课程文献中心 更多>>

关键词： 对比学习   图表示学习   关系图神经网络   注意力机制   基因-药物关系预测  

摘要： 【目的】阐明药物和基因之间的相互联系是药物开发中的一个重要课题。目前,基于随机游走算法的图神经网络方法在解决药物与基因交互关系识别上已经取得了不错的效果,但是当前的方法,单一子图的方法往往容易忽略掉全局图的信息,不能够很好地聚合节点的信息,同时,药物和基因的节点表示采用简单的融合方式,不能够有效地利用节点表示的信息,用于交互关系的分类。针对上述问题提出了跨粒度对比学习与注意力融合的药物-基因交互关系预测方法。【方法】一方面采用跨粒度的对比学习方法,得到远距离和近距离的节点信息,同时采用对比学习的结构增加对药物和基因节点的区分。另一方面利用注意力融合机制,充分挖掘节点中隐含的信息,将远近距离信息进行注意力融合。【结果】在2个真实数据集上的实验结果表明该模型比基线模型具有更好的分类效果。

关键词： 大豆   耐盐性   主成分分析   隶属函数   综合评价   江苏省  

摘要： 为筛选出耐盐性较强的大豆种质资源用于盐碱地开发利用,本研究以287份大豆品种(系)为研究对象,在100 mmol·L^(-1)NaCl溶液下进行萌发期和苗期耐盐性鉴定,并利用主成分和隶属函数分析对大豆苗期的7个耐盐性相关指标(相对SPAD值、相对株高、相对根长、相对地上部鲜重、相对根鲜重、相对地上部干重和相对根干重)进行综合评价。结果表明:萌发期依据盐害指数筛选出1级耐盐种质69份,2级耐盐种质83份。苗期利用主成分分析和隶属函数对大豆材料的耐盐性进行综合评价,将287份材料分成5类:高度耐盐种质40份,耐盐种质104份,中度耐盐种质68份,盐敏感种质72份,高度盐敏感种质3份。通过逐步回归分析法建立了大豆苗期耐盐性评价的数学模型,筛选出相对地上部鲜重、相对根长、相对根干重以及相对SPAD值4个性状指标,可作为大豆苗期耐盐性的评价指标,进一步验证表明模型预测性较好(R^(2)=0.976,P<0.001)。通过对萌发期和苗期大豆耐盐性进行比较分析,筛选出萌发期与苗期均为1级耐盐的材料7份:S39(铜山白荚壳)、S149(栖霞青豆)、S154(南京高香豆)、S228(徐8107)、S262(贡豆19)、S270(ZDD 23409)以及S281(ZDD 3726)。

关键词： 暖通控制   博图系统   PLC   冷源群控  

摘要： 暖通控制系统在建筑领域中起着至关重要的作用,能够有效地调节室内温度、湿度和空气质量,提高建筑物的舒适性和能源利用效率。研究西门子博图软件开发的基于PLC的冷源群控系统,通过工程案例的实践,该系统能稳定实现冷源系统的远程和节能控制。

关键词： 中性粒细胞/淋巴细胞比值   白细胞介素-17   淀粉样蛋白A   COPD急性加重期   序贯机械通气治疗   预测  

摘要： 目的探讨中性粒细胞/淋巴细胞比值(NLR)、白细胞介素-17(IL-17)、淀粉样蛋白A(SAA)与慢性阻塞性肺疾病急性加重期(AECOPD)患者序贯机械通气治疗结局的关系及预测价值。方法选取2019年3月—2023年4月连云港市东方医院及连云港市第一人民医院收治的AECOPD患者137例为研究对象,均行序贯机械通气治疗,根据治疗结局分为治疗成功组(n=102)、治疗失败组(n=35)。比较两组临床资料及治疗前、撤机时NLR、IL-17、SAA水平,分析NLR、IL-17、SAA与急性生理学和慢性健康状况评价Ⅱ(APACHEⅡ)、COPD生活质量评估测试(CAT)及治疗结局的关系,并分析其预测价值。结果治疗失败组年龄、吸烟史比例高于治疗成功组,病程长于治疗成功组[(68.34±3.39)岁vs.(62.15±3.08)岁,68.57%vs.31.37%,(5.17±1.23)年vs.(3.43±1.10)年],差异有统计学意义(P<0.05);两组撤机时APACHEⅡ、CAT评分及NLR、IL-17、SAA水平较治疗前下降,且治疗失败组高于治疗成功组[(16.44±2.59)分vs.(13.52±2.16)分,(18.95±3.14)分vs.(16.43±2.37)分,(3.28±0.83)vs.(2.64±0.57),(38.10±8.11)ng/L vs.(32.47±6.23)ng/L,(85.37±25.19)mg/L vs.(62.55±18.75)mg/L],差异有统计学意义(P<0.05);撤机时NLR、IL-17、SAA水平与APACHEⅡ、CAT评分均呈正相关,差异有统计学意义(P<0.05);撤机时NLR、IL-17、SAA均与AECOPD患者序贯机械通气治疗结局独立相关,且联合预测AECOPD治疗结局的曲线下面积(AUC)为0.927(95%CI:0.870~0.965),敏感度为88.57%,特异度为83.33%,优于三者单独预测。结论NLR、IL-17、SAA水平与AECOPD患者病情均呈正相关,各指标均与序贯机械通气治疗结局独立相关,联合检测对治疗结局具有一定预测价值,可作为临床评估病情、预测序贯通气治疗结局的辅助指标。

