微信公众号
微信公众号：JNU_ZK
下载中心
友情链接
访问量统计
今日访问量: 83
基于多模态融合的脑卒中患者临床事件预测模型构建
王牧雨;杨阳;陈卉脑卒中患者临床事件预测对降低医疗负担和改善患者预后具有积极意义。但在建立预测模型时，通常使用单一模态（如医学图像）的数据，尚未应用能提供更多信息的多模态医学数据。针对该问题，本文提出并比较融合磁共振成像（magnetic resonance imaging,MRI）影像、影像学报告及实验室检查指标的脑卒中临床事件预测模型构建方法。首先，分别采用三维卷积神经网络、中文预训练语言模型及多层感知机提取MRI影像、影像学报告及表格数据特征；设计并比较拼接类和平均类多模态融合策略。然后，对基于单模态、双模态及三模态数据的预测模型进行对比实验，预测患者住院时长是否超过7 d及14 d。实验结果表明：在2项预测任务中，融合图像、文本、表格的多模态模型的受试者工作特征曲线下面积（area under the receiver operating characteristic curve,AUROC）分别为0.746和0.813，精确率-召回率曲线下面积（area under precision-recall curve,AUPRC）分别为0.580和0.542，均高于各单模态及双模态模型；采用注意力权重加权平均的多模态特征融合方法的性能最佳（AUROC和AUPRC分别为0.813和0.542），多模态数据融合可有效提升临床事件预测模型的性能。
一种基于人口调控注意力网络的孤独症辅助诊断模型
张雄涛;麻远;王丰;严奇奇;申情基于多模态磁共振成像的图神经网络因能有效表征脑网络的非欧几里得结构，在医学影像领域备受关注。然而，现有研究大多忽略了患者症状的显著个体差异，仅通过简单拼接引入人口统计学数据，限制了分类性能。此外，多站点数据的异质性也导致模型在跨站点外部验证中表现不佳。为此，本文提出了一种基于人口统计学调控的图注意力神经网络框架（demographic-regulated multimodal graph attention network framework,DM-GAT）。首先，设计人口感知动态构图模块（demographic-aware dynamic graph structure learning,D-GSL），利用人口统计学信息重构潜在的脑网络拓扑结构，以解决静态功能连接中的噪声与个体差异问题。其次，提出多视角人口交互注意力机制（multi-view demographic interaction attention,M-DIA），通过引入人口学特征作为门控信号，动态调控节点与边的注意力权重，增强个体化表征能力。在ABIDE和ADHD-200跨站点数据集上的实验结果表明，所提模型在ABIDE数据集（17个站点，943名受试者）上的分类准确率（accuracy,ACC）达到74.51%，优于先进模型MHNet(73.27%)。消融实验进一步证实了D-GSL模块（ACC提升约4百分点）和M-DIA模块的有效性。
基于相位感知与傅里叶分解的阿尔茨海默病脑电分类
葛佳昌;蒋亦樟;黄丽军;夏开建为解决阿尔茨海默病脑电分类中病理特征易被背景节律掩盖、注意力头易发生模式坍缩的问题，本文提出一种相位感知周期Transformer分类框架（phase-aware cycle Transformer,PACformer）。该模型首先利用由大感受野一维卷积与多层感知机组成的自适应相位投影器估计脑电片段起始相位，并通过相位感知门控对嵌入特征进行动态调制，实现相位对齐与特征增强；随后在编码器中引入可学习傅里叶级数，对背景周期趋势进行显式建模，并采用“减去—关注—加回”的残差分解策略突出局部病理扰动；最后设计多头谱多样性损失，约束不同注意力头覆盖互补频段，抑制频谱表示坍缩。