基于YOLOv8改进的跌倒检测算法:CASL-YOLO

跌倒对老年人危害极大,是我国65岁以上老年人致残和伤害死亡的首要原因.然而,目前主流的跌倒检测技术受环境的干扰较大,在物体遮挡、光照变化等复杂场景下的检测准确率较低,且模型的参数量和计算量较高,导致成本居高不下,不能很好地部署应用于实际生活场景.针对上述问题,提出了一种在复杂环境下轻量级的基于YOLOv8模型改进的跌倒检测算法:CASL-YOLO.首先,该模型引入空间深度卷积(SPD-Conv)模块替代传统卷积模块,通过对每个特征映射进行卷积操作,保留通道维度中的全部信息,从而提高模型在低分辨率图像和小物体检测方面的性能;其次,引入基于位置信息的注意力机制,以捕获跨通道、方向和位置感知的信息,从而更准确地定位和识别人体目标;最后,在特征提取模块中引入选择性大卷积核(LSKNet)动态调整感受野,以有效处理跌倒检测场景中的复杂环境信息,提高网络的感知能力和检测精度.实验结果表明,在公开的Human Fall数据集上,CASL-YOLO的mAP@0.5达到96.8%,优于基线YOLOv8n,同时模型仅有3.4×MiB的参数量和11.7×10^(9)的计算量.相比其他检测算法,CASL-YOLO在参数量和计算量小幅增加的情况下,实现了更高的精度和性能,同时满足实际场景的部署要求.

改进YOLOv8的无人机航拍图像目标检测算法

针对无人机航拍图像存在多个小目标聚集、目标尺度变化大的问题,提出一种改进YOLOv8的目标检测算法TS-YOLO(tiny and scale-YOLO)。在主干部分去除冗余的特征提取层,设计了一种高效特征提取模块(efficient feature extraction module,EFEM),避免小目标特征消失在冗余信息中。在颈部设计了一种双重跨尺度加权特征融合方法(dual cross-scale weighted feature-fusion,DCWF),融合多尺度信息的同时抑制噪声干扰,提升特征表达能力。通过构建一种参数共享检测头(parameter-shared detection header,PSDH),使回归和分类任务实现参数共享,保证检测精度的同时有效降低了模型的参数量。所提模型在VisDrone-2019数据集上的精度(P)和召回率(R)分别达到54.0%、42.5%;相比于原始YOLOv8s模型,mAP50提高了5.0个百分点,达到44.5%,且参数量减少了55.8%,仅有4.94×106;在DOTAv1.0遥感数据集上,mAP50达到71.9%,仍具有较好的泛化能力。

改进YOLOv8n的选通图像目标检测算法

激光选通成像技术在复杂环境下表现出色,但选通图像为灰度图像无法提供颜色信息,并且对比度较低,所以在进行小目标和遮挡目标检测时更加困难。为解决以上问题提出了一种改进YOLOv8n的选通图像目标检测算法。在特征提取的主干网络部分,使用大核卷积C2f-DSF更有效地捕获输入数据的全局信息。添加了多头注意力检测头Detect-SEAM模块,增强了特征提取和目标识别的能力。为了获取不同感受野的上下文信息,增强特征提取能力,使用了SPPF-M模块。采用上采样算子Dysample,减少特征信息的损失,从而提高小目标的检测精度。改进的YOLOv8n算法在选通图像数据集上mAP@0.5提高了2.4个百分点,mAP@0.5:0.95提高了1.8个百分点。为了验证改进的YOLOv8n算法的泛化性,选取KITTI数据集实验,相比于YOLOv8n算法改进YOLOv8n的mAP@0.5提高了4.3个百分点,mAP@0.5:0.95提高了3.5个百分点。

