基于YOLOv8n的磁瓦缺陷检测算法

为了提高磁瓦表面缺陷检测的精度,提出基于YOLOv8n的磁瓦缺陷检测算法YOLOv8-OSE.采用全维度动态卷积模块替代颈部网络中的普通卷积,增强模型的特征提取能力,减少模型的计算量;其次,在颈部网络中加入置换注意力机制,通过结合通道和空间注意力,增强模型对小目标的检测效果,使模型更加精准地定位目标位置;最后,为了解决缺陷样本不平衡和宽高比问题,引入EIoU损失函数,提高模型的收敛速度和回归精度.在磁瓦数据集上的实验结果表明,YOLOv8-OSE算法的平均精度mAP@0.5达到87.6%,mAP@0.5∶0.95达到51.6%,相较于YOLOv8n算法,分别提升了4.5%和2.6%.同时,模型的参数量和计算量基本保持不变.与当前主流的检测算法相比,YOLOv8-OSE算法的检测精度具有一定优势,能够在保持低算力的同时满足高精度的部署需求.

高血压患者早期心脏舒张功能的变化及其影响因素

目的探讨高血压患者早期心脏舒张功能的变化及其影响因素。方法选取60例新发高血压病Ⅰ级患者(病例组)以及同期入院体检的30例健康志愿者(对照组)为研究对象,测定并比较两组受试者动态血压及超声心动图指标,采用Logistic多元回归分析高血压患者早期心脏舒张功能的影响因素。结果病例组24 h收缩压均数(24 h SBP)、24 h舒张压均数(24 h DBP)、24 h收缩压变异系数(24 h SSD)、24 h舒张压变异系数(24 h DSD)均高于对照组(P<0.05),左室质量指数(LVMI)、左室舒张末内径(LVEDd)高于对照组(P<0.05),左室短轴缩短分数(LVFS)、左室射血分数(LVEF)、二尖瓣环心肌舒张早期峰值运动速度与舒张晚期峰值运动速度比值(Em/Am)低于对照组(P<0.05)。Logistic多元因素回归分析结果显示,年龄、24 h SSD、24 h DSD、LVMI是高血压患者心脏舒张功能的独立影响因素(P<0.05)。结论高血压早期舒张功能减退,Em/Am是评价高血压患者早期心脏舒张功能较好的指标,年龄、24 h SSD、24 h DSD、LVMI与高血压患者心脏舒张功能相关。