课程文献中心 更多>>

关键词： 成像系统   液晶透镜   无偏振片成像算法   点扩散函数  

摘要： 提出一种液晶透镜的无偏振片成像方法。多次测量不同电压驱动的液晶透镜成像系统的点扩散函数，得到时间平均结果。调用成像时液晶透镜驱动电压对应的点扩散函数，可以对物体所成像进行反卷积得到去除非调制光图像。结果表明，本方法处理后的图像效果相较于传统无偏振片成像算法以及加偏振片液晶透镜，其成像清晰度更佳。

关键词： 磁共振   扩散张量成像   神经胶质瘤   病理级别   扩散张量纤维束成像   列线图模型  

摘要： 目的: 本研究旨在探讨磁共振扩散张量成像（DTI）结合列线图模型对神经胶质瘤病理级别的预测价值。 资料与方法: 回顾性收集2019年1月至2023年9月在吉林大学中日联谊医院神经外科住院诊疗并经活检或切除术后病理明确证实的76例神经胶质瘤患者作为研究对象。按照胶质瘤的病理级别分为高级别胶质瘤（HGGs）组50例和低级别胶质瘤（LGGs）组26例。两组研究对象经术前常规MRI序列及DTI扫描后,以DTI原始序列为基础,使用3D Slicer软件进行一系列后处理得到DTI相关各个定量参数值的标量图,可在各个标量图中采集到相应定量参数的数值大小。以常规MRI为参照,分别在每个DTI参数标量图中确定胶质瘤病灶,测量其肿瘤实质区（TBZ）的各向异性分数(FATBZ值)、线性各向异性系数(CLTBZ值)、平面各向异性系数(CPTBZ值)和球体各向异性系数(CSTBZ值)以及瘤周水肿区（PEZ）的FAPEZ值、CLPEZ值、CPPEZ值和CSPEZ值。采用两个独立样本t检验来比较两组患者DTI参数FATBZ值、FAPEZ值、CLTBZ值、CLPEZ值、CPTBZ值、CPPEZ值、CSTBZ值和CSPEZ值是否具有统计学差异。将每项具有显著性差异的参数值分别与胶质瘤的病理级别作Pearson相关性分析,随后绘制受试者工作特征曲线（ROC）,得出曲线下面积（AUC）、灵敏度以及特异度等指标。将两组间有统计学差异的各项DTI参数值共同纳入二元Logistic回归算法构建出联合预测模型,计算该模型的预测值,并据此算得ROC、AUC等指标,制作混淆矩阵。基于该预测模型构建出列线图模型,并使用Boostrap法进行1000次内部抽样验证,得出列线图模型的校准度。采用Mann-Whitney检验、Kendall相关性分析来比较DTT所展现的两组胶质瘤周围脑白质纤维束损伤级别的差异性和相关性。 结果: 将HGGs、LGGs两组间各项参数值进行两个独立样本t检验,发现FATBZ值、FAPEZ值、CLTBZ值以及CSTBZ值的差异具有统计学意义（P<0.001）,而CLPEZ值、CPTBZ值、CPPEZ值以及CSPEZ值的差异没有统计学意义（P>0.05）。将有统计学差异的四项DTI参数值与胶质瘤病理级别进行Pearson相关分析,发现FATBZ值、FAPEZ值、CLTBZ值与胶质瘤级别呈负相关（P<0.001）;CSTBZ值与胶质瘤级别呈正相关（P<0.001）。使用参数FATBZ值、FAPEZ值、CLTBZ值以及CSTBZ值绘制ROC曲线,发现相对应的AUC分别为0.908、0.788、0.788和0.782。可知FATBZ值的诊断效果较好,其95%置信区间（CI）为0.842-0.975,约登指数为0.668。当以最佳阈值0.26为截断时,灵敏度为80.80%,特异度为86.00%,对两组肿瘤的鉴别效果良好。以每项参数本身对肿瘤级别结局的贡献程度为基础,本研究纳入有统计学意义的四项参数建立联合预测模型。该预测模型对HGGs、LGGs两组肿瘤病理级别判断的准确率为88.15%、精准率为91.84%、召回率为90.00%以及F1分数为91.09%。该预测模型的AUC为0.958,灵敏度为90.00%,特异度为88.50%。与单独的各项DTI参数相比,联合模型的诊断效能最好。将联合预测模型以列线图的形式展示并校准,校准曲线表明校准度良好。DTT所展现的纤维束损伤程度结果表明,HGGs组:移位7例、浸润22例、破坏21例;LGGs组:移位14例、浸润8例、破坏4例。Mann-Whitney检验及Kendall相关分析结果表明,脑白质纤维束的损伤程度与胶质瘤病理级别的差异具有显著性（P<0.001）,且呈正相关（P<0.001）。 结论: ***参数FATBZ值、FAPEZ值、CLTBZ值以及CSTBZ值对脑胶质瘤的病理级别具有鉴别诊断价值。 ***参数FATBZ值、FAPEZ值、CLTBZ值和CSTBZ值可用于建立列线图预测模型,早期判断脑胶质瘤的病理级别,以指导临床诊疗和预后评估。 ***可呈现肿瘤对其周围纤维束的损伤程度,亦对胶质瘤的病理级别具有鉴别作用。

