心肺康复护士专职岗位在重症监护室的设立与实践研究

目的:探讨心肺康复护士专职岗位在重症监护室(ICU)设立的可行性、工作模式及临床效果。方法:2021年12月在本院ICU设立心肺康复护士专职岗位,以2020年12月至2021年11月收治的50例患者为对照组,2021年12月至2022年10月收治的50例患者为试验组。比较两组患者的肺功能指标、APACHEⅡ评分、心功能指标、机械通气时间、ICU住院时间、ICU住院费用。结果:试验组肺功能指标(临床肺部感染评分、氧合指数、PO_(2)、PCO_(2))明显优于对照组(P<0.05);试验组APACHEⅡ评分较对照组明显降低(P<0.05);试验组心功能指标(LVDD、LVSD、LVEF)明显优于对照组(P<0.05);试验组机械通气时间、ICU住院时间短于对照组,ICU住院费用低于对照组(P<0.05)。结论:心肺康复护士专职岗位的设立不仅可以明显改善重症患者的心肺功能,降低患者的经济负担,还可以促进ICU护士专业化发展,进一步提升其科研能力。

基于实例分割与光流的动态场景RGB-D SLAM

为了提高动态场景RGB-D SLAM中相机位姿精度,基于实例分割与光流算法,提出一种高精度RGB-D SLAM方法。首先,通过实例分割算法检测出场景中的物体,删除非刚性物体并构造语义地图。接着,通过光流信息计算运动残差,检测场景中动态刚性物体,并在语义地图中追踪这些动态刚性物体。然后,删除每一帧中非刚性物体和动态刚性物体上的动态特征点,利用其他稳定的特征点优化相机位姿。最后,通过TSDF模型重建静态背景,并以点云的形式显示动态刚性物体。在TUM和Bonn数据集中测试表明,本文方法与当前最先进的SLAM工作ACEFusion相比相机精度提升约43%。消融实验结果表明,保留动态刚性物体处于静止状态下的特征点对相机位姿估计结果提升约37%。稠密建图实验结果表明,本文方法在动态场景中重建结果优于当前先进的工作,平均重建误差为0.042 m。代码开源在https://github.com/wawcg/dy_wcg。

深度指导的无监督领域自适应语义分割

为了提高语义分割精度,解决模型在不同数据域上泛化性差的问题,提出基于深度信息的无监督领域自适应语义分割方法.首先,深度感知自适应框架通过捕捉深度信息和语义信息的内在联系,减小不同域之间的差异;然后,设计了一个轻量级深度估计网络来提供深度信息,通过跨任务交互策略融合深度和语义信息,并在深度感知空间对齐源域和目标域的分布差距;最后,提出基于深度信息的域内自适应策略弥合目标域内部的分布差异,将目标域分为子源域和子目标域,并缩小子源域和子目标域分布差距.实验结果表明,所提方法在SYNTHIA-2-Cityscapes和SYNTHIA-2-Mapillary跨域任务上的平均交并比分别为46.7%和73.3%,与同类方法相比,该方法在语义分割和深度估计精度上均有显著提升.

手机点胶三维轨迹生成方法

智能手机边框在制造过程中往往存在形变问题,先前的视觉定位方法难以得到精确的边框点胶位置。针对此问题,提出了一种新颖的手机点胶三维轨迹生成方法。首先,使用三维线激光测量仪扫描边框,引入基于位姿图的点云拼接算法解决边框点云的拼接问题。采用基于模板的方法,标注模板点胶轨迹。然后,通过基于变形图的非刚性配准算法将模板与目标边框对齐,得到变换后的轨迹,并提出轨迹优化策略生成精准的目标点胶轨迹。实验证明,所提方法生成的轨迹精度可达0.01 mm以下,且速度可达到在线实时测量效果。

