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.     

桂林电子科技大学北海校区绿化植物调查分析

通过对桂林电子科技大学北海校区园林绿化植物进行调查分析,结果表明:桂林电子科技大学北海校区共有园林植物138种,隶属于54科115属,其中,乔木树种相对最多,67种,占总数的48.6%,灌木50种,草本为21种。对其主入口区、行政办公区、生活区、主干道区域植物景观进行分析,植物配置上多采用乔木+灌木+草本的垂直结构景观配置。     

数字校园一卡通中的身份验证技术研究及应用

互联网技术的普及为数字校园的建立校园网的完善奠定了数字校园的基础.数字校园最重要的一部分就是校园一卡通,能够为学校潜在的管理信息系统预留适当的接口为学校管理提供必要的帮助.介绍了数字校园的特点,对校园一卡通的功能进行了详细分析,并论述了校园一卡通涉及到的身份验证技术.     

脉脉亲水情 款款节水行——南京市汉江路小学节水在行动

南京市汉江路小学以水文化为办学特色,构建了独特的学校文化:校训——上善若水、校风——海纳百川、教风——润物无声、学风——水滴穿石。近几年,学校以"识水、亲水、护水"为主要特色教育,积极创建节约型校园,节约水资源工作成效突出。一、健全水之规     

基于小波降噪和循环神经网络的煤矿瓦斯浓度预测

在瓦斯浓度监测数据分析中发现,瓦斯浓度序列往往呈现出较强的随机性和复杂性,时序数据中含有的噪声会对数据的预测结果产生干扰。为了减少数据中的噪声所带来的负面效果,提出了一种将小波阈值降噪与LSTM(长短期记忆网络)相结合的瓦斯浓度预测模型。通过将原始数据进行分解、阈值处理和重构,对时序数据中的噪声进行剥离,再通过LSTM模型进行预测分析,与普通LSTM和RNN网络进行比较,结果表明,所提出的基于小波降噪的LSTM的瓦斯浓度预测模型在精确度和泛化能力上都具有更好的表现。     

场景控制下的历史建筑环境再生复旦相辉堂改扩建工程

文章介绍了复旦相辉堂改扩建工程。建筑师通过分析复旦大学相辉堂的历史价值和校园格局,梳理出重要的历史场景,引用挪威建筑历史和理论学家诺伯舒兹的"场所与场所精神"理论,结合场景设计原理,延续叠合生长的设计理念,以重点场景控制为导向,对相辉堂进行修缮设计和改扩建设计。