基于形态特征提取的急性下壁心肌梗死BiLSTM网络辅助诊断算法

急性下壁心肌梗死是一种病发急、进展快、致死率高的心脏疾病,该文提出一种新颖的基于形态特征提取的BiLSTM神经网络分类的急性下壁心肌梗死辅助诊断算法,可大幅度提高医生对急性下壁心肌梗死疾病的诊断效率并有助于及时确诊.算法包括:对胸痛中心数据库心拍信号进行降噪及心拍分割;根据临床心内科医学诊断指南提取了12导联波形距离特征和分导联波形幅值特征;依据提取的特征搭建LSTM与BiLSTM神经网络进行心拍的分类识别;使用PTB公开数据库和胸痛中心数据库多临床中心进行交叉验证.实验结果表明,加入胸痛中心真实临床数据后,基于形态特征提取BiLSTM神经网络的急性下壁心肌梗死辅助诊断算法准确率达到99.72％,精度达到99.53％,灵敏度达到100.00％,同时F1-Score达到99.76.该算法比其他现有算法准确率提高至少1％,该项研究具有非常重要的临床应用价值.     

芳烃吸附分离装置吸附塔控制系统的仿真培训系统开发

芳烃吸附装置操作难度高,操作人员经验不足会危及生产安全;同时由于吸附塔专用控制系统复杂,控制精度要求高,操作人员的技能高低直接关系后续产品的质量和产品收率,因此需要开发仿真培训系统,通过反复操作和故障处理练习使操作人员获取足够的应对经验。针对用户装置的实际情况,充分考虑实际生产的各种工况、各单元运行机理,建立了客户化装置模型,对吸附塔控制系统实现完全的复制和模拟,从而实现操作仿真培训、控制策略检验、工艺方案研究、先进控制辅助等一系列功能,帮助企业有效提高操作人员技能,实现装置安全、稳定和长周期运行,同时还可以指导、验证并优化专有控制系统的开发。