基于单视图关键点投票的机器人抓取方法

针对传统机器人抓取算法成本高、位姿估计准确率低、在极端场景中鲁棒性差等问题,提出一种基于单视图关键点投票的机器人抓取方法。该方法基于单个RGB图像,采用投票推理2D关键点的方式,再结合3D关键点的位置,利用多组点对映射关系(E-Perspective-n-Point, EPnP),算法计算物体的6D位姿,并将其转换为最优的机器人抓取姿势,实现机器人抓取。实验表明,即使在遮挡、截断、杂乱场景中,也能体现较好的估计结果。所提方法抓取成功率达到了94%,能引导机器人实现准确抓取。

基于单目视觉的类别级六自由度位姿估计方法

目前,6D位姿估计技术主要针对实例级别的物体,而对网络预先没有获取精准CAD模型的实例,无法估计其6D位姿信息。针对这一问题,论文提出了一种类别级6D位姿估计的网络框架。首先,进行目标识别与掩膜分割,再通过逐像素预测目标的三维坐标,获取其标准化模型点云;其次,设计了一种单目深度估计网络,再通过三维重建得到实例对象的局部点云;最后,利用局部点云与标准化模型点云配准,计算得到类别级物体的6D位姿信息。实验表明:方法仅通过单张图像就能实现类别级6D位姿信息估计,平均精度达到89.2%。

基于局部排序差值细化模式的纹理图像分类

针对传统局部二值模式及其扩展算法存在特征维度高、不能充分体现局部邻域像素间差值大小信息等问题,提出一种局部排序差值细化模式(LSDRP).首先根据采样半径大小对图像进行相应规格的高斯滤波,并按灰度值将局部邻域采样点排序;然后计算局部排序邻域内像素间的差值并将其融入排序二值编码对应位置的权值中,从而生成LSDRP特征;最后选取LSDRP特征模式中的高频模式表征图像,并级联多个半径下LSDRP特征的高频模式构成图像纹理的多尺度表示.在Outex,CUReT和UMD纹理库上的实验结果表明,所提算法计算简单且能在低维度条件下有效解决纹理分类中存在的光照、旋转变化问题;特别是在TC10,TC12_000和TC12_001纹理库上仅需120维特征即可分别达到100%,99.38%和99.72%的分类精度.

中国乒乓球“海漂群体”的时空分布特征及影响机制

作为"国球"的乒乓球项目为我国培养了大量优秀运动员,在人员饱和与激烈竞争下不少运动员选择"海漂",其时空分布特征与影响机制有待揭示。以1986-2016年参加乒乓球国际性赛事的中国乒乓球"海漂群体"为研究对象,综合运用数理统计和空间分析等方法,从体育地理学视角探究"海漂群体"的时空演变特征,并运用人口(人才)迁移相关理论,分析"海漂群体"形成与变动的影响机制。结果表明:1)乒乓球"海漂群体"时间上呈现"整体增长、局部波动、个别点下降"的特征;2)空间上呈现"欧洲、北美洲呈片状分布,亚洲、非洲、南美洲、大洋洲以国家(地区)为单位呈点状分布"的特征;3)国内迁出地主要是河北、辽宁、四川、安徽、北京、上海等乒乓球大省或体育较发达的地区,迁入地倾向于发达国家或地区;4)经过初步发展期、快速扩张期以及稳定发展期,"海漂群体"的世界空间流向格局已基本形成;5)"海漂群体"主要对海漂人才自身、迁入地与迁出地、世界乒乓球体育事业产生影响,最后揭示了其形成与变动机制。

