细致化护理对重症高血压脑出血患者日常生活活动能力及神经功能的影响分析

对重症高血压脑出血患者实施细致化护理方案,总结其护理效果。方法 以80例重症高血压脑出血患者为分析对象,分组护理,观察组内有40例,接受细致化护理,对照组内有40例,接受常规护理。在护理实施完毕后,对患者的神经功能、日常生活能力等多项指标所产生的影响。结果 观察组患者护理后神经功能评分低,低于对照组;其余各项指标数据均优于对照组,P<0.05。结论 建议在重症高血压脑出血患者的护理中落实细致化护理内容,有助于神经功能的改善,对于提高生活能力也有助益,是效果非常好的护理方法。

基于生成对抗网络的图像风格迁移

生成对抗网络(Generative Adversarial Network,GAN)可以生成和真实图像较接近的生成图像.作为深度学习中较新的一种图像生成模型,GAN在图像风格迁移中发挥着重要作用.针对当前生成对抗网络模型中存在的生成图像质量较低、模型较难训练等问题,提出了新的风格迁移方法,有效改进了BicycleGAN模型实现图像风格迁移.为了解决GAN在训练中容易出现的退化现象,将残差模块引入GAN的生成器,并引入自注意力机制,获得更多的图像特征,提高生成器的生成质量.为了解决GAN在训练过程中的梯度爆炸现象,在判别器每一个卷积层后面加入谱归一化.为了解决训练不够稳定、生成图像质量低的现象,引入感知损失.在Facades和AerialPhoto&Map数据集上的实验结果表明,该方法的生成图像的PSNR值和SSIM值高于同类比较方法.

基于Sigmoid曲线拟合的亮度可控土壤图像增强

图像在相同条件下表征土壤特征会提高土壤图像识别土种的精度。对自然环境下机器视觉采集的土壤图像亮度可控增强,将不同光照条件采集的土壤图像转换为近似于该土壤在某些特定光照条件下采集的具有一定亮度的真实土壤图像,能消除或减弱光照对后续土壤图像土种识别的影响。因此,应用Sigmoid曲线对土壤图像亮度(Y)分量的累积概率密度(cumulative distribution function,cdf)曲线拟合;然后,构建目标亮度逼近优化模型,迁移拟合的Sigmoid曲线逼近目标亮度;再依据像素的邻域信息对相同亮度的像素排序、迁移,实现土壤图像的亮度可控增强;最后,利用高斯卷积核提取色调(U)、饱和度(V)分量的低频分量,并基于色比不变性原理与原始土壤图像的邻域信息对增强土壤图像的U、V分量高低频分别增强,完成颜色校正,并融合增强亮度分量,获得增强的彩色土壤图像。实验结果表明,提出算法对完全重合的亮度不同成对真实土壤图像做有目标增强实验,增强后的土壤图像与真实目标土壤图像对应像素Y、U、V分量差的标准差均值分别为14.313 7、1.323 2、2.110 5,峰值信噪比均值为29.820 9;与对比算法2-D HS、WGSF比较,计算对比算法增强后的土壤图像与真实目标土壤图像对应像素Y、U、V分量差的标准差均值,提出算法比对比算法分别降低了0.767 7~4.762 9、0.052 4~1.110 4、0.071 4~1.272 0。所提算法对土壤图像亮度可控增强的精度高,失真度小,有效亮度增强范围为[-35,35],实验证明算法是有效的。