关键词： 张量隐特征分析   β散度   粒子群优化算法   天牛须搜索算法   差分进化算法  

摘要： 随着5G、人工智能、大数据、云计算和物联网等前沿技术的逐步推广与普及,移动互联网、高清视频传输等新型数据业务呈现出迅猛增长的态势,新一代信息技术的广泛应用催生了前所未有的数据信息交互需求。以城域网为例,其通常包含数百万个不同的终端节点,如计算机、智能手机等,随着时间的推移,大量数据在其中传输。网络数据中心能够统计不同终端之间的流量交互,但由于所涉及的节点急剧增加、数据传输过程中存在丢失等原因,数据中心不可能在每个时间段观察到它们的全部相互情况,所观测到的终端流量交互是极其高维稀疏(High Dimensional and Incomplete,HDI)。虽然观测到的网络流量数据极为稀疏,但它包含了关于所涉及节点的各种行为模式的丰富知识,例如,通过分析这些大规模终端交互可以帮助网络运营商理解和优化网络架构、数据传输和资源管理。由于数据的HDI特性,直接对其进行分析难以获取有价值信息,所以需要对其缺失数据进行精准地恢复。 张量隐特征分析方法(Latent Factorization of Tensors,LFT)能够有效地建模网络节点间的交互信息,并通过张量分解的方式抽取出这种复杂交互中有用信息,并将缺失的网络流量数据进行恢复。然而,目前的隐特征分析模型在这种模式表征上依然存在表示能力不足、超参数自适应不够鲁棒等问题。因此,本文在前人研究的基础上进一步研究。本文主要研究内容如下: 1.提出了基于β散度张量非负隐特征分析模型。针对网络流量数据的HDI特性和非负特性,论文首次在张量上使用了β散度构建了目标函数,同时在目标函数加入非负约束和线性偏差,并分情况对目标函数进行了理论推导,最后将所有情况进行了统一。β散度的加入提升了模型恢复网络流量数据的准确性。 2.提出了基于集成自适应β散度张量非负隐特征分析模型。该模型首先分别采用粒子群优化算法、天牛须搜索算法和差分进化算法实现了超参数的自适应调节,然后使用集成学习将三种自适应模型进行集成。通过自适应调参的方式省去了手动参数调整所需大量时间消耗,集成学习的加入进一步提升了模型的对网络流量数据的恢复准确性、增强了模型的鲁棒性。 3.通过在多个真实的城域网络数据集上进行实验,实验结果表明本文所提出的模型在处理HDI网络流量数据时,具有良好的数据恢复准确性、高效的收敛速度以及稳健的鲁棒性。

关键词： 光栅测长   玻璃量器计量   四象限位置   光路布局   辨向光路位置   光栅测长机  

摘要： 针对传统的玻璃量器计量方法存在计量偏差较大的问题，提出采用光栅测长法计量玻璃量器。以量标检定装置为例，对辨向光路位置进行设置，按照光路位置对量器容量标线参数进行计算，以该参数为基础，使用光栅测长，建立误差校正模型，结合四象限位置探测器，对光电探测器表面进行划分，并通过光路布局以及产生示意图，对死程误差进行计算，根据误差对容量进行校准，基于校准后的容量参数，使用自准直仪对轴直线度进行测量，得到测量的示值，从而完成玻璃量器计量。进行实验，结果表明，使用此设计的玻璃量器计量方法，计量的偏差较小，应用效果较好。