Miller金字塔教学法对提高麻醉护士应急能力的效果评价

目的 探究Miller金字塔教学法对麻醉护士应急能力的影响。方法 选取2022年4月至2023年4月在南昌大学第二附属医院的60名麻醉护士为研究对象,将在2022年4-9月间接受传统教学法的护士作为对照组(n=30),将在2022年10月至2023年4月间接受Miller金字塔教学法的护士作为观察组(n=30)。教学结束后,采用自制的理论知识卷及操作技能评分表、中文版评判性思维能力测量表(CTDI-CV)、应急能力量表、教学质量评价表对2种教学方法进行效果评价。结果 接受教学后,观察组护士专业理论知识及操作技能考核成绩、教学质量满意度均高于对照组(P<0.05)。两组护士CTDICV评分、应急能力评分均升高,且观察组护士较对照组得分更高(P<0.05)。结论 Miller金字塔教学法可培养麻醉科护士的评判性思维,提高其专业能力、应急能力及教学质量满意度,其教学效果优于传统教学法。

结合Segformer与增强特征金字塔的文本检测方法

针对自然场景文本检测算法中的小尺度文本漏检、类文本像素误检以及边缘定位不准确的问题,提出一种基于Segformer和增强特征金字塔的文本检测模型。该模型首先采用基于混合Transformer(mix Trans-former,MiT)的编码器生成多尺度特征图;然后,在具有特征金字塔结构解码器的上采样部分,提出级联融合注意力模块,通过全局平均池化、全局最大池化和Ghost模块获取全局通道信息并保留文本特征;接着,在解码器的特征融合部分提出两级正交融合注意力模块,利用非对称卷积分别从水平和垂直方向进行信息增强;最后,利用可微分二值化对结果进行后处理。将本文方法在ICDAR2015、ShopSign1265和MTWI 3个数据集上进行实验,相比于其他8种方法,本文方法的F值均为最优,分别达到了87.8%、59.1%和74.8%。结果表明,本文方法有效提高了文本检测的准确率。

基于拉普拉斯金字塔残差网络的多尺度图像压缩研究

为了更好地进行图像重建,加强对图像多尺度特征表示和特征融合的处理,本研究提出一种新的多尺度特征融合图像重建网络模型。模型包括迭代降采样和迭代上采样过程。迭代降采样过程是通过在拉普拉斯金字塔残差控制网络模型中将高斯卷积核与子采样和高斯平滑滤波迭代操作规则相结合完成的。迭代上采样过程是通过使用拉普拉斯卷积核和二阶差分操作规则实现的。GJ-UNet深度学习网络模型通过其编码器下采样模块实现图像多尺度语义特征的精细分类,并在解码器上采样模块中应用反卷积和卷积操作规则,规范处理图像多尺度语义特征。实验表明,所提出的方法可以实现高精度的特征提取,同时对于图像特征融合的相关性更强,提取的图像边缘信息更清晰且相对噪声信息更低,重建图像的视觉效果基本与原始输入图像相同。本研究有望广泛应用于计算机图像视觉领域。

基于金字塔池化网络的质子交换膜燃料电池气体扩散层组分推理方法

针对质子交换膜燃料电池气体扩散层(gas diffusion layer composition,GDL)形貌划分与制备工艺改进问题,提出了一种基于金字塔池化网络(pyramid scene parsing network,PSPNet)与多层感知器(multi-layer perception,MLP)的气体扩散层组分识别与比例推理方法:首先将带标签的气体扩散层扫描电镜(scanning electron microscope,SEM)图片输入神经网络,得到特征图;得到的图像特征层进入金字塔池化模块后,获取SEM图像的深层和浅层特征;随后将深层和浅层特征图层融合输入全卷积网络(fully convolutional network,FCN)模块,得到预测图像;最后统计各个组分上的像素点比例,通过MLP完成组分比例推理。结果表明:所提方法组分识别像素准确率达81.24%;在5%偏差范围内,比例推理准确率为88.89%。该方法解决了气体扩散层多组分无法区分、比例无法获知的问题,可有效应用于气体扩散层的质检、数值重构以及制备工艺改进。

