心力衰竭患者快速检测NT-proBNP的临床意义

目的 探讨心力衰竭（HF）患者N末端B型脑钠钛前体（NT-proBNP）及血浆肌酸激酶同工酶（CK-MB）与肌酸激酶（CK）比值（B／K）的动态变化及临床意义。方法用Staus FirstTMNT-proBNP测定仪快速测定85例不同病因所致的HF患者和50例同期非心血管病对照组患者的NT—proBNP及血浆CK-MB与CK的比值（B／K）。结果HF患者NT-proBNP水平较对照组升高，有统计学意义（P〈0．05）；各NYHA分级中CK-MB、CK均在正常范围；而NT．proBNP随心功能不全的加重逐渐升高，心功能Ⅰ～Ⅳ级患者组各组间血浆NT-proBNP差异均有统计学意义（P〈0．05）；心功能不全Ⅲ、Ⅳ级患者B／K比值较Ⅰ、Ⅱ级、对照有统计学意义（P〈0．05）。ROC曲线表明：NT-proBNP曲线下面积为0．938，若选取NT—proBNP188pg/ml作为心衰诊断的临界值，敏感性为88．2％，特异性为84％，说明NT-proBNP对HF有较高的诊断效率。结论NT．proBNP检测可作为HF急诊生化项目，可与B／K比值作为HF早期预测及中晚期预后指标。

联合检测NT-proBNP、H-FABP和cTnI对老年重症心力衰竭患者的临床价值

目的:探讨联合检测NT-pro BNP(氨基末端B型钠尿肽原)、H-FABP(心型脂肪酸结合蛋白)和cTnI(心肌肌钙蛋白Ⅰ)对老年重症心力衰竭患者的临床价值。方法:选取2013年6月-2014年12月于本院心内科就诊的老年重症心力衰竭患者302例作为研究组,根据患者随访期内心脏不良事件的发生情况分为两组,无不良事件组,患者113例;心脏不良事件发生组中再入院患者107例,死亡患者82例。选取同时期老年非重症心力衰竭患者80例,作为对照组1,选取同期本院健康体检者80例,作为对照组2。在刚入院时及治疗1、2、4、8周后抽取所有受试者空腹静脉血2.5 m L,用免疫层析法检测其血清NT-pro BNP、H-FABP和cTnI。结果:研究组入院时NT-pro BNP、H-FABP和cTnI的水平均显著高于对照组1和对照组2;对照组1入院时NT-pro BNP水平显著高于对照组2,比较差异均有统计学意义(P<0.05),两组H-FABP和cTnI水平比较差异均无统计学意义(P>0.05)。血清NT-pro BNP、H-FABP的AUC、敏感性均显著高于血清cTnI,特异性低于血清cTnI,联合检测的敏感性显著高于血清NT-pro BNP、H-FABP和cTnI单项检测的敏感性,比较差异均有统计学意义(P<0.05)。治疗前,心脏不良事件发生组血清NT-por BNP水平明显高于无不良事件组,死亡组血清H-FABP水平明显高于其余两组,比较差异均有统计学意义(P<0.05),不同预后组血清cTnI水平比较,差异无统计学意义(P>0.05)。治疗后第1周,无不良事件组血清NT-pro BNP、H-FABP和cTnI均显著降低,治疗后第2、4、8周继续下降,与治疗前比较差异均有统计学意义(P<0.05)。再入院组治疗后第2周血清NT-pro BNP、H-FABP和cTnI显著降低,与治疗前比较差异均有统计学意义(P<0.05),治疗后第4周和第8周未观察到下降。在治疗过程中,死亡组血清NT-pro BNP、H-FABP和cTnI持续升高,治疗后第1周和第8周3项指标水平均高于治疗前,比较差异均有统计学意义(P<0.05)。结论:血清NT-pro BNP、H-FABP和cTnI水平对重症心力衰竭患者的病情诊断、预后评估、死亡风险评价等方面具有重要的意义。

