亚低温治疗重型颅脑损伤21例临床分析

目的：探讨亚低温治疗重型颅脑损伤的临床效果。方法：对收治的重型颅脑损伤患者应用亚低温疗法,并与常规综合治疗进行对照。结果：亚低温疗法疗效明显优于常规综合治疗,死亡率明显下降。结论：亚低温用于治疗急性重型颅脑损伤病人,安全有效,可降低死亡率,提高生存质量,无严重并发症。     

CHzCO＋OH的多通道反应的理论研究

用密度泛函B3LYP／6-311＋＋G^＊＊方法和G2（MP2）、G383理论研究了CH2CO与OH自由基反应的微观机理,揭示了该反应的加成-消除机理,结果表明直接吸氢机理不存在．并发现生成CH2OH＋CO的反应是主反应通道．理论计算结果较好地解释了实验观察到的主要产物和副产物并存的现象．     

数字岩心技术在致密储层微观渗流特征研究中的应用

为了直观、准确地刻画致密储集层的微观渗流特征,选取具有代表性储层样品,利用多尺度X-CT扫描成像技术建立不同级别的三维数字岩心,应用最大球算法与孔喉尺寸校正方法,提取并建立致密储层纳米级数字岩心孔隙网络模型,最后实现利用三维孔隙网络模型模拟储层物性参数、进汞曲线以及孔、喉分布曲线、两相渗流特征曲线并与室内常规实验结果进行平行对比。结果表明:利用数字岩心技术模拟得到的孔隙度、渗透率参数与实际测量结果相差较小;模拟得到的进汞曲线、孔喉分布曲线与室内压汞实验的曲线具有较高的一致性,表明提取的孔隙网络模型与真实岩心误差较小,从而可以保证数字岩心得到的两相渗流模拟结果具有较高的可信度。     

层析静校正技术在南方页岩气处理中的应用

在阐述层析静校正方法的算法和原理的基础上,将此方法应用于南方页岩气二维、三维地震资料处理中.通过将层析静校正与野外静校正和折射静校正的应用效果进行对比分析,发现层析静校正技术剖面处理质量显著提高,取得了明显效果.     

CuInS2／石墨烯混合物的合成及其在太阳能电池中的应用

在不同的溶剂中通过温和的溶剂热法,成功地合成 CuInS2纳米晶体。这些合成好的 CuInS2粉末被 X光衍射表征后,又作为对电极被组装成染料敏化太阳能电池。通过检测可以发现乙二醇是合成 CuInS2过程中最佳的溶液。这主要表现在用乙二醇合成的 CuInS2作为电池对电极时的转化率可以达到5·49％,这个值要比用其他溶液合成的 CuInS2转化率高。然后,将在乙二醇溶剂中合成的 CuInS2粉末与石墨烯的氧化物混合形成 CuInS2纳米晶体／石墨烯纳米复合材料,这种材料可以提高 CuInS2在染料敏化太阳能电池方面的性能。通过透射电子显微镜法,可以证明 CuInS2生长在石墨烯纳米网中。与传统的铂对电极电池（6·90％）相比,这种纳米复合材料具有相对较好的光电转化率（6·28％）。     

内嵌百叶板换热器的壳程流动与传热特性

针对普通弓形板换热器折流板后易出现流动死区的现象,对折流板进行优化设计,并提出一种内嵌百叶板换热器.应用计算流体力学软件Fluent得到内嵌百叶板换热器壳程流场分布,并与普通弓形板换热器进行对比,分析百叶角度与百叶数量对换热器性能的影响.结果表明:与普通弓形板换热器相比,百叶可引流部分流体通过折流板,使内嵌百叶板换热器内流动死区面积明显减小,流场分布更加均匀,具有明显的减小壳程流体压降及提高壳程传热系数的作用;在研究范围内,当百叶角度为60°,百叶数量为每组4片时,换热器的综合性能最佳,综合评价因子可达1.76~2.05.     