基于YOLOv8算法改进模型检测梢斑螟虫蛀树木

梢斑螟是一种严重危害针叶树种的害虫,严重影响针叶树的健康和生长。梢斑螟虫的幼虫以针叶树的叶片为食物,在针叶树木中建立巢穴,逐渐摧毁叶片组织,导致叶片变黄、褪绿,最终树木枯萎。此外,幼虫也可能侵蚀树木的树皮,导致树皮剥落和树干暴露,使树木易受其他害虫、病菌和自然元素的侵害,增加树木的脆弱性,降低其生存能力。为辅助地面治疗被梢斑螟虫蛀树木,采用YOLOv8s目标检测算法,实现对梢斑螟虫蛀树木的检测与识别。通过采用C2f-GAM和动态检测头建立模型(YOLOv8-DM),来提高YOLOv8s对于梢斑螟虫蛀树木的检测能力。试验结果表明,YOLOv8-DM能够有效地识别梢斑螟虫蛀树木,其平均精准度达到84.8%。与其他目标检测算法相比,YOLOv8-DM有更高的平均精准度。

改进的YOLOv8n轻量化景区行人检测方法研究

针对景区人流量大、人员密集,而现有目标检测算法对于遮挡目标和小目标检测效率低且模型参数量大等问题,提出基于YOLOv8n的轻量化景区行人检测算法SSC-YOLOv8n。提出空间和通道重建注意力卷积SCC2fEMA模块,以显著减少模型参数量,从而提升模型的检测速度。采用精细的slim-neck范式,通过GSConv和V0V-GSCSP模块,在有效降低模型参数量的同时,提升模型的学习能力。提出坐标注意力动态解耦头,以显著增强模型对位置信息的感知度和敏感度。为了对样本进行更为精确的平衡处理,引入Focal Loss损失函数,进一步提高模型的检测精度与鲁棒性。实验结果表明,在景区行人数据集上,改进后的模型相较于原始模型,模型参数量减小了52%,mAP@0.5提升了2.1个百分点,mAP@0.5:0.95提升了1.4个百分点。在VisDrone2019数据集上,mAP@0.5提高了3.9个百分点。改进后的算法具有更强的泛化性能,能够更好地适用于景区行人检测任务。

基于改进YOLOv8的道路交通小目标车辆检测算法

针对交通道路中小目标车辆存在的识别困难、检测精度低以及误检和漏检等问题,提出一种基于YOLOv8算法的大内核、多尺度梯度组合的道路交通小目标车辆检测模型RGGE-YOLOv8。首先,使用RepLayer模型替换YOLOv8网络的主干部分,引入大内核深度可分离卷积结构,拓展上下文信息,以增强模型对小目标的信息捕获能力;其次,使用GIoU代替原损失函数,解决IoU在预测框与真实框没有重叠时存在的无法优化问题;然后,引入全局注意力机制(GAM),通过减少信息丢失并增强全局交互信息来提高网络的特征表达能力;最后,引入CSPNet并重参化梯度组合特征金字塔,使得模型具有较大感受野和高形状偏差。实验结果表明,RGGE-YOLOv8在Visdrone数据集和自有数据集上mAP@0.5指标分别达到34.8%和94.7%,相较于原始YOLOv8n算法精度分别提高了2.2和5.51百分点,证明了RGGE-YOLOv8模型对道路小目标车辆检测的有效性。

基于改进YOLOv8的交通场景实例分割算法

提出一种基于改进型YOLOv8的实例分割算法(DE-YOLO)。为减少图像中复杂背景的干扰,引入高效多尺度注意力机制,跨维交互使各特征组内空间语义特征平均分布。在主干网络部分,使用可变形卷积DCNv2结合C2f卷积层,突破原始卷积限制,提升可变性。为减小有害梯度并提升检测器精度,采用动态非单调聚焦机制Wise-交并比(WIoU)替代联合完全交并(CIoU)损失函数进行质量评估,优化检测框定位,提升分割精度。同时,通过开启Mixup数据增强处理,充实数据集,丰富训练特征,提升模型学习能力。实验结果表明,DE-YOLO在城市景观数据集Cityscapes中的掩模平均精度均值(mAPmask)较基准模型YOLOv8n-seg提高了2.0百分点,IoU阈值为0.5时的平均精度提升了3.2百分点,所提算法在提升精度的同时,保持了优良的检测速度和较少的参数量,模型参数量较同类模型低2.2~31.3百分点。

