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%。     

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.     

“HERE CITY”快捷酒店设计解析

本文通过对"HERE CITY"深入剖析,从场所、空间、材质等方面,分析其对城市记忆空间的具有时代特征的表现与塑造。     

基于金属磁记忆检测钢丝绳缺陷的装置应用研究

针对钢丝绳在恶劣的煤矿作业环境中受到各种冲击载荷容易发生断丝损伤的情况,采用了与原漏磁检测技术不同的金属磁记忆检测技术对断丝缺陷的部位进行探测,并且对金属磁记忆技术的检测装置进行了设计,对其相关检测电路也进行了优选,设计出符合检测装置的各类电路图。试验数据表明,金属磁记忆检测技术能高效判断缺陷位置,为开展金属磁记忆检测工作提供了支撑依据,保障煤矿企业安全生产常态化稳定。     

无损检测在钢结构疲劳损伤检测中的应用研究

钢结构疲劳问题日益突出,目前人们对于钢结构疲劳损伤问题检测手段极为有限,纵观国内国外的研究进展,钢梁焊缝疲劳损伤检测技术多种多样,但存在着检测时间长、效率低、需要对检测表面进行处理等缺点,现有检测技术只能寻找已经存在的缺陷,不能发现和预测将会要发生的缺陷,因此有必要研究一种新的检测方法来推进钢梁焊缝疲劳损伤的无损检测技术的发展。金属磁记忆技术相较传统无损检测技术有着无损伤、灵敏度高、早期检测等特点优势,文章着重比较了金属磁记忆检测技术与传统无损检测技术的优缺点,为钢结构的疲劳损伤问题提供了更多更好的检测手段。     

基于降噪时序深度学习网络的风电功率短期预测方法

利用风电场历史功率数据预测未来一段时间内的风功率,对保障电网安全稳定运行具有重要的意义。本文提出一种基于奇异谱分析SSA(singular spectrum analysis)和长短时记忆LSTM(long-short term memory net⁃work)网络的时序特征预测框架用于短期风功率的预测。首先通过SSA对历史风功率原始数据进行降噪处理,然后经过数据转换之后,以LSTM网络为基础进行预测模型的训练,最后通过某风电场提供的两个风机的历史功率数据进行验证。实验结果表明,奇异谱分析对风电场的历史数据具有良好的降噪性,SSA+LSTM模型在测试数据上取得了较好的预测性能,能够有效进行短期风功率的预测。     

采煤机智能化控制技术优化

本文介绍了一种鸡西MG300/730BWD型采煤机的主控系统改造的方法,该方法将采煤机机载惯导系统、智能互感单元、温度检测单元、智能传感器检测单元及智能遥控接收器采集的数据通过CAN总线,传输至主控模块,并通过机载无线WiFi将CAN总线数据及机载视频数据传输至采煤机集控中心,经集控中心的采煤机记忆割煤软件、视频监控系统与操作人员协调配合完成采煤机智能化控制。     

基于Opencv和Tesseract的行驶证识别系统设计

为了解决行驶证识别困难、识别率低的问题,设计了一套基于OpenCV和Tesseract的行驶证检测和识别系统。首先,利用OpenCV中的高光抑制、图像增强和分块最大类间差法对行驶证进行图像预处理;然后,对图像采用透视变换并将行驶证内芯裁剪下来,经过局部高斯阈值分割,得到清晰的文字;最后,采用Tesseract训练样本并结合单字识别模式,降低了噪点和中英文混合的干扰。测试结果表明,该方法结合优化策略的长短时记忆网络(LSTM)的识别正确率能达到94.1%。