基于全局一致性网络的参数化人体网格重建

人体网格重建(HMR)在人机交互和虚拟/增强现实等领域有广泛应用。为了进一步提高基于图像的人体网格重建中人体姿势和形状估计的精度,提出了基于混合逆运动学的全局一致性深度卷积神经网络,用于参数化人体网格重建(GloCoNet)。为了增强网络的全局一致性和全局上的长程依赖,该网络在特征提取网络基础上,设计了全局一致性增强器(GCB)模块,它能够增强模型对全局信息的感知能力和表达能力,并且使模型能够自适应地调整不同通道和空间位置的特征图权重。然后引入了多头注意力机制(MHSA)来捕获模型全局上的长程依赖,它可以帮助模型在处理长期依赖时更好地捕捉到关键的关系和模式,并建模全局上下文信息,从而更好的丰富特征子空间的多样性。同时,该网络采用混合逆运动学的方法弥合人体网格估计和3D人体关节点估计之间的差距,最终提升人体3D姿势和形状估计的准确度。实验结果表明,GloCoNet模型在公开的Human 3.6 M数据集上以平均每关节51.3 mm的位置误差(MPJPE)显著优于先前的主流方法。

电动跑步机上步态特征获取系统的设计

将柔性阵列压力传感技术应用到跑步机上,设计了一种新的在跑步机上获取步态特征的系统。该系统可以准确获取步长、步频、腾空时间和支撑时间等4个步态特征指标,用于跑步机上跑步的步态特征分析。通过研究不同速度下训练者的步态特征,发现训练者会通过调整步频和步长以达到设定的跑步机跑速;同时,训练者在不同速度下调整的方式是不同的。因此,该研究为今后在电动跑步机上实现速度自适应控制提供了很好的参考。

基于三维加速度信息的上肢动作质量评价的研究

利用主成份分析对基于加速度信息的上肢动作质量进行评价,并利用评价结果驱动人机交互游戏中球的线路、旋转或者球速。研究结果表明在本套系统内影响上肢动作质量主要有爆发力和耐力两个因素。

子宫良性间皮平滑肌瘤临床病理分析

目的:报告2例子宫良性间皮平滑肌瘤,并对有关临床病理特点、组织发生和命名等进行讨论。方法:回顾2例子宫良性间皮平滑肌瘤临床病理资料及HE染色、免疫组化染色。结果:2例子宫良性间皮平滑肌瘤患者临床上均有下腹痛,肿物大小分别为4cm×3.5cm×3cm和4.8cm×4cm×3.5cm,肉眼观与一般子宫平滑肌瘤一样,镜下瘤组织由增生的平滑肌样细胞组成,其中见局灶性或散在排列的淋巴管样腔隙,有的更像肺泡腔,部分腔内有粉红色水肿样液,腔内衬单层扁平上皮。免疫组化示,2例淋巴管样腔隙内衬上皮细胞均为CK(+)、MC膜(+)、CD34(-)、CD31(-)、CEA(-);而腔隙之间的大部分平滑肌样细胞actin-SM(+)、Vimtin(+)、S-100(-)。结论:子宫良性间皮平滑肌瘤是由平滑肌和间皮组成的良性混合性肿瘤,与一般的腺瘤样瘤和平滑肌瘤不同。

7～9岁学龄儿童血钙调查

本文报道随机抽查成都市区四所小学１０３名７～９岁的健康儿童血清蛋白质与血钙含量，研究学龄期儿童蛋白质、钙营养状况及血钙水平与生长发育的关系。发现本组儿童血钙低于正常（２．２５ｍｍｏｌ／Ｌ）［１］者６３例（６３／１０３，６１．２％）。其中生长较快组４１例儿童中有３１例血钙值降低。结果表明：成都市区７～９岁的大多数健康儿童的血钙水平低下。生长速度较快者，低钙的发生率更高，提示对学龄儿童应适当补钙，对生长发育较快的儿童尤其应当重视钙的补充。

大阴唇副乳腺1例报告及文献复习

目的:讨论副乳腺的组织发生、临床和病理特点、诊断和治疗等。方法:对1例大阴唇副乳腺进行光镜、免疫组化检测。结果:肿块位于大阴唇皮下,大小3cm×2cm×1.5cm,无乳头。镜检:大部分为散在性单个或几个聚集的乳腺导管结构,局部见明显乳腺小叶结构。免疫组化:导管和腺泡上皮细胞C K-Pan(+)、E R(+)、PR(+);部分腺管、腺泡上皮下可见肌上皮细胞SM A(+)、S-100弱(+)。结论:大阴唇副乳腺非常少见,临床上极易误诊为其它肿瘤或瘤样病变。