前列腺癌与前列腺增生的分类预测及癌症风险因素分析

背景前列腺癌是男性泌尿生殖系统最常见的恶性肿瘤之一,其与前列腺增生之间的快速鉴别是临床面临的难题之一,需要可靠方法进行分类预测。目的基于XGBoost算法构建前列腺癌与前列腺增生的分类预测模型,识别癌症风险因素并分析其在早期诊断中的应用价值。方法于"前列腺癌数据集"(2019年由解放军总医院国家临床医学科学数据中心,国家人口与健康科学数据共享平台提供)中获取前列腺癌与前列腺增生患者的临床数据,在数据预处理基础上按照7∶3划分训练集和测试集;应用XGBoost算法构建前列腺癌与前列腺增生的分类模型;基于训练集确定模型参数,并在测试集上完成模型的有效性验证,利用SHAP方法分析模型特征的临床意义。结果共纳入前列腺癌患者1224例、前列腺增生患者1255例,平均年龄分别为65.86岁、67.70岁;选取年龄、体质量指数、前列腺特异性抗原(prostate specific antigen,PSA)系列指标及其他生化检验指标共23个特征构建分类模型。模型对前列腺癌预测的曲线下面积、准确率、召回率、精确率和F1值分别为0.81、0.74、0.70、0.72、0.74;游离PSA/总PSA、总PSA、无机磷、游离PSA是前列腺早期诊断中最重要的4个指标;SHAP分析结果表明游离PSA/总PSA≤0.132与无机磷≥1.09 mmol/L是前列腺癌诊断中需要被关注的分界值。结论应用XGBoost算法可构建前列腺癌预测的有效分类模型,利用SHAP分析获取的特征指标分界值可为前列腺癌的临床早期筛查提供有益参考。

基于卷积神经网络的心电图心博识别

心电图分析是诊断心律失常的最主要手段,心搏类型是诊断心律失常的重要信息,心搏的自动识别也是心律失常自动诊断的重要步骤。本研究尝试采用卷积神经网络自动识别心搏类型,使用的心电数据来源于MIT-BIH心律失常数据库,将心电信号的形态特征作为输入,采用端对端学习的网络结构。经过十折交叉验证测试。本研究网络识别13种心搏类型的平均准确率为99.24%,特异度达到99.59%。对于叠加不超过0.4 mV随机噪声的心电信号,本研究网络的识别准确率为99.07%。此外,将数据库的其中一个病人作为实测数据,得到的阳性预测为99.19%。研究结果表明文章的网络能自动学习输入特征,准确识别较多种类心搏且对噪声具有鲁棒性,为接下来的心律失常自动诊断提供可靠基础,同时也可能为基于心电图分析的其他相关诊断提供辅助决策支持。

利用自监督卷积网络估计单图像深度信息

为了提高利用深度神经网络预测单图像深度信息的精确度,提出了一种采用自监督卷积神经网络进行单图像深度估计的方法.首先,该方法通过在编解码结构中引入残差结构、密集连接结构和跳跃连接等方式改进了单图像深度估计卷积神经网络,改善了网络的学习效率和性能,加快了网络的收敛速度;其次,通过结合灰度相似性、视差平滑和左右视差匹配等损失度量设计了一种更有效的损失函数,有效地降低了图像光照因素影响,遏制了图像深度的不连续性,并能保证左右视差的一致性,从而提高深度估计的鲁棒性;最后,采用立体图像作为训练数据,无需目标深度监督信息,实现了端到端的单幅图像深度估计.在TensorFlow框架下,用KITTI和Cityscapes数据集进行实验,结果表明,与目前的主流方法相比,该方法在预测深度的精确度方面有较大提升,拥有更好的深度预测性能.

家庭送养的时空演化及决策机制

中国民间抱养行为由来已久,家庭送养的决策将完全改变儿童的生存和发展的轨迹。囿于送养的隐蔽性和复杂性,且相关研究匮乏,亟需系统性的剖析。文章基于公益平台寻亲数据,运用社会网络、空间分析、数理统计以及地理探测器的方法,探究1981—2010年家庭送养的时空分异特征,并进一步归纳送养决策的流程及原因机制。结果表明:1)送养主体为未满1周岁女童。2)送养人数在时间上呈现“先增后减”的倒“U”型分布,在空间上主要分布在中国东部、中部以及川渝地区。3)家庭送养原因以经济贫困为主,违反生育政策的影响次之。当家庭面临狭小的生育空间时,重男轻女的思想会被强化。4)地理探测器结果揭示,人口因素是影响送养空间分异最主要的原因,自然灾害、计划生育和经济因素在不同时期产生较大影响。5)基于理性选择理论提出了多尺度下的家庭送养的影响机制,认为家庭在作理性送养决策时,往往遵循生存理性、经济理性、制度理性以及社会理性的原则。