基于金字塔注意力机制的遥感图像超分辨率网络

针对超分辨率算法重建的遥感图像细节等信息丢失的问题,为保证遥感重建图像包含较多的纹理、高频信息,在生成对抗网络基础上提出一种基于金字塔注意力机制的遥感图像超分辨率网络。设计了一种全新的金字塔双重注意力模块,包括通道注意力网络和空间注意力网络。通道注意力网络中采用金字塔池化取代平均池化和最大池化,该结构设计从全局和局部信息角度出发增强特征表述能力;空间注意力网络则采用大尺度卷积,以加强局部信息的提取程度,可有效提取纹理、高频等信息。设计密集多尺度特征模块,利用非对称卷积提取不同尺度的特征信息,通过密集连接融合多层级尺度特征以加强纹理、高频等信息的提取精度。在公开的NWPU-RESISC45数据集上进行实验验证,实验结果分析表明,该算法在主观视觉效果和客观评价指标上均优于对比方法,重建性能相对较好。

Miller金字塔递进式教学在社区护士岗位胜任力培训中的应用

目的探讨Miller金字塔递进式教学在社区护士岗位胜任力培训中的应用效果。方法选取64名社区护士作为研究对象,采用便利抽样法分为对照组和观察组,各32名。对培训前后2组护士岗位胜任力评分进行评估,比较培训后理论考核成绩、操作考核成绩及患者满意度。结果实施Miller金字塔递进式教学培训后,观察组岗位胜任力评分、理论及操作考核成绩高于对照组,差异有统计学意义(P<0.05)。观察组患者满意度为96.88%,高于对照组81.25%,差异有统计学意义(P<0.05)。结论采用Miller金字塔递进式教学可有效提升社区护士岗位胜任力水平及患者满意度,提升基层社区护理水平,满足社区患者健康需求。

金字塔渐进融合低照度图像增强网络

针对现有低照度图像增强网络对不同尺度特征信息存在感知与表达能力不足的问题,提出金字塔渐进融合低照度图像增强网络模型。网络对图像进行多次下采样操作以组成特征金字塔,通过在特征金字塔的三个不同分支上加入跳跃连接,将不同尺度的特征图进行相互融合。通过精细恢复模块进一步提取精炼信息,将特征图恢复到正常的光照图像。结果表明,该网络模型不但能有效地提升低照度图像的整体亮度,而且能很好地保持图像中的细节信息和清晰的物体边缘轮廓,同时能够有效地抑制图像中的暗部噪声,使增强后的图像整体画面真实自然。

学习金字塔理论在临床医学专业“中医学”见习课的应用探索

目的:探索学习金字塔理论应用于临床医学专业“中医学”见习课四诊及针灸教学中的有效性。方法:将昆明医科大学临床医学专业2020级本科生使用抽签法随机分为实验组和对照组,实验组应用学习金字塔理论进行教学,对照组采用传统讲授练习式教学。通过师生双向问卷、理论和实践考核相结合的方法评价教学效果,对数据进行统计分析。结果:师生对基于学习金字塔理论的见习活动有更高的满意度,实验组学生理论及实践考核总分显著优于对照组,差异有统计学意义(P<0.05)。结论:将学习金字塔理论应用于临床医学专业学生的“中医学”见习课教学,可有效激发学生学习兴趣,大幅提高学生见习成效,建议在今后的教学活动中加以推广。

去伪影空洞残差与双向注意力金字塔增强的图像级联语义分割算法

针对ICNet空洞卷积引入网格伪影,金字塔池化模块难以充分融合不同尺度特征层间的上下文信息,同一尺度特征和跨尺度特征均交互不足的问题,提出去伪影空洞残差与双向注意力金字塔增强的图像级联语义分割算法。该算法提出去伪影空洞残差网络,消除空洞卷积引入的网格伪影,加强网络的表征能力;构建双向金字塔池化模块,沿自顶向下的路径将语义信息传递到低层,并沿自底向上的路径将位置信息传递到高层;构造注意力金字塔增强模块,创建自注意力、向上注意力、向下注意力机制,建立跨空间与跨尺度的特征交互。Cityscapes数据集上的实验结果表明,所提算法的总体精确率、平均像素精确度、平均交并比分别比ICNet提高了0.67%、5.58%、4.40%,而且该算法的以上3个评价指标均优于其它8种主流比对算法。

