基于多项式变换的参数估计方法

本文给出一种采用DPT估计SNCK信号时宽—带宽积的方法,并通过仿真该估计方法的性能与其它估计方法进行比较.首先给出SNCK信号参数估计的一般过程.为了便于计算和理论推导,根据估计出的中心频率将接收到的SNCK信号搬移到零频,从而进一步估计其它参数,如采用DPT估计SNCK信号时宽带宽积.本文将重点研究采用DPT算法估计SNCK信号值的方法.     

心源性猝死一级预防植入心律转复除颤器前非持续室性心动过速与植入后恰当治疗的关系

目的探讨植入型心律转复除颤器(implantable cardioverter defibrillator,ICD)用于心源性猝死一级预防时,植入前发生非持续性室性心动过速(non-sustained ventricular tachycardia,NSVT)与植入后ICD恰当治疗的关系。方法本研究为单中心回顾性队列研究,连续纳入2006年1月至2017年12月在北京协和医院住院植入ICD用于一级预防的心脏病患者,患者在住院期间ICD植入前均完善Holter检查。根据Holter检查是否出现NSVT,将患者分为NSVT组及无NSVT组。门诊或电话随访至2018年8月,随访事件包括全因死亡、植入后ICD放电治疗及抗心动过速起搏(antitachycardia pacing,ATP)治疗情况。结果纳入60例符合入选和排除标准的患者,随访时间37 (14～61)个月,KaplanMeier生存曲线及Log-Rank检验提示,NSVT组与无NSVT组相比,全因死亡率无统计学差异(P=0. 108),NSVT组恰当治疗的风险高于无NSVT组(P=0. 033),NSVT和左心室射血分数与ICD恰当治疗独立相关(NSVT:HR=5. 099,95%CI:1. 399～18. 588,P=0. 014;左心室射血分数:HR=1. 077,95%CI:1. 013～1. 145,P=0. 018)。结论 ICD一级预防患者植入前出现NSVT提示接受ICD恰当治疗的风险增加。     

基于Gabor融合特征与深度自动编码器的笑脸识别方法

Gabor特征的人脸表情识别具有良好的识别性能,但同样存在特征维数大的缺点,该文提出用Gabor融合特征的方法来进行降维以解决维数大的缺点。深度自动编码器具有对人脸自学习的能力,能精确提取有用的信息,也有非线性降维的作用。考虑到Gabor融合特征降维幅度不大,便加入自动编码器进行二次降维,将经过二次降维的特征输入深度自动编码器进行笑脸识别。该文在实验过程中采用两个数据库(公开的GENKI数据库,实验采集的数据库)进行实验。实验结果表明经过Gabor融合特征的实部作为深度自动编码器的输入的识别率比传统方法和未经降维Gabor特征识别率高。