基于差影技术的乳腺微钙化点检测方法

目的协助医生进行诊断,避免医生因大量阅片引起疲劳而造成误诊,提高乳腺癌早期诊断的效率和准确率。方法先对乳腺钼靶 X 线照片数字化；再对数字化的乳腺影像归一化；然后从中选取感兴趣区域；最后利用差影技术检测出微钙化点并标示于影像中。结果对于16幅(其中13幅含有微钙化)经过病理解剖确诊的乳腺钼靶片进行实验,利用本文方法共检测出14幅钙化图像。结论该方法检出率高。微钙化点定位准确,值得进一步研究。     

走路治好脚骨增生

前几年,我一走路,右脚跟就疼。后来,越来越严重,走路时间长了,就钻心地疼。医生给我拍了X光片,诊断为脚骨增生,而且增生部位带着一个尖尖的弯钩,医生说是骨刺,一走路骨刺就往肉里戳,刺痛神经。医生告诉我,现代医学还没有更好的办法,只能少活动,多休息,闲了没事的时候,用一个椭圆的木锤,多在长骨     

升降散治疗COVID-19的网络药理学机制

目的:探究复方升降散对新冠肺炎(COVID-19)潜在作用机制。方法:运用中药系统药理学数据库和分析平台(TCMSP)、BATMAN-TCM数据库等方式探究升降散的活性化合物和相应靶点; COVID-19的相关靶点由Gene Cards数据库获得,将升降散的活性成分相关的靶点与COVID-19相关的靶点进行相交,得到升降散作用于COVID-19的潜在治疗靶点;运用Cytoscape 3.7.2软件和STRING在线分析工具构建"复方-中药-靶点-疾病"和靶点蛋白互作网络图,并对网络进行拓扑结构分析,筛选得到核心的靶点;最后利用David数据库对关键靶点进行GO分析和KEGG通路富集分析,并运用R语言对KEGG通路富集分析进行可视化处理。结果:共获得药物升降散活性成分33个,其潜在的作用靶点有437个;与COVID-19有关靶点30个,分析得到关键靶点15个,这些靶点多为炎症相关介质; GO分析得到154种生物学过程(biological process,BP)、12种细胞组成(cellular component,CC)和21种分子功能(molecular function,MF); KEGG富集通路分析得到51条通路,这些通路大多与病毒和细菌感染有关。结论:升降散通过多成分、多靶点和多通路起到抗病毒、抗炎的效果,具有潜在治疗COVID-19的作用。     

新冠肺炎疫情下加强新生儿感控管理的临床策略

针对新型冠状病毒(2019-nCoV)感染的风险,重点介绍新冠肺炎(COVID-19)疫情期间门诊、新生儿重症监护病房(NICU)、产时与产后新生儿管理的相关措施,为围产期新生儿感染风险防控管理提出临床建议。     

靶向木瓜样蛋白酶的抗SARS-CoV-2药物虚拟筛选

利用与急性呼吸综合征冠状病毒2型(SARS-CoV-2)具有高度同源性的人冠状病毒类木瓜蛋白酶(human coronavirus papain-like protease)晶体,对木瓜样蛋白酶(PLpro)进行同源模建,再通过该模建的蛋白对已上市或已进入临床试验的药物运用分子对接的方法进行虚拟筛选和动力学模拟研究,以找到对SARS-CoV-2引起的新冠肺炎疾病(COVID-19)可能具有治疗作用的药物。经过筛选,共确定了11种与SARS-CoV-2 PLpro结合较好的候选药物。分子动力学模拟和结合自由能分析结果表明:疏水性相互作用在候选药物与PLpro的结合过程中具有重要作用,并且发现替诺福韦艾拉酚胺(Tenofovir alafenamide)具有对COVID-19治疗的潜力。虚拟筛选是一种快速且经济的药物筛选的方法,用此方法筛选得到的替诺福韦艾拉酚胺可能可以作为候选药物对COVID-19进行治疗。     

