摘要 心房颤动是一种临床上重要的心律失常。有一些关于使用心电图数据进行 AF 诊断的机器学习模型的报道。然而,很少有报道提出一种可解释的人工智能 (XAI) 模型,使医生能够轻松理解机器学习模型的诊断结果。我们开发并验证了一种基于卷积神经网络 (CNN) 算法的支持 XAI 的心房颤动诊断模型。我们使用了 Holter 心电图监测数据和梯度加权类激活映射 (Grad-CAM) 方法。我们使用了 2016 年 1 月 4 日至 2019 年 10 月 31 日期间记录的患者心电图数据,共计 57,273 个 30 秒的心电图波形槽,每个波形槽都有心脏病专家注释的诊断信息,用于训练我们提出的模型。我们的人工智能模型用于房颤诊断的性能指标如下:敏感性 97.1%(95% CI:0.969-0.972);特异性 94.5%(95% CI:0.943-0.946);准确率 95.3%(95% CI:0.952-0.955);阳性预测值 89.3%(95% CI:0.892-0.897);F 值 93.1%(95% CI:0.929-0.933)。使用我们的模型进行房颤检测的受试者工作特征曲线下面积为 0.988(95% CI:0.987-0.988)。此外,使用 XAI 方法,我们的机器学习模型确定的感兴趣区域中的 94.5 ± 3.5% 被心脏病专家确定为 AF 诊断的特征部位。使用我们提出的基于 CNN 的 XAI 模型,AF 被准确诊断并用 Holter ECG 波形得到良好解释。我们的研究朝着实现可行的基于 XAI 的 AF 诊断检测模型又迈出了一步,供医生使用。(Int Heart J 2021;62:534-539)关键词:卷积神经网络、机器学习、Holter 监测、梯度加权类激活映射
数据源,收集和维护所需数据,并完成和审查信息收集。请将有关此负担估计或此信息收集的任何其他方面的评论(包括减轻此负担的建议)发送至华盛顿总部服务处、信息运营和报告理事会,地址:1215 Jefferson Davis Highway, Suite 1204, Arlington, VA 22202-4302,以及管理和预算办公室。文书工作减少项目 (0704-0188) 华盛顿特区 20503。
机载和地面激光扫描中的回波数字化和波形分析 ANDREAS ULLRICH,MARTIN PFENNIGBAUER,霍恩,奥地利 摘要 基于短激光脉冲飞行时间测距的激光雷达技术能够以所谓的点云形式获取准确而密集的 3D 数据。该技术适用于不同的平台,如地面激光扫描中的稳定三脚架或机载和移动激光扫描中的飞机、汽车和船舶。从历史上看,这些仪器使用模拟信号检测和处理方案,但专用于科学研究项目或水深测量的仪器除外。2004 年,一款用于商业应用和大量数据生成的激光扫描仪设备 RIEGL LMS-Q560 被推向市场,它采用了一种激进的替代方法:对仪器接收到的每个激光脉冲的回波信号进行数字化,并在所谓的全波形分析中离线分析这些回波信号,以便使用适用于特定应用的透明算法检索回波信号中包含的几乎所有信息。在激光扫描领域,从那时起就建立了一个不太具体的术语“全波形数据”。我们尝试对市场上发现的不同类型的全波形数据进行分类。我们从仪器制造商的角度讨论了回波数字化和波形分析中的挑战。我们将讨论使用这种技术所能获得的好处,特别是关于脉冲飞行时间激光雷达仪器所谓的多目标能力。
基频为 60 Hz、均方根值为 0.158 V 的失真波形。这些精确失真的波形包含第 3、5、7、9、11、23、31 和 39 次谐波。选择这些谐波是出于以下两个方面的考虑:(a) 使用电力系统中常见且在电能质量文献标准中引用的谐波;(b) 保持谐波相对于频谱分析本底噪声的信噪比足够高,以使相位分辨率优于 0.001 。相对于基波,每个谐波的幅度为 10%,相位为 90 。首先使用 Digitizer1 测量包含基波和上述谐波之一的波形,然后测量包含基波和上述所有谐波的波形(图 2)。两组测量结果之间的差异不超过 0.001 。
摘要:将量子信息确定性地加载到量子节点上是迈向量子网络的重要一步。本文,我们证明具有最佳时间波形的相干态微波光子可以有效地加载到半无限一维 (1D) 传输线波导中的单个超导人造原子上。使用具有指数上升波形的弱相干态(脉冲中包含的光子数 (N) ≪ 1),其时间常数与人造原子的退相干时间相匹配,我们证明从 1D 半自由空间到人造原子的加载效率为 94.2% ± 0.7%。高加载效率归因于时间反转对称性:入射波和时间反转的发射波之间的重叠高达 97.1% ± 0.4%。我们的研究结果为实现基于波导量子电动力学的量子网络开辟了有希望的应用。关键词:量子网络,光子加载,波导量子电动力学,超导人工原子Q
2.1。DOD CIO。 .......................................................................................................................5 2.2. Director, Defense Information Systems Agency (DISA) ................................................6 2.3. USD(A&S)。 ............................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................. 6 2.4。 dot&e。 ........................................................................................................................6 2.5. 智力与安全国防部长(USD(I&S))。 ...................................................................... 7 2.6。 dirnsa/chcss。 .........................................................................................................7 2.7. DOD组件头。 ................................................................................................7 2.8. 