基于AI的胸部CT平扫对冠脉钙化积分的准确性评价

目的：探讨基于人工智能（AI）的非门控胸部低剂量CT（LDCT）平扫与心电门控CT血管造影（ECG gated-CTA）对冠状动脉钙化积分（CACS）危险度分层的一致性。方法：回顾性分析行冠状动脉CTA扫描的100例患者,所有患者均行冠脉ECG gated-CTA扫描和常规非门控胸部LDCT平扫。在Siemens后处理工作站采用Agatston钙化积分软件记录ECG gated-CTA钙化积分,采用数坤人工智能分析软件记录非门控胸部CT平扫的钙化积分。采用原标准界值,对非门控胸部LDCT平扫与ECG gated-CTA评估的CACS值危险度分层进行Kappa检验;采用受试者工作特征曲线（ROC）检验非门控胸部LDCT平扫的诊断效能并获取最佳诊断新界值,采用新界值的非门控胸部LDCT与ECG gated-CTA评估的CACS值危险度分层进行进一步Kappa检验;比较两种方法的钙化积分的Pearson相关性,P<0.001为有统计学显著差异。结果：对非门控胸部LDCT平扫的CACS值按原界值进行危险度分层,与ECG gated-CTA的CACS值危险度分层进行一致性检验,Kappa值为0.804,P<0.001。非门控胸部LDCT平扫测得的CACS值与ECG gated-CTA测得的CACS值比较,低危-中危组的ROC曲线下面积（AUC）为0.910,P<0.001,最佳诊断界值为112.35;中危-高危组AUC为0.988,P<0.001,最佳诊断界值为398.31。对非门控胸部LDCT平扫测得的CACS值按最佳新诊断界值进行危险度分层,与ECG-gated CTA平扫测得的CACS值的按原有界值危险度分层进行一致性检验,Kappa值为0.850,P<0.001。两种方法所测Pearson相关系数为0.985,P<0.001,存在显著相关性。结论：基于人工智能技术的非门控胸部CT平扫与ECG-gated CTA对冠状动脉钙化积分的评估具有较高的一致性;本研究制定了非门控条件下CACS值危险度分层新标准,进一步提高了非门控胸部LDCT评估CACS值的准确性,有助于冠心病风险的早期筛查。     

Efficient estimation of flood forecast prediction intervals via single‐ and multi‐objective versions of the LUBE method

Prediction intervals (PIs) are commonly used to quantify the accuracy and precision of a forecast. However, traditional ways to construct PIs typically require strong assumptions about data distribution and involve a large computational burden. Here, we improve upon the recent proposed Lower Upper Bound Estimation method and extend it to a multi‐objective framework. The proposed methods are demonstrated using a real‐world flood forecasting case study for the upper Yangtze River Watershed. Results indicate that the proposed methods are able to efficiently construct appropriate PIs, while outperforming other methods including the widely used Generalized Likelihood Uncertainty Estimation approach. Copyright © 2016 John Wiley & Sons, Ltd.     

基于 Lidar 数据和倾斜摄影的城市三维模型构建

针对传统建模方式建模效率低、模型纹理不够丰富真实等缺点,阐述一种以机载Lidar技术来获取地面点高精度的三维坐标、用倾斜摄影测量为三维建模提供纹理的一种新兴的三维建模方式。实验表明,该建模方式不仅工作效率高、真实反应城市空间布局,而且定位精度高、具备可量测分析功能等,同时提供DOM,DEM,点云数据,倾斜影像等数据。     

一种裸露土壤湿度反演方法

针对目前土壤湿度反演方法研究较少且缺少实时性的现状,该文提出一种土壤湿度反演方法——最小二乘支持向量机技术。以积分方程模型为正向算法,数值模拟不同雷达参数(频率、入射角及极化)下后向散射系数随土壤含水量和地表粗糙度的变化情况。经过数据敏感性分析,选取C-波段和X-波段、小入射角下的同极化后向散射系数作为支持向量回归的训练样本信息;经过适当的训练,利用支持向量回归技术对土壤含水量进行了反演研究;并考虑通过多频率、多极化、多入射角数据的组合,消除地表粗糙度的影响,提高反演精度。模拟结果表明,该方法反演土壤湿度具有较高的精度和较好的实时性;同时,与人工神经网络方法的结果比较,证明了该方法的有效性,为土壤湿度的反演研究提供了一种方法。     

