ZrB2 SiC/Zr Al C复合材料的制备与性能

采用放电等离子烧结技术(SPS)制备原位自生纳米层状Zr Al C相改性ZrB2 SiC复合材料,研究不同烧结温度对纳米层状Zr Al C相改性ZrB2 SiC复合材料的物相组成、微观结构和力学性能的影响,并探讨材料的强韧化机制.结果表明:在1 500,1 600,1 700 ℃烧结温度下,均原位合成了纳米层状Zr Al C相,厚度在几十纳米到几百纳米之间;烧结温度从1 500 ℃升高到1 700 ℃时,复合材料的断裂韧性由（4.51±0.04） MPa·m1/2提高至（5.04±0.02） MPa·m1/2,维氏硬度由（7.3±1.1） GPa提高至（14.2±1.1） GPa,断裂韧性和维氏硬度分别提高约12%和95%;随着烧结温度的升高,试样的致密度提高,气孔减少,晶粒间结合更紧密,断裂韧性和维氏硬度都逐渐增大.     

基于基因注意力和多组学的低级别胶质瘤分类方法

现有对低级别胶质瘤(low-grade glioma, LGG)分子亚型三分类的研究依赖于LGG医学影像数据,数据样本少且难获取导致模型较难学习到LGG分子亚型之间的差异,降低了模型的分类性能。基于此,提出了LGG分子亚型三分类方法MODDA,利用基因注意力网络提取LGG多组学数据的重要特征,使用嵌入网络处理临床数据得到临床数据特征;将临床数据特征与组学数据重要特征进行融合,采用密集深度神经网络进行LGG分子亚型分类。实验结果表明,MODDA的分类性能优于现有LGG分子亚型分类方法,并且在外部验证数据集上也表现出较好的泛化性能。此外,对卡方检验过程中发现的重要基因进行了富集基因本体论(gene ontology, GO)术语和生物学途径分析,有助于LGG的个性化治疗。     

浅析数据仓库、联机分析处理和数据挖掘

为了从海量数据中提取有价值和有决策意义的信息而提出数据仓库、联机分析处理和数据挖掘。本文先大致介绍了这三种技术的基本概念与应用,然后分析了它们三者之间的相互关系,并在文中穿插介绍了实际应用中三者是如何融合为一体来辅助决策的。