关键词： 新冠肺炎疫情   集约边际   扩展边际   跨境电商  

摘要： 作为全球性的公共卫生事件，新冠肺炎疫情主要通过供给冲击和需求冲击对我国出口贸易产生较大影响，并且随着国内外疫情发展阶段性的变化，两者影响程度也有所不同。在2020年1月至4月，由于国内疫情形势严峻，生产活动受到严重影响，因此以国内疫情带来的内部供给冲击占据了主导地位。但随着我国政府及时采取有效的防控措施，国内疫情自2020年4月份以后大幅好转，复工复产已达到正常水平。而与此形成鲜明对比的是，国外疫情自3月以来呈现出持续迅猛增长的态势，因此在2020年4月至12月，由国外疫情带来的外部需求冲击成为影响中国出口贸易增长的主要因素。 为深入探究这种外部需求冲击对我国出口贸易增长影响的结构性特征，本文通过对比2020年1至12月与2019年同期中国向94个国家出口HS6位产品层面的贸易数据，实证研究贸易伙伴国新冠疫情对中国出口二元边际的影响。此外，鉴于贸易伙伴国新冠疫情会促进中国出口防疫物资的大幅增长，本文将与疫情相关的防疫物资剔除掉，着重于研究贸易伙伴国新冠疫情对中国出口其他一般产品二元边际的整体影响和异质性影响、具体影响机制及跨境电商在应对新冠疫情负面影响的调节效应，最终得到以下结论：（1）贸易伙伴国新冠疫情对我国出口除防疫物资外的一般产品的扩展边际和集约边际的增长均有显著的负面影响；（2）在分国别和产品类别进行异质性分析中，发现无论是发展中国家还是发达国家，其新冠疫情都会抑制中国出口大多数产品类别扩展边际的增长；而在集约边际上，发展中国家的新冠疫情会促进中国出口产品集约边际的增长，并且这种促进作用主要体现在第4类食品类产品及以笔记本电脑、家用电器为代表的第16类机电产品。发达国家的新冠疫情则显著地抑制了中国出口大多数产品类别集约边际的增长；（4）在影响机制检验中，发现贸易伙伴国新冠疫情分别通过不确定性风险效应、需求规模冲击效应影响扩展边际和集约边际的增长；（5）在调节效应检验中，发现跨境电商的发展确实能在应对疫情负面冲击中起到显著的正向调节作用，并且对集约边际的作用更大。

关键词： 新冠肺炎   深度学习   多尺度   注意力   表征学习  

摘要： 2019年12月份起,新型冠状病毒肺炎(Corona Virus Disease 2019,COVID-19)开始全球传播,初期拥有较高的死亡风险。除了核酸检测外,胸部影像临床诊断结果也可以作为COVID-19感染的诊断标准之一。由于胸部X射线或胸部CT扫描分析可以为诊断COVID-19提供帮助,利用深度学习则能够在诊断其病理性中发挥有益作用,为疾病预防、诊断、预后做出贡献。为了提高COVID-19感染的诊断准确性,本文尝试采用深度神经网络和数据增强技术来提高数据表征能力。构建具有注意力关注和不同形式的多尺度特征,以克服数据量有限和深度模型表征能力不足导致新冠肺炎在医学影像中检测和与识别性能较差的问题。主要的研究内容包括:(1)针对新冠肺炎在胸部X射线(CXR)图像数据量有限及目标难以区分的问题,提出了一种多尺度类别残差注意力(MCRA)网络。首先,为了克服数据不足,提高网络的鲁棒性,引入局部区域的像素级图像混合,实现数据增强和降噪。其次,采用多尺度融合策略提取不同尺度的全局上下文信息,增强语义表示。最后,利用类别残差注意力(CRA)为每个类别生成空间注意力,避免类间的干扰并增强相关特征,进一步改进COVID-19检测。实验结果表明,所提出的网络在COVIDx数据集上取得了优异的诊断性能,其准确率、PPV、灵敏度、特异性和F1得分分别为97.71%、96.76%、96.56%、98.96%和96.64%。此外,构建的热力图还可以赋予COVID-19深度模型一定的可解释性。(2)针对肺部CT图像中的COVID-19病变进行自动分割,有助于病人的筛查和诊断。然而,感染区的模糊、不一致的形状和位置使这项任务具有挑战性。为了克服这个问题,在多个尺度上捕捉全局和局部级别的表征,有助于获得不同大小和纹理的病变,以改善COVID-19的检测。本文提出了一个多尺度表征学习网络(MRL-Net),用于对CT图像中的肺部感染区域进行有效分割。具体来说,该模型考虑了来自卷积神经网络(CNN)和Transformer所有层级的表征响应,包括在不同层级获得的多尺度特征。此外,双重多交互注意力(DMA)将不同尺度的局部特征和全局上下文信息进行融合,以识别具有不同形状、大小和对比度的病变区域。此外,为了加强边界感知和定位,双重边界注意(DEA)从低层捕获纹理位置信息以进一步丰富表征。在多个COVID-19数据集上的实验表明,所提出的方法优于CNN、Transformer和其他混合模型,取得了最先进的性能。表明MRL-Net可以为肺部CT图像中COVID-19病变的自动分割提供一种有效的方法,有助于病人的诊断和治疗。综上所述,本文从数据,特征,模型多角度构建具有丰富表征学习能力的网络,为新冠肺炎检测与诊断提供了一种新的思路。同时,为智能诊疗在成本控制、效率提升和安全保障方面提供了参考。