依托咪酯调控miR-204-5p/HOXC8轴对胃癌细胞增殖、凋亡及侵袭的影响

目的探讨依托咪酯(Eto)调节微小RNA(miR)-204-5p/同源盒基因C8(HOXC8)轴对人胃癌细胞增殖、凋亡及侵袭的影响。方法2023年4月—2024年4月于武汉科技大学实验室进行实验,将胃癌细胞MKN45分为对照(Ctrl)组、低剂量Eto组(Eto-L,5μmol/L)、中剂量Eto组(Eto-M,10μmol/L)、高剂量Eto组(Eto-H,20μmol/L)、Eto-H+miR-inhibitor-NC、Eto-H+miR-204-5p inhibitor组。CCK-8法、集落形成实验检测细胞增殖情况,流式细胞术检测MKN45细胞凋亡情况,Transwell实验检测细胞侵袭能力;qRT-PCR检测细胞中miR-204-5p和HOXC8 mRNA表达水平;双荧光素酶实验检测miR-204-5p和HOXC8之间的靶向关系。结果与Ctrl组比较,Eto-L组、Eto-M组、Eto-H组、Eto-H+miR-inhibitor-NC组、Eto-H+miR-204-5p inhibitor组MKN45细胞存活率、集落形成率、细胞侵入率、HOXC8 mRNA水平均显著降低(F/P=33.391/<0.001、29.646/<0.001、44.814/<0.001、45.485/<0.001),细胞凋亡率和miR-204-5p水平显著升高(F/P=78.091/<0.001、22.665/<0.001);与Eto-H+miR-inhibitor-NC组比较,Eto-H+miR-204-5p inhibitor组MKN45细胞存活率、集落形成率、细胞侵入率、HOXC8 mRNA水平均显著升高(q/P=8.099/<0.001、7.587/<0.001、7.768/<0.001、11.162/<0.001),细胞凋亡率和miR-204-5p水平显著降低(q/P=10.254/<0.001、8.596/<0.001);与HOXC8-WT和miR-NC共转染细胞比较,HOXC8-WT和miR-204-5p mimic共转染的MKN45细胞中相对荧光酶活性显著降低(t/P=5.770/<0.001)。结论Eto可能通过上调miR-204-5p、下调HOXC8,减弱胃癌细胞MKN45增殖和侵袭能力,促进细胞凋亡。

鸡热休克蛋白8基因克隆、生物信息学分析及其在胸腺中表达模式研究

[目的]探讨鸡热休克蛋白8(heat shock protein family A member 8,HSPA8)的生物学特性及其在应激状态下胸腺中的表达模式。[方法]试验以固始鸡胸腺为材料,利用PCR技术扩增并克隆HSPA8基因CDS区,通过生物信息学方法分析其生物学特性和结构特点,并检测其在不同组织中的相对表达量。构建断喙应激和热应激模型,采用实时荧光定量PCR技术检测炎症因子和HSPA8基因在不同应激模型鸡胸腺中的表达情况。[结果]鸡HSPA8基因CDS区长度为1 941 bp,共编码氨基酸646个,与红原鸡基因序列相似性为98.92%;HSPA8基因核苷酸序列的系统发育树结果表明,固始鸡与火鸡亲缘关系最近,与哺乳动物次之,与低等鱼类亲缘关系最远;HSPA8蛋白属于酸性蛋白,稳定性和亲水性强,不属于分泌蛋白且无跨膜结构域,有多个磷酸化和糖基化修饰位点,主要在细胞核内发挥作用,具有2个保守性结构域,与DNAJC5、HSPB1、DNAJA1和GAK等蛋白存在相互作用;HSAP8基因在雏鸡各组织中广泛表达,其中在胰腺中表达量最高,在胸肌中表达量最低;应激模型评价结果发现,断喙应激和热应激导致鸡血清皮质酮、白细胞介素-6(IL-6)和肿瘤坏死因子-α(TNF-α)等含量显著增加(P<0.05),T细胞亚群(CD3^(+))和免疫球蛋白G(IgG)含量有所降低;断喙应激模型鸡胸腺中IL-1β、IL-6、TNF-α和IL-8基因表达量在第1天显著升高(P<0.05),第5天显著降低(P<0.05);热应激模型鸡胸腺中IL-1β、IL-6、TNF-α和IL-8基因表达量显著升高(P<0.05);HSPA8基因在断喙后第1和3天胸腺中表达量显著升高(P<0.05),第5天显著降低(P<0.05);在持续热应激组中显著降低(P<0.05)。[结论]HSPA8基因参与鸡胸腺应激性免疫应答反应,可作为反映家禽是否处于应激性免疫抑制状态的可靠指标。以上结果为进一步研究HSPA8的免疫调控功能提供参考依据。

