基于深度学习的病历质量控制系统设计

医疗领域患者的主诉信息是医疗文本分类工作的关键,能为智慧医疗和信息文本归类提供有力的支持。近几年来随着深度学习的发展应用,基于传统深度学习技术的全流程病历内涵质量控制模型层出不穷,但传统模型存在很多缺点和局限性,诸如训练速度慢、精度损失、过拟合和无法处理大规模数据的问题,因此,引入改进的深度学习算法。指南指导下基于深度学习的全流程病历内涵质量控制体系实验结果为,将词向量设置成160时双向循环神经网络(Bidirectional Recurrent Neural Network,BiGRU-SA)模型效果最优,准确率为84.9% 。BiGRU-SA MODEL,精准度受向量维度的影响并不大。而改进的文本分类式前馈神经网络(Transformation-extraction-convolutional CNN,TextCNN)模型,精准度在其进行第3次和第四次迭代更新时,发生指数级增长,并在第3次迭代时,精度达到理想值,为8.3×10_-1^。随着迭代次数的增加,模型准确率呈现先增大后减小的趋势,在进行第6次迭代时模型效果最优,准确率为84.9% 。优化后的全流程病历内涵质量控制模型在变动率指标下的面积的值、准确率、F1、召回率四项指标值都有了一定的提升,以上结果能更好地解决过拟合和特征信息丢失的问题,并且实现全流程病历内涵质量的控制。     

基于LightGBM的EAST杂质破裂预警

对全超导托卡马克核聚变实验装置东方超环(EAST)运行放电期间发生的杂质破裂进行预测对未来的聚变装置的长脉冲稳态放电有重要意义. 根据杂质破裂的物理特性筛选出的2018年的334炮杂质破裂炮数据以及2021年的1628炮非破裂炮作为训练炮, 再由等离子体平衡、密度、电流以及辐射等8种诊断信号组成的训练样本以LightGBM算法训练出杂质破裂预测模型. 实验结果表明LightGBM算法模型可以对杂质破裂进行准确预测(成功预测率96.29%), 非破裂炮的误判率6.87%. 研究结果证明利用LightGBM进行EAST等离子体杂质破裂预警是可行的方案.     

基于反投影注意力网络的遥感影像超分辨率重建

近年来, 在诸如环境监测等一系列工作中, 遥感影像得到了广泛应用. 然而, 目前卫星传感器观测到的影像往往分辨率较低, 很难满足深入研究的需要. 超分辨率(SR)目的是提高图像分辨率, 同时提供更精细的空间细节, 完美地弥补了卫星图像的弱点. 因此, 本文提出了一种反投影注意力网络(back-projection attention network, BPAN)用于遥感图像的超分辨率重建, 该网络由反投影网络和初始残差注意块两部分组成. 在反投影网络中, 通过迭代误差反馈机制计算上下投影误差指导图像重建; 在初始残差注意块中, 引入初始模块融合局部多级特征为重建详细的纹理提供更丰富的信息, 以注意模块自适应地学习不同空间区域的重要性, 促进高频信息的恢复. 为了评价该方法的有效性, 在AID数据集上进行了大量的实验, 结果表明, 本文的网络模型提升了传统深度网络的重建性能, 且在视觉效果和客观指标方面有明显提升.     

自然伽玛测量中NaI(TL)晶体参数优化实验研究

在石油测井领域里,自然伽玛测量是判断岩性最基础的测量。为了对储集层进行精确划分,尤其是有特殊要求的薄层,均需要较高分辨率的自然伽玛探测仪器。NaI(TL)晶体作为自然伽玛探测仪器传感器重要的组成部分,NaI(TL)晶体的体积、透明度等对仪器的纵向分辨率有着关键的影响,所以对NaI(TL)晶体进行参数优化研究,以提高仪器的纵向分辨率。通过使用MCNP模拟软件进行仿真,基于38Y-F2多参数仪中的BWCG330进行实验,利用SZC-4型数控测试仪进行实验数据的记录。保持晶体透明度一致,通过改变NaI(TL)晶体体积,统计NaI(TL)晶体的计数,对比分析NaI(TL)晶体体积对纵向分辨率的影响。模拟仿真和实验都表明：随着NaI(TL)晶体体积的增大,自然伽玛探测仪器的计数率也随之增加。     

2023年第1期目次

超分辨率(SR)是一类重要的数字图像处理技术,其根据一个观测者得到的低分辨率(LR)图像重 建并输出一个相应的高分辨率(HR)图像,从而提高现代数字图像的分辨率。SR 在数字图像压缩与传输、医学 成像、遥感成像、视频感知与监控等学科中的研究与应用价值巨大。随着深度学习的快速发展,结合最新的深 度学习方法,可以为 SR 问题提供创新性的解决方案。首先回顾 SR 的背景意义、发展过程以及将深度学习应 用于 SR 的技术价值。其次简要介绍传统 SR 算法的基本方法、分类和优缺点;按照不同的实现技术和网络类 型对基于深度学习的 SR 方法进行了分类介绍,重点分析对比了卷积神经网络(CNN)、残差网络(ResNet)和生成 对抗网络(GAN)在 SR 中的应用。然后介绍主要评价指标和解决策略,并对不同的 SR 算法在标准数据集中的 性能表现进行对比。最后总结基于深度学习的 SR 算法,并对未来发展趋势进行展望。     

