高压氧治疗中青年重型颅脑损伤患者的临床疗效观察

目的观察高压氧(hyperbaric oxygen,HBO)治疗中青年重型颅脑损伤(severe traumatic brain in-jury,STBI)的临床疗效,以及探讨HBO治疗的不同时机对STBI患者疗效的影响。方法回顾性分析2008年9月～2010年9月,124例STBI患者,HBO组(68例)与常规治疗组(56例),以伤后6个月格拉斯哥预后评分(Glasgow Outcome Scale,GOS)为疗效评定标准,比较两组疗效。同时对HBO组不同治疗时机治疗的效果进行比较。结果 HBO组恢复良好率和中度残疾率高于对照组P均<0.05,重度残疾率和植物生存或死亡率低于对照组均P<0.05。不同时间组间疗效有显著统计学意义(P<0.01),受伤后10 d内开始HBO治疗预后良好率升高,20 d后开始HBO治疗重残发生率增加。结论 HBO治疗可改善患者预后降低残疾率,是一种有效、安全、简便的治疗方法,越早开始HBO治疗效果越好。

基于Yolov3的小样本智能电极帽端面检测和识别系统

传统的人工检测电极帽端面和对中性判断误差较大且生产效率低下,而深度学习模型价格昂贵且计算代价极大。对此,提出了基于霍夫变换和Yolov3的算法对电极帽对中性及端面进行检测。对样本取帧进行灰度化及高斯模糊处理,采用霍夫变换算法检测出圆心位置,算出与标定位置的差距以便进行对中处理。采用Yolov3算法对样本的目标数据集进行特征提取训练,再调整训练的网格模型参数,训练数据得到模型用于端面检测。

基于Yolov3的智能电池模组焊点检测与定位系统

电池模组极片焊点的检测与定位是电池模组拆解成功的第一步。基于工人肉眼的焊点检测误差较大且效率低下,基于深度学习模型的检测价格昂贵且计算代价极大。对此,提出了基于Yolov3的小样本智能电池模组焊点检测与定位方法。对样本图像进行灰度化及高斯模糊处理,采用Yolov3算法对样本的目标数据集进行特征提取训练,再调整训练的网络模型参数,由训练数据所得到的模型用于电池模组焊点检测。实验表明,使用Yolov3网络的焊点检测准确率达到90%以上,且焊点定位具有极高的精度,能够满足实际应用的需求。