关键词： 新型冠状病毒   人口流动   移动模式变化   社会地理溢出效应  

摘要： 自人类社会发展以来,各类突发性传染病对生命安全、社会稳定和经济发展构成严重威胁。自2020年起,在全球范围内迅速传播的新型冠状病毒(COVID-19)已感染近7.5亿人,并导致全球各国和地区经济严重衰退。为应对COVID-19第一波大流行,各国实施非药物干预措施控制病毒传播,了解人口流动模式变化对评估非药物干预措施有效性和制定针对性干预措施以最大限度降低疫情传播具有至关重要意义。本研究基于中国与美国两大湾区高时空分辨率人口流动大数据,选取粤港澳大湾区与旧金山湾区为研究对象。首先,将两国政府政策执行力度与政策遵循效果定量化,从城市尺度分析人口流动内在结构与模式,并动态了解不同时期人口流动时空演化规律。具体来讲,本文基于高时空分辨率人口移动大数据,构建城市级匿名聚合人口移动数据,定义移动变化指数、距离变化指数、依赖距离的移动性变化指数和波动变化指数四个评价指标,分析新冠疫情影响下中国粤港澳大湾区与美国旧金山湾区的人口移动差异特征。随后,利用截断奇异值分解算法对多维海量时空数据进行分解降维处理,以揭示两大湾区的人口流动内在结构和流动模式。接着,结合城市级封锁与重新开放政策的每日数据、社会联系数据以及城市级每日COVID-19确诊数、死亡数、阳性率、死亡率等多源数据,采用双重差分模型研究政策实施下的社会地理溢出效应,有效衡量出一个城市的封锁与开放政策对其自身流动的直接影响,同时捕捉到具有社会和地理联系的其他城市对其自身的间接影响。研究发现: (1)粤港澳大湾区的流动减少约74.0-80.1%,而旧金山湾区的流动减少约为25.0-42.1%。粤港澳大湾区的移动变化指数(Mobility Change Index,MCI)相对于旧金山湾区减少得更加剧烈,持续时间更久。大流行期间,粤港澳大湾区在低人口流动状态维持约三周时间,占整个公共卫生一级响应时长的四分之三,这是公共卫生政策干预与人们高遵从率的共同结果。旧金山湾区平均MCI降低了约37%,人口流动量虽有减少,但下降幅度不如粤港澳大湾区。 (2)粤港澳大湾区和旧金山湾区的波动率变化指数分别为2.55%和7.52%;粤港澳大湾区的波动变化指数(Volatility Change Index,VCI)变化相比于旧金山湾区更小。整个居家禁令期间,粤港澳大湾区的人口流动VCI值较低,约为旧金山湾区的三分之一,这表明粤港澳大湾区每日人口流动总量较为恒定,周变化幅度较小。 (3)封锁对短途和长途流动的影响在粤港澳大湾区中是相似的,而对中长途的影响在旧金山湾区中更明显。在大流行期间,粤港澳大湾区的MCI与距离变化指数(Distance Change Index,DCI)之间存在强相关性,这表明随着移动性的降低人们对短距离出行的意愿更强。旧金山湾区距离变化指数呈下降趋势,且周末出行距离大于工作日,这可能与旧金山湾区人民工作日居家办公,周末跨距离旅行有关。 (4)粤港澳大湾区人口流动模式主要受到春节假期与公共卫生政策双重影响,我们从中识别出日常出行模式、返乡出行模式和返程复工模式。旧金山湾区人口流动模式呈现强规律性(包括日常出行模式、工作日出行模式与周末出行模式),公共卫生政策对其影响并不深刻。 (5)不同区域在实施不一致政策时存在社会地理溢出效应。根据无溢出效应模型,封锁政策实施后,各城市流动性平均减少28.3%至44.2%;重新开放政策实施后,一个城市重新开放将导致平均流动性增加30.5%至43.6%。考虑社会地理溢出效应后,实施较严格封锁政策的城市人口流动量进一步显著减少0.4%至12.3%,实施重新开放政策的城市人口流动量进一步显著增加11.2%-18.0%。 利用大数据技术和机器学习算法对人口流动模式进行分析,可有效识别人口流动模式变化特征,揭示政策措施对人口流动模式变化的影响,以及探讨潜在的溢出效应。这为政府和公共卫生管理部门提供有力支持与指导,协助制定更有效的疫情控制措施。同时,这些研究成果对学术界具有重要价值,为流行病学、城市规划和公共卫生政策等领域的未来研究提供参考依据。

