DCE-MRI定量参数对子宫内膜癌的诊断价值及与临床病理因素的相关性

本文选取了子宫内膜癌患者108例作为观察组,另选取子宫内膜良性病变患者105例作为对照组,均行DCE-MRI检查后发现,观察组容量转移常数(K trans)、速率常数(K ep)、血管外细胞外间隙容积比值(V e)高于对照组(P<0.05);K trans、K ep、V e值联合诊断子宫内膜癌的曲线下面积(AUC)为0.841;K trans、K ep、V e值与临床分期、肌层浸润程度呈正相关,与分化程度呈负相关(P<0.05)。本研究结果提示DCE-MRI定量参数对子宫内膜癌具有一定鉴别诊断价值,有助于进一步区分子宫内膜癌患者肌层浸润程度、临床分期、分化程度。     

后负荷对心室压力—容积关系的影响

本文利用一种心室分析模型，对心室后负荷，用更符合循环生理实际的非对称Ｔ型管模型替代三元件的Ｗｅｓｔｅｒｈｏｆ模型，在此基础上研究心室压力－容积关系随后负荷的变化情况发现收缩末期的心室压力－容积关系基本上不随后负荷的改变而改变。     

FV/MC混合算法求解轴对称钝体后湍流流场

介绍一种有限容积／Monte Carlo结合求解湍流流场的相容的混合算法．有限容积法求解Reynolds平均的动量方程和能量方程，Monte Carlo方法求解模化的脉动速度—频率—标量联合的PDF方程．将该算法发展到无结构网格，探讨了在无结构网格中实现两种方法的耦合，包括颗粒定位，颗粒场和平均场之间数据交换等问题．并以二维轴对称钝体后湍流流场作为算例，比较了计算结果与实验结果．     

基于卷积神经网络的蛋胚活性精准检测方法研究

孵化的蛋胚是生产禽流感疫苗的载体,蛋胚的活性检测是疫苗生产中的关键环节,通过光电容积脉搏法检测蛋胚活性是提高蛋胚活性检测准确率的关键。为了提高蛋胚活性检测效率和检测准确率,采用滑动功率谱方法（PSD）将蛋胚脉搏波可视化,基于卷积神经网络对蛋胚活性进行精准分类。实验结果显示,采用卷积神经网络对单个蛋胚信号的计算时间仅为12.6 ms,与人工检测方法相比,检测效率提高近200倍。可视化后的蛋胚脉搏波的卷积神经网络分类准确率可达94.14%,其中活胚、死胚和弱胚的真阳率分别为99.74%、93.73%、84.39%。基于卷积神经网络的蛋胚活性分类模型,可在大规模生产中精准地辨识蛋胚活性,对疫苗生产过程具有重要的应用价值。     

小型ORC系统膨胀机容积流量试验装置研究

介绍了一种涡旋膨胀机容积流量试验装置,从测试原理、试验装置设计方案、试验装置测试情况几个角度进行了详细说明。通过对试验数据的分析,说明了该涡旋膨胀机容积流量试验装置设计合理,测试精确,可为小型ORC系统膨胀机容积流量测试提供有效参考。     

随机空间柔性多体系统动力学分析

轻质、高精度的柔性多体系统被广泛应用于实际工程领域中.由于实际设计公差、制造误差及环境温度等多种不确定因素的存在,使得柔性多体系统的结构参数(物理参数和几何参数)表现出随机性.具有随机结构参数的动力学模型能够客观地反映出真实系统的动力学行为,且结构参数的不确定性对空间柔性多体系统动力学响应的影响是不容忽视的.针对具有多个随机参数的空间柔性多体系统,提出了一种基于广义alpha算法的非侵入式随机柔性多体系统动力学计算方法.采用绝对节点坐标公式(absolute node coordinate formulation, ANCF)来描述柔性体, 推导建立多体系统动力学模型.利用混沌多项式展开(polynomial chaos expansion, PCE)法构建系统随机动力学方程的代理模型,然后将随机响应面法(stochastic response surface method, SRSM)嵌入广义-alpha方法中,分别采用改进抽样的回归方法(regression method of improved sampling, RMIS)和单项求容积法则(Monte Carlo simulation, MCR)来确定样本点.将数值计算结果与蒙特卡洛模拟(Monte Carlo simulation, MCS)结果进行对比, 验证了所提算法的有效性.在相同的定积分精度的条件下,根据单项求容积法则确定的样本点的计算结果稳定性更强, 且其计算效率更高.      