陆军秘书。 ...................................................................................................9 2.9. cjcs。 在DOD CIO。.......................................................................................................................5 2.2.Director, Defense Information Systems Agency (DISA) ................................................6 2.3.USD(A&S)。............................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................. 6 2.4。dot&e。........................................................................................................................6 2.5.智力与安全国防部长(USD(I&S))。...................................................................... 7 2.6。dirnsa/chcss。.........................................................................................................7 2.7.DOD组件头。................................................................................................7 2.8.陆军秘书。...................................................................................................9 2.9.cjcs。在
摘要:小型聚光太阳能发电厂目前尚未普及,因为其平准化电力成本 (LCoE) 过高,而容量 >100 MW 的 CSP 发电厂的 LCoE 低于 20 cEUR/kWh。在 CSP 发电厂内集成固态转换器可以提高整个技术的可扩展性和经济竞争力,尤其是在较小规模下,因为固态转换器的转换效率与尺寸的相关性较弱。本文提出了一种带有高温热电子能量转换器 (TEC) 的系统,以及设计为即使提供高浓度比也很便宜的光学聚光器,以提高 CSP 发电厂的成本效益,从而实现经济可持续性和市场竞争力。这是可能的,因为 TEC 可以充当转换顶循环,直接产生电能,通过应用实际条件估计可能的转换效率为 24.8%,并为二次热阶段提供有用的热流。根据光学聚光器和 TEC 开发既定的技术规范,并根据合理的经济假设,估计总工厂转换效率为 35.5%,LCoE 为 6.9 cEUR/kW,并考虑到 1 MW 输入太阳能系统配备 8 小时储能罐的可能性。与其他可用的小容量可再生能源技术相比,计算得出的预测值极具竞争力,并为加速部署技术努力以展示所提出的解决方案开辟了道路。
摘要 本文描述了在现场测量量子霍尔电阻标准时对两种不同的数字阻抗电桥进行比较,目的是实现电容的 SI 单位法拉。在 EMPIR 联合研究项目 18SIB07 GIQS(石墨烯阻抗量子标准)中,德国联邦物理技术研究院 (PTB) 开发了一种约瑟夫森阻抗电桥,意大利国家计量研究所 (INRIM) 和都灵理工大学 (POLITO) 开发了一种电子数字阻抗电桥。前者基于约瑟夫森波形发生器,后者基于电子波形合成器。INRIM-POLITO 阻抗电桥被转移到 PTB,通过测量温控标准和石墨烯交流量化霍尔电阻 (QHR) 标准对这两个电桥进行了比较。 1233 Hz 下 10 nF 电容标准的校准不确定度在 PTB 电桥的 1 × 10 − 8 以内,INRIM–POLITO 电桥的不确定度在 1 × 10 − 7 左右。比较在综合不确定度内相互验证了两个电桥。结果证实,数字阻抗电桥允许从 QHR 实现 SI 法拉,其不确定度可与 BIPM 和主要国家计量机构的最佳校准能力相媲美。
图 3 skyrmion 物理储层元件的波形识别。(a)输入信号的波形。输入信号是正弦波(红色)和方波(蓝色)的随机组合。 (b)经 skyrmion 物理储存器元件转换的输入信号波形。 (c)最终输出(灰色)和正确值(红色和蓝色)。最终的输出是经过一定权重的skyrmion物理储存器转换的信号之和。权重经过优化(训练),如果输入信号是正弦波,则输出为 1,如果输入信号是方波,则输出为 -1。将数据分为前半部分和后半部分,前半部分数据用于优化。可以看出,即使是后面这个没有用于训练的数据(测试),也能得到正确的输出。
本文主要研究循环波形、频率 (f)、载荷水平和微观结构对 da/dN 与 ΔK 对数-对数图中巴黎地区现代正火轧制 (NR) 和热机械控制工艺 (TMCP) 铁素体-珠光体钢的腐蚀疲劳裂纹扩展速率 (CFCGR) 的敏感性。在频率为 0.2 Hz、0.3 Hz 和 0.5 Hz 以及应力比为 0.1 的情况下使用恒幅正弦波 (si) 和梯形波形(本文中通常称为保持时间 (h-t))。还比较了海水 (SW) 中 si 和 h-t 下 S355 TMCP 钢中的裂纹路径。还讨论了微观结构在延缓或加速 SW 中疲劳裂纹扩展中的作用。实验结果表明,在所有检查的载荷水平和频率下,与 si 相对应的 CFCGR 都高于 h-t 的 CFCGR。观察发现,f 和疲劳载荷水平的降低会增加 h-t 的 CFCGR,但对 si 几乎没有影响。通常,0.2–0.5 Hz 范围内的 f 影响很小;对于给定的 f,载荷的增加会导致 CFCGR 降低,在巴黎地区 (PR) 中,对于 SW 中的 si 和 h-t 都是如此。在 si 和 h-t 下,TMCP 钢(例如 S355G8 + M、S355G10 + M)的 CFCGR 低于正火钢(例如 S355J2 + N)。对腐蚀疲劳试样断裂表面的冶金分析表明,主活性裂纹尖端钝化过程是控制的主要因素