非静水压环境对U_(3)O_(8)高压拉曼声子行为的影响

八氧化三铀(U_(3)O_(8))是动力学和热力学最稳定的铀氧化物。研究U_(3)O_(8)的高压相稳定性和高压声子行为对其在核工业、催化剂等领域的应用具有重要参考价值。由于铀原子([Rn]5f^(3)6d^(1)7s^(2))和氧原子([He]2s^(2)2p^(4))核外电子结构存在显著差异,因此很难通过同步辐射X射线衍射技术探测高压下铀氧化合物中U-O键合的细微变化。然而拉曼光谱对高压下U-O键合变化非常敏感,它能揭示物质在高压下包括键合或者化学计量等方面的重要信息。目前对U_(3)O_(8)高压结构相变的研究通常聚焦于静水压环境,而非静水压环境对U_(3)O_(8)高压相变的影响尚未得到深入研究。该研究基于金刚石对顶砧的高压拉曼散射技术探究了静水压和非静水压环境对正交α-U_(3)O_(8)高压相变与声子行为的影响。研究表明,静水压(8.1 GPa)和非静水压(8.2 GPa)条件下α-U_(3)O_(8)高压相变起始压力很接近。但由于非静水压环境中样品内的微区偏应力较大,因此非静水压环境中U_(3)O_(8)高压相变结束压力(16.4 GPa)比静水压环境中相应压力(18.5 GPa)约低2~3个GPa。同时本文给出了两对比实验中主拉曼模的一阶压力系数与Mode-Grüneisen参数γ。对比分析可知,高压相变前静水压条件下各主模零压下的一阶压力系数绝对值|dω/d P|几乎均大于非静水压条件下的相应值,这表明相变前非静水压环境中各拉曼模对压力响应不明显;一旦高压相变开始,由于较大微区偏应力的存在极大程度增强了铀氧原子外层电子的耦合作用,故相变后非静水压下压力系数绝对值显著增大。零压下B_(2)^((6))模的γ值最小,因此对外部扰动有更积极的响应。此外室温加压时A_(2)^((3))和A_(2)^((4))模(代表沿a轴氧原子的振动)的一阶压力系数通常小于B_(2)^((4))和B_(2)^((6))模(代表bc面内氧原子的位移),这表明α-U_(3)O_(8)高压相变前a轴比b、c轴更难被压缩。该工作深入探究了静水压和非静水压环境对α-U_(3)O_(8)高压相变的影响,为了解α-U_(3)O_(8)高压相稳定性和晶格动力学行为提供了重要参考。

SU-8光栅的制备及其衍射性能研究

衍射效率的大小是衡量光刻光栅性能优劣的重要指标。使用严格耦合波分析(RCWA)模拟得到周期10μm和12μm的SU-8微米光栅的各级次衍射效率。采用掩模版紫外光刻技术制作曝光时间分别为27,30,33,36 s的SU-8光栅。通过显微镜观察,发现曝光时间30 s制得的光栅结构更加清晰和平整。测量光栅样品的衍射效率,结果显示,0级衍射效率最大,与理论模拟结果相符。曝光时间27,33,36 s光栅的0级衍射效率较30s的相对偏高。以周期10μm光栅TE偏振光入射为例,使用RCWA理论模拟了光栅的栅条有缺口以及栅槽有额外薄膜层两种情况,分析了0级衍射效率偏高的现象。