关键词： 新型冠状病毒   集体记忆   大流行叙事   COVID-19   collective memory   telling the coronavirus pandemic  

摘要： 世界各地对新型冠状病毒的感知不同，其原因在于集体记忆的表现形式不同。在跨学科记忆研究中，集体记忆建立在媒介化之上，不断重置过去、现在与未来之间的关系。对过去大流行病的集体记忆或遗忘严重影响了人们对新型冠状病毒的感知，而在疫情期间对新冠疫情的书面记录或数字化存档又预设了未来的集体记忆。“预媒介化”作为其中的重要一环，对大流行病叙事提出了挑战。为了应对这一挑战，需要相互关联的回忆方式。

关键词： 新冠肺炎   全文本   实体抽取模型   主题模型   主题演化  

摘要： 当前,伴随着信息技术的快速发展,以及开放式存取(Open Access)运动的兴起,基于全文本的深度学习、自然语言处理及可视化等技术成为新的发展方向。如何从大量全文本数据中精准地挖掘各领域的研究主题,分析其演变进程和研究热点,便于学者进行后续研究成为关键性问题。文本中的实体能更好的展现文本内所包含的信息,为精准提取领域研究主题,充分了解COVID-19领域研究主题的演化轨迹,本文开展融合实体信息的主题识别及演化研究。 首先,基于COVID-19领域相关文献的全文本数据,在完成实体标注工作的基础上,建立实体识别模型进行实体自动抽取;具体地,本文依据文献来源和文献协议从cord-19子集中抽取517篇全文本数据,确定实体类别和标注指南,人工标注了107,513个实体,在此基础上建立BERT-Bi LSTM-CRF模型对COVID-19领域的184,956篇全文本内容进行实体的自动抽取,最终得到3250多万个实体。其次,本文基于全文本内容和多类别实体信息构建CCorr LDA2主题模型,并将其应用到COVID-19领域,进行该领域研究主题的精准揭示;具体地,将全文本文献划分到2020、2021和2022年三个时间窗口,将实体及其类别加入到CCorr LDA2主题模型中对每个时间窗口分别进行主题的提取,通过困惑度将该模型与Corr LDA2模型相比,该模型有更精准的主题提取结果。最后,基于COVID-19领域的研究主题,通过相似度计算、主题过滤等方法分析研究主题的演化规律;具体地,构建加权的对称KL散度建立各年主题间的关联,并建立主题过滤规则剔除无意义的关联,最后确定主题间演化关系并进行分析。 经过以上分析,发现3年间COVID-19领域的研究主题丰富,涉及新冠病毒研究、临床诊治研究、远程医疗研究、心理健康研究、社会影响研究、疫苗作用机制研究等多个方面,经过主题过滤和演化类型的判定,得到19个新生主题和1个消亡主题,有39个主题继承了前一年的主题,有1个主题融合,2个主题分裂,这表明大多数主题在前一年主题的基础上,继续进行进一步的研究。为此,本文总结了COVID-19领域3年间连续研究的10个话题,包括临床研究、社会调查研究、冠状病毒诊断研究、免疫系统研究、理论模型研究、新冠爆发及传播研究、线上教育研究、医疗研究研究、新冠感染情况研究、抗病毒药物研究和个人心理健康研究。综上,本文建立融合实体信息的主题模型和主题演化框架,完善了主题识别及演化研究体系,并以COVID-19领域为例,分析该领域的研究主题及演化过程,以此为国家相关政策制定提供科技情报支撑,为该领域的后续研究提供方向。