在APAVA数据集上的实验结果表明，PACformer的准确率、受试者工作特征曲线下面积（area under the receiver operating characteristic curve,AUROC）和精确率-召回率曲线下面积（area under the precisionrecall curve,AUPRC）分别达到77.75%、86.56%和87.02%，优于11种对比模型。结果表明，显式的相位对齐与频域分解有助于提升非平稳生理信号的判别建模能力，可为基于脑电的阿尔茨海默病辅助筛查提供更稳健的技术方案。
融合SHAP的多模态模型预测非小细胞肺癌急性放射性食管炎三分类风险
程秀艳;郑晓丽;毛荣虎;郭伟;王永强;娄朝阳;葛红;李兵针对传统正常组织并发症概率模型在放射治疗毒性预测中忽略生物学异质性、缺乏个体化评估能力的问题，本文提出一种融合临床、CT影像组学与三维剂量组学特征的多模态机器学习框架，用于预测放射治疗后急性放射性食管炎（acute radiation esophagitis,ARE）的三分类风险。基于161例局部晚期非小细胞肺癌患者队列构建多模态数据集，按ARE级别分为0级、1级和≥2级，样本量分别为56、68和37例。首先，利用PyRadiomics从计划CT图像与三维剂量分布图中提取高通量特征；其次，设计多重特征筛选机制，采用组内相关系数剔除不稳定特征，结合Spearman相关性分析与LASSO回归进行降维，最终获得28个关键特征，其中临床特征2个、影像组学特征19个、剂量组学特征7个；然后，以筛选所得特征集为输入，通过10折交叉验证与网格搜索优化超参数，构建基于XGBoost的多模态融合分类器；最后，引入沙普利加性解释（SHapley additive exPlanations,SHAP）算法，从全局与局部分别对模型进行可解释性分析。实验结果显示，在测试集上，多模态融合模型的受试者工作特征曲线下面积（area under the receiver operating characteristic curve,AUROC）为0.770,F1分数为0.611，整体表现稳定。融合模型与影像组学模型的AUROC相近（0.770与0.758），但F1分数、召回率和特异度等综合指标更优；与临床模型和剂量组学模型（AUROC均为0.580）相比，融合模型表现更佳。SHAP分析显示，CT影像组学特征InverseVariance、GrayLevelVariance及部分剂量组学纹理特征对模型预测的贡献较大。结果表明，本文提出的多模态特征融合框架有效提升了复杂毒性反应的分级预测精度，可为放射治疗计划的智能化、个体化优化提供可靠的计算辅助工具。
人工智能在放射治疗剂量预测中的应用
张真僖;李辉;熊天宇;陈帜;孙鸿飞;任格放射治疗剂量分布直接影响靶区覆盖和危及器官保护，是评价治疗计划质量的重要依据。传统剂量规划高度依赖人工经验，存在耗时较长、计划质量波动和跨机构一致性不足等问题。近年来，人工智能技术，尤其是深度学习，已被广泛用于患者特异性放射治疗剂量预测。本文检索了PubMed、Scopus和Web of Science Core Collection数据库，纳入2016-01-01—2025-09-30发表的211项原创研究，从技术演进和临床转化2个层面总结相关进展。在技术层面，梳理卷积神经网络、生成对抗网络、Transformer、Mamba、扩散模型及大模型辅助方法在剂量预测中的发展，并从模型架构、输入信息、预测目标、公开基准和评价体系等方面比较其特点。在临床转化层面，区分数值剂量预测与物理可交付治疗计划，分析预测结果与计划重优化、机器约束、剂量重计算、质量保证及临床验证之间的联系。现有研究表明，人工智能剂量预测在提高预测精度、辅助计划生成和改善计划一致性方面具有应用潜力，但仍面临跨中心泛化不足、物理可交付性验证有限、临床可解释性欠缺及新兴放疗技术适配不足等问题。未来研究需加强多中心外部验证、物理约束融合及临床导向评价体系建设，推动人工智能剂量预测由算法验证走向可靠的临床应用。