氧浓度变化对人肺动脉内皮细胞中ANGPTL8表达的影响

目的探讨氧浓度变化对肺动脉内皮细胞(HPAECs)中血管生成素样蛋白8(ANGPTL8)表达的影响,以及ANGPTL8在肺动脉高压(PH)中的作用和机制。方法低氧(1%)和高氧(85%)处理HPAECs,Western blot和PCR等检测ANGPTL8的表达,并分析内皮-间质转化(EndMT)及ERK信号通路的变化。同时,高氧处理新生大鼠,构建支气管肺发育不良(BPD)模型,观察肺组织中ANGPTL8蛋白表达及ERK信号通路的变化。结果低氧组HPAECs中ANGPTL8的蛋白表达显著升高,伴随ERK信号通路的抑制(P<0.05)。ANGPTL8促进低氧诱导的EndMT过程(P<0.05),沉默ANGPTL8可以部分逆转EndMT过程。高氧组HPAECs和大鼠肺组织中ANGPTL8蛋白表达降低,伴随ERK信号通路的激活(P<0.05)。结论HPAECs中ANGPTL8对氧浓度变化高度敏感,其表达的变化与ERK信号通路的活性状态密切相关,对PH的发展具有潜在的调控作用。

PLA/ZIF-8-NS纳米纤维膜的制备及高效滤除超细颗粒物性能

通过微波辅助法制备了具有高比表面积的咪唑酸分子筛框架-8(ZIF-8)纳米片(ZIF-8-NS),并将其作为纳米电介质均匀分散到聚乳酸(PLA)溶液中,通过静电纺丝技术制备了ZIF-8-NS功能化PLA(PLA/ZIF-8-NS)纳米纤维膜;研究了PLA/ZIF-8-NS纳米纤维膜的微观结构及性能.结果表明,ZIF-8-NS的加入使PLA/ZIF-8-NS纤维明显细化(平均直径253 nm),且纤维表面粗糙度提升;PLA/ZIF-8-NS纳米纤维膜的表面电位达到10.4 kV,介电常数达到2.71,表现出优异的电荷存储能力;PLA/ZIF-8-NS纳米纤维膜对颗粒物的滤除性能优异,在85 L/min的高空气流速下对PM0.3和PM0.3~2.5的过滤效率分别达到95.57%和99.95%,空气阻力为305.3 Pa,且过滤360 min后对PM0.3仍能保持98.50%的高过滤效率;PLA/ZIF-8-NS纳米纤维膜还具有优异的抗菌性能,对金黄色葡萄球菌的抑菌率达到99.9%.研究结果表明,PLA/ZIF-8-NS纳米纤维膜在实现长效低阻颗粒物滤除方面具有巨大潜力,能够为高尘环境作业人员的呼吸健康防护提供重要保障.

菊芋新品种青芋8号的选育

青芋8号是由河南优良农家种经系统选育而成的加工型菊芋新品种。株高165.0~204.8 cm,茎粗1.9~3.1 cm,分枝数15~29个,平均单株叶片数445片。块茎呈瘤状,白皮白肉,表面光滑,须根少,分布较集中,平均单株块茎数115个,单株块茎鲜质量2.1 kg;水分含量82.50%,可溶性糖含量66.25 g·kg^(-1),粗纤维含量3.36 g·kg^(-1)。晚熟,全生育期约195 d(天),川水地栽培产量5600 kg·(667 m^(2))^(-1)左右,适宜青海省川水地种植。