津冀海岸线现状、变化特征及保护建议

根据覆盖全区的3期遥感影像和实地调查,以及对滨海新区和滦河口2个典型区更深入的案例研究(包括回溯至1870年、1950年的基准岸线及逐年遥感信息),对津冀沿海海岸线现状进行解译和分类,并分析岸线变化特征及成因。津冀沿海现状岸线总长度894km,可以划分为自然岸线、半开发岸线和人工岸线3类,长度分别为90km、329km和475km。1950年以前为自然因素主导的岸线变化,1950年以后变为人类活动主导的岸线向海推进,逐渐加强的人类活动至2010年达到顶峰。在全球海面上升和区域地面下沉的大背景下,海岸线的自然演化趋势应该是向陆蚀退,但是人类活动主导的岸线变化却表现为违反自然趋势的向海推进。今后,向海推进最前沿的围海造陆区将受到来自海洋越来越强烈的影响,亟需加强监测和防护。兼顾环境保护与开发两方面的长远需求,建议赋予海岸线新的定义与内涵,划定岸线保护红线,恢复部分岸线的自然属性。     

气候变化与人类活动对石家庄市藁城区地下水位埋深的影响分析

为了探寻石家庄市藁城区地下水埋深动态变化规律,以藁城区2001—2018年的年降水量、地下水人工开采量等数据为基础,对藁城区地下水位埋深进行研究。首先采用P-Ⅲ型曲线法确定降水序列的丰、平、枯年份,分析不同降水量情况下地下水位埋深变化规律;其次,利用地下水开采潜力系数法和灰色关联度法对人工开采量和地下水位埋深的关系进行研究。结果表明：1）藁城区地下水位埋深在2001—2016年逐渐增大,在2016—2018年趋于减小,2016年为转折点;在空间上藁城区地下水位埋深呈现出北部埋深小、南部埋深大的特征,北部水位埋深较同期南部水位埋深要浅5~10 m。2）降水是驱动藁城区地下水位埋深变化的重要因素,枯水年水位埋深变幅在0.8~1.5 m之间,平水年水位埋深变幅在0.3~1.2 m之间,丰水年水位埋深变幅在0.3~1.1 m之间。主灌期（3—6月）的地下水位埋深增加速率均为cm/d级,非主灌期（7—10月）的地下水位埋深减少速率均为mm/d级。3）人工开采是驱动藁城区地下水位埋深变化的主导因素,其中农业开采量占人工开采量的80%。综上认为,藁城区一直处于严重超采状态,地下水累计超采量每增加1亿m³,地下水位埋深增加0.45 m。     

利用地震资料反演地层的碳酸盐含量

基于碳酸盐含量与地层速度、密度之间的关系, 在井资料约束下, 使用人工神经网络方法反演高分辨率地震资料所反映的地层碳酸盐含量, 并应用于南海北部陆坡ODP184航次1146和1148孔区, 取得较好效果.方法的关键是从井旁地震道中提取多种属性, 利用逐步回归法, 确定6种与碳酸盐含量相关性最好的地震属性, 分别是平均频率、道积分绝对振幅、主频、时间、道微分瞬时振幅和瞬时频率, 然后进行地层碳酸盐含量反演.反演结果相对于岩心分析的碳酸盐含量的误差大多在±5%之内, 较为精确地揭示了地震地层剖面上碳酸盐含量的分布.      

带深桩基础高层建筑结构的地震动输入问题

带深桩基础高层建筑结构的地震反应分析通常按刚性地基假定选择地震动输入,其合理性一直受到工程界关注。本文探讨了此类结构考虑桩-土-结构相互作用的整体有限元分析的地震激励施加、单元网格划分、积分步长确定、边界处理等问题,通过整体有限元分析模型和常规分析模型的算例分析对比,探讨了常规地震动输入方法的合理程度。结果表明,常规输入法总体偏于安全,是基本可行的,但可能低估结构底部几层的地震反应,应引起注意。     

由粒子吸收光谱提取浮游植物吸收光谱的人工神经网络方法

基于现场实验数据集及人工神经网络技术,论文提出了一种从海中粒子吸收光谱提取浮游植物吸收光谱的方法。这个数据集包含了海中粒子吸收光谱和对应的浮游植物吸收光谱,并被分为三个子集:训练集、印证集和试验集。本研究所利用的人工神经网络系统为多层感知器,训练后的人工神经网络的性能由印证集和试验集来评价。实验结果表明,文中所提出的方法可成功地提取浮游植物的吸收光谱,其提取精度与传统的实验方法相当。     

基于双隐层ANN模型的叶绿素a浓度智能预报方法

利用2019年5月WZ02生态浮标监测数据,建立了两种不同隐层人工神经网络(ANN)模型的叶绿素a(Chl-a)智能预报方法,并对单隐层和双隐层模型的预测结果做了对比.结果表明:双隐层结构预测结果精度更高,泛化能力更强,一定程度上说明了深层学习比浅层学习对信息的主要特征提取能力更有优势.同时,对数据样本集合进行了系统预...