放射性^(153)Sm-EDTMP对动物及人血细胞影响的研究

目的：探讨骨肿瘤治疗药物１５３Ｓｍ－ＥＤＴＭＰ对血细胞的影响。方法：用小鼠、Ｗｉｓｔａｒ大鼠和大白兔作实验。给小鼠注射的ＥＤＴＭＴ、１５３Ｓｍ－ＥＤＴＭＰ的量相当于人用量的２０００倍、２０倍，观察化学毒性和放射损伤反应。给大鼠和大白兔注射１５３Ｓｍ－ＥＤＴＭＰ的剂量相当于人用量的３０和７．５倍，于不同时间内取血测定血色素（Ｈｂ）、白细胞（ＷＢＣ）和血小板（ｐｌｔ）计数。按３７ＭＢｑ／ｋｇ注射患者，也于注射后不同时间取血检查血细胞计数的变化。结果：ＥＤＴＭＰ、１５３Ｓｍ－ＥＤＴＭＰ剂量分别大于人用量的２０００、２０倍时，未发现动物有化学毒性和放射损伤反应。给于１５３Ｓｍ－ＥＤＴＭＰ的剂量大于人用量的３０倍时，用药后第１天和第７天，动物的白细胞和血小板计数均有降低（Ｐ＜０．０５），但１６天以后恢复到正常。７天和３０天时，９３例患者的血色素、白细胞、淋巴细胞计数与治疗前比较，均无显著性差异（Ｐ＞０．０５）。７天时血小板有减少，３０天以后已恢复到正常。结论：按３７ＭＢｑ／ｋｇ的剂量注射人体，１５３Ｓｍ－ＥＤＴＭＰ对患者的血细胞（主要是血小板）有轻微影响，但１月以后可恢复到正常。使用比较安全。

基于C8051F040的跆拳道综合模拟训练仪控制系统设计

介绍了基于C8051F040单片机的跆拳道综合模拟训练仪控制系统的硬件和软件设计系统在交付使用后,证明控制系统是稳定可靠的。

农村信息入户的解决方案

本文首先介绍了目前国内解决农村信息入户问题的几种方案及其优缺点,然后简述了农业专家系统和嵌入式Linux系统的基本概念,最后重点阐述了用嵌入式Linux系统来解决农村信息入户问题的详细设计方案。

基于轻量型残差网络的自然场景水稻害虫识别

准确识别水稻害虫对水稻及时采取防护和治理具有重要意义。该研究以自然场景中水稻害虫图像为研究对象,针对水稻害虫图像的颜色纹理与背景相近以及同类害虫个体间形态差异较大等特点,设计了一个由特征提取、全局优化以及局部优化模块构成的轻量型残差网络(Light Weight Residual Network,LW-ResNet)用于水稻害虫识别。在特征提取模块通过增加卷积层数以及分支数对残差块进行改进,有效提取自然场景中水稻害虫图像的深层全局特征并使用全局优化模块进行优化;局部优化模块通过设计轻量型注意力子模块关注害虫的局部判别性特征。LW-ResNet网络在特征提取模块减少了残差块的数量,在注意力子模块中采用深度可分离卷积减少了浮点运算量,从而实现了模型的轻量化。试验结果表明,所设计的LW-ResNet网络在13类水稻害虫图像的测试数据集上达到了92.5%的识别准确率,高于VGG16、ResNet、AlexNet等经典卷积神经网络模型,并且LW-ResNet网络的参数量仅为1.62×10^(6)个,浮点运算量仅为0.34×10^(9)次,低于MobileNetV3轻量级卷积神经网络模型。该研究成果可用于移动端水稻害虫的自动识别。

基于三维加速度传感器的上肢动作识别系统

设计一种基于三维加速度传感器的上肢动作识别系统。该系统通过采集两个三维加速度传感器的加速度数据,对数据进行预处理、使用小波变换后得到特征向量,利用蚁群算法进行特征选择,最终由支持向量机进行动作类型分类。实验结果表明,该系统能快速地、有效地对动作信号进行分类判别。

