医联体模式下社区患者影像云平台使用意愿影响因素研究

目的:探讨上海市杨浦区医学影像诊断云平台在社区的应用效果及其影响因素,为进一步推进远程医疗服务提供参考。方法:采用简单随机抽样方法选取于2023年2—8月期间在杨浦区延吉社区卫生服务中心放射科接受检查的220例患者作为调查对象开展问卷调查,问卷内容包括患者一般资料、医学影像诊断云平台使用意愿及使用满意度评价。结果:212例患者中,愿意继续使用医学影像诊断云平台的183例(86.3%),不愿意的29例(13.7%),患者对就诊便捷性的满意率最高(92.5%),对病史记录的满意率最低(58.0%)。Logistic回归分析结果显示,学历、软硬件设施满意度、报告质量满意度、报告时限满意度、服务态度满意度和就诊便捷性满意度是对患者医学影像诊断云平台使用意愿具有统计学意义的影响因素(P<0.05)。结论:建议通过优化区域医学影像诊断云平台软硬件设施、提升远程医务人员业务水平、改善服务态度和优化服务流程等措施进一步提升患者的医学影像诊断云平台使用意愿。

基于改进YOLOv4模型的茶叶病害识别

【目的】提出了一种改进的YOLOv4模型,为自然环境下3种常见茶叶病害(茶白星病、茶云纹叶枯病和茶轮斑病)的快速精准识别提供支持。【方法】使用MobileNetv2和深度可分离卷积来降低YOLOv4模型的参数量,并引入卷积注意力模块对YOLOv4模型进行识别精度改进。采用平均精度、平均精度均值、图像检测速度和模型大小作为模型性能评价指标,在相同的茶叶病害数据集和试验平台中,对改进YOLOv4模型与原始YOLOv4模型、其他目标检测模型(YOLOv3、SSD和Faster R-CNN)的病害识别效果进行对比试验。【结果】与原始YOLOv4模型相比,改进YOLOv4模型的大小减少了83.2%,对茶白星病、茶云纹叶枯病和茶轮斑病识别的平均精度分别提高了6.2%,1.7%和1.6%,平均精度均值达到93.85%,图像检测速度为26.6帧/s。与YOLOv3、SSD和Faster R-CNN模型相比,改进YOLOv4模型的平均精度均值分别提高了6.0%,13.7%和3.4%,图像检测速度分别提高了5.5,7.3和11.7帧/s。【结论】对YOLOv4模型所使用的改进方法具备有效性,所提出的改进YOLOv4模型可以实现对自然环境下3种常见茶叶病害的快速精准识别。

基于改进SqueezeNet模型的多品种茶树叶片分类方法

为实现茶树叶片种类的准确、无损、快速分类,以复杂背景下6个品种的茶树叶片图像作为研究对象,通过卷积神经网络实现茶树叶片品种分类。选择经典轻量级卷积神经网络SqueezeNet,通过在Fire模块中增加批归一化处理,实现网络参数不显著增加的前提下大幅提升网络对多品种茶树叶片分类的准确率;通过将Fire模块中的3×3标准卷积核替换为深度可分离卷积,进一步缩小网络模型,降低网络对硬件资源的要求;通过在每个Fire模块中引入注意力机制,增强网络对重要特征信息的提取能力,提升模型分类性能。试验结果表明,原始SqueezeNet模型对多品种茶树叶片分类准确率为82.8%,增加批归一化处理后模型在测试集的准确率达到86.0%,参数量只有7.31×10^(5),相对于改进前参数量仅增加0.8%,运算量与改进前基本相同;将Fire模块中的3×3标准卷积核替换成深度可分离卷积后的模型在测试集的准确率为86.8%,准确率提高0.8个百分点,参数量下降至2.46×10^(5),模型参数量减小66.3%,运算量下降60.4%;引入注意力机制后的模型测试集分类准确率达到90.5%,提升3.7个百分点,而参数量仅增加1.23×10^(5),运算量仅增加2×10^(6)。进一步将改进后的模型与经典模型AlexNet、ResNet18以及轻量级网络MobilenetV3_Small、ShuffleNetv2对比,结果表明对多品种茶树叶片的分类中,改进模型的综合表现最优。

基于改进EfficientNetv2模型的多品种南药叶片分类方法

为提高南药叶片的分类和分拣效率,本研究对EfficientNetv2网络模型进行改进,引入迁移学习机制训练模型,选取自适应矩估计优化算法,通过多次测试进行超参数优化,确定学习率;采用MultiMarginLoss损失函数改善复杂背景信息对识别效果的影响。应用改进后的EfficientNetv2模型与其他轻量级模型对实地采集的复杂背景下的8种南药叶片进行分类效果对比试验,试验结果显示,改进模型对复杂背景下的南药叶片图像样本识别准确率为99.12%,相较于初始模型EfficientNetv2-S,准确率提高1.17%,并且参数量和模型大小均下降约85%,平均训练时间下降47.62%。与DenseNet121、ShuffleNet和RegNet等模型相比,改进模型在模型存储空间大小、准确率和训练时间3个指标上有明显优势。研究结果表明,在多品种南药叶片分类任务中,改进模型取得优良表现,模型的轻量化程度和性能得到进一步的提升。

不同水分处理下柑橘树光合参数对水分及气象因素的响应

研究不同水分状态下柑橘树光合参数对水分及气象因素的响应,为制定合适的灌溉决策提供参考。以华南地区7年树龄年桔为研究对象,在柑橘树果实成熟期设置三个不同水分处理,每天测量柑橘树叶片蒸腾速率(Tr)、净光合速率(Pn)、气孔导度(Gs)等光合参数以及空气温湿度、土壤含水量等柑橘树生长环境信息。结果表明:(1)叶片蒸腾速率、净光合速率与气孔导度的变化趋势具有一致性。当水分充足时,叶片蒸腾速率与气孔导度的变化幅度大致相当,蒸腾速率对气孔导度表现出较强的依赖性;而水分不充足时,叶片蒸腾速率和净光合速率对气孔导度的依赖性下降;(2)在高水状态下,光合有效辐射是影响叶片蒸腾速率和气孔导度的主要气象因素,它们之间的相关性分别为0.590、0.470;中水状态下,空气温度是影响叶片净光合速率的主要因素,相关性达到0.556;低水状态下,空气湿度主要影响净光合速率,风速主要影响气孔导度,相关性分别为0.552、0.463。研究结果可为柑橘树在不同水分状态下采取适当措施从而提高水分利用率提供参考。