美国失踪人口的时空格局演变与影响机制

基于Doe Network平台数据,综合运用数理统计、空间分析和地理探测器等方法,探讨了美国1996―2021年失踪人口的基本特征、时空格局与影响机制。结果表明:1)美国失踪多发生在青少年(13~18岁)与成年时期(19~59岁),且失踪人口数量随年龄增长呈先增后减的趋势;男性失踪人数多于女性,但失踪高发年龄略滞后于女性;各种族中黑人面临着最大的失踪风险。2)时间上,自1996年以来,失踪人口的年际变化数量先呈现波浪式上升趋势,2017年达到峰值后大幅下降;受气温和节假日影响,夏季6―8月和冬季12月为失踪高发期,2―4月为失踪的低谷期。3)空间上,失踪人口在州尺度上呈由沿海边境地区向内陆递减的特征,失踪高发区域随时间推移,自东、西沿海地区与南部美墨边境同时向美国内陆推进;县尺度上呈边缘集中成片,内部零星分散的特征。4)失踪人口数量变化是多因素共同作用的结果,主要受地区人口流动性、人均GDP、生育率以及易失踪人群基数影响,人口环境因子与经济、社会因子结合后对美国失踪人口空间分异的解释力增强,达到80%以上。5)人口失踪可用“社会失范理论”解释,社会目标和手段的脱节导致社会失范,进而诱发越轨行为,导致人口失踪概率的上升。

点特征柔性物体三维运动恢复方法

为了使用两台标定的高速相机获取点特征柔性物体的三维运动轨迹,提出了一种实用的点特征柔性物体三维运动恢复方法,包括图像空间重建、时间序列重建等步骤。其中空间和时间序列重建是三维运动恢复的核心部分,在空间重建方面,使用椭圆拟合得到图像上点的坐标,并根据马氏距离寻找匹配点,然后利用三角测量法计算空间三维点;在时间序列重建方面,利用搜索方法匹配点前后图像坐标,从而实现运动过程的三维恢复。然后利用重建结果计算运动柔性物体的速度、加速度、曲率变化等重要参数。实验结果表明,该三维运动恢复方法提高了空间序列匹配的速度和准确度,有效地实现了时间序列的匹配,减少了整个重建过程的时间。通过对目标的重建,准确地获得了物体的三维运动数据。

基于三维检测网络的机器人抓取方法

机器人抓取任务中面对的是不同形状和大小的物体,而散落在场景中的物体会有不同的姿态和位置,这对机器人抓取中计算物体位姿任务提出了较高的挑战。针对于此,本文设计了一种基于三维目标检测的机器人抓取方法,弥补了基于二维图像识别引导机器人抓取任务中对视角要求较高的缺陷。首先,设计了一种卷积神经网络在RGB图像中识别物体,并回归出物体三维包围盒、物体中心点;其次,提出一种计算机器人抓取物体最佳姿势的策略;最后,控制机器人进行抓取。在实际场景中,使用本文设计的三维检测网络,三维目标检测精度达到88%,抓取成功率达到94%。综上所述,本文设计的系统能有效找到机器人合适的抓取姿势,提高抓取成功率,满足更高的抓取任务要求。

球状物体运动的检测与轨迹跟踪

近几年各种体育赛事呈现爆炸增长趋势,借助于视频跟踪技术分析体育比赛中的球类运动,有助于教练和运动员制定战术策略和模拟训练方向。论文以乒乓球为例进行球状物体运动的检测与轨迹跟踪研究。利用两个已标定的摄像机对运动中的乒乓球进行拍摄,获取研究所需视频;将视频逐帧分解并处理,使用椭圆拟合检测已形变的乒乓球并提取球心;根据立体校正与欧氏距离相结合的方式匹配左右图像上的球心,通过色彩特征与大尺度光流两种不同的方式对乒乓球进行跟踪。最后利用三角测量方法获取乒乓球的三维空间坐标,完成轨迹重建。

