OSAHS合并T2DM与血浆UⅡ及Ghrelin的相关性

目的:探索尾加压素Ⅱ(UrotensinⅡ,UⅡ)、生长素释放肽(Ghrelin)在阻塞性睡眠呼吸暂停低通气综合征(obstructive sleep apnea hypopnea syndrome,OSAHS)合并2型糖尿病(type 2 diabetes mellitus,T2DM)患者发病和疾病进展中的病理生理作用及相关可能性机制.检测OSAHS与T2DM的独立相关性.方法:选取健康人、单纯OSAHS患者、单纯T2DM患者和T2DM合并轻中度OSAHS患者各20人测定受试者的身高、体质量、空腹血糖水平、平均血氧饱和度、呼吸暂停低通指数(AHI)水平.采用双抗体一步夹心酶联免疫吸附试验(ELISA)法测定血浆中UⅡ、Ghrelin水平.结果:试验组单纯OSAHS患者、单纯T2DM患者、T2DM合并轻中度OSAHS患者血浆UⅡ的水平分别为(233.31±46.02)、(217.88±41.57)、(233.86±49.02)ng/mL;对照组为(203.53±35.50)ng/mL,组间比较差异有统计学意义(P0.05).试验组单纯OSAHS患者、单纯T2DM患者、T2DM合并轻中度OSAHS患者血浆Ghrelin的水平分别为(34.99±8.02)、(35.50±5.81)、(36.35±5.16)ng/mL;对照组为(33.91±8.28)ng/mL,组间比较有统计学意义(P0.05).结论:单纯T2DM、单纯OSAHS患者皆有UⅡ和Ghrelin的升高,而OSAHS合并T2DM患者UⅡ、Ghrelin的水平更高.UⅡ、Ghrelin的增高可能是OSAHS和T2DM患者疾病发生、发展的重要因素.     

基于卷积ADMM网络的高效结构化稀疏ISAR成像方法

结构化稀疏逆合成孔径雷达(inverse synthetic aperture radar, ISAR)成像是空间态势感知与目标识别的重要手段。该问题可通过压缩感知(compressive sensing, CS)方法解决。目前, 许多传统CS方法仍存在运算效率低、参数适应性不强等问题。针对该问题, 本文提出了一种基于卷积交替方向乘子法网络(convolutional alternating direction method of multipliers network, C-ADMMN)的结构化稀疏ISAR成像方法。利用深度展开方法, 结合传统结构化稀疏ISAR成像模型, 构建C-ADMMN网络。通过监督学习, C-ADMMN仅需约10层网络便可达到传统方法上百次迭代的效果, 具有较高的运算效率且对不同目标具有一定适应性。基于仿真与实测数据的实验结果验证了网络的高效性与参数适应性。     

基于深度学习模型的SAR图像间歇采样转发干扰检测

间歇采样转发干扰(interrupted sampling repeater jamming, ISRJ)利用合成孔径雷达的匹配滤波特性，在其图像中产生间隔分布的假目标，对目标检测等造成欺骗效果，故针对ISRJ的检测与抑制具有重大意义，而现阶段相关研究主要集中在信号域。对此，在图像域中开展ISRJ检测研究。首先将实测数据与仿真干扰相结合，基于不同实测场景与仿真参数构建ISRJ样本；其次针对假目标间隔分布的特点，选用深度学习检测领域具有代表性的“两阶段”与“单阶段”模型；再次，使用单一场景的ISRJ样本对模型进行训练，再利用训练好的模型对其他场景的样本进行测试；最终，得到ISRJ检测结果。基于MiniSAR数据的实验表明，对于不同类别、不同场景以及不同参数的ISRJ样本，所用深度学习模型能够达到95.75%的平均总体检测精度，具有很强的泛化能力。此外，对于尺寸大小为501像素×501像素的样本，上述模型的最少检测用时为0.035 s。     

预应力加载条件下零件干磨削表面强化层特征

采用预应力复合干磨削加工技术,对未调质45#钢试件在不同预应力加载条件下实施表面磨削淬硬,观测不同磨削深度和进给速度条件下的试件表层金相组织,测量并分析试件在不同预应力条件下磨削淬硬层厚度、金相组织的变化状况,并通过试件截面不同位置硬度测定显示淬硬层厚度及金相成分的变化,得到试件施加预应力对淬硬强化层厚度的影响规律.研究表明,预应力淬硬磨削能使工件表面产生强化层,且大的磨削深度和小的进给速度有利于试件表面发生相变强化以及表层塑性变形的增大.     

