检索结果-南通市图书馆

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

四肢骨巨细胞瘤合并病理性骨折的治疗进展

中华外科杂志 2025年第1期63卷 81-85页

作者：么文淏范道洋蒋协远刘巍峰首都医科大学附属北京积水潭医院骨肿瘤科国家骨科医学中心北京大学第四临床医学院北京北京积水潭骨科机器人工程研究中心有限公司北京

骨巨细胞瘤(GCTB)是一种常见的具有局部侵袭性的交界性原发骨肿瘤。GCTB合并病理性骨折的临床治疗十分困难, 常见手术方式为扩大刮除术和整块切除术, 核因子κB受体活化因子配体(RANKL)抑制剂和双膦酸盐等药物治疗也具有一定效果。对于C... 详细信息

骨巨细胞瘤(GCTB)是一种常见的具有局部侵袭性的交界性原发骨肿瘤。GCTB合并病理性骨折的临床治疗十分困难, 常见手术方式为扩大刮除术和整块切除术, 核因子κB受体活化因子配体(RANKL)抑制剂和双膦酸盐等药物治疗也具有一定效果。对于CampanacciⅡ级或仅限局部软组织侵犯的CampanacciⅢ级、骨结构完整的患者, 推荐行刮除术;广泛软组织侵犯的CampanacciⅢ级或骨结构不完整的复杂骨折, 可考虑行切除术;无法手术的患者或复杂骨折患者实施切除术前, 可使用RANKL抑制剂如地舒单抗进行治疗。本文总结了四肢GCTB合并病理性骨折的常见治疗方式, 分析了不同临床情况下手术方式的选择, 以期为临床提供诊疗思路。

关键词：巨细胞瘤, 骨骨折病理性骨折治疗四肢

引江济淮大型泵站施工期结构开裂特性与防裂措施影响研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

水利水电技术(中英文) 2025年

作者：陈正旵祁勇峰雷先进安徽省引江济淮集团有限公司长江科学院中交第二航务工程局有限公司

引江济淮工程泵站为满足大流量输水要求，多设计成超长、大整浇结构，使得温控防裂难度要远大于其他引调水泵站工程。为深入探究这种无缝整浇式大型泵站的施工期温度应力演化规律及开裂特性，论证可操行强且经济合理的温控防裂措施可行... 详细信息

引江济淮工程泵站为满足大流量输水要求，多设计成超长、大整浇结构，使得温控防裂难度要远大于其他引调水泵站工程。为深入探究这种无缝整浇式大型泵站的施工期温度应力演化规律及开裂特性，论证可操行强且经济合理的温控防裂措施可行性。选取引江济淮枞阳泵站为研究对象，基于施工期浇筑过程有限元仿真计算，模拟真实环境、材料、结构、多种温控措施的影响，分析结构施工期温度场、应力场以及开裂风险。结果表明，进水流道层超长底板、厚边墙、上游挡水墙是结构防裂的重点，施工期拉应力多在2.0MPa～3.0MPa之间，超过混凝土的允许抗拉强度；通过采用表面保温、通水冷却以及控温浇筑等多措并举且分区差异性控制的方法，能够大大降低其开裂风险。因地制宜的温控防裂措施可行，可为其他引调水工程大型整浇泵站结构防裂设计提供参考。

关键词：整浇式泵站温度应力仿真开裂风险差异化温控

新质生产力视角下政府引导基金“耐心度”培育:评价体系与利益平衡

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

证券市场导报 2025年第1期 53-64页

作者：张壹帆陆岷峰南京财经大学法学院江苏南京210003 上海大学上海科技金融研究所上海200444

培育和发展新质生产力需要壮大耐心资本规模,从理论范畴与现实表现看,私募股权基金相对符合耐心资本标准。然而,当前政府母子基金间机制待完善。若要激励私募股权子基金成长为尊重创新周期的耐心资本,政府引导基金必须提高“耐心度”,... 详细信息

