电位调控浮选在金东高硫铅锌矿的应用

本文介绍了金东高硫铅锌矿电位调控浮选,通过调整剂石灰及组合抑制剂硫酸锌 亚硫酸钠添加至球磨,营造了高碱性及低氧化电位矿浆环境。乙硫氮为捕收剂,铅精矿铅品位及回收率分别提高了26%、25%。并通过分析矿物表面氧化反应及矿浆电位揭示了高硫铅锌矿浮选过程中方铅矿与闪锌矿及黄铁矿的分离机制。     

基于文本与图像的肺疾病研究与预测EI北大核心CSCD

通过对目前现有的肺癌检测技术研究,发现大部分研究人员主要针对肺癌(Computed tomography,CT)影像进行研究,忽略了电子病历所隐藏的肺癌信息,本文提出一种基于图像与文本相结合的肺癌分类方法,从现有的基于深度学习的肺癌图像分类出发,引入了电子病历信息,使用Multi-head attention以及(Bi-directional long short-term memory,Bi-LSTM)对文本建模.实验结果证明,将电子病历信息引入到图像分类模型之后,对模型的性能有进一步的提升.相对仅使用电子病历进行预测,准确率提升了大约14%,精确率大约提升了15%,召回率提升了14%.相对仅使用肺癌CT影像来进行预测,准确率提升了3.2%,精确率提升了4%,召回率提升了4%.     

融合规范化判断的双向循环神经网络诊疗预测模型

预测宫颈癌的诊疗项目是辅助医生诊疗的重要手段，文中针对宫颈癌患者住院数据的复杂性以及现有时间序列预测技术的不足，提出了创新性的诊疗过程规范化判断的两段式预测模型Bi-GRU-DT,同时对比验证了GRU-2、Bi-GRU、GRU-2-DT、FL-LSTM、Phased LSTM、AMNN的模型性能.具体而言，首先用加权池化的方式对住院数据进行处理，用Skip-gram算法将处理后的数据表示成向量；然后，利用二分K-means算法挖掘规范的诊疗模式，利用基于Bi-GRU的循环神经网络构建诊疗项目预测模型.在预测未来诊疗项目前，首先对诊疗过程进行规范化判断，并将相邻诊疗日的时间间隔融入到输入数据中.实验结果表明，相较于未规范化判断的情况下，模型的召回率和平均准确率分别提高了6.4%和5.3%.     

基于迁移学习的伤口图像分割

图像分割是计算机辅助阅片的基础, 伤口图像分割的准确率直接影响伤口分析的结果. 传统方法进行伤口分割步骤繁琐, 准确率低. 目前已有少部分人利用深度学习进行伤口图像分割, 但是他们都是基于小型数据集, 难以发挥深度神经网络的优势, 准确率难以进一步提高. 充分发挥深度学习在图像分割领域的优势需要大型数据集, 目前还没有关于伤口图像的大型公共数据集, 而制作大型伤口图像数据集需要人工标记, 耗费大量时间和精力. 本文提出基于迁移学习的伤口图像分割方法, 首先利用大型公共数据集训练ResNet50网络作为特征提取器, 再利用该特征提取器连接上两个并行的注意力机制后在利用小型伤口图像数据集进行再训练. 实验表明本方法的分割结果在平均交并比上有较大提高, 在某种程度上解决了缺乏大型伤口图像数据集而导致伤口图像分割准确率低的问题.     

联合知识的融合训练模型

在互联网医疗领域, 智能AI分科室是一个很关键的环节, 就是根据患者病情描述、疾病特征、药品等信息将患者分配到匹配的科室, 可以利用深层双向Transformer结构的BERT预训练语言模型增强字的语义, 但是患者病情文本描述具有信息稀疏的特点, 不利于BERT的充分学习其中特征. 本文提出了一种DNNBERT模型. 是一种融合知识的联合训练模型, DNNBERT结合了神经网络(DNN)和Transformer模型的优势, 能从文本中学习到更多的语义. 实验证明DNNBERT的计算时间相比BERT-large速度提升1.7倍, 并且准确率比ALBERT的F1值提高了0.12, 比TextCNN提高了0.17, 本文的工作将为特征稀疏学习提供新思路, 也将为基于深度Transformer的模型应用于生产提供新的思路.     

Elman神经网络在优化空气预报模式结果中的应用

空气质量与人们的生活息息相关, 空气质量的预测结果是进行空气质量控制的依据. 因此, 提高空气质量的预测精度是本文研究的重点. CMAQ (Community Multiscale Air Quality modeling system)和CAMx (Comprehensive Air quality Model with extensions)是两种常用的空气质量数值模式, 其工作原理是通过大气物理化学方法模拟污染物传输转化过程, 进而预测空气质量. 空气质量数值模式的输入文件质量会影响到空气质量的预测精度, 为了提高空气质量预测的准确率, 本文提出了一种基于Elman神经网络的优化方法, 该方法在CMAQ和CAMx两种空气质量数值模式基础上利用Elman神经网络优化预测结果. 首先, 运行空气质量模式CMAQ和CAMx得到预测结果, 然后对预测结果进行预处理, 处理后的预测数据和实测数据一起作为Elman神经网络的输入, 进行模型的训练, 最后得到神经网络模型. 通过对测试数据集的验证和分析, 实验结果表明, 该方法表现出比单一空气质量数值模式更高的准确率.     

浅析云技术发展中的安全问题

云计算是一种基于因特网的超级计算。在推广云计算相关应用过程中，云计算安全技术问题是无法回避的话题。本文简要分析云安全面临的主要问题及解决方法。     

计算机网络的可靠性优化

近年来,计算机的使用迅速发展,几乎各行各业都用到了计算机及其网络来提高工作的工作效率,医院系统也不例外,因此,计算机网络的可靠性问题成为了人们日益关注的课题。计算机系统可靠性理论是我们针对计算机网络可靠性问题开展研究工作的理论基础,我们必须依靠系统可靠性理论来研究和分析计算机网络的可靠性问题,对计算机网络可靠性问题的研究势有着十分重要的理论价值和现实意义。     

浅析云技术发展中的安全问题

云计算是一种基于因特网的超级计算。在推广云计算相关应用过程中,云计算安全技术问题是无法回避的话题。本文简要分析云安全面临的主要问题及解决方法。