基于TPH-YOLO的无人机图像麦穗计数方法

在无人机上安装光学传感器捕捉农作物图像是一种经济高效的方法,它有助于产量预测、田间管理等。该研究以无人机小麦作物图像为研究对象,针对图像中麦穗分布稠密、重叠现象严重、背景信息复杂等特点,设计了一种基于TPH-YOLO(YOLO with transformer prediction heads)的麦穗检测模型,提高无人机图像麦穗计数的精度。首先,为了减小光照不均匀对无人机图像质量造成的影响,该研究采用Retinex算法进行图像增强处理。其次,在YOLOv5的骨干网络中添加坐标注意力机制(coordinate attention,CA),使模型细化特征,更加关注麦穗信息,抑制麦秆、麦叶等一些背景因素的干扰。再次,将YOLOv5中原始的预测头转换为Transformer预测头(transformer prediction heads,TPH),该预测头具有多头注意力机制的预测潜力,可以在高密度场景下准确定位到麦穗。最后,为了提高模型的泛化能力和检测精度,采用了迁移学习的训练策略,先使用田间采集的小麦图像数据集对模型进行预训练,接着再使用无人机采集的小麦图像数据集对模型进行参数更新和优化训练,并在无人机采集的小麦图像数据集上进行了试验。结果表明,该研究方法精确率、召回率及平均精确率分别为87.2%、84.1%和88.8%,相较于基础的YOLOv5平均精确率提高4.1个百分点,性能优于SSD、Faster-RCNN、CenterNet、YOLOv5等目标检测模型。此外,该研究利用公开数据集Global Wheat Head Detection(GWHD)在不同目标检测模型上进行对比试验,该数据集的小麦样本是多样的和典型的,与SSD、Faster-RCNN、CenterNet和YOLOv5等模型相比,平均精确率分别提升11.1、5.4、6.9和3.3个百分点,进一步验证了该研究所提方法的可靠性和有效性,研究结果可以为小麦的产量预测提供支撑。

珠蛋白生成障碍性贫血伴缺铁的发生率及意义

目的 了解珠蛋白生成障碍性贫血（简称地贫）患儿伴缺铁的发生率，探讨其临床意义。方法 对127例确诊地贫儿进行铁指标（SF、SI、TIBC、FEP）的检测。结果 127例中缺铁者28例(22 %)，其中α型占19 %(4/21)，β型占22.6 %(24/106)，两者无显著差异 (P＞0.5)。β型地贫并缺铁者HbF＜30 %组占38.8 %(19/49)， HbF≥30 %组占8.8 %(5/57)，差异显著 (P＜0.005)。HbF＜30 %组＜3 a者的缺铁率明显高于＞3 a者(53.3 %vs 15.8 %, P＜0.01)。结论 地贫儿可能伴发铁缺乏，尤其是低HbF的婴幼儿缺铁率更高，有必要对其进行适当补铁治疗。

基于RSTCNN的小麦叶片病害严重度估计

以小麦叶片条锈病和白粉病为研究对象,针对同类型病害的不同严重度之间的图像颜色及纹理特征差异较小,传统方法病害严重度估计准确率不高的问题,提出一种基于循环空间变换的卷积神经网络(Recurrent spatial transformer convolutional neural network,RSTCNN)对小麦叶片病害进行严重度估计。RSTCNN包含3个尺度网络,并由区域检测子网络进行连接。每个尺度网络以VGG19作为基础网络以提取病害的特征,同时为了统一区域检测过程中前后特征图的维度,在全连接层前引入空间金字塔池化(Spatial pyramid pooling,SPP);区域检测子网络则采用空间变换(Spatial transformer,ST)有效提取尺度网络特征图中病害的注意力区域。小麦叶片病害图像通过每个尺度网络中卷积池化层得到的特征图,一方面可作为预测病害严重度类别概率的依据,另一方面通过ST进行注意力区域检测并将检测到的区域作为下一个尺度网络的输入,通过交替促进的方式对注意力区域检测和局部细粒度特征表达进行联合优化和递归学习,最后对不同尺度网络的输出特征进行融合再并入到全连接层和Softmax层进行分类,从而实现小麦叶片病害严重度的估计。本文对采集的患有条锈病和白粉病的小麦叶片图像结合数据增强方法构建病害数据集,实验验证了改进后的RSTCNN在3层尺度融合的网络对病害严重度估计准确率较佳,达到了95.8%。相较于基础分类网络模型,RSTCNN准确率提升了7~9个百分点,相较于传统的基于颜色和纹理特征的机器学习算法,RSTCNN准确率提升了9~20个百分点。结果表明,本文方法显著提高了小麦叶片病害严重度估计的准确率。