关键词： 明清时期   《洗象图》   画意演变  

摘要： 本文通过对明清两代《洗象图》作品的深入分析探究《洗象图》所蕴含的文化内涵。研究发现,明清《洗象图》不仅体现了画家对大象这一象征性动物的独特诠释,也反映了当时社会的宗教信仰、民俗风情和文人审美趣味。这不仅有助于更好地理解明清时期中国绘画艺术的发展脉络,也揭示了中国传统文化在绘画领域的深刻内涵。

关键词： 宴饮图   观者   汉墓壁画   礼仪   宴饮文化  

摘要： 文章主要考察汉代墓葬壁画中的宴饮图形象和相关文献资料,从宴饮图的图像溯源、位置、构图及其所属墓葬空间出发,探讨其中所蕴含的社会文化内涵、礼仪等方面的内容,在此基础上将观者分为墓主、丧家、画工以及他者的视角,将观者置于整个墓葬空间中,对宴饮图像作出解读,以阐述宴饮图在汉代墓葬中所代表的意义和具有的功能。

关键词： 推荐系统   会话推荐   驻留时间网络   注意力机制   图神经网络  

摘要： 目的现有的基于图神经网络(GNN)的推荐方法忽略了会话中有价值用户在项目上的时间驻留信息,无法解决用户无意识点击带来的影响,同时忽略图神经网络中隐藏因素的表达能力,针对以上问题,提出一种融合时间驻留信息的图神经网络会话推荐模型(Graph Neural Network Session-based Recommendation Based on Fusion of Time Resident Information,TRGNN)。方法首先,对用户在各个项目上的驻留时间信息进行处理,通过时间图神经网络得到时间特征;其次,应用多头注意力机制增强因素的表达能力更好地提取项目特征,TRGNN将时间特征与项目特征进行融合得到最终特征,通过注意力网络得到全局上下文和局部上下文;最后,通过预测层得到最终推荐结果。结果在Diginetica和Yoochoose两个真实数据集上进行对比实验,实验结果表明:相较于最优基线模型,本模型在Mrr@20评价指标下分别提升了1.57%和3.30%,在Recall@20指标下分别提升了1.10%和0.66%。结论本模型实现了更好的推荐效果,能更好地挖掘隐藏信息,充分应用时间特征和项目隐藏特征来提高推荐准确率,降低用户误触对推荐准确率的影响。

关键词： 超声心动描记术   经食管   造影剂   左心耳   血栓   自显影   心房颤动  

摘要： 目的探讨左心声学造影联合经食管超声心动图(CE-TEE)在心房颤动(以下简称房颤)患者左心耳血栓诊断中的临床价值。方法选取于我院就诊的房颤患者123例,应用常规经食管超声心动图(TEE)、CE-TEE观察左心耳内有无血流自显影及血栓形成,比较TEE与CE-TEE对房颤患者左心耳血栓的诊断情况。结果123例房颤患者中,最终确诊左心耳血栓14例,TEE仅检出6例,CE-TEE均检出,两种技术检出率比较差异有统计学意义(P<0.05);CE-TEE在左心耳血栓边界显示率及非活动性血栓检出率方面均优于TEE(100%vs.50.0%、57.1%vs.0),差异均有统计学意义(均P<0.05);二者在显示血栓回声、部位、形态方面比较差异均无统计学意义。结论CE-TEE能够清晰显示房颤患者左心耳血栓边界,提高非活动性血栓检出率,且在鉴别左心耳自显影与血栓形成方面也具有一定的临床应用价值。

关键词： 传统诗词图形图案   语图关系   视觉类型   学理依据  

摘要： 在中国文学与图像关系语境中,语图互仿是沿着两条路径进行的,在主题、内容等之外,还有一种视觉形式上的相互模仿,最为典型的就是传统诗词图形图案。在传统诗词图形图案创造中,既不是先有语象文本,然后“外化和延宕”出另一种图像文本,也不是先有图像文本,然后“外化和延宕”出另一种语象文本,而是语象文本的文字、主题和内容没有改变,只是文字连缀和排列的视觉形式、造型直接变成“图形图案”,图像文本也就是变换了排列形式和阅读方式的语象文本,两者合一,呈现语图不二特征。传统诗词图形图案的类型可整列为物形、回文和神智体三大类,其学理依据可以从哲学、文字学、诗学和视觉原理四方面来诠解。

关键词： 空气质量预测   多域特征融合   时空特征   周期解耦   门控机制融合   图神经网络  

摘要： 在协同融合气象、空间和时间三大信息的时空混合模型中,时间变化建模通常在一维空间中完成。针对一维序列局限于滑动窗口和缺乏对多尺度特征的灵活提取的问题,提出一种多域时空层次图神经网络(MST-HGNN)模型。首先,构建城市全局尺度和站点局部尺度的两级层次图,从而进行空间关系学习;其次,将一维空气质量序列转换为一组基于多个周期的二维张量,并在二维空间上通过多尺度卷积进行周期解耦以捕获频域特征;同时,在一维空间中利用长短期记忆(LSTM)网络拟合时域特征;最后,为避免聚合冗余信息,设计一种门控机制融合模块用于频域和时域特征的多域特征融合。在Urban-Air数据集和长三角城市群数据集上的实验结果表明,相较于多视图多任务时空图卷积网络模型(M2),所提模型在预测第1 h、3 h、6 h、12 h空气质量的平均绝对误差(MAE)和均方根误差(RMSE)均低于对比模型。可见,MST-HGNN能在频域上解耦复杂时间模式,利用频域信息弥补时域特征建模的局限性,并结合时域信息更全面地预测空气质量变化。