Since the discovery of A15 metallic superconductors, the possible mechanism responsible for the high transition temperatures has been a. central problem. The advent of high-T_c oxides such as Y-Ba-Cu-O, Bi-Sr-Ca-Cu-O ...Since the discovery of A15 metallic superconductors, the possible mechanism responsible for the high transition temperatures has been a. central problem. The advent of high-T_c oxides such as Y-Ba-Cu-O, Bi-Sr-Ca-Cu-O and Tl-Ba-Ca-Cu-O has rendered this question even more interesting. In order to study the origin of superconductivity, it is useful to find展开更多
随着楼宇综合能源系统(integrated energy system of building,BIES)的增多及其提升能源利用率的作用日益凸显,研究提升BIES内各设备耦合程度及与电网协调程度、降低BIES日综合运行成本具有重要意义。为此,提出基于前馈神经网络(feedfor...随着楼宇综合能源系统(integrated energy system of building,BIES)的增多及其提升能源利用率的作用日益凸显,研究提升BIES内各设备耦合程度及与电网协调程度、降低BIES日综合运行成本具有重要意义。为此,提出基于前馈神经网络(feedforward neural network,FNN)的BIES日前优化调度模型。首先,分析含屋顶光伏的BIES的结构;其次,提出基于FNN的光伏出力日前预测方法及流程,为BIES优化调度提供可靠光伏发电数据;最后,以BIES购电成本、购气成本、设备运行维护成本组成的日综合运行成本最低为目标,提出基于BIES日前调度模型。算例结果表明,所提光伏出力预测方法能有效提高光伏发电出力预测精度,基于FNN的BIES日前优化调度模型能够有效提高BIES运行经济性。展开更多
目的:研发一种影像组学结合乳腺影像报告和数据系统(BI-RADS)的列线图模型,用于预测BI-RADS超声(US)4类或5类病变中的乳腺癌。方法:选取2021年11月至2024年9月在滁州市第一人民医院和新疆维吾尔自治区中医院就诊的315例女性乳腺肿瘤患者...目的:研发一种影像组学结合乳腺影像报告和数据系统(BI-RADS)的列线图模型,用于预测BI-RADS超声(US)4类或5类病变中的乳腺癌。方法:选取2021年11月至2024年9月在滁州市第一人民医院和新疆维吾尔自治区中医院就诊的315例女性乳腺肿瘤患者,将2022年1月至2023年8月就诊于新疆维吾尔自治区中医院的211例患者纳入训练组,2021年11月至2024年9月就诊于滁州市第一人民医院的104例患者纳入验证组。根据训练组的多元回归分析结果开发影像组学评分结合BI-RADS US的列线图模型,在验证组中评估列线图预测乳腺癌的影响因素、区分度、校准和临床实用性。结果:影像组学评分和BI-RADS类别是预测乳腺恶性肿瘤独立影响因素(OR=4.66、4.87,P<0.05)。受试者工作特征(ROC)曲线分析中,训练组和验证组列线图模型区分恶性和良性病变能力的ROC曲线下面积(AUC)分别为为0.928和0.883,均优于影像组学评分的AUC(0.791和0.864)以及BI-RADS类别AUC(0.825和0.857),其差异均有统计学意义(Z训练组=4.026、3.716,Z验证组=3.142、2.847,P<0.05)。结论:基于影像组学评分和BI-RADS类别的列线图模型对于BI-RADS US 4或5类乳腺恶性肿瘤的预测具有潜在的应用价值。展开更多
基金This work was supported by the National Center for Research and Development on Superconductivity of China.
文摘Since the discovery of A15 metallic superconductors, the possible mechanism responsible for the high transition temperatures has been a. central problem. The advent of high-T_c oxides such as Y-Ba-Cu-O, Bi-Sr-Ca-Cu-O and Tl-Ba-Ca-Cu-O has rendered this question even more interesting. In order to study the origin of superconductivity, it is useful to find
文摘随着楼宇综合能源系统(integrated energy system of building,BIES)的增多及其提升能源利用率的作用日益凸显,研究提升BIES内各设备耦合程度及与电网协调程度、降低BIES日综合运行成本具有重要意义。为此,提出基于前馈神经网络(feedforward neural network,FNN)的BIES日前优化调度模型。首先,分析含屋顶光伏的BIES的结构;其次,提出基于FNN的光伏出力日前预测方法及流程,为BIES优化调度提供可靠光伏发电数据;最后,以BIES购电成本、购气成本、设备运行维护成本组成的日综合运行成本最低为目标,提出基于BIES日前调度模型。算例结果表明,所提光伏出力预测方法能有效提高光伏发电出力预测精度,基于FNN的BIES日前优化调度模型能够有效提高BIES运行经济性。
文摘目的:研发一种影像组学结合乳腺影像报告和数据系统(BI-RADS)的列线图模型,用于预测BI-RADS超声(US)4类或5类病变中的乳腺癌。方法:选取2021年11月至2024年9月在滁州市第一人民医院和新疆维吾尔自治区中医院就诊的315例女性乳腺肿瘤患者,将2022年1月至2023年8月就诊于新疆维吾尔自治区中医院的211例患者纳入训练组,2021年11月至2024年9月就诊于滁州市第一人民医院的104例患者纳入验证组。根据训练组的多元回归分析结果开发影像组学评分结合BI-RADS US的列线图模型,在验证组中评估列线图预测乳腺癌的影响因素、区分度、校准和临床实用性。结果:影像组学评分和BI-RADS类别是预测乳腺恶性肿瘤独立影响因素(OR=4.66、4.87,P<0.05)。受试者工作特征(ROC)曲线分析中,训练组和验证组列线图模型区分恶性和良性病变能力的ROC曲线下面积(AUC)分别为为0.928和0.883,均优于影像组学评分的AUC(0.791和0.864)以及BI-RADS类别AUC(0.825和0.857),其差异均有统计学意义(Z训练组=4.026、3.716,Z验证组=3.142、2.847,P<0.05)。结论:基于影像组学评分和BI-RADS类别的列线图模型对于BI-RADS US 4或5类乳腺恶性肿瘤的预测具有潜在的应用价值。
