检索结果-南通市图书馆

磁共振联合临床病理特征对乳腺癌新辅助化疗疗效的早期预测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

四川医学 2024年第4期45卷 369-376页

作者：杨瑜瑾胡美雪吴云秋权毅西南医科大学附属医院四川省妇科与乳腺疾病治疗中心四川泸州646000

目的通过动态增强磁共振成像联合临床病理特征确定乳腺癌新辅助化疗疗效相关指标,同时评估2周期新辅助化疗后肿瘤减少率(TRR)和早期强化率(EER)降低的最佳阈值,并据此建立模型早期预测新辅助化疗后的病理完全缓解(pCR)。方法回顾性收集2... 详细信息

目的通过动态增强磁共振成像联合临床病理特征确定乳腺癌新辅助化疗疗效相关指标,同时评估2周期新辅助化疗后肿瘤减少率(TRR)和早期强化率(EER)降低的最佳阈值,并据此建立模型早期预测新辅助化疗后的病理完全缓解(pCR)。方法回顾性收集2021年2月至2022年12月在我院接受新辅助化疗的浸润性乳腺癌患者。按疗效分为pCR组和Non-pCR组,比较两组患者的临床病理特征,采用多因素Logistic回归分析确定pCR的独立预测因子,并基于这些指标建立预测病理反应的列线图模型。结果共收集到符合入组条件的患者267例,其中pCR 107例,Non-pCR 160例。TRR的最佳阈值为50.8%,EER降低的最佳阈值为66.7%。多因素分析显示,临床T分期、分子亚型、TRR、EER差值是pCR的独立影响因素(均P<0.05),列线图模型受试者工作特征曲线下面积(AUC)为0.926,敏感度96.3%,特异度80.0%。经Bootstrap内部验证得出AUC值为0.905,校准曲线也显示预测概率与实际概率吻合较好,表明该模型有较好的预测能力。结论2周期新辅助化疗后,最佳TRR为50.8%,EER差值为66.7%。临床T分期、分子亚型、TRR、EER差值是pCR的独立影响因素,以此建立的乳腺癌疗效预测模型具有较好的预测能力。

关键词：乳腺癌新辅助化疗动态增强磁共振成像病理完全缓解列线图模型

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

宏观经济不确定性对我国碳价波动的影响研究

宏观经济不确定性对我国碳价波动的影响研究

作者：杜潘婷中南林业科技大学

学位级别：硕士

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于区块链的车联网访问控制方法研究

基于区块链的车联网访问控制方法研究

作者：杜邵昱西安理工大学

学位级别：硕士

车联网中,车辆通过数据共享的方式实现车辆的行驶轨迹、状态、事故等信息共享,从而达到决策优化,对智能交通控制、自动驾驶等应用具有非常重要的意义。随着车载传感器、网络技术的快速发展,车联网系统中交换的数据量也在不断增大,如何... 详细信息

车联网中,车辆通过数据共享的方式实现车辆的行驶轨迹、状态、事故等信息共享,从而达到决策优化,对智能交通控制、自动驾驶等应用具有非常重要的意义。随着车载传感器、网络技术的快速发展,车联网系统中交换的数据量也在不断增大,如何有效的保护数据安全成为了亟需解决的问题之一。在车联网的数据共享中,有些用户的数据可能并不想被其他用户访问,这就需要对用户的访问权限进行控制,而传统的集中式访问控制方法可能造成数据泄露和单点故障问题,进而给车辆用户带来安全隐患。本文针对车联网中数据访问时的权限控制方法,引入区块链方法来解决车联网中集中授权存在的安全类问题,提高整个系统的安全性和鲁棒性。区块链在节点数量增多时可能存在共识较慢从而导致访问延迟过高的问题,需要提高区块链环境下数据访问效率。首先,提出了一种数据分类存储和权限可传递方法,将车辆用户的数据分类为隐私数据和非隐私数据,并分别采用区块链和星际文件系统进行存储,通过分类存储的方式能够实现对数据的精准保护并降低数据访问的时延。然后,提出了基于属性的访问控制策略写入智能合约,通过智能合约对用户的访问权限进行判断,以保证访问控制过程的可信性。最后,通过仿真实验进行分析和对比,证明本文的方法在不同节点数量的情况下均能够降低访问时延、减少访问控制中由于区块链网络共识产生的计算开销。与现有方法相比,数据访问的平均速率以及吞吐量比传统方案有了一定提高,解决了传统区块链中节点数量不断增大所引起的交易处理时延、通信存储开销增大的问题。本文针对实用拜占庭容错算法在共识过程中存在的通信量大,浪费资源,时延高的问题,提出了一种信誉分组实用拜占庭容错算法来减少共识过程中产生的时延。首先通过引入信誉机制来识别和处理网络中的恶意节点,在主节点选取时,根据节点的信誉值进行推选,将恶意节点进行过滤,从而确保主节点的可靠性和稳定性。之后,通过分组来减少共识过程中的信息交换次数,将网络中的节点划分为多个小组,每个小组内部进行主节点的选取,在所有小组主节点中选择出全局主节点进行共识。当客户端发起共识请求后,主节点在组间进行广播,组内主节点对全局主节点进行响应,然后在全局达成共识。当节点数量较多时,这种分组方式可以极大减少共识过程中的信息交换次数,从而减少共识时间。仿真实验结果显示,与采用传统数据存储方式相比,本文提出的信誉分组实用拜占庭容错算法,能够较好的提升共识效率;和传统PBFT相比,当系统中的节点数为200时,平均共识时延降低了70.3%,和文献[72]相比,在存在30%恶意节点的情况下,进行100轮共识时的平均共识时延降低了32.67%。

