良恶性结节鉴别中的应用价值。材料与方法收集2022年1月至2023年10月于滨州医学院附属医院诊治并经手术病理证实为甲状腺结节的患者38例(52个结节),将其分为良性结节组和恶性结节组。术前患者均行3.0 T MRI扫描,包括常规MRI、小视野弥散加权成像(b值取0、800 s/mm^(2))和DCE-MRI检查,并测量其表观弥散系数(apparent diffusion coefficient,ADC)值和DCE-MRI定量参数,包括对比剂容积转运常数(volume transport constant,K^(trans))、速率常数(rate constant,K_(ep))、血管外细胞外间隙容积分数(extravascular extracellular volume fraction,V_(e))。对甲状腺良恶性结节组的ADC、K_(ep)、V_(e)、K^(trans)采用独立样本t检验分析,以P<0.05为差异有统计学意义,后将差异有统计学意义的变量进行逐步logistic回归模型分析,得到甲状腺良恶性结节的独立预测因素,并绘制受试者工作特征(receiver operating characteristic,ROC)曲线分析ADC、K^(trans)独立诊断模型及ADC与K^(trans)联合诊断模型的诊断效能。结果良性结节组平均ADC值、K^(trans)值、K_(ep)值分别为(1.659±0.370)×10^(-3)mm^(2)/s、(0.427±0.214)min^(-1)、(0.966±0.225)min^(-1),恶性结节组平均ADC值、K^(trans)值、K_(ep)值分别为(1.182±0.195)×10^(-3)mm^(2)/s、(0.178±0.073)min^(-1)、(0.600±0.248)min^(-1)。良性结节组的ADC、K^(trans)、K_(ep)值均高于恶性结节组,差异均有统计学意义(P<0.001)。经过独立样本t检验及逐步logistic回归分析显示,ADC值和K^(trans)差异具有统计学意义(P<0.05),是鉴别甲状腺结节良恶性的独立预测因子。单独ADC值曲线下面积(area under the curve,AUC)为0.915、单独K^(trans)值AUC为0.827。ADC值与K^(trans)联合诊断模型AUC为0.973,较二者单独应用明显增高,联合诊断模型诊断效能最高。经DeLong检验,联合诊断模型与单独K^(trans)诊断差异存在统计学意义(P<0.05)。ADC值与K^(trans)联合诊断模型在鉴别甲状腺良恶性结节中敏感度为97.3%,较ADC、K^(trans)更高,特异度为84.6%,较ADC值更高。结论ADC值和K^(trans)是鉴别甲状腺良恶性结节的重要参数,两者联合诊断可提高临床诊断准确性,为术前诊断提供重要依据。展开更多
大规模多视图聚类旨在解决传统多视图聚类算法中计算速度慢、空间复杂度高,以致无法扩展到大规模数据的问题.其中,基于锚点的多视图聚类方法通过使用整体数据集合的锚点集构建后者对于前者的重构矩阵,利用重构矩阵进行聚类,有效地降低...大规模多视图聚类旨在解决传统多视图聚类算法中计算速度慢、空间复杂度高,以致无法扩展到大规模数据的问题.其中,基于锚点的多视图聚类方法通过使用整体数据集合的锚点集构建后者对于前者的重构矩阵,利用重构矩阵进行聚类,有效地降低了算法的时间和空间复杂度.然而,现有的方法忽视了锚点之间的差异,均等地看待所有锚点,导致聚类结果受到低质量锚点的限制.为定位更具有判别性的锚点,加强高质量锚点对聚类的影响,提出一种基于加权锚点的大规模多视图聚类算法(Multi-view clustering with weighted anchors,MVC-WA).通过引入自适应锚点加权机制,所提方法在统一框架下确定锚点的权重,进行锚图的构建.同时,为增加锚点的多样性,根据锚点之间的相似度进一步调整锚点的权重.在9个基准数据集上与现有最先进的大规模多视图聚类算法的对比实验结果验证了所提方法的高效性与有效性.展开更多
目的 比较磁共振小视野体素不相干运动扩散加权成像(reduced field of view,intravoxel incoherent motion,r-fov IVIM)及小视野常规扩散加权成像(reduced field of view,diffusion weighted imaging,r-fov DWI)模型参数预测乳腺侵润性...目的 比较磁共振小视野体素不相干运动扩散加权成像(reduced field of view,intravoxel incoherent motion,r-fov IVIM)及小视野常规扩散加权成像(reduced field of view,diffusion weighted imaging,r-fov DWI)模型参数预测乳腺侵润性导管癌新辅助化疗疗效的价值。方法 前瞻性选取28例单侧乳腺浸润性导管癌患者,收集化疗前、化疗2周期后乳腺r-fov IVIM模型参数真性扩散系数(Dt),假性扩散系数(Dp),灌注分数(f);r-fov DWI参数表观扩散系数(ADC)。根据术后病理结果分为组织学非显著反应组13人,组织学显著反应组15人;采用SPSS 25.0对数据进行处理,比较NAC前和化疗2个周期后两组间的参数值差异。绘制受试者工作特征曲线(receiver operating characteristic,ROO曲线分析以上参数对新辅助化疗疗效的预测价值。结果NAC2周期后ADC值,NAC2周期后与NAC前参数差值ΔADC、ΔDt值,三者的曲线下面积(area under curve,AUC)最大(0.951 VS 0.914、0.914),预测MHR组的效能高;NAC2周期后的Dt值,预测MHR组的效能较好(AUC=0.827)。结论 NAC2周期后,r-fov DWI模型参数ADC值和r-fov IVIM模型参数Dt值越高,且较NAC前升高程度越大,新辅助化疗结束后越容易获得较好的疗效;其中,以NAC2周期后,r-fovDWI模型参数ADC值的预测效能最高,应作为乳腺癌浸润性导管癌临床治疗过程中,新辅助化疗反应评估的主要参考参数。展开更多
