阳谷县农村地区枯水期和丰水期生活饮用水微生物检测结果分析

目的:了解阳谷县农村地区枯水期和丰水期生活饮用水微生物检测情况。方法:根据《生活饮用水标准检验方法第12部分:微生物指标》(GB/T 5750.12-2023)对阳谷县农村地区丰水期和枯水期的饮用水进行微生物检测,依据《生活饮用水卫生标准》(GB 5749-2022)对微生物污染情况进行评价。结果:72份生活饮用水水样中,微生物检测合格率为88.89%,超标率为11.11%,大肠菌群合格率为91.67%,超标率为8.33%,菌落总数合格率为94.44%,超标率为5.56%;丰水期微生物检测合格率为94.44%,枯水期微生物检测合格率为86.11%,丰水期与枯水期微生物检测合格率无统计学意义(P>0.05);出厂水微生物检测合格率为91.67%,末梢水微生物检测合格率为87.50%,出厂水与末梢水微生物检测合格率无统计学意义(P>0.05)。结论:虽然阳谷县农村地区饮用水微生物安全状况整体较好,但仍需要关注微生物检测超标情况,并针对性地进行风险评估和管理。

基于语义分割网络的路面积水与湿滑区域检测

积水或湿滑路面的道路附着系数远小于干燥路面的附着系数,对交通的安全性和机动性都有很大的影响。通过及时获取路面状态信息而发出预警,可大大减小潜在伤害。本文中研究了基于图像的语义分割网络在积水和潮湿的路面状态识别中的应用,它不仅可预测未来路面状态信息,且可得到路面积水和湿滑区域的分布。该方法利用语义分割网络Res-UNet++,分割出路面的积水和湿滑区域。Res-UNet++结构包括嵌套了不同深度的编码器-解码器结构,并在网络的特征提取部分加入残差结构,从而使图像的特征更容易学习。该方法取得了平均交并比为90.07%的分割精度并克服了其它方法的缺点。

基于深度学习OCT辅助诊断湿性年龄相关性黄斑变性算法的应用

目的探讨基于深度学习光相干断层扫描(OCT)辅助诊断湿性年龄相关性黄斑变性(wAMD)算法的应用价值。方法在仅能提供有无疾病作为标记的前提下,首先基于ResNet-101深度模型训练一个深度神经网络来自动判断患者是否患有wAMD疾病,其次将基于弱监督深度学习的算法应用于OCT图像自动辅助诊断wAMD的疾病区域,同时使用热力图为医生诊断疾病区域提供依据。基于弱监督的深度学习,使用了一种新型的网络算法结构应用于眼科OCT图像的疾病区域检测中,同时通过改进传统病灶区域生成方式来提高病灶热力图的准确性,通过重新组合神经网络中的权重神经元的数值生成病灶热力图,最后通过计算算法预测正确的结果占所有预测结果的比重得到最终的算法准确率。结果基于Resnet的深度学习算法对于wAMD的诊断准确率达到94.9%,远高于AlexNet的85.3%、VGG的88.7%和Google-Net的89.2%;同时热力图通过不同的颜色为医生提供更方便的辅助诊断依据。结论相比较原始的基于疾病区域标记作为经验知识的分类网络,基于弱监督学习的深度学习算法模型在无需提供疾病区域标记的前提下,不仅在眼底疾病分类上有较好的结果,还能标记潜在的病灶区域,为wAMD的诊断提供病灶区域的判断依据。