新形态伪随机函数研究北大核心CSCD

随着云计算模式的普及应用,对密文数据的安全外包计算的研究已是必然趋势,由此,潜在的密文数据的安全计算和隐私保护问题愈加受到业界和学界的关注。新形态伪随机函数(Pseudorandom Function,PRF)作为解决密文安全计算与检索的重要工具之一,已是当前密码学的研究热点。当前,以密文安全计算为目标,结合全同态加密(Fully Homomorphic Encryption,FHE)与格密码、门限密码、安全多方计算(Multiparty Computing,MPC)和PRF等密码学原语,对新形态伪随机函数的研究主要集中在三方面:1)格基限制隐藏的PRF可验证性研究;2)格基受限PRF适应性安全研究;3)格基多点隐私可穿刺PRF应用性研究。因此,文章从PRF的可验证性、安全性和应用性三方面,较为全面地介绍当前重要的研究成果。     

计及多因素影响的柔性限流器优化配置及经济性分析

为了选取柔性限流器优化配置问题中成本、限流效果与负荷可靠性的折衷解,该文提出一种新型柔性限流器的Pareto优化配置方法。首先,该方法在传统灵敏度分析中引入Monte-Carlo故障模拟模型,结合配电网中的多个因素对控制变量与运行变量的耦合关系进行分析,以筛选对配电网影响较大的候选支路;其次提出多目标改进型蝙蝠算法以搜索Pareto前沿解集,通过引入随机惯性权重策略、局部迭代搜索策略、均衡策略以克服传统算法局部最优与早熟收敛的缺点;最后,基于全寿命周期成本与未来现金流量现值构建柔性限流器的经济价值模型,以评估所选方案的实际使用年限与各项成本。所提方法在改进型IEEE-33节点配电网中进行仿真验证,结果表明,该文所提方法具备较高的求解效率,为柔性限流器的实际工程应用提供了一种新的优化配置思路。     

基于高速环形振荡器的皮秒量级事件计时测量

研究设计基于高速环形振荡器的皮秒量级事件计时器。利用代表事件的信号上升沿去触发高速环形振荡器,产生与事件同步的时钟脉冲信号,对正弦参考信号采样,再通过全相位FFT算法处理,大幅提高事件计时测量的精度。实验结果表明,在正弦参考信号中心频率f₀=10 MHz,全相位FFT运算点数N=8 192,ADC的量化位数b=14 bits,采样频率f_s=140 MHz的情况下,事件计时器能够获得约3.16 ps rms的单次测量精度,时间稳定性优于±0.31 ps/h,实验结果与基于理论分析的误差范围一致,达到皮秒量级事件计时测量。     

工频叠加谐波电压下温度对全膜电容器绝缘介质击穿特性的影响北大核心CSCD

随着非线性用电设备在工业领域的大量应用,电网中的谐波含量日渐增多,对应用于系统中的全膜电容器带来很大的危害。为了研究工频叠加谐波电压下温度对全膜电容器绝缘介质击穿特性的影响,文中以全膜电容器元件为对象,在40、55、70、85℃下分别对全膜电容器元件在工频电压、工频叠加3次谐波电压、工频叠加5次谐波电压下进行了短时击穿试验,得到了工频叠加谐波电压下温度对全膜电容器绝缘介质击穿特性的影响规律。试验结果表明,在相同电压类型下,全膜电容器绝缘介质的击穿场强随着温度的升高而下降。且在40~85℃的范围内,全膜电容器元件在同一温度下的特征击穿场强随着谐波次数的增大而降低。     

基于数据相关性分析的全光纤电流互感器误差状态在线评估方法研究北大核心CSCD

全光纤电流互感器是特高压输电系统中电流测量的关键设备,复杂的物理结构导致其测量误差易受多种因素的影响,稳定性较差。常规的误差检测方法是定期利用标准互感器进行比对测试,无法及时发现误差状态的劣化趋势,且经济性较差。针对这一问题,文中提出了一种基于相关性分析的全光纤电流互感器误差状态评估方法:采集换流站同一测量点下三台全光纤电流互感器的测量数据,在电气物理相关性的约束下,针对全光纤电流互感器的测量数据进行主元分形,将误差评估映射为Q统计量的变化分析。数据分析表明,文中提出的方法可实现全光纤电流互感器测量误差的实时评估,评估精度最高可达0.2级。