jet基因与时差对果蝇寿命的调控研究

果蝇是理想的节律、睡眠与寿命机制研究的模式生物之一.研究已表明果蝇中因表达Jetlag(Jet)蛋白,进而调节重要生物钟蛋白Timeless(Tim)的降解,使得果蝇能很快适应新的光照周期,即表现出不明显的时差反应.为了研究jet基因和时差对果蝇寿命影响,利用jet突变体果蝇进行睡眠与寿命监测,结果表明:两种同类型jet突变体果蝇的睡眠时间显著高于对照组果蝇,其睡眠次数相对较少,每次睡眠时间较长,提示Jet蛋白功能的缺失反而能促进果蝇睡眠的维持,出现嗜睡症状.进一步探讨了两种不同的时差生活环境对jet突变体与对照组果蝇寿命的影响.研究表明,两种jet突变体寿命在时差环境中表现出显著性延长,而对照组则没有明显变化.以上结果提示jet基因的缺失对于果蝇寿命可能产生部分影响,其作用机制与生物学意义还有待进一步研究.     

基于深度学习的铝厂工业自动浇筑中的图像识别

将深度学习的图像识别应用到工业生产中是一个重要的应用方向.相比传统图像处理,深度学习在图像识别中具有高识别率、抗干扰性强等特点.首先采用小波变换对图像去噪、归一化,然后利用多层卷积对图像进行特征提取并采用全连接层和softmax分类器进行分类实现图像识别.在铝厂工业自动浇注过程中,对已经浇注完成和未完成的图像进行识别、解决传统图像处理在工业生产中多干扰、亮度不足的情况下难以识别的问题.实验结果表明,采用小波变换与深度学习融合对图像进行识别的识别率可达到91. 88%,基本能满足铝厂工业生产的需要.     

矿井旋转编码器深度指示器研究

由于传统深度指示器(圆盘式与牌坊式)存在示值精确度低、功能单一、可靠性差等问题,本文提出对新型深度指示器的探究。通过与光电式深度指示器的类型对比,得出旋转编码器在深度指示器中的优势所在,并将该旋转编码器应用于矿井中的深度指示器。通过软硬件设计及实验,证明了该方法的可行性。旋转编码器深度指示器精确度高,具有测量与监控功能,实时监控矿井提升机的位置。通过对提升机位置的精准测量来实时地监测提升容器在井筒中的位置,实现提升机在上提与下放过程中的限位与过卷保护以及对提升机加减速的控制,防止安全隐患的发生,为提升机的安全运行以及设备利用率和安全可靠性的提高奠定基础。     

基于空间自适应和混合损失对抗网络的乳腺肿块图像分割方法

在乳腺癌筛查的计算机辅助诊断过程中，乳腺肿块的精确分割至关重要.然而，乳腺肿块在X光成像中与背景灰度接近、形状不规则，使得精确分割面临很大挑战.为进一步提升分割性能，提出一种基于空间自适应和混合损失对抗网络的乳腺肿块分割新方法.首先，提出可分离卷积U-Net模型作为对抗网络中的生成器，以减少参数量和计算量；然后，在判别网络中添加空间自适应归一化层来获取分割掩码中蕴含的语义信息；最后，综合考虑类别不平衡、语义一致性等因素的影响，提出一种融合对抗损失、分割损失和感知损失的混合损失函数以提升模型学习效果.实验结果表明，新方法在INbreast和CBIS-DDSM两个乳腺分割公开数据集中分别取得99.35%和99.72%的准确率，以及81.27%和82.01%的集合相似度，获得优于现有方法的分割性能.     

低算力深度学习下的图像卡通风格化研究

在深入研究图像风格迁移的基础上，提出了一种适用于图形处理器性能受限情况下，卡通（cartoon）图像风格迁移训练的生成式对抗网络(generative adversarial networks，GAN)．利用视觉几何组（visual geometry group，VGG）网络提取图片先验信息，实现学习过程的加速；裁剪cartoonGAN模型，在保证效果的基础上，使得低性能计算条件下的网络收敛成为可能；设计合理的损失函数，保证整体风格化效果．基于tensorflow 2.0构建试验平台，通过对试验结果分析可发现，该方法的迁移效果好，稳定性强，且收敛时间短．对算法的参数和初始化方法给出了相关讨论，并提出了进一步的解决方案．      

一种从融合颜色信息和深度信息的PNG文件中提取点云数据的方法

使用微软Kinect体感设备对物体三维信息构建时会产生大量的场景彩色信息和深度信息,可在Open CV框架下将Kinect视场下的信息保存为两张PNG格式的RGB图和深度图,为后续的物体三维构建提供原始的数据信息,这种方法使用比较繁琐。针对此问题提出了一种将颜色信息和深度信息融和到一张PNG文件中,隐藏深度信息到Alpha通道并在OpenFrame Works平台下实现了提取三维点云数据的方法。