基于低氧-免疫DNA甲基化标记在肺腺癌预后中的开发

为了探究缺氧和免疫联合分析DNA甲基化位点在肺癌预后中的作用,提高肺癌免疫治疗的有效性,本研究基于甲基化和转录组二维数据,构建了一个用于预后评估的风险评分模型．从TCGA数据库中下载了247个与缺氧、免疫状态相关的去冗余肺癌样本作为训练集．然后对低缺氧-强免疫状态的样本、高缺氧-弱免疫状态的样本进行了差异基因表达、甲基化位点和临床生存率分析．生存曲线分析显示,低缺氧状态-强免疫状态组中的肺腺癌患者的1、3、5年生存率均优于高缺氧状态-弱免疫状态组（log-rank检验,P<0.05、P<0.001、P<0.001）．使用LASSO回归构建的多基因预后模型包含9个甲基化位点,在肺腺癌测试数据集和验证数据集中均显示出良好的预后预测能力（AUC=0.83,0.80,0.82）．这9个甲基化位点分别分布在PEBP4、FLI1、HLA-DMB、MYO1F、ABCC2、AKNA、ETS1、CCR7和TXNRD1基因上．此外,我们从5年生存曲线中发现,在低缺氧-强免疫状态组中高表达的PEBP4、CCR7、FLI1、AKNA、HLA-DMB、MYO1F和低表达的ABCC2基因也可作为...     

一种生成不完备诊断模型的方法

利用在线生成模型方法解决因建模不完备而产生的系统不可诊断问题. 该方法通过离线建立的可扩展模型和确定可诊断性时得到的最大观测长度, 在线判定是否存在不完备行为; 根据在线运行的历史数据和观测时间确定不完备行为并进行分类, 重新定义诊断模型并生成诊断; 取消了完备性假设, 当系统中存在未定义行为时, 可得到诊断结果而非盲目扩展, 因此建模过程中进一步减少了设备依赖性.     

一种生成不完备诊断模型的方法

利用在线生成模型方法解决因建模不完备而产生的系统不可诊断问题. 该方法通过离线建立的可扩展模型和确定可诊断性时得到的最大观测长度, 在线判定是否存在不完备行为; 根据在线运行的历史数据和观测时间确定不完备行为并进行分类, 重新定义诊断模型并生成诊断; 取消了完备性假设, 当系统中存在未定义行为时, 可得到诊断结果而非盲目扩展, 因此建模过程中进一步减少了设备依赖性.     

滚动轴承损伤类故障的一种精确诊断模型

为了实现对滚动轴承元件表面损伤类故障的早期精确诊断,并考虑到载荷分布及轴承运动的影响,从理论上提出了一种模型来分析用高频共振法进行滚动轴承故障诊断时得到的包络信号及其频谱图,并试验验证了该模型的正确性和可行性.     

一种基于香豆素的迈克尔加成型硫醇比色探针

基于硫醇对α,β-不饱和双键的亲核加成,设计合成了一种香豆素-3-氧代-2,3-二氢苯并[b]噻吩加合物的比色硫醇探针.硫醇与探针发生迈克尔加成,打断了分子内的共轭体系,阻止了香豆素向缺电子的3-氧代-2,3-二氢苯并[b]噻吩基团的分子内电荷转移,引起了吸收光谱上的蓝移和溶液颜色的变化.     

一种基于数据包分析的网络入侵检测探针

首先介绍入侵检测系统的原理，并在此基础上利用Kdevelop2.0以及Qt在Linux操作系统下实现了基于数据包分析的网络入侵检测探针程序，该程序完成了共享网段中的数据包的捕获和分析，入侵特征的匹配以及对入侵活动的响应等功能。     

基因组原位杂交中探针长度的优化

本文对普通野生稻Oryza rufipogon DNA的提取、纯化到最后将DNA剪切成300-500bp的整个过程进行了阐述．同时因为鲑鱼精DNA的G、C含量比较均匀，具有一定的剪切代表性，也对其进行了长度剪切，用来和普通野生稻Oryza rufipogon DNA进行比较，以得出其煮沸时间和剪切长度的关系是否具有普遍性，结果初步验证了普通野生稻Oryza rufipogon DNA的煮沸时间和长度变化的关系与鲑鱼精DNA的煮沸时间和长度变化的关系有很大差别，说明普通野生稻Oryza rutlpogon DNA的煮沸时间和长度变化的关系没有普遍性，而只能说明普通野生稻Oryza rufipogon DNA本身的特性。     

属性掌握概率分类模型——一种基于Q矩阵的认知诊断模型

提出了一种属性掌握概率的分类模型,该模型基于Q矩阵,采用对属性掌握概率先估计后分类的方法,从而实现对考生知识状态的识别.在估计阶段提出一种属性掌握概率的估计方法,在分类阶段引进模糊数学的贴近度按择近原则判别法,并通过计算机模拟研究,发现该模型适用于总体的属性掌握概率服从左偏态分布和双峰分布的考生知识状态的识别.     

一种基于免疫原理的Agent状态判定模型

利用动态模糊逻辑(Dynamic Fuzzy Logic:DFL)作为形式化描述工具,结合动态免疫网络模型的思想,设计了一种基于免疫原理的Agent状态判定模型,用以实现对Agent的状态进行动态和实时的监控,并对判定过程进行了模拟,取得了预期的结果.     

