The difference between visual and instrumental analyses of a shade selection on natural teeth was investigated. With visual analysis, five prosthodontist examined the middle third of the unrestored maxillary right cen...The difference between visual and instrumental analyses of a shade selection on natural teeth was investigated. With visual analysis, five prosthodontist examined the middle third of the unrestored maxillary right central incisor of a patient using VITAPEN classical and Vita Toothguide 3D-MASTER tooth shade guide. In instrumental analysis, one prosthodontist examined the same teeth using a spectrophotometer （ShadepilotTM, Degudent, Hanau-Wolfgang, Germany, software 2.40）. Overall, instrumental analysis is more accurate and reproducible than a visual assessment. However, the difference is clinically acceptable.展开更多
目的:为消除手术器械视觉图像中的高斯与椒盐噪声,并恢复图像的细节特征,提出一种基于深度学习的手术器械视觉图像高斯与椒盐噪声去除方法。方法:首先,构建由多特征融合编码器解码器网络、注意力引导网络和细节恢复渐进式网络3个部分组...目的:为消除手术器械视觉图像中的高斯与椒盐噪声,并恢复图像的细节特征,提出一种基于深度学习的手术器械视觉图像高斯与椒盐噪声去除方法。方法:首先,构建由多特征融合编码器解码器网络、注意力引导网络和细节恢复渐进式网络3个部分组成的轻量级多任务渐进式网络,使用多特征融合编码器解码器网络预测视觉图像中的噪声信息,并从原图像中去除,使用注意力引导网络进一步去除图像中的残留噪声,使用细节恢复渐进式网络对去噪图像的底层细节特征进行恢复。其次,对轻量级多任务渐进式网络进行轻量化设计,将细节恢复渐进式网络中的部分常规卷积替换为深度可分离卷积。最后,在公开的CBSD68、Kodak24数据集和自建的手术器械噪声数据集上进行去噪实验,比较基于轻量级多任务渐进式网络的去噪方法与经典去噪方法的去噪效果,ResNet-18模型和ResNet-34模型对采用轻量级多任务渐进式网络去噪后的图像的分类准确率,并分析轻量化设计前后的算力和内存占用情况。结果:在公开数据集上,所提出的方法较经典的去噪方法取得了更好的去噪效果。在手术器械噪声数据集上,ResNet-18模型和ResNet-34模型对采用轻量级多任务渐进式网络去噪后的图像分类准确率更高。经过轻量化设计的去噪方法的参数量和浮点运算数(floating point operations,FLOPs)分别减少了约27.27%和29.81%。结论:基于深度学习的手术器械视觉图像高斯与椒盐噪声去除方法具有优秀的手术器械视觉图像去噪性能,且具有更少的算力消耗和内存占用。展开更多
海洋观探测技术是海洋科学和技术的重要组成部分,对预警海洋灾害、开发海洋资源和空间、保护海洋环境、维护海洋权益、加强国防建设非常重要,海洋观探测仪器的研发是海洋观探测技术发展的重要基础和支撑。本文以Web of Science为数据统...海洋观探测技术是海洋科学和技术的重要组成部分,对预警海洋灾害、开发海洋资源和空间、保护海洋环境、维护海洋权益、加强国防建设非常重要,海洋观探测仪器的研发是海洋观探测技术发展的重要基础和支撑。本文以Web of Science为数据统计源,基于战略咨询智能支持系统(ISS)平台和CiteSpace工具,通过文献计量和可视化分析,从发文量、涉及学科、作者、机构、关键词等方面对1998—2022年海洋观探测仪器技术论文进行了统计分析,总结了当前海洋观探测仪器技术领域的研究态势和研究热点,得出以下结论:(1)近10余年海洋观探测仪器技术研究呈快速增长趋势。虽然中国在该领域起步较晚,但发展迅速,2018年后发文量稳居世界第一,top 10高被引论文作者有3位是中国学者,中国研究学者在该领域具有较高影响力。但是发文量top 10机构多为美国研究机构,top 10高产作者中尚无中国学者,中国在该领域科研机构和研究人员的影响力和竞争力方面还需继续提高。(2)从词云聚类分析结果看,该领域全球研究热点集中在无人机、地磁仪、微波辐射计、海表温度和水色研究上。需要注意的是,ocean sensor关联词多为聚类分析关键词,表明海洋传感器是该领域的研究重点。从研究重点演变上看,中国在该领域研究虽然起步晚,但研究跟踪能力强,主题演变转移较快,有一定的热点引领作用。展开更多
文摘The difference between visual and instrumental analyses of a shade selection on natural teeth was investigated. With visual analysis, five prosthodontist examined the middle third of the unrestored maxillary right central incisor of a patient using VITAPEN classical and Vita Toothguide 3D-MASTER tooth shade guide. In instrumental analysis, one prosthodontist examined the same teeth using a spectrophotometer （ShadepilotTM, Degudent, Hanau-Wolfgang, Germany, software 2.40）. Overall, instrumental analysis is more accurate and reproducible than a visual assessment. However, the difference is clinically acceptable.
文摘目的:为消除手术器械视觉图像中的高斯与椒盐噪声,并恢复图像的细节特征,提出一种基于深度学习的手术器械视觉图像高斯与椒盐噪声去除方法。方法:首先,构建由多特征融合编码器解码器网络、注意力引导网络和细节恢复渐进式网络3个部分组成的轻量级多任务渐进式网络,使用多特征融合编码器解码器网络预测视觉图像中的噪声信息,并从原图像中去除,使用注意力引导网络进一步去除图像中的残留噪声,使用细节恢复渐进式网络对去噪图像的底层细节特征进行恢复。其次,对轻量级多任务渐进式网络进行轻量化设计,将细节恢复渐进式网络中的部分常规卷积替换为深度可分离卷积。最后,在公开的CBSD68、Kodak24数据集和自建的手术器械噪声数据集上进行去噪实验,比较基于轻量级多任务渐进式网络的去噪方法与经典去噪方法的去噪效果,ResNet-18模型和ResNet-34模型对采用轻量级多任务渐进式网络去噪后的图像的分类准确率,并分析轻量化设计前后的算力和内存占用情况。结果:在公开数据集上,所提出的方法较经典的去噪方法取得了更好的去噪效果。在手术器械噪声数据集上,ResNet-18模型和ResNet-34模型对采用轻量级多任务渐进式网络去噪后的图像分类准确率更高。经过轻量化设计的去噪方法的参数量和浮点运算数(floating point operations,FLOPs)分别减少了约27.27%和29.81%。结论:基于深度学习的手术器械视觉图像高斯与椒盐噪声去除方法具有优秀的手术器械视觉图像去噪性能,且具有更少的算力消耗和内存占用。