河南省新型冠状病毒(COVID-19)疫情分析

新型冠状病毒(COVID-19)的传播给人们造成了极大危害,针对本次疫情,主要收集了河南省在COVID-19早期疫情的100多例病例,进行了疫情特征分析。根据疫情特征及不同时刻单位接触人数的变化,建立了非自治SIAR模型。利用Matlab进行数据拟合,分析了疾病流行时间、最终规模、疫情高峰时间等流行病学特征,实现了对河南省疫情趋势评估。随后,对政府管控力度等因素进行了参数敏感性分析。研究结果表明:政府采取的限制出行等措施(减少接触数)可有效控制疫情规模。     

人工智能产品的适应性创新逻辑——哈贝马斯交往理论视角

新型冠状病毒肺炎疫情(COVID-19)迫使数字化接触者追踪APP成为平衡疫情控制与挽救经济的方案之一。基于哈贝马斯交往理论和产品适应性创新理论,以COVID-19追踪APP为例,进行单案例研究并通过扎根理论构建出“隐私保护与伦理遵守→数据驱动→适应性成长”的人工智能产品的适应性创新逻辑和成长机制。研究发现:对于人工智能产品的适应性创新,隐私保护与伦理遵守是实现人机和谐共生的前提,这也是人工智能产品创新区别于传统工业产品创新的重要特征之一,COVID-19追踪APP所掀起的全球大讨论只是将这一人工智能产品创新的前提凸显和放大出来。据此,在肖静华等提出的数字产品成长机制基础上提出人工智能产品的创新逻辑。     

中药吸入疗法辅助治疗新型冠状病毒肺炎的应用分析

通过数据挖掘方式对常见的中药吸入疗法的使用特点进行分析,探讨中药吸入疗法在新冠肺炎的预防治疗以及康复学等方面的应用。分析结果表明:中药雾化吸入疗法临床上常用于呼吸系统疾病,适用于辅助治疗COVID-19中、重症患者;芳香疗法可缓解患者紧张、焦虑不安的负面情绪,适用于辅助治疗COVID-19轻症患者呼吸道感染;烟熏吸入疗法可用于空气消毒,预防病毒传播。     

认知诊断模型研究新进展

认知诊断模型分为潜在特质模型和潜在分类模型两类.在潜在特质模型中,线性逻辑斯谛克特质模型是潜在特质模型的基础,它的提出首次实现了测量与认知的结合;多成分潜在特质模型通过考察被试作答结果的组合方式,更好地从认知加工过程的角度多维度分析被试间认知能力的差异;拓广多成分潜在特质模型则综合了前两种模型的优点并加以拓展.而对于潜在分类模型,规则空间模型作为潜在分类模型的基础用于对被试进行分类诊断;融合模型从更细致的层面对被试进行诊断测量;DINA模型仅含"失误"和"猜测"两个参数,实现了模型简化;NIDA模型从属性层面定义参数,能很好地应用于现实测量情景;贝叶斯网络(BN)以图形化的形式表现变量间的联合概率分布,体现了其从庞大的复杂数据中诊断被试认知错误的优势.     

赢得战“疫”胜利后的中国一定会发展得更加美好

正今年从中国武汉发端、蔓延至全国的新型冠状病毒肺炎(COVID-19)疫情,牵动了世人的心。面对突如其来的疫情,中国政府举全国之力,领导14亿中国人民打响了抗击新冠病毒的战役,决心之大、速度之快、效率之高,令人惊叹。这场没有硝烟的战争毫无疑问将取得最后胜利。     

基于改进DPGN的少样本图像分类算法研究

DPGN(distribution propagation graph network)是基于深度学习的少样本图像分类算法,在数据稀疏的条件下可以顺利完成图像分类,但其分类的准确率仍需进一步提升。以DPGN算法为研究对象,提出SFOD＿DPGN(SinAM＿FRN＿layer＿ODConv＿DM&EMD＿distribution propagation graph network)算法。在骨干神经网络Resnet12的残差块中融入注意力机制;将Resnet12网络中批量归一化与ReLu激活函数搭配使用的方式改为滤波器响应归一化与阈值线性单元激活函数搭配使用的方式;在分类器模块中选用全维动态卷积替换普通卷积;使用马氏距离和推土机距离替换L2距离度量函数。在CUB-200-2011数据集上的实验表明,在5way-1shot和5way-5shot分类任务下,SFOD＿DPGN算法比DPGN算法的准确率提升约7.97%和2.66%。     