一种基于商品基因的个性化推荐模型

个性化推荐技术在电子商务系统中得到了广泛应用．但现有的个性化推荐模型不能反映出商品的某些特殊属性对用户购买行为的影响及用户购买某商品的真正原因．引入生物界中基因的概念,提出了基于商品基因的个性化推荐模型,发现用户钟爱商品基因,并将钟爱商品基因遗传到用户选择的商品．该模型能更好地发现用户的购买动机,从而进一步提高个性化推荐精度和用户满意度．     

基于CV模型与改进ME模型的肺癌检测算法

针对CT影像中恶性肺结节病灶难以自动检测的问题,提出了一种基于CV模型与改进ME模型分割区域之间的面积差异的肺部CT影像癌症检测算法.该方法利用在肺部CT影像中结节边界的模糊程度是判断恶性肺结节的最重要指标这一特性,首先通过CV模型和改进ME模型两种交互式目标分割算法分别对肺部CT影像分割,因这两种分割方法收缩效果不同,故得到两种不同的结节区域,再计算这两种区域之间的面积差异得到该区域的模糊程度,最后计算得到模糊程度比较阈值,以此判断是否存在癌症.实验结果表明,该算法对于肺部CT影像中的癌症检测具有较高的准确率.     

面向肺部CT影像的双3D-CNN结节诊断模型

为了捕获肺部CT影像中结节的三维不规则性并提高其诊断精度,本文设计了一种由筛到诊的双三维卷积神经网络（d3D-CNN）结节诊断模型.首先,构建了一个轻型3D-CNN网络,且将它与全卷积运算相结合,利用卷积运算的高优化性,完成结节筛选并生成疑似区域;然后,利用空间-切片注意力机制自动学习疑似区域在空间和切片序列上的偏移量,设计可变形3D卷积模块,且将它与ResNet101相结合而构造成一个高精度3D-CNN结节诊断网络,用于对筛选出的疑似区域进行最终判决.对比实验结果表明,所提模型在误报率为1的情况下,召回率达到88.9%,有效地提高了肺结节良恶性诊断精度.     

基于Kriging模型的冷水机组故障检测与诊断方法

提出应用Kriging模型对冷水机组进行故障检测与诊断(FDD),采用ASHRAE RP-1043项目中无故障运行数据建立并验证冷水机组Kriging模型.利用参数敏感性原理对比T-统计方法和指数加权移动平均(EWMA)方法,对比结果表明,EWMA方法提高了参数敏感性.结合Kriging模型、EWMA方法和故障诊断规则表,用实测故障数据对冷水机组故障进行检测与诊断,检测和诊断的故障包括冷凝器结垢、制冷剂充注过多、制冷剂泄漏、不凝性气体、冷冻水流量减少和冷却水流量减少6个故障.诊断结果表明,应用Kriging模型能够准确有效地检测与诊断冷水机组不同水平的故障.     

一种基于离散马尔可夫过程的诊断风险模型

文章建立了一个基于贝叶斯公式和马尔可夫链的诊断模型,并根据中国现有的医疗管理体制进行假设检验,对假设结果进行评价。在分类过程中应用贝叶斯决策,将医疗诊断简单情况下的二值分类进行研究,同时依据分类平均风险最小的原则给出了分类的决策函数,并应用贝叶斯理论和马尔可夫过程进行讨论。实验证实了在我国建立强制医疗责任保险制度的正确性与必要性。     

基于贝叶斯分类的分布式网络故障诊断模型

该文提出了一个基于Agent的分布式网络故障诊断系统模型框架，该模型对贝叶斯分类理论进行了推广。模型将先验知识和观察数据结合起来，从而大大改进了系统的诊断性能。模型采用一定的状态检查和验证策略，保证了Agent的自身安全和通信安全。Agent之间各自独立，相互协作，合作完成诊断任务。该模型与特定的系统应用环境无关。因此，该文提供了一个通用的网络故障诊断系统框架。     

基于数据挖掘模型的配电网故障定位诊断

由于配电网故障定位所依据的故障信息来自于户外的FTU，其运行环境较恶劣，元器件受损或信息丢失的可能性高，易形成变异故障模式，导致故障定位的错判，提出基于粗糙集（RS）理论和遗传算法（GA）相结合的数据挖掘（DM）模型来处理实时输入信息的畴变和实现配电网的故障定位。首先通过RS对变异故障信息域的数据集进行划分，再用GA挖掘出输入信息与故障定位诊断结果间冗余关系及内在关联性规则。经仿真测试证明，基于DM模型的故障定位与基于常规前馈神经网络（FNN）故障定位原理相比，前者具更高的容错性能。     

探究现代教育理念下的体育主体性教学模式

在现代教育理念的思想指导下,采用文献法、问卷法、测验法、实验法等,探讨如何改变传统体育教学方式,建立和形成旨在充分调动和发挥学生主体性的地位,充分调动其自主学习的积极性和兴趣。通过实验法对主体性教学模式进行实验研究,在教学效果和学生素质的提高及能力培养方面,主体性教学模式优于传统教学模式。     

基于基因算法的信息免疫模型

研究Web信息过载的问题,提出一种新的基于基因算法的信息免疫模型(IIM).根据免疫细胞的特异性,利用IIM不同的染色体描述用户需求,并专注于对无关信息的处理,使用户免于该类信息的入侵,并引入了特征选择和信息熵,阈值的选择也是可变的.通过实验与Rocchio方法进行了对比,结果表明,IIM的查准率比Rocchio的高27.5%,查全率比Rocchio的高47.7%.