基于单片机的防酒驾检测系统设计与应用

本文针对酒后驾车引起的交通事故问题,设计了一种基于单片机的防酒驾检测系统。系统通过感应驾驶员座位上的是否有人判断是否自动启动酒精检测仪,并利用酒精感应器检测车内酒精含量;一旦检测到酒精浓度超标,系统将切断车辆点火电路,阻止车辆启动,实现预防酒驾的目的。经过测试,系统展现了良好的准确性和可靠性,且成本低、易实现、性能稳定、效果好;易于推广,具有较好的市场应用前景。

小学数学有效课堂教学探究

小学数学有效教学,是指通过课堂教学使学生在知识技能、数学思考、解决问题、情感与态度方面获得协调发展,有效地实现预期的教学结果。本文从因材施教展开课堂教学、联系生活实际、通过竞赛活动、贴近学生生活等方面进行阐述。

小学数学创新教学探究

创新能力的培养对小学生的成长和发展至关重要,在数学课堂教学中,针对当前小学生学习数学的实际情况, 根据数学学科的性质和特点、 数学教学的规律, 采取多种形式促进学生创新能力的形成和发展, 应成为数学教学指导思想的重要内容, 教学中数学老师应不断实践和探究, 多途径去培养学生的创新能力.

基于无监督学习的数字病理切片自动分割方法

目的使用无监督的方式进行图像分割,作为人工标记的一种替代。方法选取了共100张HE染色和巴氏染色切片的全片数字化图像(whole slide image,WSI)数据作为研究和测试的对象,其中乳腺切片70张,肺切片20张,甲状腺切片10张。为了保证数据的多样性,乳腺的切片包含了正常组织、炎症、肿瘤,肺切片取材主要为下叶新生物(包含了炎症和肿瘤),甲状腺为细针穿刺的细胞(均为良性)。每张图像的最大总倍率(原始倍率)均为400倍,文件格式为ndpi。对每张WSI进行人工的标注,每张WSI的标注区域都大于10个视野,标注后的信息将用于有效性的验证。使用基于超像素与全卷积神经网络的算法构建无监督图像分割技术,对没有标记的WSI的任意感兴趣区域(regions of interest,ROI)进行图像分割。与区域邻接图合并的方法进行比较,以欠分割错误差率、边缘召回率和平均交并结果比判定两种方法的分割效果,并比较两种方法的效率。在执行效率的比较中,测试过程包含了超像素的预处理的时间,去掉了加载深度学习引擎的时间。结果对WSI任意ROI区域按纹理和颜色对图像实现了无监督的自动分割,乳腺切片、肺切片和甲状腺切片测试的结果差异小,多次测试的结果稳定,但该方法在对炎症和肿瘤的区分中表现一般。其欠分割错误差率、边缘召回率和平均交并结果分别为19.10%、82.06%和45.06%。区域邻接图合并的方法的欠分割错误差率、边缘召回率和平均交并的结果分别为21.52%、78.39%和44.81%。在GPU模式下整个过程平均耗时为0.27 s,在CPU模式下平均耗时为1.30 s,由于区域邻接图合并的方法没有实现GPU模式,在CPU模式下平均耗时为10.5 s。结论本方法通过简单的人机交互操作得到理想的像素级标注结果,可以有效降低数字病理切片数据标注的成本,比区域邻接图合并的方法在处理图像纹理的方面表现得更好,处理速度更快。

乳腺癌Ki-67人工智能自动诊断系统的真实世界应用测试

目的研究人工智能(AI)用于辅助临床乳腺浸润性导管癌(IDC)Ki-67评分的不同方法并比较其结果。方法收集100例真实临床IDC诊断病例,包括HE、免疫组化Ki-67染色的切片和诊断结果。将病理切片扫描成全片数字化图像(whole slide image,WSI),并使用AI对其进行评分。AI评分方式分为两种,一种为AI纯自动计数,使用Ki-67自动诊断的评分系统对WSI进行全片计数;第二种是AI半自动计数,需要人工选择区域计数,然后用智能显微镜进行自动计数。病理医生的诊断结果作为纯人工计数的结果。将全人工(病理诊断结果)、AI半自动、AI全自动此3种计数所得的Ki-67分数进行两两比较,分别按差异高低进行归类,差异高低分为3档:相差≤10%、相差>10%~<30%和相差≥30%,并且使用组内相关系数(intra-class correlation coefficient,ICC)对其进行相关性的评价。结果全自动AI计数1例Ki-67的时间为5~8 min,而半自动AI方法为2~3 min,全人工计数则需要1~3 min。两种AI计数方法相比较,Ki-67分数的相差全部在10%以内(占比100%),ICC指数高达0.992。全人工计数和AI半自动相比,相差≤10%的有60例(占比60%),相差>10%~<30%的例数为37例(占比37%),而≥30%的只有3例(占比3%),ICC指数为0.724;全人工计数和AI全自动相比,相差≤10%的有78例(占78%),相差>10%~<30%的例数为17例(占比17%),而≥30%的有5例(占比5%),ICC指数为0.720。ICC数值示,两种AI方法之间差异不大、可重复性很好,AI和人工计数之间的可重复性可接受。结论AI全自动方法的优势在于更节省人力,病理医生只需在最后核对诊断结果。而半自动的方法更符合临床病理医生的诊断习惯,整体耗时较AI全自动方法少。此外,AI方法虽然可重复性较高,但不能完全取代病理医生,而应作为有力的辅助工具看待。