培育和发展新质生产力需要壮大耐心资本规模,从理论范畴与现实表现看,私募股权基金相对符合耐心资本标准。然而,当前政府母子基金间机制待完善。若要激励私募股权子基金成长为尊重创新周期的耐心资本,政府引导基金必须提高“耐心度”,建构对子基金的容错免责与绩效激励机制。基于此,本文运用目标导向理论,设计“耐心度”评价体系调查问卷,根据线下、线上大样本调查数据,构建政府引导基金“耐心度”评价体系,对1000家地方政府引导基金打分排名,并检验政府引导基金“耐心度”与区域子基金数量、投早中期项目数量以及科创板上市公司数量之间的关系。研究结果表明,充足的财政收入支撑了政府引导基金的出资量与“耐心度”,提升了区域股权融资量与科创质量,而更多的优质高新技术企业又进一步激励政府引导基金提高出资量与“耐心度”,以此形成正向循环。此外,本文从合伙关系与合规体系的法治角度,推演了管理人尽职合规责任豁免原则,并建议政府引导基金将“耐心度”作为绩效衡量指标,平等对待不同资金来源的私募子基金,助力子基金、科创企业高质量发展。

关键词：耐心度政府引导基金 “耐心度”评价体系尽职合规责任豁免新质生产力

维普期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

堆叠场景下的物体优先级感知抓取网络

复旦学报(自然科学版) 2025年

作者：周家康任煜轩殳峰复旦大学工程与应用技术研究院复旦大学脑科学转化研究院悉尼大学电气与计算机工程学院

针对堆叠场景中机械臂抓取顺序紊乱导致环境结构稳定性被破坏的问题，本文提出了一种基于物体优先级分类的新型抓取神经网络模型。首先，利用横纵卷积和折半卷积的组合模块，对彩色深度(Red Green Blue-Depth，RGB-D)图像进行特征提取... 详细信息

针对堆叠场景中机械臂抓取顺序紊乱导致环境结构稳定性被破坏的问题，本文提出了一种基于物体优先级分类的新型抓取神经网络模型。首先，利用横纵卷积和折半卷积的组合模块，对彩色深度(Red Green Blue-Depth，RGB-D)图像进行特征提取；接着，利用多尺度池化方法对物体特征信息进行深层次提取，增强模型在面对不同尺度物体时的鲁棒性；最后，引入独特的物体优先级分类预测模块，提升了模型对物体的感知能力。分析结果表明：本文模型在堆叠场景中的表现优于现有的其他抓取检测模型，准确率达到了74.1%，模型能够准确解析物体间的堆叠关系，确保机械臂按物体优先级顺序进行抓取，避免抓取顺序紊乱的问题。此外，在单目标场景中的高性能以及在真实环境中的泛化能力和鲁棒性也得到了验证。

关键词：深度学习神经网络平面抓取检测物体优先级

基于客货争能的中老铁路货物列车开行方案研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

铁道运输与经济 2025年

作者：廖宇霞赵雁峰汤银英陈思西南交通大学交通运输与物流学院中国铁路昆明局集团有限公司货运部

在中老铁路既有技术运输条件下，以保证客运服务能力为前提，为提高中老铁路货物运输收益，研究提出考虑中老双方作业时间不匹配的货物列车开行方案，以确定货物列车开行的始发终到站、开行数量、编组内容、编组辆数和开行时段等内容。... 详细信息

在中老铁路既有技术运输条件下，以保证客运服务能力为前提，为提高中老铁路货物运输收益，研究提出考虑中老双方作业时间不匹配的货物列车开行方案，以确定货物列车开行的始发终到站、开行数量、编组内容、编组辆数和开行时段等内容。基于中老铁路通道运输作业特点和市场需求特征，以通道货物运输收益最大化为目标，考虑车流选择径路唯一、区段通过能力、列车编组辆数及运到时间等约束，构建中老铁路通道货物列车开行方案优化模型，并采用遗传模拟退火算法求解。以中老铁路跨境通道下行方向相关数据进行算例求解分析，结果显示研究中的优化模型能够在满足运输需求的同时提高货物运输收益，并合理分配列车开行时段，验证了模型及算法的有效性。