基于IAPSO-RELM的信用卡用户风险评估

为了提高正则极限学习机(RELM)分类模型的精度,准确的将银行信用卡客户按照信用等级进行分类,利用改进的自适应粒子群算法(IAPSO)的全局搜索能力,寻找RELM的最优输入权值(IW)和隐藏层阈值(B),提出一种IAPSO-RELM分类算法。在分析影响信用卡用户信用等级的个人状况、工作状况和与银行关系的基础上,建立基于IAPSO-RELM的信用等级分类模型,并以FX银行信用卡中心的数据进行仿真实验。结果表明:与RELM、PSO-RELM算法相比,该方法分类效果更好。     

多层螺旋CT诊断急性胸腹部创伤的临床价值分析

目的研究和分析多层螺旋CT诊断急性胸腹部创伤的临床价值。方法将2016年9月至2017年9月我院收治的55例急性胸腹部创伤患者作为研究对象,所有患者均进行多层螺旋CT与X射线诊断,观察和比较两种诊断结果。结果多层螺旋CT的诊断效果比X射线诊断的诊断效果好,数据差异显著,具有统计学意义,P 0. 05。采用多层螺旋CT诊断结果与病理符合率为100%,采用X射线诊断结果与病理符合率平均值为88. 09%。结论在急性胸腹部创伤患者诊断中,多层螺旋CT具备较高的性能,既提高了医生的工作效率,还为患者抢救争取了宝贵时间,并且图像清晰度高,使医生在分析患者病情时更加透彻,节省了医院的成本,有利于改善患者预后,所以多层螺旋CT诊断急性胸腹部创伤有重要的临床价值。     

利用DCE-MRI结合改进卷积神经网络的MR图像自动分割与分类方法

为鉴别乳腺良、恶性肿瘤,利用动态增强磁共振成像(DCE-MRI)技术,结合混合集成的改进卷积神经网络(ME-ICNN),设计了一种计算机辅助诊断(CAD)方法。首先,在预处理阶段对输入的肿瘤图像进行背景缩减、对比度增强和乳房区域裁剪,采用全局Otsu阈值分割和形态学顶帽变换去除非损伤结构;然后,在定位阶段使用Chan-Vese活动轮廓模型自动选取最佳ROI,采用基于紧致度的滤波方法减少假阳性;最后,在诊断阶段提出一种新的卷积神经网络混合集成模型ME-ICNN,用于乳腺良恶性肿瘤的分类。通过112例DCE-MRI数据库上的实验结果表明:相比其他几种较新的卷积神经网络分类方法,所提出的ME-ICNN方法具有训练和测试执行时间快、自由参数少、分类精度高等优点,可作为放射科专家分析乳腺DCE-MRI图像的有效工具。     

遗传算法优化的SVM模拟电路故障诊断方法

提出了一种利用遗传算法优化的SVM多分类决策树(GADT-SVM)实现模拟电路故障诊断的新方法。介绍了GADT-SVM的设计思想和算法原理;利用传递函数对模拟电路进行建模,并用小波分解提取电路冲激响应的能量分布作为故障特征;使用GADT-SVM对故障特征样本进行分类实现故障诊断。仿真结果表明,与未经优化的DAG-SVM和DT-SVM故障诊断方法相比,该方法可以减小诊断"误差积累"的影响,具有更好的误差控制能力。     

防非典知识答疑

1. 非典型肺炎病人的主要症状和体征与感冒有什么不同病人通常以发热(体温38°C以上)为首发症状,多为高热,并可持续1～2周以上,可伴有寒战或其他症状,包括头痛、全身酸痛和不适、乏力,部分病人在早期也会有轻度的呼吸道症状(如咳嗽、咽痛等)。发病2～7天后,病人会有干咳、少痰、呼吸困难,少数进展为急性呼吸窘迫综合症,约10% 的病人需要机械性通气。血液化验时白细胞大多正常或降低,胸部X光片显示出不同程度的肺炎改变。普通感冒通常是在淋雨、受凉、过度疲劳后,因抵抗力下降,才容易得病。因此,普通感冒往往是个别出现,不会像非典型肺炎那…     