基于双目视觉的手势关节点跟踪方法

随着交互方式的发展,传统的鼠标、键盘已经不能满足用户的需求;基于视觉的手势识别和跟踪可以更加方便快捷地实现用户愿景,大幅度增强用户体验。为此,论文对手势跟踪进行研究,模拟人体双目视觉,从二维视频中提取手势的运动参数。运用基于仿射变换的马氏距离算法和基于金字塔光流的动态线性模型法进行特征点匹配和时间序列跟踪,从而有效提高了精确度。另外,根据运动模型可以进行轨迹预测,在动态手势跟踪和人机交互等领域具有一定的研究和应用价值。

显著性物体检测研究综述:方法、应用和趋势

显著性物体检测旨在快速定位图像中的显著性目标,可用于目标检测和识别、关键点定位、视觉跟踪、语义分割等计算机视觉任务中。为梳理显著性检测研究的发展脉络,从方法、应用领域和研究方向等方面分析显著性检测的研究现状和发展趋势。首先,阐述了显著性检测与相关研究的区别和联系;然后,分析了目前主流的显著性物体检测算法的流程、创新点、性能和适用性;接下来,介绍了显著性检测领域数据集的发展和演化;最后,展望了显著性检测研究的发展趋势并总结了显著性检测的主要应用领域。

中美人口贩运问题治理比较研究

文章基于中美人口贩运历史和现状,从国家方略、法律法规、工作机构、预警系统和受害者救助与安置回归5方面,比较了两国在打击人口贩运方面的优势和劣势。结果发现,中美人口贩运治理国家方略,均是在“以人为本、协同预防、依法打击、积极救助、妥善安置”的框架下制定的。中国更多的是针对打击国内拐卖妇女、儿童犯罪的全面性,而美国则是重点治理商业性跨国人口贩运。中国治理的特色在于自上而下的管理和自下而上的自治,一旦方略、法律法规形成,能够迅速覆盖全国执行;而美国属于联邦制国家,联邦政府与州政府是合作而非隶属关系,加之三权分立与制衡相结合的政治制度和两党制的政党制度,美国治理人口贩运问题的全国执行度、联动性还需进一步考察。最后,就中国如何应对和治理拐卖人口问题提出几点建议,具体包括:1)加大对《中国反对拐卖人口行动计划(2021—2030)》的实施力度,各地需因地制宜地明确行动措施;完善与国家法的衔接并合理吸收借鉴,持续推进针对打击人口拐卖的专门立法,增强应对能力;2)加强国际合作,重视社会建设和治理跨国、跨地域人口拐卖问题;3)细化反拐工作机构,成立专门工作组,设置专项经费,畅通建议渠道;4)构建并完善“团圆系统”配套制度建设。

基于卷积神经网络的扁桃体咽拭子采样机器人

针对医务人员咽拭子采样时有较高被传染风险,提出咽拭子采样机器人。采样需检测、识别和定位扁桃体的位置信息,由于扁桃体在原图中尺寸较小、特征提取困难,设计基于卷积神经网络的两步检测模型。第一步,使用口腔检测模块将口腔图像从自制的人体面部数据集中检测并切割出来;第二步,在口腔图像基础上,识别位扁桃体的位置信息。结合深度图像计算扁桃体在机器人世界坐标系的坐标,控制机械臂运动到指定位置,实现咽拭子采样。实验证明,系统使用基于卷积神经网络的扁桃体两步检测模型具有较高的准确性和检测效率,检测结果的AP50和检测平均时间均优于对比算法且能够准确地完成咽拭子采样。