分享6篇关于新型冠状病毒肺炎的计算机专业论文

今天分享的是关于新型冠状病毒肺炎的6篇计算机毕业论文范文, 如果你的论文涉及到新型冠状病毒肺炎等主题,本文能够帮助到你

基于深度学习的COVID-19超声B线与白肺智能分类系统

这是一篇关于新型冠状病毒肺炎,肺部超声,胸膜线检测,图像分类,深度学习的论文, 主要内容为对新型冠状病毒引发的肺炎(简称新冠肺炎)病程进行监测,是有效控制新冠肺炎重症转化率的有效手段。超声仪器方便快捷,基于实时获取肺超声影像的特点得到广泛应用。当新冠肺炎患者超声征象由B线状态发展为白肺状态时,表示病情恶化为重症,因此及时筛查判断患者B线-白肺征象尤为重要。然而,临床判别B线、白肺高度依赖医生的经验,极易造成漏诊和误诊。近年来,检测分类等任务借助于深度学习算法,训练出鲁棒性和泛化能力均表现出色的算法模型。本文基于深度学习设计实现肺超声图像中新冠肺炎两种表征——B线与白肺的智能分类系统,从胸膜线检测算法,B线-白肺分类算法以及应用开发等三个方面开展研究,具体工作如下:1.由于影像表现上胸膜线与B线-白肺区域具有位置关联,为间接获得准确的B线-白肺病变位置,过滤冗余信息,提出一种胸膜线检测算法。该算法框架基于YOLOv5网络,选取轻量级网络Goog Le Net作为特征提取网络,并采用Bi FPN特征金字塔结构优化特征融合过程,同时使用以宽高比为关注重点的EIo U损失函数,最后引入CA注意力机制获取空间位置的依赖关系。改进后的算法性能达到了精确率为96.9%和召回率为92.4%的效果。2.经过胸膜线检测过程获得相对准确的B线-白肺区域后,提出B线-白肺分类算法,该算法以经典卷积神经网络Res Net为基础,引入SENet注意力机制和自注意力模块Non-local,捕获通道级别和任意两个位置之间的远程依赖的特征表示。改进后的算法相比于基础算法在AUC上提升了4%。3.设计B/S结构开发系统旨在线上部署使用模型,该系统前端设计基于Vue+Element-UI+Axios组合,实现登录、注册、上传等多个页面逻辑,后端以Spring Boot为主要框架,通过Flask部署上述检测、分类算法,并结合数据库My SQL对业务信息进行存取操作,实现深度学习算法与Web工程的结合,增强了系统可用性。

SARS-CoV-2小分子抑制剂的设计、合成与生物活性研究

这是一篇关于新型冠状病毒肺炎,严重急性呼吸综合征冠状病毒2,主蛋白酶抑制剂,计算机辅助药物设计,拟肽类抑制的论文, 主要内容为新型冠状病毒肺炎(COVID-19)是由严重急性呼吸综合征冠状病毒2(SARS-CoV-2)引起的疾病,自暴发以来给全球人类的生命健康和社会发展造成了巨大的危机。因此,研究与开发新型SARS-CoV-2抑制剂具有极其重要的科学意义和实际的应用价值。在SARS-CoV-2的复制周期中,主蛋白酶(Mpro,也称3CLpro)发挥着不可或缺的作用,是当前SARS-CoV-2抑制剂研究与开发中最热门的靶点之一。本论文以现有的SARS-CoV-2抑制剂和本课题组前期的研究为基础,利用优势骨架策略和分子杂交策略设计并合成了嘧啶类SARS-CoV-2 Mpro抑制剂(M1a-o)和拟肽类SARS-CoV-2 Mpro抑制剂(M2a-s)。体外活性测试结果表明,代表性化合物M1e、M1j和M1o具有有效的细胞水平抗SARS-CoV-2活性,其EC50值分别为0.85μM、1.33μM和9.40μM,M2p抑制SARS-CoV-2 Mpro的IC50值为6.10μM。此外,通过计算机辅助药物设计预测了M1a-o的作用靶点,并对M2a-s进行了虚拟筛选。计算机辅助药物设计和初步的生物活性研究从理论和实践层面证明了设计的合理性与可行性,目标化合物的进一步生物活性测试正在中国科学院武汉病毒研究所进行中。

