原发性胃淋巴瘤的16层CT诊断

目的探讨原发性胃淋巴瘤的16层田表现特征及诊断价值。方法回顾性分析18例经病理证实的原发性胃淋巴瘤的16层CT表现,包括病变部位、胃壁及粘膜改变。结果18例均为B细胞起源非霍奇金淋巴瘤。肿瘤呈弥漫浸润型11例,肿块型5例和节段溃疡型2例。16层CT平扫示肿瘤密度均匀14例,不均匀4例,16层CT增强扫描示病灶呈轻、中度均质增强16例,溃疡形成后增强不均匀2例。结论原发性胃淋巴瘤的16层CT表现特征对诊断和鉴别诊断有一定价值。     

B细胞非霍奇金淋巴瘤中bcl-2基因主要断裂点和次要断裂点检测分析

目的:探讨B细胞非霍奇金淋巴瘤中bcl-2基因不同断裂点bcl-2基因重排的发生频率。方法:采用巢式PCR方法对30例B细胞非霍奇金淋巴瘤bcl-2基因主要断裂点(MBR)和次要断裂点(MCR)进行检测,采用全自动凝胶成像系统对样本进行分析。结果:30例B细胞非霍奇金淋巴瘤中,主要断裂点(MBR)bcl-2基因重排频率为23.3%(7/30),其中滤泡性淋巴瘤(FL)发生频率为50%(2/4),弥漫性大B细胞性淋巴瘤(DLBCL)为27.2%(3/11),套细胞淋巴瘤(MCL)为20%(2/10)。进一步分析次要断裂点(MCR)发现,bcl-2基因重排频率为6.7%(2/30),滤泡性淋巴瘤(FL)发生频率25%(1/4),弥漫性大B细胞性淋巴瘤(DLBCL)为9%(1/11),其余病例均未检出。结论:bcl-2基因重排在滤泡性淋巴瘤中发生频率较高,其次是弥漫性大B细胞淋巴瘤,但次要断裂点bcl-2基因重排频率低。套细胞淋巴瘤中检测出bcl-2基因重排有待进一步研究。     

吡柔比星（吡喃阿霉素）联合化疗治疗恶性淋巴瘤40例分析

观察吡喃阿霉素联合化疗方案治疗恶性淋巴瘤的疗效及毒副反应。方法;对４０例恶性淋巴瘤患者行ＴＨＰ联合化疗,其中６例为霍奇金病,３４例为非霍奇金淋巴瘤。采用ＣＴＯＰ或ＣＴＯＰＥ方案,ＴＨＰ疗程量为６０ｍｇ。ＣＴＯＰＥ方案主要用于病变播散或高度恶性淋巴瘤患者。     

新疆石河子地区125例B细胞性非霍奇金淋巴瘤的临床病理分析

按照2001年世界卫生组织(WHO)淋巴瘤最新分类标准,分析和总结新疆石河子地区125例B细胞性非霍奇金淋巴瘤(B-NHL)的临床病理组织学及免疫组化特点,以探讨其在B-NHL的诊断和鉴别诊断中的价值.依据2001年WHO淋巴瘤新分类标准,运用临床病理形态观察及免疫组化对125例B-NHL进行临床病理研究.125例B-NHL患者发病平均年龄为47.6岁(1.5岁～81岁),男女发病比例为2.4:1.发生部位以淋巴结内为最常见(占60%),其次为胃肠道(占20%),还可见于涎腺等部位.按WHO分类,本组125例B-NHL确定了9个类型,未观察到淋巴结边缘区B细胞淋巴瘤、脾边缘区B细胞淋巴瘤、毛细胞白血病和B-前淋巴细胞白血病,其中最常见的3个类型依次是:弥漫大B细胞淋巴瘤(45例,36%),滤泡淋巴瘤(40例,32% ),粘膜相关淋巴组织结外边缘区细胞淋巴瘤(22例,17.6% ).一些B-NHL的亚型有特异性免疫表型,对诊断和鉴别诊断有所帮助.病理形态是淋巴瘤诊断的基础,免疫表型在诊断和分型中起重要作用,二者与临床特征结合可使多数淋巴瘤得到明确诊断.     

