一种新的引入MFCC的语音去噪模型

为了提高Speech-denoising Wavenet端到端语音去噪模型的去噪效果,将语音的梅尔频率倒谱系数(MFCC)通过一层全连接层和一层卷积层添加至原模型的空洞卷积层之后。实验结果表明,改进后的模型虽然去噪速度降低了18.42%,但是SNR提升了3.60%且训练时间缩短了接近30%。

基于多尺度特征的图像描述生成模型

针对现有基于深度学习图像描述生成模型,在图像特征编码阶段,由于编码器提取的图像特征较为单一,图像信息利用不充分,造成文字对图片内容描述得不够准确、语义较模糊的问题,在VGG19基础上,改进现有模型对图像特征的编码形式,通过提取和融合图像多尺度特征的方法,获取更丰富的图像信息。在MSCOCO数据集上进行训练和测试,实验结果表明,提出的模型能够生成更加准确、完整,更有意义的图像描述语句。

腹带在困难结肠镜检查中的临床应用研究

为评估腹带在低体重指数(body mass index,BMI)(BMI<18.5 kg/m^(2))及有腹部手术史患者结肠镜检查中的效果,针对门诊结肠镜检查患者进行随机对照试验。纳入2018年1月至2022年1月在苏州大学附属第二医院接受结肠镜检查的低BMI或有腹部手术史患者,按是否使用腹带分为腹带组和无腹带组。比较两组在盲肠插管时间、结肠镜插入盲肠长度、翻身情况、压腹情况及腹胀程度方面的差异。共有296例患者(98例低BMI患者和198例腹部手术史患者)入组,有无腹带组各148例。结果显示,腹带组相较于无腹带组,盲肠插管时间[(4.35±1.85)min比(7.99±3.86)min,t=35.624,P<0.001]和结肠镜插入盲肠长度[(72.03±10.35)cm比(86.42±17.71)cm,t=38.442,P<0.001]显著减少,患者需要翻身的百分比[18.9%(28/148)比71.6%(106/148),χ^(2)=82.959,P<0.001]、压腹的百分比[6.1%(9/148)比52.7%(78/148),χ^(2)=77.504,P<0.001]显著减少,检查中和检查后两组患者腹胀程度差异有统计学意义(P<0.001)。综上,对于低BMI和腹部手术史的困难结肠镜患者,使用腹带能显著提高结肠镜插入的效率和效果。