原位模拟联合Miller金字塔教学法提升临床护士应急能力

分析原位模拟+Miller金字塔教学法对于临床护士应急能力的提升作用。方法 选取本科室N0-N3级护理人员14名,提供ISS+Miller金字塔教学法的应用。在培训前后分别评价护士应急能力各个方面。结果 培训后,护士的专业理论知识、操作技能、评判性思维相比培训前均有很大进步(P<0.05),而且教学质量满意度水平很高。结论 应用原位模拟+Miller金字塔教学法可以有效提高临床护士的应急能力,培训效果显著,值得推广应用。

基于Miller金字塔能力模型的渐进式教学方案在外科护理实习中的应用

目的:探讨基于Miller金字塔能力模型的渐进式教学方案在外科护理实习生中的应用,为提升护理实习生综合素质能力提供一定的参考依据。方法:2022年10月~2023年6月,以在德阳市人民医院外科进行实习轮转的64名护理实习生作为研究对象,将护理实习生的实习名单进行排序,采取随机数字表的方法抽取单号为实验组,双号为对照组,实验组和对照组各32名。对照组采取传统常规式的教学工作,实验组采用基于Miller金字塔能力模型的渐进式教学方案,比较两组护理实习生岗位胜任力、专业知识能力和临床操作得分的情况。结果:在实施干预后,实验组护理实习生岗位胜任力、专业知识及操作得分均显著高于对照组护理实习生,差异具有统计学意义(P<0.05)。结论:基于Miller金字塔能力模型的渐进式教学方案能够提升外科护理实习生的岗位胜任力、专业知识及操作得分,值得推广应用。

“1+2+3+4+5”——经贸类课程教学的金字塔型新范式

随着数字经济的迅猛发展和社会的不断进步,高校经贸类课程的教学改革显得尤为迫切。为此,高校需要历经多周期、多人次的实践、改进和完善过程,始终“以学习者为中心”,并以ARCS模型作为理论基础,充分调动学习者的学习动机,进而达到提高学习效果、提升专业素养的目标。通过调研、培训和资料梳理,课题组从分析教与学的动机问题入手,运用混合式(书架)教学方法对独创的教学设计进行深度实施并展开科学评估,形成五个层次分阶段的金字塔型教学新范式。

学习金字塔理论下逆向多维法健康教育在糖尿病患者中的应用

目的探讨学习金字塔理论下逆向多维法健康教育在糖尿病患者中的应用效果。方法选取2021年2月—2023年2月宜兴市某三甲综合医院老年科收治的170例2型糖尿病患者为研究对象,依据简单随机数字表法将170例患者分为研究组(n=85)与对照组(n=85)。对照组接受常规健康教育,研究组在此基础上接受学习金字塔理论下逆向多维法健康教育。对两组干预前后遵医行为、血糖水平、心理状态、疾病认知情况和护理满意度进行比较。结果(1)干预后,研究组的积极运动率(96.47%)、规范作息率(95.29%)、科学饮食率(94.12%)、遵医用药率(98.82%)、血糖监测率(98.82%),分别高于对照组的88.24%、85.88%、84.71%、90.59%、89.41%,差异有统计学意义(P<0.05);(2)干预后,两组糖化血红蛋白、空腹血糖、餐后2 h血糖水平较干预前下降(P<0.001),且研究组低于对照组,差异有统计学意义(P<0.001);(3)干预后,两组焦虑情绪、人际敏感、抑郁情绪、敌对态度评分较干预前下降(P<0.001),且研究组低于对照组,差异有统计学意义(P<0.001);(4)干预后,两组疾病认知情况评分较干预前上升(P<0.001),且研究组高于对照组,差异有统计学意义(P<0.001);(5)研究组护理满意度(96.47%)高于对照组(88.24%),差异有统计学意义(P<0.05)。结论对2型糖尿病患者实施学习金字塔理论下逆向多维法健康教育,可改善其遵医行为,提升其疾病认知情况,调节其身心状态,利于保证其血糖控制效果,且患者满意度较高。