无创血液成分检测中基于VIP分析的波长筛选

自变量筛选是定量光谱分析领域的研究热点,简便且高效的自变量筛选方法不但可以降低分析计算量,提高分析精度,同时还可以减轻对仪器光谱分辨能力的依赖,降低分析成本。波长筛选也是光谱法无创血液成分检测研究的重要环节。动态光谱理论为血液无创检测提供了极佳的思路,但长期局限于使用宽带光源和高分辨率的光谱仪器,分析中需要大量波长限制了动态光谱法的进一步发展。为了去除冗余信息,使检测走向低成本化和集成化,提出了基于变量投影重要性(variable importance in projection,VIP)分析的波长筛选方法。通过分析PLS模型中各维自变量对因变量的解释能力,从而剔除重要性较低的变量保留解释能力强的波长。以232例受试者的临床实验数据为基础,以血红蛋白含量为分析对象,经投影重要性分析后将波长数由586降至64,波长筛选后血红蛋白预测模型的测试集平均相对误差(MREP)为1.82%,使用了极少的波长便可得到满意的结果;结合Bootstrap方法对模型进行显著性检验后验证了波长变量的解释能力。首次指出了使用动态光谱法检测血红蛋白的敏感波长带。基于投影重要性分析的波长筛选迈出了动态光谱走向实用的重要一步,为实现低成本在线分析打下了基础,同时也为其他领域的光谱分析提供了重要的参考和新的思路。     

光电容积脉搏波的睡眠呼吸暂停综合征筛查方法

睡眠呼吸暂停综合征（SAS）素有“睡眠杀手”之称。由于其诊断金标准多导睡眠监测仪（PSG）的限制,诊断率一直偏低。由于呼吸暂停发生时会引发心率节奏的变化,因此利用心电图（ECG）通过心率变异性（HRV）分析可以实现SAS的自动筛查。但是,ECG-SAS方法所用电极穿戴繁琐、材质致敏性较高,影响睡眠安适度。鉴于脉率变异性（PRV）分析与HRV分析高度相关,并且光电容积脉搏波（PPG）信号相对ECG信号获取方式更加简单,不仅电极不易致敏,而且更易于穿戴,对睡眠干扰小。由此,提出利用同步采集的PPG信号和ECG信号,应用相同的建模方法,比较二者的疾病识别能力。应用反向传播（BP）神经网络,分别建立PPG-SAS与ECG-SAS自动筛查模型,并采用十折交叉验证法及受试者工作特征（ROC）曲线对模型进行对比与评估。实验数据来源于MIT-BIH Polysomnographic Database,共8 248个样本,其中正常样本6 227例。首先采用三层BP神经网络,默认参数下建立PPG-SAS与ECG-SAS模型,使用十折交叉验证法及ROC曲线进行模型分类准确性的对比;然后依次改变影响分类性能的隐层节点数、训练函数以及传递函数,建立多个PPG-SAS与ECG-SAS模型,从中选取各自的最优模型再进行对比。通过比较识别率、预测率以及ROC曲线面积,采用默认参数的PPG-SAS模型优于ECG-SAS模型。通过比较平均分类准确率,隐层节点数为50、训练函数为一步正割算法、隐含层传递函数为双曲正切S型函数时,PPG-SAS模型得到的最高识别率与预测率分别为80.30%和80.13%;隐层节点数为50、训练函数为一步正割算法、隐含层传递函数为径向基时,ECG-SAS模型的最高识别率与预测率分别为77.60%和77.67%。以上实验结果均表明PPG信号的SAS分类能力较ECG信号更具优越性,由此证明了PPG信号筛查SAS的可行性及可靠性,为临床SAS病症的早期发现及诊断率提升奠定理论基础。     

埋地热油管道正常运行的数值模拟研究

对高凝原油管道输送的水力热力问题进行分析研究,掌握管线运行规律,保证管线安全经济运行有着重要意义.本文建立了埋地热油管道正常运行的数学模型,采用非结构化网格和有限容积法对该问题进行了研究,计算结果与实验测量值吻合良好.     

基于5阶球面最简相径的改进型容积卡尔曼滤波在SINS/DVL组合导航中的应用

为提高水下SINS/DVL组合导航系统的精度,建立了捷联惯性导航系统(SINS)的非线性误差模型,并建立多普勒测速仪的误差方程,以SINS为主导航设备建立SINS/DVL组合导航系统模型。设计了5阶球面最简相径容积卡尔曼滤波器,采用了球面最简相径采样规则改进容积卡尔曼滤波,并应用于SINS/DVL组合导航系统中。通过数学平台仿真验证了5阶球面最简相径容积卡尔曼滤波方法有效性,仿真结果表明:该方法能够有效提高SINS/DVL组合导航系统的精度,且稳定性好。