关键词： 新型冠状病毒疫苗   免疫接种   老年人   策略  

摘要： 【目的】新型冠状病毒疫苗（简称“新冠疫苗”）接种对疫情控制至关重要，我国老年人全程接种和加强接种率较低，亟须加快我国老年人疫苗接种进程。【方法】通过对相关文献和政府网站的梳理，借鉴英国、美国、新加坡和韩国提高老年人接种的政策经验，深入分析我国老年人接种新冠疫苗的现状和原因，从接种重点人群、服务提供及接种意愿3个方面探索提高老年人新冠疫苗接种的策略建议。【结果】实现接种重点人群转变、依靠家庭医生制度建立长久机制、提高接种意愿是推进我国老年人新冠疫苗接种的重要途径。【结论】老年人新冠疫苗接种需要不断强化，现有接种模式应接不暇，应依靠家庭医生制度建立长久机制，从动员模式转变为常态化接种模式。

关键词： 深度学习   新型冠状病毒   特征融合   卷积神经网络   联邦学习  

摘要： 新型冠状病毒感染(又名新冠肺炎,COVID-19)的快速传播成为了目前最引人注目的社会事件。大面积、长时期的集体核酸检测给医疗体系造成了极大的负担,极其消耗资源。另外,集中的核酸检测存在群聚感染的风险,且检测周期较长。因此,建立全自动的新型冠状病毒感染检测系统是必要的。临床研究发现,新型冠状病毒感染患者的肺部CT影像中往往会出现毛玻璃状阴影(Ground Glass Opacity,GGO)和肺结节(Consolidation,CL)。基于此,研究人员对基于肺部影像的新型冠状病毒感染检测方法进行了广泛的研究。本文从新型冠状病毒感染患者肺部CT的特征提取、特征融合和辅助诊断系统的快速开发方式等多个角度进行了研究,并提出了一个可以在短期内快速开发落地应用的新型冠状病毒感染检测系统。本文的主要研究内容包括:(1)为了克服缺乏像素级分割数据的问题,本文没有使用额外的分割网络提取病灶部位,而是通过在卷积神经网络中加入轻量级注意力机制的方式,保证了网络规模没有增加过多额外负担的情况下,实现了对病灶部位的精准定位。另外,通过构建编码器-解码器结构的特征提取网络,实现了多尺度的特征信息融合,有效提升了网络性能。本文根据连续的肺部CT图像间的相关性,提出了一种患者级诊断方式,缓解了卷积神经网络“过度敏感”的问题。(2)本文提出了一种基于联邦学习的策略来实现多个医疗机构对新型冠状病毒感染的联合建模,并在实验中获得了成功。使用这种方式可以大大减少收集数据所需要的时间,并且有利于构建一个“数据共享联盟”,以此打破“数据孤岛”的困境,并且不会导致患者隐私的泄露。(3)本文设计实现了一个基于Web的新型冠状病毒感染辅助诊断原型系统。深度神经网络模型使用Pytorch框架实现,系统后端使用了Spring Boot搭建,系统前端页面使用了Vue2.0框架搭建,并使用了My SQL数据库储存信息。该系统实现了用户登录、患者基本信息录入、肺部CT影像上传及新型冠状病毒感染辅助诊断、患者病例查询和人员管理等基本功能。本文提出的方法在COVID-Ctset数据集上进行了验证,其实验结果表明本文提出的方法相较于先前的方法性能有一定的提升,并且具有一定的实践价值。