“Miller金字塔”理念下的分层教学法在血液透析规培护士带教中的应用探讨

随着我国医疗技术的飞速发展,血液净化领域的专业团队也在逐渐变得成熟,血液透析是当下临床上治疗慢性肾衰竭、急性肾衰竭的有效方式,在血液透析的基础之上进行血液净化的疗法,例如血液透析滤过、血液滤过、活性炭血液吸附等,在临床当中得到了广泛的应用,因此这也对血液透析的护理工作提出了更高的要求。对于规培护士来说,由于对工作内容的不熟悉,在工作期间很容易出现错误的操作而影响患者的治疗,因此需要对这些护理人员进行有效的培训,使其能够更好的承担血液透析治疗的护理工作。

结合通道交互空间组注意力与金字塔池化的高分影像语义分割网络

高空间分辨率(高分)遥感影像中存在海量信息,因此对高分影像的语义分割研究十分重要。传统机器学习方法的语义分割精度和效率均不高,近年来,深度学习方法迅速发展,逐渐成为影像语义分割领域的常用方法,已有研究将SegNet、Deeplabv3+、U-Net等神经网络引入遥感影像语义分割,但效果有限。考虑高分影像的特性,对用于遥感影像语义分割的U-Net网络进行了改进。首先,在U-Net网络特征提取过程中使用通道交互空间组注意力模块(channel interaction and spatial group attention module,CISGAM),使得网络能够获取更多有效特征。其次,在编码过程中将普通卷积层变换为残差模块,并在U-Net的编码器和解码器之间用加入了CISGAM的注意力金字塔池化模块(attention pyramid pooling module,APPM)连接,以加强网络对多尺度特征的提取。最后,在0.3 m分辨率的UC Merced数据集和1 m分辨率的GID数据集上进行实验,与U-Net、Deeplabv3+等原始网络相比,在UC Merced数据集上的平均交并比(mean intersection over union,MIoU)分别提升了14.56%和8.72%,平均像素准确率(mean pixel accuracy,MPA)分别提升了12.71%和8.24%。在GID数据集的分割结果中,水体、建筑物等地物的综合分割精度大幅提升,在平均分割精度上,CISGAM和APPM较常用的CBAM和PPM有一定提升。实验结果表明,加入CISGAM和APPM的网络可行性与鲁棒性均较传统网络强,其较强的特征提取能力有利于提升高分辨率遥感影像语义分割的精度,为高分辨率遥感影像智能解译提供新方案。

融合空洞空间金字塔池化和注意力的轻量化遥感影像道路提取

针对高分辨率遥感影像中道路形状结构错综复杂,出现窄小型道路提取错误或漏分的问题,提出一种基于空洞空间金字塔池化和注意力机制的轻量化遥感影像道路提取方法。首先,在原始高分辨率网络(HRNet)基础上,通过引入空洞空间金字塔池化模块,实现多尺度道路信息融合;再引入挤压激励通道注意力机制,增强网络特征表征质量;最后使用深度可分离卷积方法改进网络残差模块实现模型轻量化,以降低模型计算复杂度。在公开数据集上进行了模型性能测试,实验结果表明,文章所提算法的准确率、精确率、召回率、F1分数和平均交并比,相比原始HRNet分别提升了5.35%、2.15%、4.1%、3.15%和14.34%,且减少了36.1%的参数数量;相比其他网络,该算法突出了细小道路的特征,道路预测结果连续性、完整性好,并且模型小易于部署在实时检测设备中,有效改善了道路提取任务中错分和缺失的情况,是一种适应性更强、分割精度更高、更轻量化的多尺度道路提取算法。

食道病灶检测的多尺度细节增强金字塔网络

针对食道卢戈染色内窥镜(Lugol’s chromoendoscopy,LCE)检查图像中病变类间相似度高和类内尺度变化大等问题,提出了一种以Sparse R-CNN作为基底网络并搭载多尺度细节增强金字塔网络(multi-scale detail enhancement pyramid network,MDEPN)结构的多类食道病灶检测方法。为了改善Sparse R-CNN中的特征金字塔网络(feature pyramid network,FPN)结构在对多尺度特征进行融合时存在的信息丢失和语义差异问题,MDEPN结构首先使用Gabor调制卷积模块对不同尺度特征进行增强,利用Gabor对方向和尺度的强关注度提高了特征图中纹理信息的表达能力;其次使用方向通道池化模块提取不同尺度特征的局部特征方向相似性和局部与全局特征的相关性,减轻了不同尺度特征融合时的语义差异。在自建的多类食道LCE病灶数据集上进行测试,结果表明该方法的mAP0.50检测精度达到了65.0%,相同条件下,比基准模型Sparse R-CNN提升了2.4个百分点,并超过了对比的其余主流检测方法。所设计的MDEPN模块可作为一种独立的结构融入其他检测模型中以提升性能,具有一定的通用性。