2型糖尿病肾病患者红细胞膜上钠-钾ATP酶活性的变化

为了解2型糖尿病肾病(diabetic nephropathy,DN)不同时期红细胞膜上Na+-K+-ATP酶活性变化,为临床诊断、治疗提供理论依据,按尿白蛋白排泄率(urinary albumin excretion rate,UAER)将已确诊为2型糖尿病的51例患者分为3组糖尿病正常白蛋白尿组(DM1组),微量白蛋白尿组(DM2组),大量白蛋白尿组(DM3组);20例健康人作为对照组,男性11例,女性9例,平均年龄58.27±10.89岁.将对照组及实验组抽血做红细胞膜Na+-K+-ATP酶活性检测.结果表明DN各组红细胞膜Na+-K+-ATP酶活性较对照组均显著降低(均为P=0.000).说明DN患者红细胞膜Na+-K+-ATP酶活性下降,控制血糖、维持Na+-K+-ATP酶活性对改善DN预后有十分重要的意义.     

基于CNN-BiLSTM的脑电情绪分类模型及验证

情绪在人们的思考、行为和交流方式中起着重要作用。为提高脑电信号的情绪识别准确率,充分利用脑电信号的频率、空间和时间维度上的信息,提出一种基于CNN-BiLSTM(convolutional neural networks-bidrectional long short term memory)的脑电情绪分类神经网络模型。该模型由卷积神经网络和多层特征融合的双向长短时神经网络构成,卷积神经网络用于学习脑电信号的频率和空间特征,双向长短时神经网络则从卷积神经网络的输出中挖掘脑电切片之间的时序信息。借助离散情绪模型的SEED(sjtu emotion eeg dataset)数据集和连续情绪模型的DEAP(database for emotion analysis using physiological signals)数据集来进行情绪分类实验。实验结果表明,在SEED和DEAP两个数据集上,CNN-BiLSTM模型均取得了目前最好的情绪分类性能。此外,该模型的时序信息挖掘模块性能优于单层长短时神经网络,能够学习更多的时序信息。     

基于非监督贝叶斯学习雷达性能指标动态评估

针对传统雷达性能指标评估方法相对“机械”、缺乏理论约束,需要多次重复实验,导致评估效率较低,评估成本较高等问题,提出基于非监督贝叶斯学习方法的雷达性能指标动态评估算法,在一定雷达探测目标先验假设下,结合典型回波观测数据模型,建立雷达性能指标后验概率模型。考虑到先验知识与观测数据可能存在的非共轭特性,针对先验概率模型建立分层贝叶斯模型,从而保证雷达性能指标后验概率密度函数的可解性。此外,为了保证后验概率密度函数的闭合解析解,应用变分贝叶斯期望最大化(variational Bayesian expectation maximization, VB-EM)方法,基于高斯-赛德尔迭代策略分别计算性能指标及其超参数的后验概率密度函数。最终,利用后验概率密度函数计算结果,可获得相应性能指标解析估计值及其置信区间和置信度,从而实现对指标动态变化的解析指示。相比传统蒙特卡罗评估方法,所提方法仅需一次实验数据便可获得定量的、解析的指标评估结果,可以大大缩减评估成本,提升评估效率,同时可对指标动态变化给出定量指示。应用仿真数据对雷达定位、测高精度以及目标检测概率指标进行了验证,相比传统方法,评估处理增益获得了有效提升。     

基于地基干涉雷达的含水土质边坡变形监测研究

基于地基干涉雷达开展含水土质边坡变形监测是降低滑坡地质灾害发生、防止二次埋压险情发生、保障应急救援现场人员生命安全的有效手段.应用自研的便携式边坡雷达系统，在论述系统信号模型和相关技术的基础上，将雷达监测精度指标分解为精密度和准确度，提出精度测定流程并通过实验验证了系统高频变形监测能力及亚毫米级监测精度，进而开展含水土质边坡滑坡模拟试验，通过不同历时节点下坡体表面变形与降水量综合分析说明了本次含水土质边坡表面变形监测曲线与岩土体非稳定蠕变曲线具有较高的相似性，在云南省洱源县滑坡隐患点进行监测应用，结合不同地层深度含水率数据分析边坡变形态势.研究结果可为含水土质边坡安全监测预警系统的研发优化提供有力支撑.