目的探讨影响海南陵水黎族自治县高龄(≥70岁)自发性脑出血患者预后生存时间的相关因素。方法回顾性分析40例高龄自发性脑出血患者的相关临床资料,分析影响高龄自发性脑出血患者预后的危险因素。结果年龄<80岁患者平均生存时间长于...目的探讨影响海南陵水黎族自治县高龄(≥70岁)自发性脑出血患者预后生存时间的相关因素。方法回顾性分析40例高龄自发性脑出血患者的相关临床资料,分析影响高龄自发性脑出血患者预后的危险因素。结果年龄<80岁患者平均生存时间长于年龄≥80岁患者,入院格拉斯哥昏迷量表(Glasgow Coma Scale,GCS)评分15分患者平均生存时间长于<15分患者,颅内血肿量<40mL患者平均生存时间长于≥40mL患者,无中线移位患者平均生存时间长于≥中线移位患者,差异有统计学意义(P<0.05)。Cox回归模型多因素分析结果显示,中线移位程度是影响高龄自发性脑出血患者预后的危险因素。随着时间的延长,无中线移位的高龄脑出血患者累计生存率明显高于有中线移位患者。结论存在中线移位的高龄自发性脑出血患者预后较差,仅中线移位这个因素对高龄自发性脑出血患者的预后有影响,可以作为影响患者预后的独立危险因素。展开更多
针对网络异常流量检测中的DDoS攻击检测,以往的基于深度学习的解决方案都是在脱离系统实体的数据集上构建模型和优化参数,提出并实现一种使用Linux内核观测技术eBPF(extended Berkeley Packet Filter)与深度学习技术结合的基于网络流量...针对网络异常流量检测中的DDoS攻击检测,以往的基于深度学习的解决方案都是在脱离系统实体的数据集上构建模型和优化参数,提出并实现一种使用Linux内核观测技术eBPF(extended Berkeley Packet Filter)与深度学习技术结合的基于网络流量特征分析的网络异常流量检测系统。系统采用eBPF直接从Linux内核网络栈最底层高效地采集网络流量特征数据,然后使用基于长短记忆网络LSTM(Long Short Term Memory)构建的深度学习系统检测网络异常流量。在具体实现中,系统首先通过Linux内核网络栈最底层XDP(eXpress Data Path)中的eBPF程序挂载点采集网络流量特征数据。之后,使用LSTM构建神经网络模型和预测分类。将系统应用于一个仿真实验网络环境得出的实验结果表明,系统的识别精确度达到97.9%,同时,在使用该系统的情况下,网络中的TCP与UDP通信的吞吐率仅平均下降8.53%。结果表明:系统对网络通信影响较低,同时也实现了较好的检测效果,具有可用性,为网络异常流量检测提供了一种新的解决方法。展开更多
文摘目的探讨影响海南陵水黎族自治县高龄(≥70岁)自发性脑出血患者预后生存时间的相关因素。方法回顾性分析40例高龄自发性脑出血患者的相关临床资料,分析影响高龄自发性脑出血患者预后的危险因素。结果年龄<80岁患者平均生存时间长于年龄≥80岁患者,入院格拉斯哥昏迷量表(Glasgow Coma Scale,GCS)评分15分患者平均生存时间长于<15分患者,颅内血肿量<40mL患者平均生存时间长于≥40mL患者,无中线移位患者平均生存时间长于≥中线移位患者,差异有统计学意义(P<0.05)。Cox回归模型多因素分析结果显示,中线移位程度是影响高龄自发性脑出血患者预后的危险因素。随着时间的延长,无中线移位的高龄脑出血患者累计生存率明显高于有中线移位患者。结论存在中线移位的高龄自发性脑出血患者预后较差,仅中线移位这个因素对高龄自发性脑出血患者的预后有影响,可以作为影响患者预后的独立危险因素。
文摘针对网络异常流量检测中的DDoS攻击检测,以往的基于深度学习的解决方案都是在脱离系统实体的数据集上构建模型和优化参数,提出并实现一种使用Linux内核观测技术eBPF(extended Berkeley Packet Filter)与深度学习技术结合的基于网络流量特征分析的网络异常流量检测系统。系统采用eBPF直接从Linux内核网络栈最底层高效地采集网络流量特征数据,然后使用基于长短记忆网络LSTM(Long Short Term Memory)构建的深度学习系统检测网络异常流量。在具体实现中,系统首先通过Linux内核网络栈最底层XDP(eXpress Data Path)中的eBPF程序挂载点采集网络流量特征数据。之后,使用LSTM构建神经网络模型和预测分类。将系统应用于一个仿真实验网络环境得出的实验结果表明,系统的识别精确度达到97.9%,同时,在使用该系统的情况下,网络中的TCP与UDP通信的吞吐率仅平均下降8.53%。结果表明:系统对网络通信影响较低,同时也实现了较好的检测效果,具有可用性,为网络异常流量检测提供了一种新的解决方法。