基于NSGA-Ⅱ算法的E类逆变电路功率-效率协同优化方法
尚修章;谭庶欣;针对传统E类逆变电路设计过程中参数优化困难、难以获得全局最优参数组合的问题，提出一种基于NSGA-Ⅱ算法与电路仿真相融合的设计优化方法。该方法以输出功率与转换效率为优化目标，将包含寄生参数的商用器件等效电路模型嵌入仿真环境，在理论参数±10%容差范围内均匀采样生成10 000组参数组合，经瞬态后仿真生成性能数据后作为初始种群。通过非支配排序与拥挤度计算筛选精英父代，交替执行随机加权交叉与变异生成子代并重新仿真。父代与子代合并后，基于非支配层级与拥挤度距离保留精英个体，形成新一代种群，如此迭代直至收敛，最终得到E类逆变电路无源器件参数的帕累托最优解集。仿真结果表明：基于理论计算所得初始参数设计的4 MHz E类逆变电路在20 V电压下输出功率为40.6 W，转换效率为90.7%；优化后最优帕累托边界的最高效率点在输出功率48.2W下，转换效率达96.2%，最大输出功率点在转换效率91.0%下，输出功率提升至81.0W。该方法成功实现了在优化E类逆变电路转换效率与输出功率的协同寻优，为E类电路的参数优化提供了一种系统且可复现的技术路径。
基于基学习器参数优化的沥青路面养护施工碳排放预测
廖焕旺;金家羽;肖青;吴洋;针对沥青路面养护施工碳排放预测中样本量小、变量耦合强和集成权重难以自适应分配等问题，提出基于高斯混合模型（Gaussian mixture model，GMM）数据增强和改进非支配排序遗传算法Ⅱ（non-dominated sorting genetic algorithm Ⅱ，NSGA-II）权重优化的集成预测方法。以17组实际养护工程为样本，构建7个能耗变量体系，仅利用训练集进行GMM增强，将训练样本由12组扩充至70组，并筛选支持向量机（support vector machine，SVM）、拉索回归（least absolute shrinkage and selection operator，LASSO）、梯度提升决策树（gradient boosting decision tree，GBDT）作为基学习器。结果表明，增强样本主要分布在原始训练样本邻域内；在当前测试集下，模型平均绝对误差、均方根误差、平均绝对百分比误差和决定系数分别为4.673、6.291、9.009%和0.934；在固定测试集内部的Bootstrap重采样中，模型整体误差低于平均法和经验权重法。该方法可为同类养护工程碳排放预测和低碳方案比选提供参考。
黄单胞菌在植物病害复合体中的共侵染互作机制研究进展
陈磊;王晶;陈贤;Pedro Laborda;王苏妍;黄单胞菌(Xanthomonas)是分布最广、破坏性最强的植物细菌性病原菌之一，能够侵染多种主要农作物，如水稻、卷心菜、大豆和木薯等，对全球粮食安全构成重大威胁。黄单胞菌的致病变种（pathovar， pv.）具有极高的宿主特异性和环境适应性，某一种特定的致病变种只能侵染一种或少数几种植物。黄单胞菌在侵染植物过程中，不仅可独立发挥致病作用，亦常与其他病原菌形成复合侵染，构成复杂的植物病害复合体。本文系统综述了近年来关于黄单胞菌与其他细菌共侵染的研究进展，重点探讨包括拮抗、协同与共存三种典型互作关系，并深入剖析了其在病害复合体中潜在的相互作用机制。该综述旨在深化对黄单胞菌共侵染现象的理解，并为相关植物病害复合体的研究提供理论参考。
人工智能在急性呼吸窘迫综合征中的应用进展