In this paper, a new adaptive optimal guidance law with impact angle and seeker’s field-of-view(FOV) angle constraints is proposed. To this end, the generalized optimal guidance law is derived first. A changeable imp...In this paper, a new adaptive optimal guidance law with impact angle and seeker’s field-of-view(FOV) angle constraints is proposed. To this end, the generalized optimal guidance law is derived first. A changeable impact angle weighting(IAW) coefficient is introduced and used to modify the guidance law to make it adaptive for all guidance constraints. After integrating the closed-form solution of the guidance command with linearized engagement kinematics, the analytic predictive models of impact angle and FOV angle are built, and the available range of IAW corresponding to constraints is certain. Next, a calculation scheme is presented to acquire the real-time value of IAW during the entire guidance process. When applying the proposed guidance law, the IAW will keep small to avoid a trajectory climbing up to limit FOV angle at an initial time but will increase with the closing target to improve impact position and angle accuracy, thereby ensuring that the guidance law can juggle orders of guidance accuracy and constraints control.展开更多
为了更全面地对睡眠脑电进行特征提取,提出一种基于多视图与注意力机制的睡眠脑电分期方法。首先针对原始睡眠脑电信号构造时域和时频域两类视图数据;然后设计融合注意力机制的混合神经网络对多视图数据进行表征学习;接着通过双向长短...为了更全面地对睡眠脑电进行特征提取,提出一种基于多视图与注意力机制的睡眠脑电分期方法。首先针对原始睡眠脑电信号构造时域和时频域两类视图数据;然后设计融合注意力机制的混合神经网络对多视图数据进行表征学习;接着通过双向长短时记忆(bi-directional long short-term memory,BiLSTM)网络进一步学习睡眠阶段之间的转换规则;最后使用Softmax函数进行睡眠分期,并利用类别加权损失函数解决睡眠数据类别不均衡的问题。实验使用Sleep-EDF数据库中前20名受试者的单通道脑电信号并采用20折交叉验证对模型进行性能评估,睡眠分期准确率达到83.7%,宏平均F_(1)值达到79.0%,Cohen′s Kappa系数达到0.78。与现有方法相比,算法性能提升明显,证明了所提方法的有效性。展开更多
文摘目的探讨动态对比增强磁共振成像(dynamic contrast-enhanced magnetic resonance imaging,DCE-MRI)定量参数联合小视野弥散加权成像在甲状腺良恶性结节鉴别中的应用价值。材料与方法收集2022年1月至2023年10月于滨州医学院附属医院诊治并经手术病理证实为甲状腺结节的患者38例(52个结节),将其分为良性结节组和恶性结节组。术前患者均行3.0 T MRI扫描,包括常规MRI、小视野弥散加权成像(b值取0、800 s/mm^(2))和DCE-MRI检查,并测量其表观弥散系数(apparent diffusion coefficient,ADC)值和DCE-MRI定量参数,包括对比剂容积转运常数(volume transport constant,K^(trans))、速率常数(rate constant,K_(ep))、血管外细胞外间隙容积分数(extravascular extracellular volume fraction,V_(e))。对甲状腺良恶性结节组的ADC、K_(ep)、V_(e)、K^(trans)采用独立样本t检验分析,以P<0.05为差异有统计学意义,后将差异有统计学意义的变量进行逐步logistic回归模型分析,得到甲状腺良恶性结节的独立预测因素,并绘制受试者工作特征(receiver operating characteristic,ROC)曲线分析ADC、K^(trans)独立诊断模型及ADC与K^(trans)联合诊断模型的诊断效能。结果良性结节组平均ADC值、K^(trans)值、K_(ep)值分别为(1.659±0.370)×10^(-3)mm^(2)/s、(0.427±0.214)min^(-1)、(0.966±0.225)min^(-1),恶性结节组平均ADC值、K^(trans)值、K_(ep)值分别为(1.182±0.195)×10^(-3)mm^(2)/s、(0.178±0.073)min^(-1)、(0.600±0.248)min^(-1)。良性结节组的ADC、K^(trans)、K_(ep)值均高于恶性结节组,差异均有统计学意义(P<0.001)。经过独立样本t检验及逐步logistic回归分析显示,ADC值和K^(trans)差异具有统计学意义(P<0.05),是鉴别甲状腺结节良恶性的独立预测因子。单独ADC值曲线下面积(area under the curve,AUC)为0.915、单独K^(trans)值AUC为0.827。ADC值与K^(trans)联合诊断模型AUC为0.973,较二者单独应用明显增高,联合诊断模型诊断效能最高。经DeLong检验,联合诊断模型与单独K^(trans)诊断差异存在统计学意义(P<0.05)。ADC值与K^(trans)联合诊断模型在鉴别甲状腺良恶性结节中敏感度为97.3%,较ADC、K^(trans)更高,特异度为84.6%,较ADC值更高。结论ADC值和K^(trans)是鉴别甲状腺良恶性结节的重要参数,两者联合诊断可提高临床诊断准确性,为术前诊断提供重要依据。
