角膜塑形镜佩戴者的护理体会

近年来，我国近视呈低龄化、快速化发展趋势，学生是近视的高发群体。目前治疗近视的主要方法为Lasik手术，但手术只能在18岁以后进行。对于青少年近视，佩戴角膜塑形镜是控制近视发展的主要方法，但易引起眼部感染、眼睛干涩等并发症，因此佩戴角膜塑形镜的护理尤为重要。现将126例佩戴者的护理体会报告如下。

隐形眼镜佩戴者的态度和需求

对于新的隐形眼镜佩戴者而言,从一开始就佩戴最适合的隐形眼镜至关重要。研究表明每4个新的隐形眼镜佩戴者中就有1个人放弃佩戴,而那些起初没放弃的,也会有将近一半(47%)的人在刚开始佩戴隐形眼镜的两个月内放弃佩戴1。为了更好地确定最适合每位患者的隐形眼镜,验配师通常会询问并评估患者的各种生活习惯。

护目镜对佩戴者视野影响的研究

目的佩戴护目镜可有效保护眼睛,佩戴者视野会受到护目镜结构的影响,为探究护目镜对佩戴者视野的影响程度,采用视野计和数字化三维头模分析用户佩戴护目镜后的视野变化。方法首先采用视野计测量18名被试在不佩戴护目镜和佩戴5款护目镜时的单目视野范围,然后在数字化三维头模上构建不同瞳距时的双目视野,计算佩戴护目镜后在8个方向的视野变化和视野保存率。结果单目视野测量结果表明佩戴护目镜后影响8个方向上的视野,其中在下方、鼻侧及鼻侧下方造成的视野缺失量达到31.68°、30.76°和37.29°,双目视野测量结果表明5款护目镜视野保存率介于73.64%~89.62%。结论佩戴护目镜会在多个方向上影响视野,不同护目镜的视野保存率因结构不同差异较大,在周边区域采用透明材质的护目镜具有更高的视野保存率。

三生万物——跨越创造者、佩戴者、观者之间的对话

TRIPLE PARADE国际当代首饰艺术与设计年展,从一开始作为国家级的设计文化交流项目,带着开放思想与前沿的学术指导,以“对话”为核心,专注于这个时代语境下的首饰（珠宝）的设计艺术,三年来的发展,它已成为中国本土与国际间合作,最有世界影响力的设计艺术年展之一。

日本“最佳眼镜佩戴者奖”出炉武井咲等获奖

近日，表彰最适合戴眼镜的名人的“第29届日本最佳眼镜佩戴者奖”颁奖仪式举行，各大部门奖项得主纷纷亮相。

智能眼镜，佩戴者仅仅眨眼就可以控制灯光的开关

近日，中科院外籍院士、美国佐治亚理工学院纳米技术专家王中林先生带领的研究小组研发出了一款神奇的眼镜。它可以捕捉脸上哪怕最细微的动态。继而做出指令。

日本发明“节食眼镜”能令佩戴者食量变少

东京大学的研究人员最近发明了一种奇特的“节食眼镜”，其原理是运用电脑科技和增大视觉效果的方法，来混淆佩戴者的感官，令他们觉得更饱或没有食欲。眼罩式照相机先将食物的图像，如一块小饼干，发送给电脑，图像经过处理后扩大成曲奇的大小，再将影像展示给佩戴者。这种方法在日本已经公布，为更多意志薄弱的节食者提供了希望。通过实验，参试者减少了10％的食物摄入量，洲为他们吃的饼干看起来比实际大了50％。

英国：370万隐形眼镜佩戴者面临感染寄生虫风险

据英国媒体日前报道，科学家警告称，棘阿米巴虫若寄生在隐形眼镜上，可能最终导致眼睛失明。棘阿米巴是一种单细胞变形虫，一种微小的寄生虫，在灰尘、海水、浴缸和游泳池中都曾被发现，长期佩戴隐形眼镜的人若不注意眼镜的卫生，很容易受到这种虫的侵蚀，仅在英国就有370万人面临此威胁。

石墨烯隐形眼镜使佩戴者具有超级夜视能力

据英国每日邮报报道，研究人员最新研制一种智能隐形眼镜，使佩戴者具有“红外夜视”能力。研究小组称，在镜片之间夹入石墨烯，能够建造一种具有捕捉可见光和红外线能力的传感器。现已建造一个比手指甲更小的原型，专家称未来将这种智能隐形眼镜应用于士兵，以及需要黑暗中观察周围环境的群体。