孙翔宇;刘小株;急性呼吸窘迫综合征（ARDS）仍是重症医学领域亟待突破的关键难题，其高死亡率、显著的患者个体异质性，导致传统支持性治疗的临床效果难以进一步提升。本系统性综述围绕人工智能（AI）及机器学习（ML）技术在ARDS临床管理中的应用进展展开全面梳理，重点剖析此类技术在革新ARDS诊疗路径、改善临床结局中的变革性价值。系统探讨了AI/ML技术的多元应用场景：依托电子健康记录（EHR）和影像学检查等多模态数据，实现ARDS的早期预测与精准诊断；构建优于传统评分体系的预后评估模型，完成更精准的患者风险分层；通过精准识别ARDS不同亚型，为个体化治疗方案的制定提供科学指导。同时，详细阐述了AI技术在临床治疗优化中的具体作用，此外还涵盖其在ARDS相关药物研发领域的应用潜力。最后，分析了当前AI技术在ARDS应用中面临的主要瓶颈，包括数据质量参差不齐、模型泛化能力不足、可解释性欠佳及临床转化整合困难等，同时指出AI驱动的诊疗策略为ARDS精准医疗的落地、实时临床决策的优化，以及最终提升患者预后水平提供了前所未有的机遇，为后续相关研究的开展及临床转化应用提供了全面的参考依据。
网络攻击下非线性柔性航天器的脉冲采样控制
邓英蔚;严昊;丁奎;王自鹏;针对虚假数据注入(falsedatainjection，FDI)攻击下非线性柔性航天器系统的安全跟踪控制问题，提出一种基于T-S模糊模型的脉冲采样控制方法，实现网络环境下柔性航天器对参考轨迹的稳定跟踪。首先，考虑柔性航天器系统具有强非线性和刚柔耦合特性，将T-S模糊建模为其姿态动力学模型，并引入结构一致的模糊参考系统将跟踪问题转化为误差系统的稳定问题。其次，针对FDI攻击作用于采样数据引起的状态突变，建立一类T-S模糊脉冲误差系统，并设计相应的模糊脉冲状态反馈控制器。随后，利用分段时变Lyapunov函数与线性矩阵不等式技术，推导出闭环系统渐近稳定且满足H∞性能指标的充分条件，并提出控制器增益的可行求解方法。最后，以典型柔性航天器系统为例进行数值仿真。仿真结果表明，在采样误差信息通道受到幅值受限周期型FDI攻击的情况下，所设计控制器能够有效抑制攻击信号和刚柔耦合引起的跟踪误差，使姿态角速度和姿态四元数矢量部分逐渐收敛至参考轨迹。与无控制输入情形相比，闭环系统跟踪误差显著减小，控制输入幅值保持在合理范围内，稳态段H∞衰减率满足预设性能指标，验证了所提T-S 模糊脉冲采样控制方法的有效性和合理性。
增量式PID控制在温控系统中的应用
严晓照;张兴国;温度的控制在科学实验和工业过程中极为普遍,具有典型的意义,而温控系统通常是时变的、非线性的、具有纯滞后的复杂大惯性系统,控制效果与采用的控制算法有很大的关系.针对这一问题,在温度控制实验系统中,设计了一种增量式PID控制算法实现了对温度的控制.通过实验表明,该算法的控制效果要优于传统的PID控制算法,对于工程实际应用具有较强的借鉴作用.
印染废水处理技术的研究与进展
景晓辉,尤克非,丁欣宇,蔡再生文章系统综述了国内外印染废水处理技术研究与进展,特别是近年来出现地一些新技术,如膜分离技术、超声波技术、高能物理法、电催化氧化技术和光催化氧化技术;探讨了印染废水处理的发展趋势。
ANSYS在钢筋混凝土梁有限元中的应用
王亚萍,陈建平,陈五洲文章结合钢筋混凝土材料的特殊性,利用大型有限元计算软件ANSYS计算受弯构件梁的变形及其正截面应力应变。最后将有限元计算的结果(裂缝开展深度、钢筋应力、混凝土应力)与精确解比较,分析误差存在的原因及改进的方法和措施。
增量式PID控制在温控系统中的应用
严晓照;张兴国;温度的控制在科学实验和工业过程中极为普遍,具有典型的意义,而温控系统通常是时变的、非线性的、具有纯滞后的复杂大惯性系统,控制效果与采用的控制算法有很大的关系.针对这一问题,在温度控制实验系统中,设计了一种增量式PID控制算法实现了对温度的控制.通过实验表明,该算法的控制效果要优于传统的PID控制算法,对于工程实际应用具有较强的借鉴作用.
