基于动态功能连接的握力运动参数脑电识别

为了研究握力运动过程中脑功能网络(Brain Functional Network,BFN)的动态变化特征及对握力运动参数任务识别的影响,提出一种加权相位滞后指数法构建动态脑功能网络.通过对预处理的EEG时间序列按照一定的非重叠窗口截断成等长的子时间序列,按时间顺序,利用相位同步特性对所有子序列进行筛选;筛选出的有效数据段用加权相位滞后指数法估计功能连接大小,构建相应节点的脑功能网络;提取4种不同网络特征参数,对其进行串行融合获得特征向量;最后以支持向量机作为分类器进行分类.与静息态和不均匀子时段划分方法相比,所提方法的平均识别率提高到了74％.     

基于Bi-LSTM的医学文本分词模型

中文分词(Chinese Word Segmentation,CWS)是自然语言处理(Natural Language Processing,NLP)中一项重要的基础任务.由于不同领域中文词汇的特殊性以及缺乏相关领域的标记数据,面向特定领域的分词任务是近年来中文分词研究面临的挑战之一.因此,提出了一种基于双向长短时记忆...     

建立新型边缘泄露补偿机制的四阶方程图像平滑方法

针对传统的四阶偏微分方程(四阶方程)降噪算法容易造成图像边缘泄露的问题,本文提出了一种基于边缘检测理论的泄露修补算法.该算法首先用非线性的双边滤波器对噪声图像进行预处理,得到边缘结构较好的预处理图像,然后基于梯度算子具有检测图像边缘特征的特点,提出将结果图像和预处理图像二者梯度差值的二范数平方作为边缘保持约束项,并将其加入到四阶方程算法的能量泛函中.另外,基于图像局部方差构造了自适应的拉格朗日乘子,从而实现对边缘保持约束项的自适应调整,以提高其边缘保持性能.实验测试结果表明,本文算法不仅继承了传统四阶算法具有的优点,而且增强了对边缘结构的保持能力.     

基于线性链表的Apriori算法的改进

Apriori算法是关联规则挖掘的一个经典算法,它使用一种称作逐层搜索的迭代方法,用(k-1)项集来探索k项集。每探索一个k项集,Apriori算法都需要扫描一次完整数据库。不断扫描数据库是影响Apriori算法运行效率的主要原因。文中基于线性链表对Apriori算法提出了一种改进方法。通过对数据库进行转换,以缩小探索k-项集时扫描的数据库,提高算法运行效率。     

手性固定相AD、AS和OD的拆分性能

手性固定相-高效液相色谱法在手性药物、手性农药等的分离分析中应用广泛。本文采用3种多糖衍生物的手性固定相(即EnantioPak AD、AS和OD)对20种手性化合物开展手性分离研究,进而探讨样品分子结构、多糖骨架和衍生基团对手性分离的影响。结果表明,除化合物13外,其余化合物在EnantioPak AD上均实现基线分离,分离度多在2.0以上,在正己烷-醇流动相中加入酸碱添加剂可改善和优化酸性或碱性化合物的分离效果;芳香醇(化合物13~16)随着侧链碳数增加在色谱柱上的保留减弱,其分离度呈现增加的趋势;对比8种化合物在3种手性固定相上的分离结果可知,EnantioPak AD表现出更优的分离性能。这为深入研究和了解多糖手性固定相、拓展其手性分离应用提供了参考。     

基于无监督学习网络模型的PET影像伪影校正

核医学领域PET/CT可以为胸腹部的肿瘤诊断提供影像支持。但由于患者在扫描过程中不自主的呼吸运动,会造成呼吸运动伪影。为了提高PET图像质量,文中提出了一种无监督的图像配准校正框架,该方法中通过三维卷积神经网络(3D-CNN)预测图像的配准域,再由空间变换网络(STN)对图像进行扭曲变换,实现对PET图像的伪影校正。实验结果表明,在仿真的PET几何体模和像素体模数据集上分别取得了82.12%和83.76%的相似性Dice值,证明了该方法的有效性。     

超临界流体色谱与高效液相色谱分离手性化合物的比较

超临界流体色谱(SFC)分离具有速度快、分离效率高、溶剂消耗少等优点,近年来在手性化合物的分离分析中得到诸多应用。本文对比研究了涂覆型多糖手性色谱柱在SFC和高效液相色谱(HPLC)上拆分24种手性化合物的差异。通过比较这些化合物在色谱柱上的保留时间和选择因子等发现多数化合物在SFC上的分离效率要高于其在HPLC上的分离效率,但HPLC对轴手性化合物的分离效率要优于SFC。SFC和HPLC的分离表现出一定的互补性,随着苯环侧链烷基的碳数增加,化合物在SFC上的保留逐渐增强,而在HPLC的保留却逐渐减弱。叶菌唑在使用SFC和HPLC分析时出现了洗脱顺序反转的现象。这些结果为SFC手性拆分提供了参考。     

脑卒中信息管理系统权限控制的设计与实现

随着医疗信息技术和互联网的飞速发展,医疗信息资源的安全越来越备受关注,权限管理为解决信息系统安全性问题提供了重要保障,为防止非法获得或破坏信息起着重要的作用。脑卒中信息管理系统存放大量脑卒中患者的治疗信息,为医生发现其潜在的疾病提供依据。针对脑卒中信息管理系统复杂的权限控制需求,本文提出了一种权限控制方法,它采用SpringMVC+Hibernate后台框架,Bootstrap前台框架技术,以及B/S结构软件设计中的精粒度权限管理思路,实现了软件系统中的权限管理。实践证明系统能够满足权限控制需求,具有良好的可操作性和灵活性。     

基于多路径输入和多尺度特征融合的视网膜血管分割

视网膜血管的形态变化,如分叉角度、扩张程度等 ,可为眼底疾病的诊断提供依据。 使用深度学习技术对视网膜病变程度进行评估成为目前研究的重点。提出了一种基于多 路径输入和多尺度特征融合的视网膜血管分割方法来解决视网膜血管分割问题。采用了 多路径输入和多特征融合的方式改进了U-Net模型,使本文的网络能够有效的解决眼底视网 膜图像的分割效果差的 问题。实验结果表明,算法在DRIVE和CHASE_DB1数据集上,敏 感性分别取得0.814和0.813,特异性 分别取得0.984和0.986,在分割准确率指标上 分别取得0.969和0.975,所提方法相较于其他方法较优。     

基于ICEEMDAN-ICSSA-CKELM-TCCA的短期风电功率预测研究

为了提高风电功率预测的准确性，基于信号分解、优化算法和误差修正，提出一种ICEEMDAN-ICSSA-CKELMTCCA的风电功率预测组合模型。首先采用改进的带自适应噪声的完全集成经验模式分解（ICEEMDAN）和样本熵原理，对原始功率序列进行分解和重构，得到更适合提取特征的新序列。然后，建立包含Poly核函数、RBF核函数的组合核极限学习机（CKELM）对新的序列进行初步预测，并利用融合了Tent混沌映射、动态惯性权重和自适应t变异策略的改进混沌麻雀搜索算法（ICSSA）对其参数进行优化，提升CKELM预测性能。最后将时间卷积网络（TCN）与高效通道注意力机制（ECA）组合搭建为TCCA模型，对初步预测结果进行修正。以中国云南省某风电场的数据为例进行多组实验，结果表明该模型针对风电功率具有较高的预测精度。