融合金字塔结构与注意力机制的煤矿井下巡检机器人PT目标检测算法

近年来,煤矿机器人已成为现代煤机装备领域的研究热点,多数煤矿的主煤流运输系统基本实现了连续化、机械化和自动化,因此对主运输巷道内的安全监控与巡检效率提出了更高的要求,而精准的目标检测是实现煤矿井下智能化安全监控的必要保障,但现有的目标检测算法应用于复杂恶劣的煤矿井下巷道环境,存在目标检测精度较低的问题。面向井下低照明、环境杂乱的特殊工况检测需求,制作了井下巷道环境内目标物数据集,完成数据集标注并展开多维度分析;提出一种基于金字塔结构与注意力机制融合的PT目标检测算法,利用注意力机制模块替换金字塔结构中的卷积模块,在控制特征计算量的同时提高对全局特征的提取能力,实现目标物局部特征与全局特征融合的提取效果,提高了图像中目标感兴趣区域特征的表达能力。最后,面向煤矿井下巡检机器人应用场景,将提出的PT算法与传统经典的Faster R-CNN、YOLOv4算法进行对比分析。结果表明:所提出的PT目标检测算法能够有效识别复杂环境下巷道内目标物,相较于主流的Faster R-CNN、YOLOv4目标检测网络,PT算法有更好的综合识别能力,识别煤矿人员的准确率分别提升了2.90%和4.30%,识别井下障碍的准确率分别提升0.20%和4.80%,识别矿井裂缝的准确率分别提升了4.40%和8.60%,识别井下设备的准确率分别提升了3.00%和8.70%。因此,PT目标检测算法能够更好地适应井下环境,目标检测算法较其他算法能够获得更高的准确率与检测速度,可为井下巷道安控系统建设提供理论依据与技术支撑。

基于语义一致性监督金字塔网络的目标检测方法

特征金字塔广泛应用于基于多尺度特征学习的图像理解任务中,最新多尺度特征学习侧重于特征在语义特征和细节特征的交互融合,特征金字塔通过相邻层特征插值和求和来补充多尺度信息语义特征和细节特征,由于非线性运算的存在和不同输出维数的卷积层,不同能级之间关系复杂,逐像素求和并不是最有效的方法。因此,提出了基于语义一致性监督金字塔网络的目标检测方法。该网络模型由多语义特征增强模块和非对称卷积侧接模块组成,其中非对称卷积侧接模块通过学习不同感受野的特征图,提升特征对各种姿态目标泛化性,多语义特征增强模块通过为高层特征图补全底层信息,提升高层特征的细节表达能力,同时在准确性和检测性能之间实现更好的权衡。在基准测试集MSCOCO上进行的实验结果表明,所提出的目标检测方法在不增加FLOPs的基础上,将检测平均精确度提高了2.6%,显著提高了目标检测的性能。

基于多尺度金字塔Transformer的人群计数方法

针对密集人群场景中背景复杂、目标尺度变化较大导致人群计数精度较低的问题,本文提出一种基于多尺度金字塔Transformer的人群计数方法(multi-scale pyramid transformer network,MSPT-Net)。在特征提取阶段设计了一种基于深度可分离自注意力的金字塔Transformer主干网络结构,该网络结构能有效捕获图像的局部和全局信息,从而有效解决人群密度图像背景复杂导致计数精度低的问题;设计了一种特征金字塔融合模块及多尺度感受野的回归头,实现了密集人群图像浅层细节特征和深层语义特征的高效融合,增强了网络对不同尺度目标的捕获能力;采用深度监督的训练方法在3个公开数据集上对提出的方法进行验证。实验结果表明,本文方法在全监督与弱监督学习策略中,与目前主流的人群计数方法相比,实现了更高精度的人群计数,克服了主流方法对背景复杂、目标尺度变化大的密集人群图像计数精度低的问题,同时本文方法保持着更小的参数量与计算量。