电子步道在步态时空参数测量中的可靠性

评估电子步道在步行运动学参数采集中的可靠性。37名男性志愿者参与到实验中,年龄在21岁到32岁之间,所有受测者都是健康的个体。在实验中,分别以自选的慢走、正常走和快走三个模式采集步行中的步长、步频和步速。研究结果显示电子步道在测量步态时空参数时具有很高的可靠性,还展示了可靠系数分别达到0.75和0.9所需的测试次数。当利用电子步道采集不同速度模式下的步态参数用于实验研究时(可靠系数大于0.9),至少需要3次测量。

基于数字跑道的田径训练信息采集和反馈系统的设计与实现

目前,田径项目运动生物力学研究的主要方法是采用高速影像解析系统监控训练过程,通过专用或通用解析软件获得运动学信息。为提高训练效率,及时纠正技术动作的缺陷,教练员迫切需要一种能够在训练过程中及时反馈运动信息的设备。针对这一现状,在充分凝炼项目需求基础上,提出了一种基于数字跑道的田径训练信息采集和反馈系统。该系统采用柔性阵列传感器获取助跑过程中的接触交互信息,采用专用解析软件集成化处理运动学参数,实时提供运动过程中的步长、速度、步频、起跳力等运动生物力学参数。该系统实现了运动表象与内在力学因素的综合分析,有利于教练员、运动员深入把握项目内在规律。通过在国家田径队跳远项目运动员的测试使用,其有效性和科学性得到了初步验证。

基于柔性力敏传感器的左右脚动态识别方法

在利用柔性力敏传感器获取动态足底压力分布数据时,能够准确快速自动区分左右脚的数据将极大提升数据的可视性和分析的便利性。为此,提出了一种基于足底压力和脚印外观形状的左右脚动态识别方法。首先,基于足底动力学原理,利用连通域的图像分割算法对足底压力数据进行聚类分析,得到每一步压力脚印的时间和坐标范围;在此基础上进一步分离出完整的单步压力数据;最后利用单步压力数据刻画脚印轮廓,并根据轮廓的外观特征进行左右脚识别。本文提出的方法可应用于步态分析、临床辅助诊断、步态识别等领域。通过108个实测数据样本的测试表明:本文方法的识别率高达94.5%,并具有较好的鲁棒性。

基于注意力双分支网络的跨模态足迹检索

为了提高跨模态足迹检索精度,提出一种基于注意力双分支深度卷积神经网络的检索方法.该方法以赤足足迹的光学和压力2个模态图像为研究对象,采集并构建了一个包含138人5520幅足迹图像的跨模态检索数据集;在网络的特征提取模块采用ResNet50作为基础网络搭建双分支结构,并引入空间注意力机制,以提取各模态具有辨别性的特征;在网络的特征嵌入模块,通过部分参数共享学习跨模态共享空间;在双约束损失模块采用交叉熵损失(ID loss)和异质中心损失(HC loss)以增大跨模态足迹特征的类间差异,减小类内差异.实验结果表明:互检索模式下的平均精度均值(mAP)均值和Rank1均值分别为70.83%和87.50%,优于其他一些跨模态检索方法.采用注意力双分支网络模型能够有效进行跨模态足迹检索,可以为现场足迹对比鉴定等应用提供理论基础.

跆拳道步法敏捷度训练仪的设计和应用

为了实现对跆拳道运动员步法移动的启动速度、动作速度、动作时间以及运动距离等的客观量化评价,研究设计了跆拳道步法敏捷度训练仪器。该仪器主要利用压力传感器阵列构成的测试平台,实时、连续测出运动员双脚位置,配合显示屏给出的引导信号,计算出步法移动的各项指标,实现对运动员神经反应能力、步法移动能力的客观量化评价。仪器评测结果准确、可靠性高,为教练员实现对运动员精准的步法技术动作评价与缺陷诊断奠定了基础。建议在应用中结合训练阶段的不同要求,合理安排训练的课次、内容和顺序,考虑训练的负荷强度、负荷量、间歇时间和训练的系统性。