Evaluation of suspected local recurrence in lung cancer and head ＆ neck cancer： A comparison between ^99mTc-HL91 SPECT and CT for biopsy proven lesions

CT has rather low accuracy for the follow-up of tumors after therapy. This study was to determine whether the diagnostic accuracy can be improved with ^99mTc-HL91 SPECT in comparison with parallel results of CT imaging. Thirty patients of lung cancer or head ＆ neck cancer, suspected of recurrences on clinical symptoms and CT during clinical follow-up after therapy, underwent ^99mTc-HL91 SPECT. The radioactivity ratios of tumor to normal tissues （T/NT） were calculated using the region of interest technique. Results of ^99mTc-HL91 SPECT were verified by histopathology. The ^99mTc-HL91 average uptake ratios of T/NT in the group of recurrent lesions and non-recurrent lesions were 1.58±0.16 and 1.18±0.14, respectively. A significant difference was found between T/NT data of the two phases （t=4.87, P〈0.001）. The ^99mTc-HL91 SPECT shows sensitivity of 72.73%, specificity of 89.47% and accuracy of 83.83% for differentiating recurrent lesion, while the CT shows sensitivity of 63.63%, specificity of 84.21% and accuracy of 76.67%. A combination of ^99mTc-HL91 SPECT and CT for 21 patients with lung cancers or head ＆ neck cancers with congruent results shows sensitivity of 100%, specificity of 94.12% and accuracy of 95.23%. It is concluded that ^99mTc-HL91 SPECT may play a role in differentiating recurrent lesions in patients with lung cancer and head ＆ neck cancer. Furthermore, the combination of CT and ^99mTc-HL91 SPECT is a more effective method for diagnosing recurrence of lung cancer and head ＆ neck cancer.     

混凝土重力坝纵缝研究现状和发展趋势

本文在分析混凝土重力坝纵缝应用和研究现状的基础上,比较了纵缝各种处理措施的优缺点,探讨了其在实践中的应用,指出了混凝土重力坝纵缝研究方面的不足之处,指出了混凝土重力坝纵缝研究的方向,及其发展趋势。     

基于复现性和熵权区分度的非侵入式负荷识别方法

非侵入式负荷识别采用单一负荷特征量识别时,准确率达不到要求;采用多负荷特征量识别则需大量数据,增大模型的复杂程度和识别计算量。对此,提出利用复现性指标和熵权区分度指标对负荷特征进行处理,进而优化数学模型,采用改进布谷鸟(CS)算法实现求解测量量与估计量之差最小化的识别问题。算例分析结果表明,采用优化模型进行负荷识别时,放大了各负荷特征间的差异,提高了负荷辨识率,同时改进后的CS算法提高了收敛速度和准确率。     

基于样本密度和分类误差率的增量学习矢量量化算法研究

作为一种简单而成熟的分类方法, K最近邻(K nearest neighbor, KNN)算法在数据挖掘、模式识别等领域获得了广泛的应用, 但仍存在计算量大、高空间消耗、运行时间长等问题. 针对这些问题, 本文在增量学习型矢量量化(Incremental learning vector quantization, ILVQ)的单层竞争学习基础上, 融合样本密度和分类误差率的邻域思想, 提出了一种新的增量学习型矢量量化方法, 通过竞争学习策略对代表点邻域实现自适应增删、合并、分裂等操作, 快速获取原始数据集的原型集, 进而在保障分类精度基础上, 达到对大规模数据的高压缩效应. 此外, 对传统近邻分类算法进行了改进, 将原型近邻集的样本密度和分类误差率纳入到近邻判决准则中. 所提出算法通过单遍扫描学习训练集可快速生成有效的代表原型集, 具有较好的通用性. 实验结果表明, 该方法同其他算法相比较, 不仅可以保持甚至提高分类的准确性和压缩比, 且具有快速分类的优势.     

气-固流化床压力脉动递归图分析

引入递归图分析方法对具有混沌与分形特性的气-固循环流化床压力脉动信号进行分析,针对Logisitc模型比较了递归图特征量递归率、确定性、平均对角线长度、分叉性与最大Lyapunov指数之间的关系,得出了递归图特征量对于混沌特性具有表征作用的结论。研究了递归图特征量在气-固循环流化床不同床型下的变化规律,递归图特征量在固定床型、湍流床型、气力输送床型下保持稳定,在鼓泡床型、快速流化床型下分别迅速递增或递减,因此递归图特征量同样可以对循环流化床不同床型进行辨识。     

基于新型小波神经网络的电力故障回放技术

在已有小波神经网络研究的基础上,从小波库中抽取最优小波包基作为神经元激励函数,并由时频逼近原理确定网络结构和结点个数;采用速度跟踪粒子群优化训练网络权值,克服了传统学习算法收敛速度慢和易陷入局部极小的缺陷.介绍了该网络的结构设计和参数训练方法,利用仿真实验证明其能够精确和快速地逼近非线性系统,并将该网络应用于电力故障回放装置中功率放大部分的系统辨识,建立装置的输入输出模型,根据模型输出和理想放大值确定修正值表,对故障录波数据在数字域内修正后再投入装置进行故障回放测试,有效解决了回放波形的非线性失真.     

气液两相流电导波动信号的混沌递归特性分析

通过对典型的Lorenz混沌方程和Logistic映射的考察,研究了相空间嵌入参数（嵌入维数、延迟时间和阈值）对递归分析结果的影响。研究结果表明：递归分析对嵌入维数与延迟时间的依赖性不强,嵌入维数与延迟时间变化只是改变递归率数值大小,而不改变递归结构性质;同样,阈值大小选择直接影响递归点数的多少,而不会改变递归结构性质。最后采用递归分析方法对垂直上升管中气液两相流流型进行了表征,研究结果表明,递归结构图可以较好地反映流型演化特征,且递归特征量随气相表观流速变化敏感,为气液两相流流型辨识提供了有用的特征挖掘量。     

海量数据的曲面分层重建算法

从二维图像序列进行表面重建的问题由来已久.传统的重建方法通常是先重建或先等值面抽取,再简化数据量.随着处理数据量的增长,传统算法的中间过程会因为存储空间的限制不能进行下去.如何利用有限的存储空间对大数据量进行处理,从而完成曲面的重建曾是要研究的问题.针对大数据量的已分割的医学切片图像,利用逐层重建、即时简化的基本思想,给出一个易于操作实现、数据量可控制的算法.这样可以在硬件条件不太高的计算机(如内存不太大的个人微机)上实现大数据量的医学图像表面重建.