课程文献中心 更多>>

关键词： 自然对数函数   极限   无穷小  

摘要： 讨论一类自然对数函数比的极限问题,给出相应的求解方法。利用自然对数函数的性质和无穷小的比较,求解不可导函数的极限问题。拓宽了解题思路,丰富了求解方法。

关键词： 凸轮   双谐波函数   凸轮连杆机构   模切机  

摘要： 模切机是典型的印后纸品加工设备,在生产过程中特别是开机速度超过6000转/小时的条件下,总会伴随相当的噪声、冲击与振动,不仅影响纸品加工精度,而且会对加工环境、设备及关键零部件使用寿命等产生不利影响。模切机动平台驱动凸轮优化设计一直是解决该类问题的关键方法。本研究探讨了双谐波函数在凸轮设计方面,尤其是模切机动平台驱动机构中的可行性与先进性。通过与几种典型凸轮设计的数学模型,及动平台驱动机构的运动学仿真结果对比,发现双谐波函数的综合性能优秀。其中,在运动学模型方面表现出更好的连续性,在模型仿真方面,同摆线运动曲线仿真结果相比,最大角速度降低6.3%,加速度综合降低约24%。综上,与一般凸轮设计方法相比,双谐波函数具备更好的灵活性和可调性,尤其适合单驻留凸轮的设计,具有广泛的适用性与应用潜力。

关键词： I导联   aVL导联   V6导联   R波达峰时间   左心室达峰时间  

摘要： 目的 评价心电图侧壁导联Ⅰ、aVL及V_(6)导联R波达峰时间(RWPT)的相关性及一致性,探索肢体导联是否可以替代V_(6)导联用于测量左心室激动时间.方法 从厦门大学附属心血管病医院心电数据库选取左束支起搏(LBBP)或右心室起搏(RVP)、正常心电图(N-ECG)、右束支传导阻滞(RBBB)、左前分支阻滞(LAH)、左束支传导阻滞(LBBB)患者的标准十二导联体表心电图,测量V_(6)、Ⅰ及aVL导联的RWPT;同时从医院智业病案库里收集对应患者的基本信息包括年龄、性别、左心室舒张末期内径和室间隔厚度等指标,分析V_(6)、Ⅰ及aVL导联RWPT的分布情况及影响因素,比较三者RWPT的相关性及一致性.结果 共收集662例患者的662份体表心电图按QRS波形态分类:其中N-ECG 110例,RBBB 127例、LAH 125例,LBBB 119例、LBBP 101例、RVP 80例.该组患者男性占59.06%,平均年龄为(58.96±17.70)岁.V_(6)导联RWPT在RVP及LBBB组较RBBB及N-ECG组明显延长,多变量分析显示左心室舒张未期内径、室间隔厚度、年龄和心电图形态均与侧壁导联RWPT相关.Ⅰ、aVL及V_(6)导联三者的 RWPT 相关性良好(Ⅰvs V_(6) R=0.979,P<0.01;aVL vs V_(6) R=0.961,P<0.01;Ⅰ vs aVL R=0.984,P<0.01);各组分析显示N-ECG组、RBBB组、LBBP组及RVP组组内Ⅰ、aVL及V_(6)导联的RWPT无显著性差异;而LAH组及LBBB组Ⅰ和aVL-RWPT均较V_(6)-RWPT延长.结论 Ⅰ、aVL及V_(6)导联的RWPT存在良好的相关性,但测值一致性在不同室内传导状态下有差异.LBBP组各侧壁导联RWPT一致性良好,可考虑Ⅰ、aVL导联替代V_(6)导联用于测量左心室达峰时间.

关键词： 肌电图   肌萎缩侧索硬化   感觉功能状态  

摘要： 目的:探究肌电图检查对肌萎缩侧索硬化(amyotrophic lateral sclerosis,ALS)患者神经系统感觉功能状态的评价作用。方法:以80例肌萎缩侧索硬化患者为观察组,50例非肌萎缩侧索硬化者为对照组,两组均进行肌电图检查。观察ALS患者肌电检测的神经异常情况,比较两组神经生理指数(neurophysiological index,NI)、复合肌肉动作电位(compound muscle action potential,CMAP)波幅、末端运动潜伏期(distal motor latency,DML)、F波出现频率、感觉神经动作电位(sensory nerve action potential,SNAP)、感觉神经传导速度(sensory nerve conduction velocity,SCV)。结果:ALS患者中以正中神经的DML、运动神经传导速度(motor nerve conduction velocity,MCV)检测异常率最高,其次为尺神经、胫神经、腓总神经;而CMAP波幅、F波异常率以尺神经最高,其次为正中神经、腓总神经、胫神经。观察组正中神经、胫神经、腓总神经、尺神经的神经生理指数低于对照组(均P<0.05)。观察组CMAP波幅、F波出现频率低于对照组,DML高于对照组(均P<0.05)。观察组SNAP、SCV低于对照组(均P<0.05)。结论:神经电生理技术用于肌萎缩侧索硬化患者中,可有效评估患者神经系统感觉功能状态。

