目的比较精准定位下神经内镜与开颅显微镜治疗基底节脑出血的临床效果。方法61例脑出血患者按随机数字表法分为神经内镜手术组30例和开颅显微镜手术组31例。比较2组患者血肿清除率、手术时间、术中出血量、格拉斯哥预后评分(Glasgow Out...目的比较精准定位下神经内镜与开颅显微镜治疗基底节脑出血的临床效果。方法61例脑出血患者按随机数字表法分为神经内镜手术组30例和开颅显微镜手术组31例。比较2组患者血肿清除率、手术时间、术中出血量、格拉斯哥预后评分(Glasgow Outcome Scale,GOS)、日常生活活动评分(activities of daily living score,ADL)及术后并发症发生情况。结果神经内镜手术组患者血肿清除率、术中出血量、手术时间及GOS评分、ADL评分均优于开颅显微镜组(P<0.05);神经内镜手术组与开颅显微镜手术组术后再出血、颅内感染、消化道溃疡发生情况差异无统计学意义(P>0.05),开颅显微镜手术组肺部感染高于神经内镜手术组(P<0.05)。结论在治疗基底节脑出血时,神经内镜手术组较开颅显微镜手术组能更高效地清除血肿,且术中出血量小,对神经损伤小,临床疗效更佳。展开更多
为了实现轮毂焊缝缺陷的智能化检测,本文对深度学习目标检测算法(You Only Look Once version3,YOLOv3)进行改进,得到YOLOv3-MC算法用于轮毂焊缝缺陷的检测。首先,使用工业相机采集轮毂焊缝图像,然后标注图像制作数据集,并且通过数据增...为了实现轮毂焊缝缺陷的智能化检测,本文对深度学习目标检测算法(You Only Look Once version3,YOLOv3)进行改进,得到YOLOv3-MC算法用于轮毂焊缝缺陷的检测。首先,使用工业相机采集轮毂焊缝图像,然后标注图像制作数据集,并且通过数据增强方法扩充数据集。接着,为了提高算法检测精度,使用Mish激活函数替换YOLOv3主干网络中的激活函数。修改算法的损失函数,使用完备交并比(Complete Intersection over Union,CIoU)的计算方法提升算法检测的定位精度。最后使用训练集训练算法模型,再使用验证集和测试集图像数据进行检测试验,结果表明,YOLOv3-MC的最优模型在验证集上的平均准确率(Mean Average Precision,mAP)达到了98.94%,F1得分值为0.99,平均交并比(Average Intersection over Union,AvgIoU)为80.92%,检测速度为76.59帧/秒,模型大小234MB。该模型在测试集上的检测正确率达到了99.29%。相较于传统机器视觉检测方法,该方法提高了检测精度,满足轮毂生产企业的焊缝实时在线检测需求。展开更多
文摘目的比较精准定位下神经内镜与开颅显微镜治疗基底节脑出血的临床效果。方法61例脑出血患者按随机数字表法分为神经内镜手术组30例和开颅显微镜手术组31例。比较2组患者血肿清除率、手术时间、术中出血量、格拉斯哥预后评分(Glasgow Outcome Scale,GOS)、日常生活活动评分(activities of daily living score,ADL)及术后并发症发生情况。结果神经内镜手术组患者血肿清除率、术中出血量、手术时间及GOS评分、ADL评分均优于开颅显微镜组(P<0.05);神经内镜手术组与开颅显微镜手术组术后再出血、颅内感染、消化道溃疡发生情况差异无统计学意义(P>0.05),开颅显微镜手术组肺部感染高于神经内镜手术组(P<0.05)。结论在治疗基底节脑出血时,神经内镜手术组较开颅显微镜手术组能更高效地清除血肿,且术中出血量小,对神经损伤小,临床疗效更佳。
文摘为了实现轮毂焊缝缺陷的智能化检测,本文对深度学习目标检测算法(You Only Look Once version3,YOLOv3)进行改进,得到YOLOv3-MC算法用于轮毂焊缝缺陷的检测。首先,使用工业相机采集轮毂焊缝图像,然后标注图像制作数据集,并且通过数据增强方法扩充数据集。接着,为了提高算法检测精度,使用Mish激活函数替换YOLOv3主干网络中的激活函数。修改算法的损失函数,使用完备交并比(Complete Intersection over Union,CIoU)的计算方法提升算法检测的定位精度。最后使用训练集训练算法模型,再使用验证集和测试集图像数据进行检测试验,结果表明,YOLOv3-MC的最优模型在验证集上的平均准确率(Mean Average Precision,mAP)达到了98.94%,F1得分值为0.99,平均交并比(Average Intersection over Union,AvgIoU)为80.92%,检测速度为76.59帧/秒,模型大小234MB。该模型在测试集上的检测正确率达到了99.29%。相较于传统机器视觉检测方法,该方法提高了检测精度,满足轮毂生产企业的焊缝实时在线检测需求。