基于Z曲线的SARS冠状病毒特征的研究

刺突（Spike）蛋白是SARS（Severe Acute Respiratory Syndmme）冠状病毒表面最重要的膜蛋白，它通过与被感染细胞的受体结合来作为感染的媒介。受此启发，该文利用Z曲线方法，对S蛋白及SARS受体序列进行探究，捕捉到一种SARS病毒的可视化特征。大量序列比对的结果证明该特征是SARS病毒所特有的。将这种特征图谱应用到SARS病毒的检测中，可以提供一种非标准的、简单、直观的检验方法，能够诊断一些利用标准方法难以判断的SARS病例。由此可见，Z曲线作为一种基因序列的几何学研究途径是一种有效的研究方法。     

基于气相离子迁移谱技术分析延安市不同县区的富士苹果挥发性成分的差异

目的 分析比较延安市不同区县富士苹果之间挥发性成分的差异。方法 采用气相离子迁移谱(gas chromatography-ion mobility spectrometry,GC-IMS)技术对延安市13个县区的晚熟富士苹果的挥发性成分进行分析,建立富士苹果的挥发性成分特征指纹图谱,并进行主成分法和聚类分析法分析。结果 在延安市13个县区富士苹果样品中共鉴别出的挥发性成分54种,主要有酯类、醇类、酮类、醛类和酸类等物质,各县区富士苹果的酯类和醇类物质占比较高,分别占总挥发性成分的48.98%~53.19%和13.04%~19.23%。13个县区富士苹果共有的挥发性成分有2-乙基呋喃、丙酸乙酯、甲酸异戊酯、乙酸己酯、乙酸异戊酯、2-甲基丁基乙酸酯等,这些物质共同奠定了延安富士苹果香气的总体基调,各县区富士苹果的挥发性成分的具体种类和含量各有不同。结论 本研究通过建立挥发性成分特征指纹图谱,明确了延安市不同区县富士苹果之间挥发性成分存在的差异。研究发现延安市宝塔区的富士苹果挥发性成分种类及含量较丰富,其特征性物质有巴豆酸乙酯、异丙醇、2,3-丁二酮、乙酸甲酯等。黄陵县富士苹果特有丁酸丙酯、丁酸甲酯等物质。宜川县富士苹果的特征性物质有反式-2-已烯醛、丁酸异戊酯、丁酸等。此外富县富士苹果中含量丰富的挥发性成与黄陵县富士苹果的部分挥发性成分一致。延川、洛川县、甘泉县、黄龙县和吴起县的富士苹果中含量丰富的挥发性成分较为相似;子长市、安塞区、志丹县、延长县的富士苹果中含量丰富的挥发性成分较为相似。结果表明GC-IMS技术在延安市富士苹果的挥发性成分的分析方面具有较好的应用价值,可用于不同县区富士苹果的风味识别和品质评价。     

基于Transformer与距离图谱的泛癌细胞核图像分割

肿瘤细胞的密度、核质比和平均尺寸等指标对癌症的分级和预后有重要的意义.在计算病理学中,细胞核分割是肿瘤微环境分析的基础.通过对分割结果进行统计分析,对新的肿瘤标记物的探索有重大的意义.病理图像背景下的细胞核形态不规则,细胞核染色不均匀,且细胞核边缘之间存在黏连的问题,而现有的深度学习算法在细胞核主体分割正确的情况下,边缘的分割错误不会对总体的损失造成太大的影响,黏连的细胞核很容易被当作同一个分割目标.为了解决细胞核重叠问题,本文提出一种基于Transformer与距离图谱的分割模型,将Transformer中的核心多头自注意力机制与距离图谱引导算法相结合,重视细胞核内部,弱化细胞核边界,提升对图像局部和全局上下文信息的学习能力.本文方法在两个公开数据集上的平均Dice系数为0.797 9、精度为0.756 1、AJI系数为0.667 2、Hausdorff距离为10.11.实验结果表明,相较其他分割算法,本文方法的性能更好,能够有效提高细胞核的分割精度,同时较好地解决了细胞核之间的黏连问题.     