基于YOLOv8算法的稀土熔盐电解槽炉面温度监测研究

电解温度与稀土熔盐电解槽电流效率、炉体寿命紧密相关,然而热电偶测温、红外热成像等测量方法受电解车间高温强腐蚀环境影响难以实时检测。基于YOLOv8算法对熔盐电解槽炉面温度进行预测。首先,通过高温试验炉自制温度数据集并基于YOLOv8算法训练获得温度区间分类模型;其次,采用图像灰度与温度关系式重建炉面图像温度云图;最后,基于YOLOv8-SSW算法构建了炉面温度图像识别模型,其预测准确率为93.4%,可用于电解槽炉面温度监测。

基于双目视觉和改进YOLOv8n的火灾检测及测距方法

针对火灾检测出现的漏检误检、模型参数量大及定位困难的问题,基于双目视觉和改进YOLOv8n提出了一种轻量化火灾检测及测距方法.通过双目相机拍摄图片,使用改进的检测算法YOLOv8n-AEM和现有的测距算法SGBM进行检测和测距.首先,在主干网络中引入可变核卷积AKConv和EMA注意力机制,通过构建不规则卷积核有效提取火灾的特征;然后,在颈部网络中构建C2f-SCConv模块,通过特征重组降低模型参数,提高检测速度;其次,基于最小点距离改进损失函数,解决火源与光源重叠导致的漏检与误检问题;最后,增加小目标检测头,提高对小火苗的检测能力.实验结果表明,改进后的检测算法P、R、mAP分别为83.6%、76.4%、83.6%,分别提高了2.5%、3.6%、4.8%;参数量和模型大小分别为2.54 M和5.1 MB,分别降低了15.3%和15%;测距精度误差不超过2.5%,证明改进的方法能准确完成火灾的检测及测距.

YOLOv8-DEL:基于改进YOLOv8n的实时车辆检测算法研究

车辆检测是智能交通系统和自动驾驶的重要组成部分。然而,实际交通场景中存在许多不确定因素,导致车辆检测模型的准确率低实时性差。为了解决这个问题,提出了一种快速准确的车辆检测算法——YOLOv8-DEL。使用DGCST(dynamic group convolution shuffle transformer)模块代替C2f模块来重构主干网络,以增强特征提取能力并使网络更轻量;添加的P2检测层能使模型更敏锐地定位和检测小目标,同时采用Efficient RepGFPN进行多尺度特征融合,以丰富特征信息并提高模型的特征表达能力;通过结合GroupNorm和共享卷积的优点,设计了一种轻量型共享卷积检测头,在保持精度的前提下,有效减少参数量并提升检测速度。与YOLOv8相比,提出的YOLOv8-DEL在BDD100K数据集和KITTI数据集上,mAP@0.5分别提高了4.8个百分点和1.2个百分点,具有实时检测速度(208.6 FPS和216.4 FPS),在检测精度和速度方面实现了更有利的折中。

