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%。     

轻松画图标! 教你一分钟玩转PS路径描边

Photoshop的路径工具和钢笔工具,很容易被人忽视,功能很强大,一直很低调。今天咱一块唠唠怎么用路径和钢笔,快速绘制简易线状图标,这个看了都能做噢!!!!哪怕是第一天学PS,也能做到。有人说UI难学,摸不到门路,那就从这一课开始吧。最终线条图标:     

有一种病叫“俄罗斯病”

<正>俄罗斯经济增长与能源价格并不具备简单线性相关性,油价通过影响俄罗斯民众的信心而起作用。上个世纪70年代,石油就曾被委内瑞拉前石油部长胡安·阿方索冠以"恶魔的粪便"的恶名。丰富的自然资源似乎并不能带来国家经济的发展。"石油诅咒"就像一种自身免疫性病毒,在攻击健康肌体的同时,也会削弱肌体免疫系统的抵抗能力。"资源诅咒"虽然谬于常理,但除少数国家如挪威、美国、澳大利亚以及智利和博茨瓦纳例外以外,基本已经成为了一条金科玉律。     

基于多目标优化的创意平板折叠桌设计

在任意给定折叠桌高度和圆形桌面直径时，为满足产品稳固性好、加工方便、节省用料的设计要求，通过建立多目标优化模型对创意平板折叠桌进行优化设计，利用线性加权法确定折叠桌的平板尺寸、钢筋位置、开槽长度等最优设计参数。     

DSA体模研究及遥控装置的应用

为解决医用诊断数字减影血管造影(DSA)系统性能检测及检测人员操作时不受X射线的辐照,研制一套改进的DSA计量性能体模装置。体模的设计采用有机玻璃材料进行加工;模块的移动采用无线电信号遥控的方法;体模的性能试验在正常状态的DSA系统上进行。研究设计有机玻璃动脉模拟模块插件、骨骼模块插件、对比度线性模块插件和低对比度分辨力模块插件;模块的移动利用遥控驱动装置。试验得到:在不加载骨骼模块时,能看到直径为1mm的动脉模拟血管,同时能分辨直径2mm的模拟血管上1/2血管大小的血管瘤或栓塞;加载骨骼体模块后,可以分辨碘浓度为150mg/cm3、直径2mm的模拟动脉;遥控装置遥控距离50m,移动速度28mm/s。结果表明:体模装置完全符合国家规程JJG 1067——2011《医用诊断数字减影血管造影(DSA)系统X射线辐射源》要求;应用无线电遥控移动模块插件,避免操作时受到X射线的照射。     

基于时频域的卷积神经网络运动想象脑电信号识别方法

针对目前运动想象脑电（EEG）信号识别率较低的问题，考虑到脑电信号蕴含着丰富的时频信息，提出一种基于时频域的卷积神经网络（CNN）运动想象脑电信号识别方法。首先，利用短时傅里叶变换（STFT）对脑电信号的相关频带进行预处理，并将多个电极的时频图组合构造出一种二维时频图；然后，针对二维时频图的时频特性，通过一维卷积的方法设计了一种新颖的CNN结构；最后，通过支持向量机（SVM）对CNN提取的特征进行分类。基于BCI数据集的实验结果表明，所提方法的平均识别率为86.5%，优于其他传统运动想象脑电信号识别方法；同时将该方法应用在智能轮椅上，验证了其有效性。     

一种基于机器视觉的表面缺陷快速检测方法

实际生产过程中,产品表面会不同程度地留下污渍和印记,这对基于机器视觉的表面缺陷识别带来严重干扰.基于图案统计分析的识别方法速度虽快,但抗干扰能力弱,出现较高的误判率.基于深度学习的人工智能识别方法计算量巨大,速度慢,难以满足生产实际的高速要求.因此介绍一种改进SIFT算法,并给出了相关参数的设置方法和经验公式,通过实际表面缺陷的检测,对比验证了SIFT算法较强的鲁棒性和抗干扰能力,以及相关参数设置方法的正确性和可行性.实验数据表明,SIFT算法在凹陷类和斑点类缺陷的检出率上具有明显优越性,在裂纹类的误检率上也具有较大优势.特别是在有噪声图像干扰情况下,检出率比神经网络提升了20％,误检率降低了3％.