一种适用于多模态过程监控的集成统计指标

具有多模态特性的工业过程的数据分布呈现出与单模态过程不同的特性。在构造监控指标时,不仅要能够概括每个模态内部的数据统计特征,还要充分考虑到不同模态之间的信息。传统的T2和SPE统计量在多模态过程中可能无法实现这一目标。提出了一种融合多模态统计信息的全局监控统计量,在贝叶斯推论的框架下,通过对每个模态的局部马氏距离赋予相应权重来实现对多模态数据的描述。通过多模态的连续反应搅拌釜(CSTH)仿真实验,验证了全局监控指标的有效性和灵敏性。     

基于加权距离邻域选取策略的多模态过程故障检测

针对多模态过程数据密度不规则性提出的一类基于密度的方法,大多是以欧式距离为基础来比较彼此间的相似性,从而检测过程是否发生故障。然而多模态数据密度在较小范围内变化较大,采用欧式距离很难获得全面的数据信息。本文提出了一种新的基于加权距离选择邻居的策略,该策略首先对距离进行合理的加权,再根据新的加权距离重新选择样本点的邻居,能有效地避免数据信息不全面的问题。在仿真实验中,首先通过比较基于传统的欧式距离和基于本文加权距离选取的邻居,说明本文策略的优越性;进而将该策略与局部离群因子（Local Outlier Factor, LOF）结合用于TE过程,对TE过程的仿真结果表明该策略在应用于基于密度的检测方法上获得了的良好效果。     

基于多模态MRI数据的早期帕金森病影像特征分析

目的 分析早期帕金森病(PD)患者多模态MRI成像方式下的影像特征,为PD的发病机制研究提供影像学支撑.方法 29例早期帕金森病患者(PD组)和30例健康志愿者(HC组)被纳入研究,分别进行MRI扫描,获取T1加权像(T1WI)、弥散张量成像(DTI)、功能磁共振成像(fMRI)等多个模态图像,经预处理后提取特征值,统...     

基于多模态特征和多分类器融合的前列腺癌放疗中直肠并发症预测模型

目的为了评估前列腺癌放疗中直肠并发症的预后,提出一种新型的基于多模态特征及多分类器融合的预测模型。方法 本研究回顾性收集了44例接受外照射放疗的前列腺癌患者的临床数据,从中提取临床参数特征和剂量学特征两种不同模态特 征,并利用筛选后的特征子集分别对五种基分类器（向量机、决策树、K近邻、随机森林和XGBoost）进行训练得到不同模态下的 多个基分类器,然后采用一种新型的基于多准则决策的权重分配算法依次对同一模态下多个基分类器以及不同模态信息的模 型进行融合,最终实现基于多模态特征及多分类器融合的预测模型。本研究采用五折交叉验证方法和ROC曲线下所围面积 （AUC）、准确率、灵敏度和特异性四种评价指标来定量评价所提出的预测模型。此外,本研究还将所提出模型与不同特征选择 方法、不同的权重分配算法、基于单模态单分类器的模型,以及两种使用其他融合方法的集成模型进行定量比较。结果五折交 叉验证结果显示本研究所提出的模型的平均准确率、AUC、特异性、灵敏度分别为：0.78、0.83、0.79、0.76。结论与基于单模态单 分类器的模型以及其他融合模型相比,本文所提出的基于多模态特征及多分类器融合的模型能更准确地预测前列腺癌放疗中 的直肠并发症。     

基于电子词典的多模态医学英语词汇教学初探

目的构建基于电子词典的多模态医学英语词汇教学模式,提高医学英语词汇教学效率。方法以英语构词法和多模态话语分析为理论基础,以医学英语词汇记忆任务为驱动,以“canaliculonasolacrimaloplasty”为例,以选词、拆词、解词、整合、拓展为主要过程,开展医学英语词汇教学实践。结果学生能够在较短的时间内,理解和记住大量医学英语词汇。结论以电子词的为主要工具的多模态医学英语词汇教学模式能够提高医学英语词汇教学效率,实现电子词典、多模态话语、英语词汇学等和医学英语词汇学习有机的整合。     

大学英语多模态教学的探讨

多模态教学是一种采用多种符号资源的教学方法. 随着科技的进步,现代化技术和多媒体教学设备越来越完善,这直接改善了教学环境,为多模态教学模式在课堂教学的实施提供了技术保障. 多模态教学的优势越来越突出,但是在大学英语教学中,多模态教学模式的实施存在一定不足之处,教师要提高意识,切实实施多模态教学.     

基于CLIP模型的军事领域图片资源多模态搜索工具研究

深入调研梳理了OpenAI CLIP多模态模型和相关应用研究。借助CLIP模型,通过大规模军事相关图片数据集开展实验,设计开发了具有以文搜图和以图搜图功能的多模态搜索工具,且在实际测试中表现良好,可以为后续围绕军事相关图片的事件分类、目标检测、任务轨迹跟踪等方面的分析研究奠定基础。     

基于多模态多示例学习的免疫介导性肾小球疾病自动分类方法

目的 探讨如何利用多模态深度学习方法,联合光学显微镜（OM）、免疫荧光显微镜（IM）及透射电子显微镜（TEM）对应的3种图像进行免疫介导性肾小球疾病分类。方法 基于273例患者的病理图像进行回顾性研究,构建多模态多示例模型对3种免疫介导性的肾小球疾病——免疫球蛋白A肾病（IgAN）、膜性肾病（MN）、狼疮性肾炎（LN）进行分类。该模型采用示例水平的多示例学习（I-MIL）方法挑选患者的TEM图像并与同一患者的OM图像和IM图像进行多模态特征融合。通过该模型与单模态、双模态模型的比较,探究3种模态之间的不同组合形式以及模态特征融合方式的特性。结果 联合OM、IM以及TEM图像建立的多模态多示例模型准确率为（88.34±2.12）%,优于准确率为（87.08±4.25）%的最优的单模态模型,以及准确率为（87.92±3.06）%的最优的双模态模型。结论 本研究成功建立基于OM、IM及TEM三种模态图像的多模态多示例模型,并验证了采用多示例学习结合多模态学习方法对免疫介导性肾小球疾病分类的有效性。     