关键词：中老铁路通道作业时间货物列车开行方案遗传模拟退火算法

联合SBAS-InSAR和PO-SBAS技术的矿区沉降监测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

金属矿山 2025年

作者：刘江徐嘉兴高竞峰王哲中国矿业大学矿山互联网应用技术国家地方联合工程实验室中国矿业大学环境与测绘学院山东能源集团建工集团有限公司地矿建设分公司

针对矿区开采沉陷范围广、形变梯度大，传统InSAR技术因影像失相干而无法全面、准确提取大形变梯度区域地表沉降信息的问题，以山东省济宁市某煤矿8303工作面为例，在GACOS数据辅助InSAR解算的基础上，提出联合SBAS-InSAR和PO-SBAS技术... 详细信息

针对矿区开采沉陷范围广、形变梯度大，传统InSAR技术因影像失相干而无法全面、准确提取大形变梯度区域地表沉降信息的问题，以山东省济宁市某煤矿8303工作面为例，在GACOS数据辅助InSAR解算的基础上，提出联合SBAS-InSAR和PO-SBAS技术开展矿区沉陷监测研究。利用沉降信息融合方法，通过水准数据确定SBAS-InSAR和PO-SBAS监测结果的可靠边界，借助先验误差定权原则和概率积分预计模型，实现SBAS-InSAR和PO-SBAS监测结果的融合，并分析其沉降监测的精度。研究结果表明，GACOS大气校正可以有效削弱大气延迟影响，在小形变梯度情形下，大气校正后SBAS-InSAR监测结果比常规SBAS-InSAR的更可靠。通过与水准观测数据比较，融合SBAS-InSAR和PO-SBAS技术的监测结果比单一SBAS-InSAR或PO-SBAS的监测结果更好，与真实沉降变化趋势基本吻合。研究表明联合SBAS-InSAR和PO-SBAS监测技术是一种有效获取完整下沉盆地形变信息的监测方法，可为矿区开采沉陷监测提供技术支撑。

关键词： SBAS-InSAR PO-SBAS GACOS 数据融合沉降监测

基于强化学习的超高层建筑非法入侵情景推演方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

智能系统学报 2025年

作者：胡今鸣胡啸峰石磊石拓滕腾中国人民公安大学信息网络安全学院中国人民公安大学首都社会安全研究基地公安部安全技术与风险评估重点实验室中国传媒大学媒体融合与传播国家重点实验室北京警察学院公安管理系

为计算超高层建筑潜在非法入侵者的“最优”入侵路径，本文提出了一种基于强化学习的情景推演方法。该方法将建筑公共走廊抽象为拓扑结构，利用贝叶斯网络计算入侵者通过每个拓扑节点的概率，结合强化学习算法获得外部人员的最优入侵路... 详细信息

为计算超高层建筑潜在非法入侵者的“最优”入侵路径，本文提出了一种基于强化学习的情景推演方法。该方法将建筑公共走廊抽象为拓扑结构，利用贝叶斯网络计算入侵者通过每个拓扑节点的概率，结合强化学习算法获得外部人员的最优入侵路径，为超高层建筑非法入侵的高效防范提供精准依据。为验证方法的有效性，以北京市CBD地区某超高层建筑为例，将入侵终点设置为顶层，设计了三种不同的入侵情景。情景推演结果表明：在初始状态下（未进行任何优化措施），SARSA模型的训练性能最佳。优化安防系统后发现，在建筑内的层间节点增加安防系统投入最有效。该优化情景下，安防系统投入与风险值的非线性拟合结果显示，随着安防系统投入的增加，入侵风险显著降低。

关键词：非法入侵情景推演超高层建筑强化学习贝叶斯网络安防系统 SARSA模型非线性回归

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于语义调制的弱监督语义分割

软件学报 2025年

作者：李军侠苏京峰崔滢刘青山南京信息工程大学计算机学院江苏省大气环境与装备技术协同创新中心浙江工业大学计算机科学与技术学院

图像级标注下的弱监督语义分割方法通常采用卷积神经网络(CNN)生成类激活图以精确定位目标位置,其面临的主要挑战在于CNN对全局信息感知能力的不足导致前景区域过小的问题.近年来,基于Transformer的弱监督语义分割方法利用自注意力机制... 详细信息