人口流动与新冠病毒传播——基于向量自回归模型的实证分析

利用美国2020年1月22日至8月16日的人口流动指数与COVID-19感染人数增长率数据,构建向量自回归模型,系统分析人口流动与新冠病毒传播之间的内在关联。结果表明:驾车出行指数、乘坐公共交通出行指数和步行出行指数分别与COVID-19感染人数增长率之间具有长期均衡关系;观察期间乘坐公共交通出行指数和步行出行指数对COVID-19感染人数增长率的累积效应为正,驾车出行指数对COVID-19感染人数增长率的累积效应为负。因此,控制城市公共交通和步行出行的防控措施有助于拉平"疫情曲线",鼓励居民选择私家车出行可以减弱新冠病毒传播的风险和趋势。新冠病毒传播在一定程度上对人口流动的变化产生影响,但人口流动的变化主要受其自身的影响,即驾车出行指数、乘坐公共交通出行指数和步行出行指数均具有明显的正反馈作用。     

重大疫情下基于系统动力学的网络舆情应急响应研究

SARS和新型冠状肺炎等重大疫情催生的负面网络舆情容易引发物价飞涨、民众恐慌等次生效应,造成巨大社会危害。洞悉舆情传播规律,利用政务新媒体及时引导与控制其演化趋势,对控制疫情、稳定经济社会秩序具有重要意义。文章基于“情景—回应”视角,利用COVID-19期间的十五次舆情事件数据建立系统动力学仿真模型。基于“逆向回归法”,进一步提高模型的仿真效果。以“接子回荆”事件为例,文章通过建模、仿真、分析,验证了模型的有效性。对政务新媒体回应策略进行模拟分析,结果表明：政务新媒体的回应频率和媒体的影响力程度会对舆情热度产生非线性影响;政务新媒体的回应速度会对舆情的峰值、谷值以及生命周期产生较大影响。     

新型冠状病毒SARS-CoV-2的研究进展

截至2020年3月30日,全球新型冠状病毒(SARS-CoV-2)感染者超70万例,死亡人数35 020例。世界卫生组织(WHO)于2020年3月12日宣布此次由SARS-CoV-2病毒引起的COVID-19已具有全球大流行特征。目前,尚无针对该病毒的疫苗或特效药,针对SARS-CoV-2的最有效措施还是早期发现,隔离新的感染源及对确诊患者的诊断和治疗。为应对此次疫情,详细了解病毒的性质及其临床特征至关重要,主要对新型冠状病毒的结构与基因组、流行病学、疾病诊断及治疗等方面的研究进展进行了综述。     

基于通道组合-数据对齐-多尺度全局CNN的MI-EEG分类

由于运动想象脑机接口(MI-BCI)范式不需要视觉刺激,应用MI-BCI范式在提高人机交互系统舒适度方面具有重要意义。为实现辅助设备的异步控制,提高模型的鲁棒性,减少通道使用数量以降低BCI系统输入的复杂性,提出一种基于通道组合(channel combination, CC)-数据对齐(euclidean space data alignment, EA)-多尺度全局卷积神经网络(multiscale global convolutional neural network, MGCNN)的运动想象脑电分类方法。通过引入大脑静息状态下的脑电信号,扩展MI-BCI输出指令集;利用CC将22通道脑电数据重构为左右对称通道加中间通道的3通道形式,重构后的数据经过EA方法规范后作为网络输入;构建多尺度卷积模块与全局卷积模块,并行提取脑电信号的局部特征和ERS/ERD全局特征;利用迁移学习提升模型的解码能力。结果表明：该方法在BCI Competition IV 2a数据集上达到了99.28%的平均准确率和0.99的Kappa值,提高了运动想象脑电分类精度,为在线异步运动想象脑机接口的应用与发展...