基于多任务神经网络模型的小肠淋巴瘤检测模型

CT影像是小肠淋巴瘤诊断的主要方式,近年来深度学习在医学影像领域得到广泛应用,可以极大的减轻医生的工作量。针对小肠淋巴瘤肿瘤形态位置信息差异性大,样本量较少且产生假阳性较多的特点,该文提出了一种基于多任务神经网络模型的小肠淋巴瘤检测模型,该模型使用间质瘤和DeepLesion数据集作预训练,在检测模型当中引入了分类模块,该模块可以用于剔除掉数据中非小肠区域,同时便于引入无boundingbox的正常人小肠区域的数据,用于降低模型的假阳性率。为了增强模型对于小目标的检测效果,对FPN网络的浅层结构进行了改进。在包含正常人和患者的数据集上的测试结果表明,提出模型在保证检测精度的同时,可以有效降低模型的假阳性率。     

恶性淋巴瘤14例临床分析

本文就经病理诊断的恶性淋巴瘤14例进行临床分析。其中何杰金病7例,非何杰金淋巴瘤7例。临床以发热及锁骨上淋巴结肿大表现为主。7例非何杰金淋巴瘤中有5例合并急性白血病。治疗采用系统化疗较佳。     

大数据背景下神经元复杂网络同步转迁数值设计探讨

时滞产生振荡行为或其他不稳定现象,这对信息传输系统的稳定性产生一定影响。基于此,通过对随机霍奇金-赫胥黎(HH)神经元建立模型,探究了纽曼瓦特网络同步增强受时滞影响的情况。研究发现,在τ=7时,神经网络发生同步转迁行为;当τ7时,神经网络呈现簇同步;当τ7时,神经网络呈现峰同步。     

电子-电子相互作用对trion静态性质的影响

基于一维紧束缚SSH模型和扩展的Hubbard模型,采用非绝热分子动力学方法,在非限制性Hartree-Fock(HF)平均场近似下,研究了三粒子复合体trion的静态性质.trion比极化子、双极化子具有更大的束缚能、稳定性和有效质量;电子-声子耦合和电子间相互作用均增强trion的局域度,并导致其有效质量增大,稳定性增强.     

美罗华联合化疗治疗老年复发性B细胞非霍奇金淋巴瘤1例报道

1资料与方法1.1临床资料患者,女,73岁,因反腹胀、双下肢水肿3年,胸闷、气逼1天入院。患者曾于2004年因全身浅表淋巴结肿大、脾肿大在省某三甲医院血液科行组织病理学确诊为B细胞性非霍奇金淋巴瘤。免疫组化:CD20( )、CD79a( ),CD30和CD45RO反应性( ),行CHOP方案化疗后完全缓解,观察1年后再次出现脾脏肿大。查体:贫血外观,浅表淋巴结未及肿大,两肺底可闻及湿罗音,心律齐,心尖Ⅲ/6级收缩期吹风样杂音,腹肌软,左上腹可及肿大脾脏,甲乙线20.5cm、甲丙线21.5cm、丁戊线-3cm,质地硬,胀痛明显,双下肢重度水肿,肌力为3级。乳酸脱氢酶(LDH)210IU/L。胸腹部CT:双侧胸腔积液,脾脏肿大。诊断:非霍奇金淋巴瘤。     

基于模型分析的城市环境下车载移动Ad hoc网络路由协议改进策略

在Manhattan移动模型的基础上,深入分析了车载移动Ad hoc网络路由协议的性能问题. 结合AODV路由协议,提出了一种可以量化分析车载Ad hoc网络路由断链率和路由负载的模型. 模型分析指出,传统的移动Ad hoc网络路由协议应用于车载Ad hoc网络时性能会严重下降. 针对这一问题,提出了一种基于车辆运动方向信息的类AODV路由协议DBAP,将车辆的运动方向信息作为其路由发现过程中的辅助参数,从而显著地增强了路由稳定性. 仿真结果验证了模型的正确性,同时证明了本文所提出的DBAP路由协议在城市车载环境中具有较低的路由负载和路由断链率,在协议性能等方面相对于AODV协议具有显著提高.     

卷积神经网络在MRl图像诊断中的应用

基于卷积神经网络对颅内组织器官疾病诊断提出了创新思路.选取帕金森病患者图像通过灰度映射、直方图均衡化、改进的小波去噪、图像增强等预处理,以VGG-Net网络模型为基础设计并搭建卷积神经网络,采取正则化策略避免过拟合问题,用患者MRI图像集对网络模型进行5次十折交叉验证,同时通过反卷积网络实现特征可视化,挖掘疾病潜在特征.实验结果和客观评价表明,本文搭建的网络可根据患者MRI图像实现良好的辅助诊断.     

改进型补偿模糊神经网络故障诊断系统

在模糊逻辑与神经网络融合的基础上,引入补偿运算单元,构成补偿模糊神经网络,使网络从初始定义的模糊规则进行训练,再动态的优化模糊规则,提高网络的容错率和稳定性.针对网络训练的不同阶段对学习速率的不同要求,提出一种具有分段可变学习速率的补偿模糊神经系统,可以提高网络的整体性能,实现动态的、全局优化的运算.故障诊断仿真研究表明:模型具有更好的收敛特性,能够大大的缩短训练时间,减少训练步数,提高误差精度.     

