胰腺癌新辅助治疗和转化治疗的现状与展望

胰腺癌手术切除率低,预后极差。近年来,随着新型药物的出现、治疗手段的多样化及多学科诊疗模式的发展,胰腺癌的新辅助治疗与转化治疗引起了广泛的关注。本文系统梳理了新辅助治疗和转化治疗在胰腺癌中的临床应用以及转化治疗后手术时机的选择,提出将可切除型胰腺癌分为低风险组和高风险组。低风险组患者推荐优先手术切除,高风险组与交界性可切除胰腺癌患者直接手术R0切除率较低,行新辅助治疗后,可明显提高R0切除率。对于不可切除胰腺癌患者应综合评估能否行转化治疗,部分转化有效患者可行根治性手术。然而,胰腺癌新辅助治疗与转化治疗方案的选择、治疗周期及术后辅助方案等问题目前尚无共识。相信伴随高级别循证医学证据的出现,新辅助治疗和转化治疗将在胰腺癌治疗中得到更广泛的应用。     

控制器故障下的软件定义机载网络数据平面迁移策略

软件定义网络（SDN）为突破机载网络功能僵化所造成的瓶颈提供了新的契机。针对软件定义机载网络控制域内控制节点故障问题,提出一种基于时延和负载均衡的传输节点迁移策略,将故障控制节点所管控数据平面中的传输节点迁移至其他正常控制节点,恢复网络的正常管控。以迁移时延和负载均衡率为目标,建立迁移优化模型,提出基于时延和负载均衡的传输节点迁移算法,指导数据平面中的迁移动作,最终对两个性能目标进行综合权衡。实验结果表明,与距离就近迁移（DCM）策略和分布式逐跳（DHA）策略相比,所提策略在迁移时延和负载均衡率2个方面进行了合适的折中,避免出现迁移时延过大或控制节点负载失衡的情况,有效解决机载网络故障恢复问题。     

西部钛业有限责任公司

<正>西部钛业有限责任公司是从事钛及钛合金加工材生产的大型高新技术企业,成立于2004年6月,公司位于西安经济技术开发区泾渭工业园,占地700余亩,厂房建筑面积12万平方米,现有员工600余人,总资产18亿元。是西北有色金属研究院(集团)通过科技成果转化而形成的钛产业核心企业,是高科技上市公司西部金属材料股份有限公司(股票代码:002149)的全资子公司。     

面向国家重大战略需求聚焦高性能表面精密加工——走进重庆市材料表面精密加工及成套装备工程技术研究中心

中心概况 中心现有固定科研人员60余人,其中高级职称20人,享受国务院政府津贴2人.中心注重人才梯队建设,目前形成了以教授和博导为带头人,以博士后、博士生、硕士生为研究主力的科研攻关队伍和以具有丰富工程经验的科技人员为基础的生产、工程应用及成果市场转化队伍.     

并发式软件系统横切关注点的建模方法

基于面向侧面技术及统一建模语言状态图提出了并发式软件系统开发过程中横切特性的建模方法.该方法将并发软件系统的业务逻辑和横切行为分别封装到复合状态的不同正交区域中,并通过事件广播机制反映二者的交互关系.同时,以模块化的状态迁移系统作为基本计算模型,对该建模方法进行形式化描述,给出了模型元素及建模过程的精确语义.实例研究表明,该方法在并发软件设计阶段实现了横切关注点的分离策略,并使得系统模型具有松耦合、适应性和可跟踪性的优点.     

基于改进Unet++的丘陵地区耕地地块深度分割与提取

丘陵地区耕地地块具有结构复杂、种植类型多样且破碎度高等特点,针对传统分类方法对耕地信息难以快速准确提取的问题,文章基于“高分一号”卫星影像和Unet++网络模型,采用余弦退火学习率实现了复杂丘陵地区耕地信息的准确深度分割和分类。首先利用多尺度分割方法完成了深度迁移学习模型中典型区域耕地样本标签的制作及其结果验证;其次,采用规则格网裁切方法构建影像和标签训练数据集,在PyTorch环境完成了模型的训练;最后,将改进后模型与Unet和SVM方法进行了分类精度和泛化性能的对比分析。结果表明：改进的Unet++网络模型在复杂丘陵地区耕地提取结果的总体精度为92.75%,比SVM和Unet的提取精度分别提高了9.06%和2.50%。因此,基于Unet++的深度学习模型不仅能够有效抑制复杂的背景噪声,还能从遥感影像中学习到更强的语义特征,从而获得更加准确的耕地信息。该方法可为农作物面积监测和产量估算等实际应用提供基础数据支持。     

应用PIVT技术测量单液滴热毛细迁移时的速度场和温度场

在地面实验中,使用粒子图像测速测温(Particle Image Velocimetry and Thermometry, PIVT)技术测量了单滴热毛细迁移时液滴周围同时刻的速度场和温度场.选用密度相近的豆油和硅油作为实验系统的母液和液滴.实验结果表明单滴周围的温度场扰动不同于线性理论预测的随到液滴距离的平方成反比,而是距离一次方成反比,这是由于重力引起的浮力效应造成的,地面实验中重力作用不能忽略.     

一种基于迁移学习的遥测数据异常检测方法

为解决卫星遥测数据异常检测面临的数据不平衡且缺乏有标签样本的问题,提出一种基于一维卷积神经网络(1dCNN)迁移学习的异常检测方法.首先利用源域卫星的遥测数据对1dCNN进行预训练,使得模型的卷积层具有卫星状态特征的提取能力;然后将训练好的模型迁移到缺乏标签数据的目标域卫星中;利用目标域有标签样本对预训练模型进行微调,...     

基于视觉显著性和卷积神经网络的机场目标快速检测

针对现有的机场目标检测算法用于大幅面遥感图像时检测速度慢、准确率低的问题,文章提出了一种基于视觉显著性和卷积神经网络相结合的高效、精确的机场目标检测方法.首先,根据机场形状特征,采用基于直线分布特征的视觉显著性检测方法提取候选区域,对机场的可能位置进行粗定位;然后,设计了一种改进的卷积神经网络分类模型判断候选区域是否为...