基于多通道的ICU脑血管疾病死亡风险预测模型

死亡风险预测指根据病人临床体征监测数据来预测未来一段时间的死亡风险。对于ICU病患，通过死亡风险预测可以有针对性地对病人做出临床诊断，以及合理安排有限的医疗资源。基于临床使用的MEWS和Glasgow昏迷评分量表，针对ICU病人临床监测的17项生理参数，提出一种基于多通道的ICU脑血管疾病死亡风险预测模型。引入多通道概念应用于BiLSTM模型，用于突出每个生理参数对死亡风险预测的作用。采用Attention机制用于提高模型预测精度。实验数据来自MIMIC [Ⅲ]数据库，从中提取3?080位脑血管疾病患者的16?260条记录用于此次研究，除了六组超参数实验之外，将所提模型与LSTM、Multichannel-BiLSTM、逻辑回归（logistic regression）和支持向量机（support vector machine, SVM）四种模型进行了对比分析，准确率Accuracy、灵敏度Sensitive、特异性Specificity、AUC-ROC和AUC-PRC作为评价指标，实验结果表明，所提模型性能优于其他模型，AUC值达到94.3%。     

面向算网一体的开放服务互联架构

泛在化资源和服务模式下,向行业提供一种基础共性的开放服务,并从算力和网络双重维度给予这些服务精细化的资源保障,是面对后5G乃至6G时代新型业务场景的必要需求。文章提出一种面向应用和算网资源的开放服务架构,在端、网、云引入统一的共性服务标识,并在网络层据此叠加服务子层,在满足端到端服务发现、服务交付和服务保障的同时,使能IP网络对服务的精细化感知和路由调度功能,为算网深度融合的新型基础设施提供一种有益的参考架构。     

瑶族女性头饰所反映的艺术元素在旅游文创产品设计中的应用

瑶族是我国的一个历史悠久的少数民族,瑶族女性的头饰是瑶族女性服饰的重要组成部分,具有极高的艺术水平和民族特色.现通过对瑶族头饰的起源、社会功能和艺术内涵等方面的分析,提炼出瑶族头饰的艺术元素的点、线、彩、法,并以此为依据设计了一组文创作品.将这些与众不同的瑶族头饰元素融入旅游文创产品设计中,不仅能促进旅游文化产业的发展,还能推进瑶族文化的传承与创新.     

电信运营商云网规划数字化研究和实现

基于电信运营商数字化转型，系统性地提出了数据驱动的云网发展规划体系，以及六大关键数字化能力构建，设计和实现了一种云网规划数字化平台，该平台可用于实现目标网络精细规划、边缘计算精准预测等场景，并探讨了数字孪生在规划领域的应用前景，对运营商推进云网融合战略、推进高质量发展具有指导和参考意义。     

基于OBE理念的高校公共建筑设计原理课程融合信息化教学模式研究

线上线下融合的信息化课程教学已经成为当下高校教育的常见教学模式,结合工程教育认证及"OBE"理论,对建筑学专业理论课程构建符合专业特色和时代需求的教学模式设计策略和实践路径进行了阐述,并对课程的实际应用进行了总结和反思。     

基于推理注意力机制的二阶段网络图像修复

现有的图像修复方法在处理大面积缺失或高度纹理化的图像时，通常会产生扭曲的结构或与周围区域不一致的模糊纹理，无法重建合理的图像结构。为此，提出了一种基于推理注意力机制的二阶段网络图像修复方法。首先通过边缘生成网络生成合理的幻觉边缘信息，然后在图像补全网络完成图像的重建工作。为了进一步生成视觉效果更逼真的图像，提高图像修复的精确度，在图像补全网络采用推理注意力机制，有效控制了生成特征的不一致性，从而生成更有效的信息。所提方法在多个数据集上进行了实验验证，结果表明该图像修复方法的结构相似性指数达到了88.9%，峰值信噪比达到了25.56 dB，与现有的图像修复方法相比，该方法具有更高的图像修复精确度，生成的图像更逼真。     

连云港杰瑞电子有限公司

连云港杰瑞电子有限公司是特大型国有重要骨干企业中国船舶集团有限公司下属国有控股公司,中国海防(sh600764)全资子公司,是国家级高新技术企业、首批军用电子元器件合格供应商、国家两期火炬项目实施单位,江苏省两化融合示范企业。     

作品名称:《港城遗梦》

作品说明:“港城遗梦”以湛江非遗项目:雷州石狗、舞鹰雄、北坡游鱼、湛江傩舞、吴川飘色为创意文化,从中提取创意元素进行设计。非遗里悠久的故事和精神内核是世代相传的,这五项非遗都独具湛江特色,具有悠久的历史,生动表达了湛江人民爱憎好恶的价值评判态度与审美情趣,传达出人们对生活的美好祝福和向往。此次设计从湛江非遗文化中提取元素进行插画设计,采用现代表现手法与传统文化的融合,并选用精美的金属书签作为载体,让湛江非遗融入人们的生活,让非遗“潮起来”。     

基于阶段注意力机制的电力线提取算法

电力系统维护是电力系统稳定运行的重要保障，应用智能算法的无人机电力巡检则为电力系统维护提供便捷。电力线提取是自主电力巡检以及保障飞行器低空飞行安全的关键技术，结合深度学习理论进行电力线提取是电力巡检的重要突破点。本文将深度学习方法用于电力线提取任务，结合电力线图像特点嵌入改进的图像输入策略和注意力模块，提出一种基于阶段注意力机制的电力线提取模型（SA-Unet）。本文提出的SA-Unet模型编码阶段采用阶段输入融合策略（Stage input fusion strategy， SIFS），充分利用图像的多尺度信息减少空间位置信息丢失。解码阶段通过嵌入阶段注意力模块（Stage attention module，SAM）聚焦电力线特征，从大量信息中快速筛选出高价值信息。实验结果表明，该方法在复杂背景的多场景中具有良好的性能。