基于趋势拟合模型的承德市献血人群血清学检测量预测

目的 研究探讨应用线性规划(linear regression)趋势拟合模型,预测分析承德市献血人群血清学检测量变化和效果评价。方法 根据2011年1月至2021年12月承德市中心血站献血人群常规血清学检测与HIV阳性(初筛与确证)样本量三类检测数据统计资料,用趋势拟合法分别对三类检测数据,建立对时间的线性回归模型,对2022年三类检测数据进行预测,参数估计方法为最小二乘估计。结果 线性拟合经检验模型精度为优,拟合效果良好,预测变化趋势和准确值。2022年常规血清学检测预测值为44 251人份,HIV初筛反应性数预测值为81人份,HIV确证阳性数预测值为12人份。结论 承德市中心血站献血者常规血清学检测与HIV初筛反应性样本量二类检测数据有逐年持续上升趋势,HIV确证阳性样本数量变化不明显(或无显著性变化)。线性规划(linear regression)趋势拟合模型可以作为预测并强化血站实验室血液样本检测量科学管理的有效方法和可行性工具。

基于深度学习和图像处理的马体尺测量设计

以伊犁马为研究对象,通过马场图像采集、实地测量,完成了马体尺测量中关键技术的研究。基于YOLACT实例分割技术,在MS-COCO数据集完成马体与背景的快速、高性能分割;采用边缘检测Canny算子对分割后的图像进行轮廓提取;在获取的马体轮廓上,对比动物特征点的Harris角点检测算法,提出动态网格的测点标定方法,完成马体尺特征点的数据标定,同时部分解决了马体站姿与摄像头不平行带来的体长修正问题;比较Regress及Polynomial的多元线性回归方式,量化、完成马体尺数据中胸围、管围的数据拟合及三维预测,并以像素为640*480两匹伊犁马体图像为例,获得了体尺测量结果。结果表明,基于深度学习和图像测量技术,可有效进行伊犁马体尺的自动测量并将其误差控制在较小范围之间,就大体型动物的体尺测量技术而言,该研究具备范例参考意义。