GM-CSF及CBS在肝损伤中的研究进展

肝损伤(liver injury)是指基因遗传或外部原因诱发的肝脏功能异常性疾病.临床表现为食欲不振、乏力、恶心、黄疸、疲乏等,严重者将出现肝功能衰竭,致死风险极高.在交通肇事、暴力犯罪及意外事件中,肝由于体积大、位置固定、质地脆弱、血运丰富等原因,往往是最容易发生损伤的器官之一,肝损伤后的死亡率可高达10.5％～25％[1].随着时间的变化,肝损伤的程度、病理改变、GM-CSF等相关细胞因子及CBS等相关酶的表达水平也会进一步变化.肝损伤后,由于肝内部环境稳态的破坏,器官的状态、结构、各种蛋白的转录水平、蛋白及细胞因子的表达变化水平也会发生一定程度的改变.因此定性定量地分析这些变化,找到时间相关性强的特异性指标,对于指导法医学的实践具有重要的作用.因此在法医学鉴定中,通过肝脏损伤及病变程度的改变,明确肝损伤病变与死亡时间的关系有利于判断事件或案件性质,并有助于进一步对责任方的认定.     

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。     

基于大数据深度学习的输电塔结构抗风易损性评估

为了有效预测输电网系统在强风作用下的响应，并开展高效精准的性能评估，文章提出了基于深度学习模型的风致易损性评估框架。以某具备健康监测系统的输电塔结构为例，首先对监测数据进行清洗和重构，通过大数据深度学习建立荷载输入和响应输出的等效映射模型，然后通过数值模拟生成灾害强度均匀的风场数据并由深度学习模型预测输电塔关键杆件响应，计算不同性能水准的易损性曲线。研究结果表明，经训练的深度学习模型可以涵盖实际工程中存在的各类不确定性因素，有效映射复杂风环境下输电塔结构的动力响应。提出的框架方法可以避免单纯通过数值模型制备大量动态响应数据，更高效地进行输电网系统风致易损性评估。     

新时期大学英语文化与读写教学研究——评《新时代大学英语教育教学理论与实践研究》

文化是语言表达的核心内涵,读写是语言交流的重要途径,两者在英语语言学习中占据着至关重要的地位。大学作为优秀专业人才培养基地,英语教学发展一直是学术界重点关注和思考的研究课题,面对新时期的教育发展,如何提高英语文化与读写教学成为了大学英语教学研究所面临的重难点问题。在2019年四川工业科技学院教育教学改革项目(cgkjg-19028)资助下,参阅《新时代大学英语教育教学理论与实践研究》一书,深入探讨新时期大学英语文化与读写教学研究。     

作品名称:《如意年画·创意笔筒摆件》

作品说明:“如意年画”创意笔筒摆件旨在传承和活化创新佛山木版年画这一独具岭南地方特色的非遗瑰宝。以年画诸神为主题,提取相关寓意和元素进行立体化设计,将新时代潮流热词与传统年画的吉祥寓意进行巧妙融合,满足人们求吉避崇之愿,唤起大众对木版年画文化的情感体验。本产品可在各种场景下组装和摆饰,集互动性、实用性、观赏性于一体。     

基于Bert预训练模型的虚假新闻文本检测

虚假新闻剥夺了人们获取真相的权利,也给社会和国家带来了许多危害。文中以虚假新闻文本为例,分析和验证了多种预训练语言模型在虚假新闻文本分类上的分类效果。经实验证明,相较于其他语言模型,Bert预训练语言模型取得了较好的结果,预测准确率为86.97%,召回率为88.12%,F1值为87.54%。     

不同剪跨比的无腹筋UHPC梁抗剪承载力有限元分析

为探讨剪跨比对无腹筋UHPC梁抗剪承载力的影响，文中采用ABAQUS有限元软件，以剪跨比为主要参数，对3种不同剪跨比的无腹筋UHPC简支梁的抗剪承载力进行数值分析，与试验结果相比较，吻合较好。在此基础上，考虑不同的剪跨比进行参数分析，结果表明：随着剪跨比的增大，无腹筋UHPC梁的抗剪承载力降低，且降低速率逐渐减小；剪跨比越大，纵筋配筋率对抗剪承载力的提高幅度越小。文中采用的有限元分析方法为无腹筋UHPC梁的抗剪承载力设计和计算提供参考。     

基于度量学习的意图识别和槽填充方法

人机对话中小样本学习场景下的意图识别和槽填充,是自然语言处理的一个重要课题.本文采用基于度量学习的方法,通过计算query set中的样本与support set中样本的距离,寻找距离最近的类别样本作为分类标签,同时将两个任务联合进行训练,用以提升模型的效果.从实验结果中可以得出,本文提出的Fine-tune方法,对意图识别和槽填充任务都有一定的帮助和提升.胶囊网络在意图识别中也起到了一定的效果,可以帮助去除一部分无关信息,但对槽填充任务的帮助不明显;而任务自适应的投影网络,可以更好地将不同类的向量分开,提升了两个任务的性能.     

漫谈十三五交通规划中的风险防控与低碳易达问题

编者按“十三五规划”是上海新一轮的城市规划，这一轮规划在交通领域有哪些值得重点关注的方面？围绕这个问题，近期本刊采访了上海交通运输研究中心主任陆锡明，他重点谈到了交通十三五规划在过程中的“风险防控”与目标上的“低碳易达”问题，这是以往的几个五年规划中所忽略的。