检测NT-ProBNP用于心力衰竭诊断的价值分析与评估

目的分析与评估检测NT-ProBNP用于心力衰竭诊断的价值。方法选取2015年3月至2017年3月我院内科接收的呼吸困难患者120例进行研究,患者入院时的主述均为呼吸困难,其中心源性呼吸困难78例,作为本实验的观察组;非心源性呼吸困难42例,作为本实验的对照组,来分析评估检测NT-ProBNP用于心力衰竭诊断的价值。结果对比两组患者的NT-ProBNP含量与心力衰竭之间的联系,观察组NT-ProBNP含量显著高于对照组,差异具有统计学意义(P<0.05)。比较心力衰竭Ⅱ,Ⅲ,Ⅳ组三组的NT-ProBNP含量,存在整体差异,差异具有统计学意义(P<0.05)。结论检测NT-ProBNP用于心力衰竭诊断临床价值很高,可以为疾病的诊治提供准确的依据,值得临床推广应用。

急诊122例呼吸困难患者床旁快速检测NT-proBNP浓度的临床应用

目的:明确快速检测NT-proBNP浓度在急诊诊断呼吸困难中的临床应用。方法:测定122例急诊呼吸困难患者的NTproBNP浓度水平,包括心源性呼吸困难60例,肺源性呼吸困难62例,比较两者之间差异,并比较心功能不全患者与急性心肌梗死、心功能(Killip分级)II-IV级患者之间的NT-proBNP浓度差异。结果:心源性呼吸困难组NT-proBNP浓度明显高于肺源性呼吸困难组(P<0.001),急性心肌梗死、心功能(Killip分级)II-IV级患者之间的NT-proBNP浓度比较有统计学意义(P<0.001)。结论:快速检测NTproBNP浓度水平有助于急诊鉴别心源性呼吸困难与肺源性呼吸困难,其中急性心肌梗死、心功能(Killip分级)II-IV级的患者NTproBNP浓度明显升高。

床旁联合检测NT-proBNP、cTnT、D-二聚体在心血管急症早期诊断中的价值

目的观察床旁联合检测N末端B型脑钠肽原(NT-pro BNP)、心肌肌钙蛋白T(c Tn T)、D-二聚体在心血管急症早期诊断中的价值。方法入选2012年7月至2013年12月在我科就诊的以急性胸闷、胸痛、呼吸困难等为主要表现的心血管急症患者257例,随机分为常规组、快检组,另选2012年1月至6月在我科就诊的类似患者132例为对照组。比较3组患者入院初步诊断准确率差异和3组患者30天生存率差异,比较快检组与常规组快检时间差异。结果对照组、常规组及快检组入院诊断与出院诊断符合率分别为90.8%、97.6%、96.1%,快检组与常规组入院初步诊断准确率无差异(P>0.05),但快检组、常规组入院初步诊断准确率均显著高于对照组(均P<0.05);快检组床旁检测时间显著少于常规组送检验科检测时间(P<0.01);快检组与常规组患者30天生存率比较无差异(93.1%比92.2%,P>0.05),但均显著高于对照组30天84.1%的生存率(均P<0.05)。结论床旁联合检测NT-pro BNP、c Tn T、D-二聚体能准确而快速地协助心血管急症早期诊断,显著提高心血管急症患者生存率,值得推广。

两种方法检测NT-proBNP的方法学评价及临床应用

目的:评估全自动化学发光免疫分析法和POCT法检测血清中NT-proBNP方法学和临床应用价值。方法:分别对全自动化学发光免疫分析法和POCT法进行检测的灵敏度、精密度和准确度试验,同时用两种方法对我院53例心脑血管患者血清NT-proBNP进行了临床诊断价值的比较。结果:化学发光法的高、低两个浓度的CV分别为7.90%和8.1%,平均CV为8.0%。化学发光法的平均稀释回收率为90%～110%。结论:化学发光法简便、快速,结果准确、可靠;快速法与化学发光法比较存在显著差异,符合率低,结果不可靠。

