平喘宣肺汤对支气管哮喘大鼠炎症因子及肺组织PKC、MMP-9表达的影响

目的：观察平喘宣肺汤对支气管哮喘大鼠气道炎症反应的影响。方法：选取SPF级SD大鼠,分为正常组、模型组、地塞米松组、自拟平喘宣肺汤高、中、低剂量组,每组10只,采用卵清白蛋白致敏及雾化吸入激发的方法建立大鼠支气管哮喘模型。实验结束后对大鼠肺组织灌洗液（BALF）EOS、NEU、LYM、MAC计数,ELISA方法测定大鼠肺组织的IL-1、IL-6、NF-α水平,Western-bloting方法检测大鼠肺组织PKC、MMP-9蛋白表达。结果：自拟平喘肺汤可以降低EOS、NEU、LYM、MAC比率,与模型组比较有显著性差异（P〈0.05）,自拟平喘宣肺汤可降低大鼠血清IL-1、IL-6、NF-α水平,与模型组比较有显著性差异（P〈0.05）,可以减少肺组织PKC、MMP-9蛋白表达,且具有剂量依赖性。结论：自拟平喘宣肺汤可有效减轻支气管哮喘大鼠的炎症反应,可能通过调控PKC、MMP-9蛋白表达相关。

基于MobileNetv3-Large-YOLOv3的变电站火灾检测

为了在变电站的低计算能力设备上部署火灾检测算法,通过多种方式的结合改进YOLOv3的网络结构,实现准确而快速的火灾检测。鉴于火灾图像数据集不足以训练深度神经网络,通过多种手段收集火灾图像,自建火灾图像数据集,并基于线上数据增强方法,进一步扩充数据集;鉴于原YOLOv3网络参数众多,引入MobileNetv3-Large主干网络替换原DarkNet53主干网络来降低网络复杂度,并通过在预测网络部分引入Inverted-bneck-shortcut结构实现多尺度特征图的融合预测;进一步通过引入锚框聚类优化、随机带泄漏修正线性单元(randomized leaky rectified linear unit,RLReLU)激活函数改进网络,提升算法的检测精度。实验结果表明,所提改进YOLOv3火灾检测模型的大小近似为原YOLOv3模型的1/3,推断速度提高了近12%,并且算法的平均识别精度提高了近10%,说明所提改进YOLOv3变电站火灾检测算法能较为快速和准确地识别并定位图像中的火焰。

基于ResNet34_D改进YOLOv3模型的行人检测算法

针对自动驾驶场景下行人检测任务中对中、小尺寸目标和被遮挡目标的检测需求,以及现有深度学习模型的不足,提出基于ResNet34_D的改进YOLOv3模型:通过改进残差网络的卷积块结构提出ResNet34_D,并作为YOLOv3的主干网络以降低模型尺寸和训练难度;在ResNet34_D的3个尺度卷积特征图之后,增加SPP层和DropBlock模块以提高模型的泛化能力;基于K-means聚类算法确定自适应的多尺度锚框尺寸,提高对大、中、小3种尺寸行人目标的检测能力;引入DIoU损失函数,提高对被遮挡目标的识别能力.所提出模型的消融实验验证了各个改进部分在提高模型检测准确率上的有效性.实验结果表明,所提出的基于ResNet34_D的改进YOLOv3模型具有较好的准确率和实时性,在BDD100K-Person数据集上的AP50达到69.8%,检测速度达到130 FPS.由所提出方法与现有目标检测方法的对比实验可知,所提出方法对小目标和遮挡目标的误检率更低,速度更快,具有一定的实际应用价值.