TEG参数联合8-OHdG、UCH-L1预测脑梗死抗凝患者血管性事件的临床价值

目的探讨血栓弹力图(TEG)参数联合8-羟基脱氧鸟苷(8-OHdG)、泛素羧基末端水解酶-1(UCH-L1)预测急性脑梗死(ACI)抗凝患者血管性事件的界值及临床意义。方法回顾性分析2021年5月至2023年5月新乡医学院第一附属医院收治的129例ACI患者临床资料,根据出院后6个月血管性事件发生情况分为发生组(n=22)和未发生组(n=107)。比较两组患者的一般资料、TEG参数[凝固角(α角)、凝血综合指数(CI)、凝血反应时间(R)、血凝块最大强度(MA)、血凝块形成时间(K)]及血清8-OHdG、UCH-L1水平,采用Pearson相关系数分析TEG参数与8-OHdG、UCH-L1相关性,采用偏相关系数分析TEG参数、8-OHdG、UCH-L1与ACI患者血管性事件偏相关性,用绘制受试者工作特征(ROC)曲线分析TEG参数、8-OHdG、UCH-L1预测血管性事件的效能及界值。结果发生组患者的美国国立卫生研究院卒中量表(NIHSS)评分、慢性疾病史所占比例、α角、MA、CI、8-OHdG、UCH-L1分别为(10.12±1.93)分、50.00%、(63.88±15.54)°、(60.01±10.75)mm、3.34±1.02、(13.88±4.15)ng/mL、(0.52±0.16)μg/L,明显高于未发生组患者的(8.10±1.56)分、26.17%、(48.63±10.12)°、(51.12±8.89)mm、2.30±0.70、(9.65±2.88)ng/mL、(0.34±0.10)μg/L,R、K分别为(5.62±1.34)min、(2.44±0.42)min,明显低于未发生组患者的(6.55±1.96)min、(3.10±0.53)min,差异均有统计学意义(P<0.05);Pearson相关系数分析结果显示,发生组患者8-OHdG、UCH-L1与α角(r=0.576、0.546)、MA(r=0.617、0.602)、CI(r=0.623、0.583)呈正相关(P<0.05),与R(r=-0.600、-0.587)、K(r=-0.634、-0.605)呈负相关(P<0.05);偏相关系数分析结果显示,控制NIHSS评分、慢性疾病史等有意义变量后,ACI患者血管性事件与8-OHdG、UCH-L1、α角、MA、CI呈正相关(偏相关系数=7.452、8.043、7.001、8.124、7.635),与R、K呈负相关(偏相关系数=-7.456、-7.943)(P<0.05);ROC分析结果显示,8-OHdG、UCH-L1、α角、MA、CI、R、K界值为12.51 ng/mL、0.43μg/L、58.44°、55.38 mm、3.63、5.75 min、2.80 min时对血管性事件具有一定预测价值,其中联合预测曲线下面积(AUC)最大,为0.938(95%CI:0.881~0.973),明显优于单一预测价值。结论TEG参数及血清8-OHdG、UCH-L1水平均与ACI抗凝患者血管性事件具有一定相关性,处于界值时,联合应用对血管性事件具有一定预测价值,可作为临床预测血管性事件的有效方案之一,并可指导临床防治工作。

基于YOLOv8-seg的岩心CT图像颗粒目标提取算法

由于岩心CT图像噪点多、亮度不均、对比度低,颗粒之间高度粘连,导致难以直接对颗粒进行提取分析.针对这一问题,本文提出一种基于YOLOv8-seg的岩心CT图像颗粒目标提取改进算法.基于YOLOv8-seg的骨干架构,结合多头自注意力(Multi-Head Self-Attention,简称MHSA)的思想,将CBAM和BoTNet两部分融合为一个全新的多头处理模块CBoTNet,实现通道和空间全局多头注意力机制,加强了特征提取的能力;使用Wise-IoU替换边界框回归损失函数CIoU,有效减少了由低质量样本产生的有害梯度,进一步提高了模型精度.在自制岩心CT序列颗粒图像数据集中,相较于原始YOLOv8-seg算法,mAP50精度提高了1.30%,mAP50:95提高了7.81%.实验结果证明,与其他实例分割网络相比,该算法能较为准确地提取岩心颗粒,并解决颗粒之间的粘连,具有较好的精确度和稳定性.

基于改进YOLOv8的自动驾驶场景目标检测算法

针对自动驾驶场景遮挡目标和小目标检测困难问题,提出了FAN-YOLOv8n自动驾驶检测算法。设计了特征感受野融合模块(EFFVM),增强模型主干部分对局部特征的提取,提高模型对遮挡目标的检测能力;在模型头部增加了更浅特征层P2的检测头,提高模型对于小目标的检测效果;在模型颈部设计了特征指导模块(FGM)来融合浅层和深层的特征信息,使得两层之间能够更好地进行特征交互,让模型更关注细粒特征。提出了特征层融合模块(FLFM),融合多尺度特征层并进行特征增强,使模型能够自适应不同尺度目标的检测。实验结果表明,在SODA10M数据集和部分BDD100K数据集上,改进模型的mAP0.5对比原始YOLOv8n模型提升了7个百分点和6.5个百分点,适用于实际自动驾驶检测任务。