关键词：区块链车联网访问控制共识算法

高岭土和硅藻土的改性及其净化微污染水中磷酸盐

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

高岭土和硅藻土的改性及其净化微污染水中磷酸盐

作者：杜启蒙江西理工大学

学位级别：硕士

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

国产动画片在少先队榜样教育中的应用研究

国产动画片在少先队榜样教育中的应用研究

作者：杜素素内蒙古师范大学

学位级别：硕士

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

陕北民俗题材中国人物画探究

陕北民俗题材中国人物画探究

作者：杜咪延安大学

学位级别：硕士

民俗题材是中国人物画创作的重要主题之一,是中国共产党的文艺政策方针和地域乡土民俗生活的体现。它采取了客观视角描绘了普通大众的日常生活,其作品不仅具有艺术性与观赏性,还蕴含着浓郁的地域特色,反映了当地民众特有的文化理念和审... 详细信息

民俗题材是中国人物画创作的重要主题之一,是中国共产党的文艺政策方针和地域乡土民俗生活的体现。它采取了客观视角描绘了普通大众的日常生活,其作品不仅具有艺术性与观赏性,还蕴含着浓郁的地域特色,反映了当地民众特有的文化理念和审美情趣。陕北独特的自然环境和丰厚的文化资源,形成了厚重、深沉、博大的民俗文化,吸引了众多画家到这片黄土地上寻找创作灵感,将陕北民俗融入中国人物画创作之中,兼有民俗文化记录和艺术创作的双重属性,有利于体现传统中国人物画的意蕴,有利于增强民俗文化自信,符合我国弘扬传统文化的主旋律。本课题采用文献研究、图像研究、比较研究和田野调查等研究方法,对陕北民俗题材中国人物画的产生背景、表现内容、风格特征、技法优势和价值意义等内容以递进关系进行分类研究。通过典型作品的分析总结,探寻经过数代艺术家沉淀、积聚所创立的陕北民俗人物画画风形态,感知隐藏在背后厚重、淳朴、率真的“黄土”情结。具体研究内容分为以下几个方面:第一部分,阐述了陕北民俗的基本概念和陕北民俗题材的概念。第二部分,梳理了民俗题材中国人物画产生与发展的历史脉络,以及成为绘画对象的原因。第三部分,通过典型作品引出了陕北民俗题材中国人物画的主题分类、内容表现、技法优势、创作方式。第四部分通过前面大量的资料搜集和文献阅读为创作奠定了理论基础,从而论述了笔者对陕北民俗题材中国人物画的创作实践内容与表现。

关键词：陕北民俗题材中国人物画

基于风险评估和深度强化学习的自动驾驶决策方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于风险评估和深度强化学习的自动驾驶决策方法研究

作者：杜牵齐鲁工业大学

学位级别：硕士

随着自动驾驶技术的不断成熟,其在现实交通环境中的正确判断和行为策略的高效执行成为评价其性能的关键。自动驾驶决策算法的研究是确保这一目标的核心部分,需要保证所做出的行为决策既安全又有效。鉴于现有决策算法在应对复杂交通环境... 详细信息

随着自动驾驶技术的不断成熟,其在现实交通环境中的正确判断和行为策略的高效执行成为评价其性能的关键。自动驾驶决策算法的研究是确保这一目标的核心部分,需要保证所做出的行为决策既安全又有效。鉴于现有决策算法在应对复杂交通环境时往往未能全面考虑风险因素,且难以预测未来环境中的潜在风险,本文提出了一个结合行车风险场和轨迹预测的深度强化学习决策模型。研究内容如下:首先,本文深入调研了行车过程中的风险问题,并对传统风险评估方法的局限性进行了概述。鉴于这些方法通常缺乏对复杂交通环境多维性的考量,在二维高斯分布理论的基础上,提出了一种适用于自动驾驶行为决策的行车风险场模型。该模型综合考虑了车道线、静态障碍物及动态障碍物等多种因素,并引入了“伪距离”这一概念,以更准确地模拟实际交通场景的复杂性,此风险评估模型为后文自动驾驶决策设计提供了理论依据。其次,考虑到行车风险场模型主要用于评估当前时刻的综合风险,但在不断变化的交通环境中,对未来状态及其潜在风险的预测显得尤为重要。为了行驶过程中能够获取更具前瞻性的环境输入信息,本文提出了一种结合图结构理论和Structural-LSTM网络的轨迹预测模型。该模型基于编码器-解码器框架设计,有效提升了复杂交通场景下处理时空关系及序列数据的效率。此外,为进一步优化模型性能,在模型中引入了注意力机制,有效提升了车辆轨迹中关键特征的识别和获取能力。最后在NGSIM数据集上对模型进行验证性分析,将实际轨迹与预测轨迹之间的误差进行对比。研究结果显示,本模型相比传统预测方法在各时刻均方根误差均有减小。最后,本文将所提出的轨迹预测模型与改进行车风险场模型融合至深度强化学习算法框架中。在设计深度确定性策略梯度算法(DDPG)的状态空间及奖励函数时,全面考虑未知行车环境及其潜在风险,从而构建了一个能有效预测风险的自动驾驶决策模型。在细节方面,设计了基于TD误差的双经验池机制,对DDPG算法进行结构改进,以优化算法性能。通过在CARLA仿真平台上进行训练与测试实验,该模型在任务完成得分和成功率方面均优于对比算法。为评估模型的泛化能力,搭建了包含静态和动态交通场景的验证环境,并使用不同障碍物和车辆来模拟真实交通状况。实验结果显示,与对比算法相比,本文模型在车辆稳定性和决策时机方面展现出了显著的优势,证明其具有良好的泛化能力。

关键词：自动驾驶深度强化学习风险评估决策