关键词： 图神经网络   属性补全   节点分类   二部图   网络拓扑  

摘要： 针对图数据中普遍存在的节点属性缺失问题,提出了一种新型的属性缺失图学习框架。该框架通过重构二部联合网络,将节点属性映射为边信息,使属性补全与图节点分类任务能够在统一框架下协同进行,灵活处理连续型数据和离散型数据缺失。并基于属性图的属性同质性和结构同质性,提出一种基于二部联合网络的属性缺失表示学习方法,引入边嵌入和注意力机制捕获二部联合网络中属性-属性与结构-属性之间的相关性,从而提升缺失属性学习。在4个基准图数据集上的实验表明该方法在属性补全任务和后续节点分类任务中均优于基线方法,验证了该方法有效性。

关键词： 数学核心素养   教学设计   指数函数   思政元素   融合路径  

摘要： 以指数函数教学为切入点,探索高中数学概念的教学中课程思政与数学核心素养的融合路径.借助折纸活动和现代教育技术的生动演示,激发学生探究指数函数模型、概念及性质的兴趣.通过合理解释指数函数的定义域和底数取值范围,增强学生对数学中一些特殊规定的理解.在教学过程中,通过问题驱动、数学实验、合作探究等方式,提升学生数学建模、直观想象、数据分析等核心素养,同时以教学活动和数学史为载体,巧妙融入思政元素,实现立德树人和数学核心素养深度融合.

关键词： 时段划分   分时电价   决策者时长偏好   最小连续时长   最大连续时长   聚类分析  

摘要： 时段划分是制定分时电价的重要环节,每个时段中的最小连续时长与最大连续时长对分时电价的调整效果有重要影响,但目前关于分时电价时段划分的研究鲜有考虑决策者的时长偏好。因此文中考虑决策者对时段总时长、时段内最小连续时长和时段内最大连续时长的不同需求,在聚类分析的基础上,构建考虑决策者偏好的分时电价时段划分模型。所提模型通过隶属度函数和欧氏距离计算负荷值之间的距离,并以各簇内相似性总和最小为目标函数。使用中国某地区的典型日负荷数据验证所提模型的合理性和有效性,结果显示,该模型可以得出满足决策者偏好的时段划分结果。研究发现,采用0-1整数线性规划对时间段进行聚类分析是解决决策者持续时间偏好问题的有效方法。在传统分时电价时段划分模型下,存在修正后的负荷与时段电价不符的现象,而文中所提考虑决策者时长偏好的分时电价时段划分模型对该现象有显著的纠偏效果。

关键词： QRS-T夹角   心室复极梯度   糖尿病   急性心肌梗死   主要不良心血管事件  

摘要： 目的 探讨心电图参数与急性心肌梗死(AMI)合并糖尿病患者发生主要不良心血管事件(MACE)风险的关系。方法 回顾性选取2022年6月至2024年6月在温州医科大学附属第一医院行经皮冠状动脉介入治疗的165例AMI患者为研究对象,比较糖尿病组与非糖尿病组、AMI有无糖尿病患者MACE组与非MACE组临床资料,采用多因素logistic回归分析AMI有无糖尿病患者发生MACE的影响因素。结果 AMI合并糖尿病(糖尿病组)72例,未合并糖尿病(非糖尿病组)93例;两组患者在肾功能不全、心率、QT间期、校正的QT(QTc)间期、T波峰-末(Tpe)间期、QRS-T夹角、心室复极梯度和左心室射血分数等方面比较,差异均有统计学意义(均P<0.05)。AMI合并糖尿病患者发生MACE 42例,未发生MACE 30例;两组患者在肾功能不全、QT间期、QTc间期、Tpe间期、QRS-T夹角和心室复极梯度等方面比较,差异均有统计学意义(均P<0.05)。AMI未合并糖尿病患者发生MACE 52例,未发生MACE 41例;两组患者在QRS-T夹角、心室复极梯度等方面比较,差异均有统计学意义(均P<0.01)。肾功能不全(OR=4.813)、QRS-T夹角(OR=4.512)和心室复极梯度(OR=3.719)是AMI合并糖尿病患者发生MACE的独立影响因素(均P<0.01),QRS-T夹角(OR=2.308)和心室复极梯度(OR=4.917)是AMI未合并糖尿病患者发生MACE的独立影响因素(均P<0.01)。结论 对于AMI有无糖尿病患者,QRS-T夹角、心室复极梯度等心电图参数均能预示MACE风险。

关键词： 计算病理   生存预测   全切片图像   图神经网络  

摘要： 全切片图像的表征学习在基于图神经网络的自动化生存预测中至关重要.全切片图像中存在的多分辨率信息,包括细胞表型等细粒度细节和组织结构及全局微环境等粗粒度特征,在临床实践中被全面考虑以进行综合分析.然而,现有的基于图神经网络的生存预测方法主要依赖于单分辨率图像.为了解决这一问题,本文提出了一个名为PGT(Pyramid Graph Transformer)的新型生存预测框架.PGT在任何分辨率下将全切片图像分层分解并建模为独立且异构的图,捕获并整合从局部到全局的图表示,以实现更准确的预测.本文在5种不同癌症类型的公共TCGA数据集上验证了本文提出的框架.实验结果表明,PGT显著优于最先进的模型,并展现出强大的泛化能力和患者分层能力.