均相化学发光免疫分析技术定量检测NT-proBNP方法的建立

目的建立一种基于均相化学发光免疫分析技术定量检测血清N-末端脑钠肽前体(NT-proBNP)的方法。方法以生物素化的NT-proBNP单克隆抗体1、包被有NT-proBNP单克隆抗体2的受氧微球和包被有链霉亲和素的供氧微球作为检测试剂,实现对NT-proBNP含量的检测,并对该方法的灵敏度、线性范围、精密度、准确度进行初步评价。结果均相化学发光免疫分析技术可以用于检测NT-proBNP含量,其分析灵敏度为:10 pg/mL,检测范围为:20.0~30000.0 pg/mL,批内及日间变异系数均小于10.0%。本方法与罗氏电化学发光检测试剂盒平行检测55例临床样本,两者的相关系数达0.99。结论均相化学发光免疫分析技术定量检测血清NT-proBNP检测方法的建立为临床应用提供了参考依据。

心力衰竭患者快速检测NT-proBNP的临床价值

目的探讨心力衰竭患者快速检测N末端B型脑钠钛前体(NT-proBNP)的临床价值。方法选取心力衰竭患者107例为观察组,选取同期非心血管病患者45例为对照组,采用StausFirstTMNT-proBNP心力衰竭诊断仪快速检测所有患者血浆中NT-proBNP水平,从心功能分级、入院与出院、不良心脏事件、死亡等方面分析快速检测NT-proBNP的临床价值。结果观察组患者NT-proBNP含量((1 053.1±176.4)ng/L)明显高于对照组((71.4±26.9)ng/L),随着心功能分级逐渐加重,观察组患者的NT-proBNP含量呈明显上升趋势。观察组患者入院时NT-proBNP含量明显高于出院时,发生不良心脏事件而再次入院患者明显高于未发生不良心脏事件患者,患者死亡时明显高于入院时。结论心力衰竭患者血浆中NT-proBNP含量明显升高,可影响患者的预后,及时准确对其进行快速检测有助于疾病的诊断和治疗,NT-proBNP快速检测可作为心力衰竭的急诊生化项目。

基于改进YOLOv7-Tiny的车辆检测研究

为了提高计算机识别检测车辆的准确度与速度,提出了一种基于改进YOLOv7-Tiny的车辆检测算法。在众多目标检测模型中,YOLOv7有着非常快的检测速度和较高的检测精度,非常适用于实时检测任务。在原YOLOv7-Tiny模型的基础上进行改进,将最浅层ELAN-T模块纳入特征金字塔,通过跳跃连接的方式将浅层特征与深层特征跨层融合,使输出的特征信息更加丰富。同时引入SE注意力机制,将计算资源分配给对当前任务更为关键的信息。并且更换了非线性激活函数HardSwish,以提高模型的表达能力。在华为发布的2D自动驾驶数据集SODA10M上进行实验,结果表明,改进后的模型对所有四种目标的检测精度都有所提高,平均精度mAP@0.5达到了66.1%,比原YOLOv7-Tiny模型61.0%提升了5.1%。

基于局部离群因子与隔离森林的激光超声缺陷检测

针对激光超声(LU)缺陷检测中最大振幅图存在伪像的问题,结合主成分分析(PCA)和两种无监督的机器学习算法局部离群因子(LOF)与隔离森林(IF),以实现对LU数据的无监督异常检测。首先,利用PCA算法对LU数据进行降维处理,减轻了LU数据的复杂度;其次,利用LOF算法和IF算法进行了数据异常值的识别分析,并利用累积分布函数和核密度估计确定异常值的阈值大小;最后,对比了LOF算法、IF算法以及最大振幅图的检测结果。结果表明:LOF算法有更优的缺陷识别精度和更低的误判率。

装配式建筑梁柱节点疲劳损伤检测方法研究

常规的装配式建筑梁柱节点疲劳损伤检测主要采用梁柱图像分析实现,忽略了节点内部损伤的影响,导致检测结果相对变化量系数与实际系数的差值较大。本文对装配式建筑梁柱节点疲劳损伤检测方法进行了研究,于装配式建筑梁柱周围布置测点对梁柱节点的应变状态进行分析;根据分析结果,结合梁柱内部能量耗散值,计算节点疲劳损伤能量系数;将该系数作为节点应变能密度因子分析节点轴向力,由此得出检测的梁柱节点疲劳损伤值。实验结果表明,所提方法应用后梁柱节点疲劳损伤检测结果表现出的相对变化量系数差值较小,检测结果准确率较高,满足了装配式建筑梁柱安全运维工作的现实需求。