文摘大规模多视图聚类旨在解决传统多视图聚类算法中计算速度慢、空间复杂度高,以致无法扩展到大规模数据的问题.其中,基于锚点的多视图聚类方法通过使用整体数据集合的锚点集构建后者对于前者的重构矩阵,利用重构矩阵进行聚类,有效地降低了算法的时间和空间复杂度.然而,现有的方法忽视了锚点之间的差异,均等地看待所有锚点,导致聚类结果受到低质量锚点的限制.为定位更具有判别性的锚点,加强高质量锚点对聚类的影响,提出一种基于加权锚点的大规模多视图聚类算法(Multi-view clustering with weighted anchors,MVC-WA).通过引入自适应锚点加权机制,所提方法在统一框架下确定锚点的权重,进行锚图的构建.同时,为增加锚点的多样性,根据锚点之间的相似度进一步调整锚点的权重.在9个基准数据集上与现有最先进的大规模多视图聚类算法的对比实验结果验证了所提方法的高效性与有效性.
文摘目的 比较磁共振小视野体素不相干运动扩散加权成像(reduced field of view,intravoxel incoherent motion,r-fov IVIM)及小视野常规扩散加权成像(reduced field of view,diffusion weighted imaging,r-fov DWI)模型参数预测乳腺侵润性导管癌新辅助化疗疗效的价值。方法 前瞻性选取28例单侧乳腺浸润性导管癌患者,收集化疗前、化疗2周期后乳腺r-fov IVIM模型参数真性扩散系数(Dt),假性扩散系数(Dp),灌注分数(f);r-fov DWI参数表观扩散系数(ADC)。根据术后病理结果分为组织学非显著反应组13人,组织学显著反应组15人;采用SPSS 25.0对数据进行处理,比较NAC前和化疗2个周期后两组间的参数值差异。绘制受试者工作特征曲线(receiver operating characteristic,ROO曲线分析以上参数对新辅助化疗疗效的预测价值。结果NAC2周期后ADC值,NAC2周期后与NAC前参数差值ΔADC、ΔDt值,三者的曲线下面积(area under curve,AUC)最大(0.951 VS 0.914、0.914),预测MHR组的效能高;NAC2周期后的Dt值,预测MHR组的效能较好(AUC=0.827)。结论 NAC2周期后,r-fov DWI模型参数ADC值和r-fov IVIM模型参数Dt值越高,且较NAC前升高程度越大,新辅助化疗结束后越容易获得较好的疗效;其中,以NAC2周期后,r-fovDWI模型参数ADC值的预测效能最高,应作为乳腺癌浸润性导管癌临床治疗过程中,新辅助化疗反应评估的主要参考参数。
基金supported by the Aeronautical Science Foundation of China(20150172001)
文摘In this paper, a new adaptive optimal guidance law with impact angle and seeker’s field-of-view(FOV) angle constraints is proposed. To this end, the generalized optimal guidance law is derived first. A changeable impact angle weighting(IAW) coefficient is introduced and used to modify the guidance law to make it adaptive for all guidance constraints. After integrating the closed-form solution of the guidance command with linearized engagement kinematics, the analytic predictive models of impact angle and FOV angle are built, and the available range of IAW corresponding to constraints is certain. Next, a calculation scheme is presented to acquire the real-time value of IAW during the entire guidance process. When applying the proposed guidance law, the IAW will keep small to avoid a trajectory climbing up to limit FOV angle at an initial time but will increase with the closing target to improve impact position and angle accuracy, thereby ensuring that the guidance law can juggle orders of guidance accuracy and constraints control.
文摘为了更全面地对睡眠脑电进行特征提取,提出一种基于多视图与注意力机制的睡眠脑电分期方法。首先针对原始睡眠脑电信号构造时域和时频域两类视图数据;然后设计融合注意力机制的混合神经网络对多视图数据进行表征学习;接着通过双向长短时记忆(bi-directional long short-term memory,BiLSTM)网络进一步学习睡眠阶段之间的转换规则;最后使用Softmax函数进行睡眠分期,并利用类别加权损失函数解决睡眠数据类别不均衡的问题。实验使用Sleep-EDF数据库中前20名受试者的单通道脑电信号并采用20折交叉验证对模型进行性能评估,睡眠分期准确率达到83.7%,宏平均F_(1)值达到79.0%,Cohen′s Kappa系数达到0.78。与现有方法相比,算法性能提升明显,证明了所提方法的有效性。