基于互联网+的PACS个性化多模态教学模式的设计

医学影像学在现代诊疗中越来越凸显其独特的优势,由于医学学生在影像科学习时长千差万别,因此,如何应用行之有效的教学模式一直是医学影像教学的难点。随着PACS系统的普及和发展,探索基于PACS的教学模式是当前影像教学的热点。本教学模式从PACS数据库出发,根据学生在影像科学习时长、个人兴趣、临床专业方向,灵活设置教学模块,学生可以个性化地选择合适自己的学习模块,进行升阶式学习,为探索合适的医学影像学个性化教学方案提供一种新思路、新方法、新模式。     

基于MWMKPCA和CPI的间歇过程控制性能监测与评估

针对限定控制器结构下的间歇过程控制系统性能监测与评估的问题,采用引力搜索算法优化控制器参数,在最优控制参数的基础上得到控制性能较优的输出误差数据集;通过采用多种多元统计过程控制（MSPC）方法对数据集进行主元建模,用得到的主元模型对新的间歇过程批次进行在线监测,并提出一种基于控制图的综合控制性能指标（CPI）。仿真结果验证了采用移动窗口核主元分析法（MWMKPCA）在监测间歇过程控制性能时的准确性,同时验证了所提出的综合控制性能指标的有效性。     

基于LTSA-Greedy-SVDD的过程监控

为解决实际工业过程中的非线性和非高斯问题,实现有效的过程监控,提出了一种基于局部切空间排列算法的过程监控方法。首先运用局部切空间排列算法对标准化后的正常样本数据提取出低维子流形以实现维数约减。之后利用Greedy方法提取特征样本以支持向量数据描述方法建立监控模型,最后采用相应统计量进行过程监控。以田纳西伊斯曼(TE)模型为仿真平台,仿真结果说明了该方法的有效性。     

基于非负矩阵分解的流程工业过程监控方法

提出了一种新的基于非负矩阵分解（NMF）的过程监控方法。考虑到数据的某些局部特征能够包含许多重要信息,有助于对异常情况进行检测,将NMF引入工业过程监控领域,并详述了基于NMF的过程监控方法。基于TE过程的仿真实验验证了该方法的有效性。     

基于信息技术的门诊就诊流程改造

通过分析、诊断医院门诊就诊流程存在的问题,运用业务流程改进的技术和方法,对就诊流程进行改造,得出一套合理可行的改善方案。经过改进,使就诊流程更加科学、合理,缩短了患者非医疗等待的时间,提高了门诊工作效率。并最终提高医院综合竞争力和病人就诊满意度。     

基于信息平台的门诊流程优化

随着人们生活水平的不断提高,对医疗服务的要求也越来越高。传统医院门诊流程已不能满足患者需求。由于传统的诊疗流程从患者角度考虑少,看病难现象普遍存在,诊疗流程的改进已成为近年来医院管理者普遍关注的问题。医院信息系统为流程改进提供了一个良好的运行平台,使人性化服务流程得以实现。就传统门诊流程的现状,提出了在信息技术支持下的门诊流程优化措施。     

基于信息技术的门诊就诊流程改进

通过分析、诊断医院门诊就诊流程存在的问题，运用业务流程改进技术和方法对就诊流程进行改造，以使其更加合理、科学。提高门诊效率。缩短患者非医疗等待时间，最终达到提升医院综合竞争力和病人就诊满意度的目标。     

基于贝叶斯后验模型的局部社团发现

基于节点的局部社团发现在大数据社会网络分析中非常重要。针对Newman模块度在社团发现中的局限性,基于贝叶斯后验模型提出了BS模块度度量法。该方法结合节点的模块度和推荐概率进行建模,并以邻接并入为框架得到了一种新的局部社团发现算法。该方法克服了Newman模块度在稀疏网络中区分度低的问题以及社团结构差异大的分辨率问题,有效地寻找大规模网络中的局部社团。通过与Newman模块度在真实社团中的比较,验证了该度量方法的有效性。     

一种基于非线性独立元分析(NICA)的化工过程监控方法

针对实际工业过程数据中的非线性问题,研究了一种基于非线性独立元分析的多变量过程监控方法。该方法根据贝叶斯原理,构造多层感知器网络恢复过程数据,并以此建立过程的数学统计模型,对其进行实时监控。在大型工业设备仿真器TE上的应用表明了该方法的有效性,同时,在故障诊断方面也体现出了一定的优越性。     

基于慢特征重构与改进DPLS的软测量建模

针对过程数据中存在的噪声干扰及动态特性,提出了一种基于慢特征重构与改进DPLS的软测量建模方法。该方法首先利用慢特征分析提取变化缓慢的成分,并用于重构原始输入,同时提出一种重构相似性指标来评价重构效果,实现用尽可能少的成分刻画数据的原有趋势,减少噪声干扰;然后梳理改进DPLS方法的完整流程,并用于分析重构输入与原输出间的关系,获得的模型更符合数据间的动态关系。本方法的有效性在TE过程及脱丁烷塔过程的软测量模型中得到了验证。