美国：研制新式隐形眼镜 可监测佩戴者血糖浓度

据英国《新科学家》近日报道．美国科学家把对眼睛友好的透明材料同微电子结合在一起研制出了一种新式隐形眼镜，该眼镜可监测罹患糖尿病的佩戴者血糖浓度。之前．也有研究人员研制出了可监测佩戴者是否有罹患青光眼迹象的智能眼镜。智能隐形眼镜俨然已成为健康的“守护天使”。

考虑城乡异质性的电动自行车头盔佩戴行为建模与分析

电动自行车在成为居民短途出行主要交通工具的同时,与其相关的交通安全问题日益突出。正确佩戴头盔可以降低骑行者交通事故的死亡风险,然而统计数据显示,目前全国仍有近一半骑行者在骑行时不佩戴头盔,电动自行车的事故后果无法得到有效控制。较城市而言,乡镇拥有更多的电动自行车保有量,由于道路崎岖、交通建设不完善等原因更容易发生道路交通事故,尤其大量骑行者不佩戴头盔。为明确城市与乡镇骑手头盔佩戴行为异质机理,深入剖析骑手不佩戴头盔的深层原因,运用差异性检验和二项Logistic回归模型,分析骑行者特征、个体头盔认知、执法环境等因素对城市与乡镇骑手头盔佩戴行为的综合影响。研究结果表明:相较于长期生活在城市的群体,乡镇群体的主观安全意识偏弱,对头盔使用时存在的障碍(阻碍视野、不便利性等)较为关注;城市群体对交警执法活动较为敏感,并且在城市中出行时间越长的人越可能佩戴头盔;对于乡镇群体,头盔的保护效能以及价格是他们决策头盔佩戴行为考虑的重要因素。研究结果有助于交警进一步开展安全教育宣传以及执法活动,促进骑行者佩戴头盔安全出行。

基于深度学习的口罩佩戴识别方法研究

针对自动检测口罩佩戴的问题,提出了一种基于深度学习的口罩佩戴识别方法。使用YOLOv3网络为框架构建深度学习模型,并设计和完善了训练数据集。经过对网络模型的训练,成功解决了普通场景中单目标口罩识别问题。同时针对该模型在多目标检测中出现的检测置信度较低和部分目标无法识别等问题,进行了训练加强。通过对测试集的数据进行测试和分析,该方法具有较高的平均准确率(mean average precision, mAP)和稳定性。

基于改进YOLOv7的安全帽佩戴检测算法

为提高作业场所中安全帽佩戴检测的算法精度,本文提出一种基于YOLOv7网络架构进行改进的优化算法。该算法以YOLOv7为基准模型,在其网络的ELAN结构和SPPCSPC结构中引入一种无参数的注意力机制SimAM,取代其原有部分的卷积模块CBS,以增强检测网络的特征提取能力,提升模型对图像中目标和背景的区分能力。在检测头的卷积中引入坐标卷积模块,使得卷积能够感知空间信息,改善目标定位精度低的问题。将YOLOv7中原生的损失函数替换为WIoU损失函数,使算法专注于困难样本,提升其分类性能。在数据集上对改进模型进行验证,实验结果表明,改进后模型平均精度为84.7%,相较于原YOLOv7模型提升了5.7个百分点。通过一系列对比实验证明了改进算法的有效性,相较于主流模型具有一定优势,对后续的研究和应用具有参考价值。

基于YOLOv7-tiny改进的口罩佩戴检测算法YOLOv7-DSC

针对密集人群下口罩佩戴检测实时性差、难以部署到移动端的问题,提出基于YOLOv7-tiny改进的口罩佩戴检测算法YOLOv7-DSC。该算法结合深度可分离卷积改进的SE注意力机制设计了一种轻量化特征提取模块,并结合BiFPN设计了一种加权特征融合模块。经实验验证,YOLOv7-DSC算法在口罩数据集上mAP为96.9%,与YOLOv7-tiny算法相比仅降低了0.5%;相比于YOLOv3-tiny、YOLOv4-tiny、YOLOv5s、MobileNetV3、ShuffleNetV2、GhostNet和Swin-Transformer算法在mAP上分别高出13.4%、11.2%、4.5%、5.7%、5.8%、4.2%和5.1%;在检测精度与YOLOv7-tiny算法相当的情况下,参数量和计算量分别减少了60%和55%,仅为2.4 M和6.0 G,极大地降低了硬件成本。