基于改进YOLOv5的车辆目标检测研究

针对现有目标检测算法在自动驾驶等领域的车辆目标检测中存在检测精度不高,实时性和鲁棒性较差等问题,本文提出一种基于YOLOv5的车辆目标检测方法.本文在YOLOv5s网络模型框架下,引入一次性聚合（OSA）模块优化主干网络结构,提升网络特征提取能力;并采用非局部注意力机制进行特征增强;同时利用加权非极大值抑制方法实现检测框筛选.实验结果表明,在自制车辆检测数据集上,改进网络模型与原YOLOv5s模型相比,平均准确率均值（mAP）提升3%,不同目标类检测的平均准确率（AP）均得到提升,且检测速度满足实时性要求,对于密集车辆和不同光照条件下均能较好实现车辆目标检测.     

5G承载网下基于经验小波变换和卷积神经网络的配网故障诊断方法

配电网拓扑结构复杂、分支众多、潮流分布不平衡,且存在通信网络覆盖不完善问题,给精确故障诊断带来很大难度.首先,基于5G承载网络的分布式配电网故障诊断系统,提出了网络时延和丢包模型,测试了实际网络时延.其次,提出了基于经验小波变换(empirical wavelet transform,EWT)和卷积神经网络(convolutional neural network,CNN)的故障诊断方法,对网络传输后的录波电气量进行经验小波变换,得到不同频域分量.最后,对各分量构建卷积神经网络模型,形成EWT-CNN配电网故障诊断方法,给出故障判断报告.实验结果表明,所提出的5G承载网络下的EWT-CNN配电网故障诊断方法可有效诊断出配电网故障点,且具有很好的泛化能力.     

基于RBF神经网络的温度传感器故障诊断

采用RBF神经网络进行温度传感器故障检测,利用TE （Tennessee-Eastman）控制系统中的温度传感器的输出信息建立动态神经网络温度传感器输出模型,并利用该模型进行在线的故障检测,仿真结果表明该模型有很强的抗干扰性,同时还有较好的收敛性和稳定性.     

基于BP神经网络的三相逆变器故障诊断研究

针对三相桥式逆变电路为研究对象,建立了仿真模型,并对逆变器主电路开关器件的开路故障进行仿真,提出了基于BP神经网络的故障诊断方法,确定了网络的结构和参数,并以此训练网络.仿真试验结果表明,该神经网络具有很好的故障识别能力,所选择的基于BP神经网络的三相逆变器故障诊断系统是可行的.     

基于小波神经网络的一类非线性系统的故障检测

针对一类非线性系统,提出一种小波神经网络(wavelet neural network,WNN)自适应故障检测方法。WNN具有较强的泛化能力及不同的激活函数。通过设计自适应状态观测器技术,利用小波神经网络观测器良好的观测性能来观测系统的当前状态,并将其应用于一类非线性系统中,实现故障检测与诊断。利用Lyapunov直接方法从理论上证明了小波神经网络故障检测观测器的稳定性,仿真结果亦表明了该非线性系统故障检测观测器的可靠性和稳定性。     

基于BP神经网络模型的大众健美操成绩非线性相关分析

确定了分项评价指标及其标准,具体包括以下9个指标:准确性、整齐性、弹性、协调性、稳定性、控制力、健康性、统一性和和谐性.建立了包含输入层,隐含层和输出层的三层BP人工神经网络模型.结果表明,该模型能够很好地反映9个分项指标的成绩与总体成绩之间的非线性关系.各个样本的预测值与真实值十分接近,相对误差在5%上下波动,网络训练成功.表明BP网络经有效训练后应用于竞技健美操成绩评价具有较高的预测精度和良好的泛化能力.     

基于梯度加权类激活热力图的卷积神经网络故障诊断模型鲁棒性分析

深度学习近年来在故障诊断领域受到广泛应用,但基于深度学习的故障诊断模型缺乏工程上的物理解释性,难以保证其故障诊断结果的稳定性。以轴承为例,建立了以小波时频图像为故障诊断依据的卷积神经网络模型(convolutional neural network, CNN),提出了一种基于梯度加权类激活热力图(gradient-weighted class activation map, Grad-CAM)的网络模型鲁棒性分析方法,并利用美国凯斯西储大学(Case Western Reserve University, CWRU)轴承数据集进行验证。首先,将故障直径轴承数据以不同方式混合并训练大、小多个模型。其次,利用Grad-CAM方法,建立时频区域与故障模式之间的联系。最后,利用其他工况下的轴承故障数据,以及含噪数据进行测试,并根据结果结合模型最注重的时频区域进行分析。结果表明,基于深度学习的轴承故障诊断模型在参数较少时更加注重低频区域,并能使其具有更好的鲁棒性。