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%。     

磨料有序排布电镀砂轮的制备及其把持力研究

为解决电镀砂轮磨削加工中容屑空间不足的问题，采用点胶微粘接的方法制备了磨料有序排布的电镀砂轮，分析了磨料粘接效果和镀层力学性能。通过SEM分析了磨料/镀层/导电胶的结合界面，并进行了干磨削试验。研究结果表明，直径约为磨料粒径40%的胶点可粘接住磨料，单个胶点上粘接多颗磨料的占比小于6%；双脉冲电镀工艺制备的镀层显微硬度大于500HV，表层残余应力小于100MPa，磨料/镀层/导电胶之间的界面贴合紧密，无明显缺陷；砂轮在磨削时没有出现磨料脱落现象。     

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。     

超高效液相色谱-串联质谱法同时检测糕点中6种甜味剂

目的建立超高效液相色谱-串联质谱法同时测定糕点中6种常用合成甜味剂的分析方法。方法选用超纯水作为提取溶剂,涡旋和超声提取后,低温离心,取部分上清液加入正己烷除脂,Waters Atlantis■T3色谱柱、甲醇-5 mmol/L甲酸铵(含0.1%甲酸)作为流动相、亲水亲脂平衡型固相萃取柱HLB(hydrophile-lipophile balance)净化。结果6种甜味剂在质量浓度为10~200 ng/mL的曲线范围内呈良好线性关系,相关系数r均大于0.999,平均加标回收率在85.0%-98.2%之间,相对平均偏差(relative standard deviation,RSD)为1.3%~6.7%。结论该方法具有前处理简单、灵敏度高、检测速度快等优点,适合糖精钠、甜蜜素、三氯蔗糖、阿斯巴甜、阿力甜、纽甜的检测,但不适用于安赛蜜的检测。     

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。     

用于社交推荐的增强影响扩散模型

随着网络上创建连接、协作、共享的全新变革方式的出现,互联网上丰富的社交行为现象引起了研究者和实践者的关注.近年来,随着社交网络平台的普及与推广,基于社交网络的推荐系统也成为了个性化推荐领域的研究热点之一,社交推荐系统可以利用社交网络来缓解传统的推荐算法中数据稀疏性问题.在社交网络中,社交关系影响起着重要作用,而用户信任是社交关系形成的基础,每一个用户会受到其信任的用户影响,这些被信任的用户也会被自己的社交关系所影响,这就表明了联系在一起的用户会相互影响,导致社交联系之间的用户偏好具有相似性.用户的信任关系影响着用户偏好的推断,同时用户受到其信任用户的社交关系影响,而这些社交关系影响在社交网络中递归传播和扩散.因此,基于社交推荐算法研究的关键就在于信任信息的挖掘和利用.在基于社交网络的推荐领域中,比较有代表性的模型为Diff Net,该模型未充分考虑到信任问题,同时,在递归计算长距离的社交关系时,有额外的噪声,影响推荐预测的质量.本文提出了基于Diff Net改进的社交推荐模型-EIDNet.首先,该模型在模拟社交关系影响扩散过程时,通过用户对物品的历史交互记录建立用户间的信任关系,并融...     

带换热预转化的高效轻烃蒸汽转化制氢工艺

介绍了一种高效的轻烃蒸汽转化制氢工艺——带换热预转化的轻烃蒸汽转化制氢工艺,即利用一段蒸汽转化炉出口高温转化气的显热代替部分燃料气为转化反应提供热量,对进入一段蒸汽转化炉前的混合原料气进行预转化,可大量减少一段蒸汽转化炉所需燃料消耗并大量降低副产蒸汽量,由此达到提高轻烃制氢效率、降低制氢成本的目的。     

地铁风井横通道地层注浆加固范围优化分析

以西安地铁9号线香—纺区间先盾构隧道后矿山法横通道风井施工为例，为工程控制地表沉降和侧向变形提出合理的加固范围。通过数值分析方法，建立二维有限元模型研究地下横通道注浆加固范围对具体工程地表沉降和侧向变形的影响。结果表明:随着加固范围的增加，地表变形和侧向变形均得到明显的限制。加固范围超过2ｍ后，随着加固范围的持续增大，虽然可以继续减少地面沉降，但加固效果逐渐减弱；但对于通道侧向变形，加固2ｍ，并没有起到关键作用，随着加固范围的增加，侧向变形的减小非常显著；结合具体工程实际，最终确定工程暗挖通道加固范围为3ｍ。