深圳地区119例乳腺癌患者术后佩戴义乳现状调查及影响佩戴质量的因素分析

目的:调查深圳地区乳腺癌术后患者的义乳佩戴情况,探讨影响义乳佩戴质量相关因素,为制定有效的护理决策提供依据。方法:通过“汝康云”乳腺癌康复俱乐部平台,采取网络微信调查问卷的形式,对2012年5月至2020年5月期间119例乳腺癌改良根治术后患者佩戴义乳相关认知内容进行调查,并分析调查的结果。结果:79.83%乳腺癌患者知道义乳的存在,52.10%患者有获取义乳佩戴的途径。80.00%的患者认为义乳可以改善形体缺失,达到美观作用;61.05%的患者认为可维持身体平衡;47.37%的患者认为还可保护胸部。半数以上(52.10%)的患者有佩戴义乳的需求,能够接受的义乳价位主要集中在>200~≤500元之间。结论:义乳佩戴的宣传力度不够、患者对义乳作用认识不全、患者对义乳佩戴需求差异可能是影响义乳佩戴的关键因素。

运用PDCA提高OSAHS患者佩戴无创呼吸机时长达标率的临床分析

探究PDCA活动在提高OSAHS患者佩戴无创呼吸机时长达标率的临床分析。方法 将2023年4月1日至2023年6月30日间入住我科时需佩戴无创呼吸机给予持续气道正压通气(CPAP)的患者作为对照组,将2023年8月1日至10月30日间入住我科时需佩戴无创呼吸机给予持续气道正压通气(CPAP)的患者作为观察组,将两组数据的结果进行比较分析。结果通过开展PDCA活动,我科阻塞性睡眠呼吸暂停低通气综合征患者佩戴无创呼吸机时长达标率由35.71%提高到80.48%,差异有统计学意义(P<0.05)。结论 PDCA活动能够提高阻塞性睡眠呼吸暂停低通气综合征患者佩戴无创呼吸机时长达标率,有利于身体恢复,减少并发症的发生,从而使患者更加满意。

基于改进YOLOv7的手套佩戴检测算法

维修培训人员在进行培训时需要佩戴手套对飞机进行维修工作,若未佩戴手套进行操作,可能会出现安全问题。针对机务维修培训中,传统人工对培训人员是否佩戴手套的检测效率低下、容易漏检和误检,无法保障培训人员在培训过程中的安全问题,提出了基于改进YOLOv7的检测方法。在YOLOv7中引入SPDconv模块,提高模型针对小目标和低分辨率图片的检测性能。同时,在模型的Backbone中加入CBAM注意力机制,以提高模型的精度。改进后的YOLOv7手套佩戴检测算法平均精度均值达到86.5%,相较于原本的YOLOv7算法,精度提高了4.3%。实验表明,改进后的算法能有效地检测出维修培训人员的手套佩戴情况。

基于FE-YOLOv5s 的变电所安全帽佩戴检测

本研究针对变电所安全帽佩戴检测任务中存在的漏检、误检和低精准率等问题,提出了一种基于FE-YOLOv5s的改进算法。首先,通过引入FReLU激活函数构建了FSPPF模块,有效增强了网络的特征提取能力,从而提升了检测性能。其次,采用ECA注意力机制提高了模型对关键特征的关注度,特别集中在安全帽这一小尺度目标上提高检测的准确性,降低漏检误检的概率。实验结果表明,FE-YOLOv5s在自建数据集上取得了显著的提升,精准率达到0.941,mAP值为0.898,相较于原始模型分别提高了9.93%和4.6%,表现出较好的检测效果。这一改进算法为解决变电所安全帽佩戴检测问题提供了一种有效的解决方案。

FLM-YOLOv8:一种轻量级的口罩佩戴检测算法

针对现有的口罩佩戴检测模型无法较好平衡检测精度与速度,参数量较大,漏检和误检率高等问题,提出了一种轻量级的口罩佩戴检测算法FLM-YOLOv8。使用轻量级FasterNet替换YOLOv8n的主干特征提取网络,提升网络检测速度;融合FasterNet Block改进C2f模块,降低模型计算复杂度;提出SPPF-LSKA结构,增强模型的特征表达能力和感知能力,提高网络检测精度;设计Inner-MPDIoU边界框回归损失函数,提高回归预测精度,加快收敛速度。创建标注了一个复杂多元场景下的口罩佩戴数据集,并使用马赛克数据增强,以提高网络泛化能力。实验结果表明,该算法在正确佩戴口罩、未正确佩戴口罩和未佩戴口罩目标上的mAP@0.5达到了91.3%,FPS达到了143.6,实现了更加实时准确的口罩佩戴检测。