关键词： 新型冠状病毒肺炎   新型冠状病毒   肝功能   药物性肝损伤  

摘要： 目的:总结新型冠状病毒肺炎(Coronavims disease 2019,COVID-19)患者肝损伤状态以及临床基线特征,研究新型冠状病毒(Severe Acute Respiratory Syndrome Coronavirus 2,SARS-Co V-2)感染患者临床特征与用药对患者肝功能指标的影响,为早期干预COVID-19患者肝功能损伤提供指导和借鉴,改善患者预后。 方法:采用回顾性队列研究,选择2020年1月-2020年6月湖北医药学院附属国药东风总医院COVID-19疾病住院患者133例临床资料进行回顾性分析,按病例标准获得100例患者资料进行分析,分别按照原发组、继发组、不同程度肝功能损伤情况进行病例资料总结,获得SARS-Co V-2感染肝功能损伤患者临床特征,然后按照分析SARS-Co V-2感染临床用药及肝功能指标变化,临床用药与患者肝功能指标的关系,并分析保肝疗法的临床疗效。 结果:(1)入院时,原发组患者与肝功能正常患者相比,重型、危重型患者的比例较高(P<0.05),ALT、TBIL、GGT的水平较高(P<0.05); (2)入院时肝功能重度异常患者的重型、危重型患者比例明显高于轻度异常患者(P<0.05);重度肝功能异常患者的ALT、TBIL水平明显高于轻度异常组(P<0.05),其他肝功能指标无明显差异(P>0.05)。 (3)原发组患者的TBIL水平明显高于继发组(P<0.05),其他临床特征均无明显差异(P>0.05)。 (4)对COVID-19肝功能异常患者采用药物治疗之后,患者ALT、AST、TBIL、DB、谷氨酰转肽水平相比与治疗前均显著降低,数据有统计学意义(P<0.05)。 (5)引起COVID-19患者肝功能指标异常的用药因素主要为抗病毒药、抗生素药、抗真菌药物、糖尿病药、全身糖皮质激素。 结论:COVID-19患者肝功能受损较为常见,尤其在治疗过长中容易出现药物性肝功能受损,需给予密切关注,对于中重度肝功能异常患者可以及时给予保肝药物进行治疗。

ISBN: (数字)9783110767681;9783110767759 ISBN: (纸本)9783110767667

摘要： This book introduces the most recent research and innovative developments regarding the new strains of COVID-19. While medical and natural sciences have been working instantly on deriving solutions and trying to protect humankind against such virus types, there is also a great focus on technological developments for improving the mechanism – momentum of science for effective and efficient solutions. At this point, computational intelligence is the most powerful tools for researchers to fight against COVID-19. Thanks to instant data-analyze and predictive techniques by computational intelligence, it is possible to get positive results and introduce revolutionary solutions against related medical diseases. By running capabilities – resources for rising the computational intelligence, technological fields like Artificial Intelligence (with Machine / Deep Learning), Data Mining, Applied Mathematics are essential components for processing data, recognizing patterns, modelling new techniques and improving the advantages of the computational intelligence more. Nowadays, there is a great interest in the application potentials of computational intelligence to be an effective approach for taking humankind more step away, after COVID-19 and before pandemics similar to the COVID-19 many appear.