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。

急性心肌梗死时超过检测上限的NT-proBNP的临床意义及其预测指标

目的分析急性心肌梗死时超过检测上限的N-末端脑钠肽前体(N-terminal pro-brain natriuretic peptide,NT-proBNP)的临床意义及其预测指标。方法选取急性心肌梗死患者669例,根据NT-proBNP峰值水平分为超检测范围组(n=50)和可检测组(n=619),同时使用倾向评分进行匹配(1∶2),比较两组的临床和实验室指标、冠状动脉特征、院内预后等,并采用多因素Logistic回归分析探索早期预测NT-proBNP超过检测上限指标。结果NT-proBNP超检测范围组中性粒细胞与淋巴细胞比值(neutrophil-to-lymphocyte ratio,NLR)、超敏C反应蛋白水平、纤维蛋白原含量均较高;在倾向评分匹配后结果一致。院内预后方面,NT-proBNP超检测范围组的心功能Killip 2级以上的患者比例高、住院天数长、左心室射血分数低、主要不良心脑血管事件发生率高;在倾向评分匹配之后,仍然是相同的结果;但两组的心肌酶峰值差异在倾向评分匹配前后均无统计学意义。多因素Logistic回归分析结果显示,早期预测NT-proBNP超检测范围的指标有:NLR高、抗血小板药应用率低、纤维蛋白原含量高、左前降支闭塞、年龄高。倾向评分匹配后,预测NT-proBNP超检测范围组的指标有右冠状动脉闭塞、NLR高、纤维蛋白原含量高、左前降支闭塞。结论急性心肌梗死时NT-proBNP峰值超检测范围的患者院内预后更差;入院时的NLR、纤维蛋白原可作为NT-proBNP峰值水平超检测范围的早期预测指标。

HbA1c联合NT-proBNP检测在急性心力衰竭近期死亡风险中的预测作用

目的 探析糖化血红蛋白(HbA1c)联合B型脑钠钛前体生物标志物(NT-proBNP)检测在急性心力衰竭患者近期死亡风险中的预测价值。方法 选取2020年2月至2023年2月蒙城县第一人民医院收治的103例急性心力衰竭患者为观察组,选取同期在本院体检中心体检且各项指标均显示正常的健康者共计101名为对照组。比较不同人群HbA1c、NT-proBNP表达差异;分析HbA1c、NT-proBNP与急性心力衰竭患者近期死亡风险的相关性及诊断价值,并分析影响急性心力衰竭患者死亡的危险因素。结果 观察组血清HbA1c、NT-proBNP表达均显著高于对照组,差异有统计学意义(P<0.05)。观察组HbA1c、NT-proBNP与心功能分级呈正相关(r=0.587,0.536,P<0.05)。死亡组NYAH分级Ⅳ级占比、HbA1c、NT-proBNP表达均高于存活组,差异有统计学意义(P<0.05)。经Logistic回归分析可知,NYAH分级为Ⅳ级、HbA1c及NT-proBNP表达上升是急性心力衰竭患者死亡的危险因素(OR>1,P<0.05)。森林图显示,在与急性心力衰竭患者死亡风险增加的相关因素中,NT-proBNP是关联强度最大的因素(OR=2.491,95%CI 1.414~4.390)。急性心力衰竭死亡患者实施联合检测(HbA1c与NT-proBNP)的AUC值与单独HbA1c、NT-proBNP检测相比更高(P<0.05)。结论 HbA1c、NT-proBNP表达水平随急性心力衰竭死亡患者的心力衰竭严重程度的增加而升高,两指标联合检测可提高预测急性心力衰竭死亡患者的死亡风险效能,可指导临床早期及时干预。