图像级标注下的弱监督语义分割方法通常采用卷积神经网络(CNN)生成类激活图以精确定位目标位置,其面临的主要挑战在于CNN对全局信息感知能力的不足导致前景区域过小的问题.近年来,基于Transformer的弱监督语义分割方法利用自注意力机制捕捉全局依赖关系,解决了CNN的固有缺陷.然而, Transformer生成的初始类激活图会在目标区域周围引入大量背景噪声,此时直接对初始类激活图进行使用并不能取得令人满意的效果.通过综合利用Transformer生成的类与块间注意力(class-to-patch attention)以及区域块间注意力(patch-to-patch attention)对初始类激活图进行联合优化,同时,由于原始的类与块间注意力存在误差,对此设计一种语义调制策略,利用区域块间注意力的语义上下文信息对类与块间注意力进行调制,修正其误差,最终得到能够准确覆盖较多目标区域的类激活图.在此基础上,构建一种新颖的基于Transformer的弱监督语义分割模型.所提方法在PASCAL VOC 2012验证集和测试集上mIoU值分别达到72.7%和71.9%, MS COCO 2014验证集上mIoU为42.3%,取得了目前较为先进的弱监督语义分割结果.

关键词：语义分割弱监督学习语义上下文 Transformer 类激活图

基于1D-CNN和Transformer模型的道岔健康状态预测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

北京交通大学学报 2025年

作者：陈俊竹陈光武石建强邢东峰兰州交通大学自动化与电气工程学院

道岔作为铁路信号系统中的关键组件，其健康状态的准确预测对确保列车安全运行至关重要。针对铁路道岔故障诊断和寿命预测的人工智能模型虽然提升了准确性，但在泛化能力和对数据质量的高需求方面仍面临挑战。如在使用长短期记忆网络（L... 详细信息

道岔作为铁路信号系统中的关键组件，其健康状态的准确预测对确保列车安全运行至关重要。针对铁路道岔故障诊断和寿命预测的人工智能模型虽然提升了准确性，但在泛化能力和对数据质量的高需求方面仍面临挑战。如在使用长短期记忆网络（LSTM）进行寿命预测时，仍需面对梯度消失或梯度爆炸的技术难题。近年来，Transformer模型因其处理序列数据的强大能力而受到关注，并被应用于铁路道岔健康状态预测中。该文为量化道岔设备的退化状态，提出一种基于一维卷积神经网络(1D-CNN)和Transformer模型结合的道岔健康状态预测方法。1D-CNN对时序数据有很好的特征自提取能力，而Transformer 模型通过自注意力机制实现了全局的并行计算，可以同时处理输入序列中的所有位置。以S700K转辙机的功率曲线为例，由1D-CNN对原始数据进行特征提取，经过t-SNE可视化选取最优卷积层、池化层层数为3，通过多尺度卷积选取每层最优卷积核大小，由此训练得到10组特征。然后经过特征选择得到最能反映道岔健康状态的5组特征，再将其与道岔功率曲线的健康标签值共同进行Transformer模型训练，得到预测的健康指数。仿真实验表明：1D-CNN 和Transformer 模型的结合具有较为突出的预测效果与泛化能力，Transformer 模型较GRU、LSTM、ELM、SVM几种模型在处理长时间序列数据时具有更好的表现，并且更容易并行化，适用于更复杂任务的处理。采用该模型能得到更为准确的道岔健康状态预测结果。最后采用Fisher最优分割算法进行道岔转辙设备健康阶段划分，得到最优健康阶数为3，针对不同健康阶段的维护工作给出了指导性意见。

关键词：铁路道岔一维卷积神经网络 Transformer模型健康状态预测 Fisher最优分割