侧脑室三角区（atrium／trigone of lateral ventri-cle）是指侧脑室中，向前与体部、向后与枕角、向下与颞角相沟通的三角形区域。侧脑室三角区内的肿瘤，成人大部分是脑膜瘤，儿童最常见脉络丛乳头状瘤，其他报道的有胶质瘤、海绵状...侧脑室三角区（atrium／trigone of lateral ventri-cle）是指侧脑室中，向前与体部、向后与枕角、向下与颞角相沟通的三角形区域。侧脑室三角区内的肿瘤，成人大部分是脑膜瘤，儿童最常见脉络丛乳头状瘤，其他报道的有胶质瘤、海绵状血管瘤、血管外皮细胞瘤、转移瘤等，但都比较罕见[1-5]。展开更多
为了全面展示锂电池剩余电量估算方法的研究进展,本文查阅了Web of science、知网、国家知识产权局等数据库中2013年以来的相关论文和专利,综述了锂电池剩余电量的主流估算方法。针对常用的直接估算的方法(安时积分法、开路电压法和阻...为了全面展示锂电池剩余电量估算方法的研究进展,本文查阅了Web of science、知网、国家知识产权局等数据库中2013年以来的相关论文和专利,综述了锂电池剩余电量的主流估算方法。针对常用的直接估算的方法(安时积分法、开路电压法和阻抗表征)、基于等效电路模型的方法、基于电化学模型的方法和基于人工智能神经网络等的锂电池剩余电量估算方法,本文汇总了各方法的估计误差,结果为安时积分法的最大估计误差可达15%;开路电压法最大估计误差为12.4%;电化学阻抗谱法平均估计误差小于3.8%;卡尔曼滤波法的估计误差小于1%;粒子群滤波法的平均误差可小于1%;基于电化学模型的方法平均误差小于2%;基于神经网络的方法平均误差小于2%;多方法混合和多参量联合估计的方法最大误差小于5%,平均误差小于2.5%。结果表明,卡尔曼滤波法相较于直接估算的方法和其他基于模型的方法,精确度更高且更容易实现;基于神经网络的方法无需对电池模型进行分析即可获得较为准确的结果;多种方法混合使用和利用多种参量修正估算值的方法进一步提高了估算精度。本文还针对电动汽车以及植入式医疗电子设备对于剩余电量估算方法的需求,对比分析了各方法的估算精度、优点、难点及适用电池类型,阐明估算方法的具体应用方案,并展望估算方法在这两个领域的发展方向。本文可为相关领域的研究和从业人员提供全面、详实的锂电池剩余电量估算方法的研究现状及发展方向信息。展开更多
超声背散射信号对松质骨的微观结构极其敏感。骨小梁间距（Trabecular bone spacing,TbSp）是用于表征松质骨微结构的一个重要参数。为了能从松质骨超声背散射信号中准确获得松质骨TbSp,本文提出了一种希尔伯特变换和基频估计法相结合的...超声背散射信号对松质骨的微观结构极其敏感。骨小梁间距（Trabecular bone spacing,TbSp）是用于表征松质骨微结构的一个重要参数。为了能从松质骨超声背散射信号中准确获得松质骨TbSp,本文提出了一种希尔伯特变换和基频估计法相结合的TbSp估计算法。将该算法应用于离体松质骨的超声背散射信号,获得相应的TbSp值,并与显微CT测得的TbSp进行比较。结果表明,HFE算法在信号频率较高时（5 MHz和10 MHz）,估计结果更准确（误差〈3%）且稳定（标准偏差〈4%）;TbSp较大时,估计结果更为准确;TbSp的估计值与标准值在不同频率下均有显著的相关性（r2=0.75-0.99,p〈0.01,n=16）。HFE算法估计TbSp具有准确性和稳定性,可用来表征松质骨TbSp。展开更多
文摘侧脑室三角区（atrium／trigone of lateral ventri-cle）是指侧脑室中，向前与体部、向后与枕角、向下与颞角相沟通的三角形区域。侧脑室三角区内的肿瘤，成人大部分是脑膜瘤，儿童最常见脉络丛乳头状瘤，其他报道的有胶质瘤、海绵状血管瘤、血管外皮细胞瘤、转移瘤等，但都比较罕见[1-5]。
文摘为了全面展示锂电池剩余电量估算方法的研究进展,本文查阅了Web of science、知网、国家知识产权局等数据库中2013年以来的相关论文和专利,综述了锂电池剩余电量的主流估算方法。针对常用的直接估算的方法(安时积分法、开路电压法和阻抗表征)、基于等效电路模型的方法、基于电化学模型的方法和基于人工智能神经网络等的锂电池剩余电量估算方法,本文汇总了各方法的估计误差,结果为安时积分法的最大估计误差可达15%;开路电压法最大估计误差为12.4%;电化学阻抗谱法平均估计误差小于3.8%;卡尔曼滤波法的估计误差小于1%;粒子群滤波法的平均误差可小于1%;基于电化学模型的方法平均误差小于2%;基于神经网络的方法平均误差小于2%;多方法混合和多参量联合估计的方法最大误差小于5%,平均误差小于2.5%。结果表明,卡尔曼滤波法相较于直接估算的方法和其他基于模型的方法,精确度更高且更容易实现;基于神经网络的方法无需对电池模型进行分析即可获得较为准确的结果;多种方法混合使用和利用多种参量修正估算值的方法进一步提高了估算精度。本文还针对电动汽车以及植入式医疗电子设备对于剩余电量估算方法的需求,对比分析了各方法的估算精度、优点、难点及适用电池类型,阐明估算方法的具体应用方案,并展望估算方法在这两个领域的发展方向。本文可为相关领域的研究和从业人员提供全面、详实的锂电池剩余电量估算方法的研究现状及发展方向信息。
文摘超声背散射信号对松质骨的微观结构极其敏感。骨小梁间距（Trabecular bone spacing,TbSp）是用于表征松质骨微结构的一个重要参数。为了能从松质骨超声背散射信号中准确获得松质骨TbSp,本文提出了一种希尔伯特变换和基频估计法相结合的TbSp估计算法。将该算法应用于离体松质骨的超声背散射信号,获得相应的TbSp值,并与显微CT测得的TbSp进行比较。结果表明,HFE算法在信号频率较高时（5 MHz和10 MHz）,估计结果更准确（误差〈3%）且稳定（标准偏差〈4%）;TbSp较大时,估计结果更为准确;TbSp的估计值与标准值在不同频率下均有显著的相关性（r2=0.75-0.99,p〈0.01,n=16）。HFE算法估计TbSp具有准确性和稳定性,可用来表征松质骨TbSp。