碳纳米材料的功能化及其储能应用
李奇;秦天;葛存旺;在过去的几十年里，功能碳纳米材料（functional carbon nanomaterials,FCMs）由于其优异的理化性质，如超高电导率和质量传输速率、丰富的活性位点、良好的化学稳定性和机械强度，引起了材料科学界的广泛关注。基于FCMs所带来的各向异性和协同效应以及纳米尺度上的小尺寸效应，这些FCMs在锂离子电池、锂硫电池、燃料电池、有机太阳能电池和超级电容器等能源领域表现出巨大的应用价值。这篇综述全面总结了近5年来碳纳米材料的功能化策略，并详细介绍了FCMs在能源存储与转化器件中的应用。最后，根据科学研究的发展趋势，探讨了FCMs所面临的紧迫挑战和未来的研究方向。
质子交换膜电解水制氢系统建模与仿真
王辉东;姚海燕;郭强;夏红军质子交换膜（proton exchange membrane,PEM）电解水制氢技术将电能转化为化学能和热能，是一种绿色的制氢方式，具有响应速度快、电流密度高、结构紧凑等优点。对于质子交换膜电解水制氢系统建模，现有文献中鲜有整体描述电解槽电压、电流变化及系统各组件温度动态的集总参数模型。文章根据电化学基本原理及热力学定律，建立了PEM电解槽电压稳态模型和系统的温度动态模型，基于MATLAB/Simulink软件进行了仿真分析，将仿真结果与实验数据进行了对比，其中电压误差不超过0.02 V，温度误差不超过1.6 K，验证了模型的有效性，且所建立的模型能够描述和预测系统参数的变化，为系统设计及控制优化提供支撑。根据PEM电解槽的效率模型和仿真结果，分析了不同温度、压强对电解槽性能的影响，结果表明升高温度、降低压强能提高电解槽效率，其中温度是影响电解槽效率的主要因素。在搭建的仿真模型基础上，使用前馈PID控制器进行了温度控制，其中温度超调不超过0.6 K，调节时间在400 s以内，并与传统PID控制器进行了对比，结果表明前馈PID控制器具有超调小、响应速度快的优点。
生物炭制备方法及其在环境污染治理中的应用研究
汪佳玥;凌茜;张雲豪;王芯羽;林佳琪;张伟涛;刘志欣;王祥科生物炭是一种原材料易获取、制备成本低的环境友好多孔材料。由于其比表面积大且含有丰富的表面功能基团，在环境污染治理和污染修复等方面具有广泛的应用前景。介绍了生物炭的制备技术和工艺，分析对比了不同制备条件对制备的生物炭性质和性能影响，综述了生物炭对环境中不同污染物的吸附固定和催化降解效果和原理。生物炭对重金属具有非常强的吸附络合能力，并且对高价态金属离子具有还原固定作用，通过吸附-还原-固定的模式，可以将重金属离子固定在生物炭上。对有机污染物的吸附主要由表面络合、氢键和π-π共价作用，生物炭及其复合材料在光照条件下能够光催化降解有机污染物。文章就生物炭对废水和土壤中重金属的吸附固定和有机污染物消减等方面的效果和应用进行了归纳总结，进一步从分子层面研究和讨论了生物炭应用于污染物去除方面的进展，为废水处理和土壤修复提供数据和理论支持，对降低污染物在环境中的迁移转化，减轻环境污染风险，具有重要的科学意义。
公告栏
期刊动态
期刊信息
期刊名称：南通大学学报（自然科学版）
创办日期：2002年
主管部门：江苏省教育厅
主办单位：南通大学
刊 期： 季刊
电 话：0513-85012868
Email：xbzkb@ntu.edu.cn
标准刊号：CN 32-1755/N
ISSN 1673-2340
微信公众号：JNU_ZK