基于深度学习的COVID-19超声B线与白肺智能分类系统

新型冠状病毒肺炎对跨境电商的影响研究

这是一篇关于跨境电商,跨境物流,新型冠状病毒肺炎,线上消费的论文, 主要内容为从20世纪90年代中后期开始,互联网开始在国内普及,经过几十年的发展,互联网已经成为人们生活中不可或缺的一部分。随着互联网在国内的发展,互联网产业也开始迅速发展,跨境电商成为近年来炙手可热的热门产业。而2020年年初,新型冠状病毒肺炎传播疫情在整个我国和乃至世界各地迅速频繁爆发,使得国内外企业、工厂停工,对全球经济造成了巨大的打击。为使我国跨境电商企业和平台能够积极应对本次全球重大公共安全卫生事件带来的困难和挑战,本研究将多角度探究新型冠状病毒肺炎对跨境电商行业带来的影响。本论文研究成果是基于波特钻石分析模型,采用理论分析和典型实际案例分析相结合的科学研究方法,系统地从生产要素、需求条件、相关支持型产业、企业的战略结构和竞争对手、政府和机会方面分析新冠肺炎疫情对跨境电商行业发展产生的影响,并以天猫国际为重点案例,从新消费趋势、新消费需求和新消费场景等方面分析新冠肺炎疫情对跨境电商平台带来的影响。得到主要研究成果:(1)新冠肺炎疫情背景下,在需求条件、企业战略、政府和机会方面对提高跨境电商的竞争力是有利的,生产要素中的资金和相关支持型产业中的物流行业发展现状对跨境电商的发展具有阻碍作用。整体上跨境电商行业依旧具有较强竞争力,在疫情背景下依旧保持稳定增长的活力。(2)新冠肺炎疫情影响跨境电商进口消费的消费群体类型,疫情后消费群体具有年轻化、普惠化的特点;新冠肺炎疫情改变了居民的生活方式,导致跨境电商进口消费品市场份额有所调整,生活必需品类以及厨房家清类产品占市场份额更多;疫情改变了居民的消费观念,对跨境电商进口产品提出的更高的品质要求;疫情阻断了居民的出境游,引发出境游热门国家进口商品销售额的高增长;疫情刺激了线上消费,吸引到更多明星加入直播带货行列增加了跨境电商销售额;疫情导致海外线下店铺销售受阻,更多海外品牌入驻跨境电商平台。(3)新冠肺炎疫情带来的新的生活方式和生活场景创造了新的消费需求,整体消费场景趋于线上零售化。最后,根据理论分析和案例研究所得出的结论分别对政府、平台和企业提出了有针对性的建议。

基于深度学习的新型冠状病毒肺炎多关系抽取算法的研究与应用

这是一篇关于生物医学数据挖掘,新型冠状病毒肺炎,预训练语言模型,多关系抽取,知识图谱的论文, 主要内容为从2020年开始,新型冠状病毒肺炎在世界范围内全面爆发,并对全人类的生产生活造成了不可恢复的巨大影响,世界各个国家都损失惨重。以中国为代表的部分国家采取了及时有效的措施,遏制了疫情的发展传播,但是新型冠状病毒的变异毒株却一次次席卷重来,变异后的毒株在暴露条件下生存能力更强,生存时间更久,传染性更强。与此同时,新型冠状病毒肺炎的研究文献数量也急速增长。如果科研人员仅仅通过人工阅读的方式获取相关信息,巨大的数据规模将消耗大量的时间与精力。疫情迫在眉睫,因此通过生物医学数据挖掘技术获取文献的数据将帮助科研人员推进药物研制以及疫苗研发工作。对于生物医学数据挖掘工作而言,命名实体识别与关系抽取是两个关键任务,同时生物医学命名实体识别又被认为是生物医学关系抽取的一个子过程。生物医学关系抽取的方法分为基于规则的方法、基于统计学的方法和基于机器学习的方法。其中,基于机器学习的方法又可分为基于特征工程的传统方法以及基于深度学习的方法。通用领域的标注语料需要消耗大量的成本,由于生物医学数据的特殊性,因此生物医学标注数据更为稀缺。不依赖特征工程的深度学习方法逐渐成为主流。近年来,在众多通用领域深度学习方法中,“预训练语言模型+微调”的模型脱颖而出并且在各种数据挖掘任务上表现出优异的性能。但其在生物医学领域的工作中仍有很大的提升空间。因此,本文首先提出了一个面向新型冠状病毒肺炎的预训练语言模型,使用最新的新型冠状病毒肺炎的无标注语料,针对新型冠状病毒肺炎的领域性、专业性重新预训练,以此获得了三阶段预训练模型P3模型,提升数据挖掘下游任务的性能。生物医学关系的复杂性使得文本中不只包含简单的二元关系,甚至包含复杂的重叠关系。因此本文的第二个工作提出了一个新型冠状病毒肺炎多关系抽取模型。对于文本中出现的重叠关系本文提出了Entity-position的编码方式,引入实体在文本中的绝对位置与相对位置,将实体对之间的距离作为额外信息加入模型,充分利用各个生物医学实体之间存在的语义关系,提升了关系抽取模型的性能。最后,本文提出了一个新型冠状病毒肺炎知识图谱的构建框架。将新型冠状病毒肺炎的数据通过知识图谱的方式进行存储表示,并基于该知识图谱使用知识推理与时间切片的方法发现潜在的生物医学关系,并且使用路径发现的方法验证知识推理结果的准确性,为新型冠状病毒肺炎的药物研制和疫苗研发提供新思路。