基于FPGA的MobileNetV1目标检测加速器设计

卷积神经网络是目标检测中的常用算法,但由于卷积神经网络参数量和计算量巨大导致检测速度慢、功耗高,且难以部署到硬件平台,故文中提出一种采用CPU与FPGA融合结构实现MobileNetV1目标检测加速的应用方法。首先,通过设置宽度超参数和分辨率超参数以及网络参数定点化来减少网络模型的参数量和计算量;其次,对卷积层和批量归一化层进行融合,减少网络复杂性,提升网络计算速度;然后,设计一种八通道核间并行卷积计算引擎,每个通道利用行缓存乘法和加法树结构实现卷积运算;最后,利用FPGA并行计算和流水线结构,通过对此八通道卷积计算引擎合理的复用完成三种不同类型的卷积计算,减少硬件资源使用量、降低功耗。实验结果表明,该设计可以对MobileNetV1目标检测进行硬件加速,帧率可达56.7 f/s,功耗仅为0.603 W。

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。

基于核主成分分析的半监督日志异常检测模型

对于具有“组异常”和“局部异常”分布特点的系统日志数据,传统的ADOA(anomaly detection with partially observed anomalies)半监督日志异常检测方法存在为无标签数据生成的伪标签准确性不佳的问题.针对此问题,提出一种改进的半监督日志异常检测模型.对已知异常样本采用k均值聚类,采用核主成分分析计算无标签样本的重构误差;运用重构误差和异常样本相似分计算出样本的综合异常分,作为其伪标签;依据伪标签计算LightGBM分类器的样本权重,训练异常检测模型.通过参数试验探究了训练集样本比例变化对模型性能的影响.在HDFS和BGL这2个公开数据集上进行试验,结果表明该模型能够提高伪标签的准确性,相较于DeepLog、LogAnomaly、LogCluster、PCA和PLELog等已有模型,精确率和F 1分数均有提升.与传统的ADOA异常检测方法相比,该模型F 1分数在2类数据集上分别提高了0.084和0.085.

基于Ghost-YOLOv5的光学图像飞机目标检测方法

停泊飞机目标检测对机场交通管控、重点军事基地部署掌握、监控敌方实时军事动态等军民领域均具有重要意义。飞机目标检测需要综合考量检测精度与检测速度两个方面,本文将YOLOv5骨干网络中的C3模块和部分卷积模块替换成Ghost Bottleneck,从而将Ghostnet引入YOLOv5s网络中,取得很好的检测效果。在检测精度上,mAP0.5达到了95.34%,mAP0.5-0.95达到了61.6%,网络的精度达到了96.89%,召回率达到了91.42%。在检测速度上,网络的FPS达到了66.67。

基于多尺度融合金字塔焦点网络的接触网零部件检测

作为高铁牵引供电系统的重要组成部分,接触网系统承担着向动车组传输电能的重要功能.实际工程运营表明,受弓网交互产生的持续冲击以及外部环境的影响,接触网支撑部件可能会出现“松、脱、断、裂”等缺陷,导致接触网结构可靠性下降,严重影响接触网系统稳定运行.因此,及时精确定位接触网支撑部件(CSCs),对保障高铁安全运行和完善接触网检修维护策略具有重大意义.然而,CSCs的检测通常面临着零部件种类多、尺度差异大、部分零部件微小的问题.针对以上问题,本文提出一种基于多尺度融合金字塔焦点网络的接触网零部件检测算法,将平衡模块和特征金字塔模块相结合,提高对小目标的检测性能.首先,设计了可分离残差金字塔聚合模块(SRPAM),用于优化模型多尺度特征提取能力、扩大感受野,缓解CSCs检测的多尺度问题;其次,设计了一种基于平衡特征金字塔的路径聚合网络(PA-BFPN),用于提升跨层特征融合效率和小目标检测性能.最后,通过对比试验、可视化实验和消融实验证明了所提方法的有效性和优越性.其中,所提的MFPFCOS在CSCs数据集上的检测精度(mAP)能够在达到48.6%的同时,实现30的FLOPs(Floating point operations per second),表明所提方法能够在检测精度和检测速度之间保持良好的平衡.