基于知识图谱的变电站智能故障诊断研究

本文针对传统方法在变电站复杂关系和场景下故障诊断存在的不足,提出了一种基于知识图谱的变电站设备智能故障诊断方法,该方法建立了故障数据治理、领域词典构建、知识图谱构建、分布式向量表示和故障关系推理五个阶段构成的故障诊断框架。方法从变电站告警信息中提取知识构建故障诊断知识三元组,面向故障诊断问题设计评价函数对三元组的实体和关系进行分布式向量表示,以知识图谱关系推理的方式来实现故障诊断。通过在领域数据集上对方法进行试验,成功验证了方法的有效性。     

惰气熔融程序升温法测定氧氮分量图谱分析

应用TC-436氧氮测定仪程序升温法分析金属试样中氧氮分量.对三种程序升温方式,三种图谱的处理方法,表面吸附分量、固溶态分量和化合态分量分析确定进行了探讨.     

基于贝叶斯网的知识图谱链接预测

结合外部知识,使用特定方法进行知识图谱的链接预测,即知识图谱中缺失信息的发现和还原,是目前知识图谱领域研究的热点和关键。以电子商务应用为背景,基于已经构建好的描述用户兴趣的知识图谱,结合外部数据集,以贝叶斯网这一重要概率图模型作为不同商品之间相似性及其不确定性的表示和推理框架,通过对商品属性进行统计计算,构建反映商品之间相似关系的贝叶斯网,进而基于概率推理机制,定量地判断商品节点与用户节点之间存在链接的真实性,得到真实和完整的知识图谱,为个性化推荐和关联查询提供依据。建立在真实数据上的实验结果表明,提出的模型和算法是有效的。     

基于多源知识图谱融合的智能导诊算法

患者网上挂号时常有挂错科室的现象,因此需要科室推荐应用,功能类似线下医院的护士台预诊.然而,由于医院科室设置不尽相同,患者各项特征和科室之间的关系也不明确,给自动科室推荐带来挑战.因此,该文首先定义了带权重的知识图谱,用于描述症状、疾病以及性别等特征与科室和医院之间复杂的量化关系.其次,利用区域信息平台的电子健康档案(...     

基于空间投影和关系路径的地理知识图谱表示学习

近年来,类人智能技术和相关产品飞速发展,这在很大程度上得益于完备知识图谱的构建,特别是以地理为代表的基础教育知识图谱。传统的知识图谱采用网络知识组织形式进行表示,计算复杂度较高,而且三元组的知识表示形式不能有效地度量和利用实体间语义关联关系。该文构建了基于空间投影和关系路径的知识表示学习算法—PTransW(Path-based TransE and Considering Relation Type by Weight)模型,该模型结合空间投影和关系路径来对翻译模型进行扩展,并加入关系类型的语义信息进行改进。最后,在FB15K数据集和GEOGRAPHY数据集上训练并做链接预测实验。实验结果表明,PTransW模型对复杂关系的建模能力取得了较大地提升;对于规模较小的数据集,复杂度低的TransE和TransR模型将会训练得更充分;但是PTransE和PTransW模型由于利用了关系路径和反向关系中的语义信息,在关系预测方面有很大的优势。     

基于双重注意力和关系语义建模的实体对齐方法

实体对齐任务目标是在知识图谱间发现更多的等价实体对。目前一些实体对齐方法聚焦实体结构和属性信息,却没有很好地处理两者交互学习的问题。为此,提出一种基于双重注意力和关系语义建模的实体对齐方法,采用双重注意力在属性分类嵌入的基础上学习实体属性和结构的交互特征,采用关系语义建模对实体结构嵌入进行局部语义优化,最后对实体多方面语义特征下的相似度矩阵进行融合。在三个真实数据集上的对齐准确率分别可达到81.00%、83.90%和92.73%,与基准模型相比平均提升了2.62%,实验结果表明提出的方法可以有效地识别出对齐实体对。     

基于知识推理的医疗应急响应机制研究

应急响应是各类突发事件应急管理的关键.为解决现有医疗领域应急响应决策支持模式存在的精细化程度低、决策服务单一、智能性不足等问题,提出了混合基于案例推理和规则推理的医疗紧急呼救事件应急响应方法.该方法首先将呼救信息构建为呼救知识图谱并将医疗单位和警务单位等信息构建为外部知识图谱集;然后通过实体对齐技术,将呼救知识图谱和外...