图像识别在凝血试验自动审核方案中的应用

目的建立带有图像识别功能的凝血试验自动审核方案,评价方案的正确性和有效性。方法使用人工智能软件与硬件联合建立对标本性状、标本血量、血细胞比容可以自动判定结果的图像识别系统,与目测法比较标本性状判定结果的正确性,与手工测量法比较标本血量判定结果的正确性,与血细胞分析仪比较血细胞比容判定结果的正确性。根据流程图、参考区间、医学决定水平、危急值范围、相关文献、工作经验及历史数据制订出凝血试验自动审核规则。对制订的规则进行人工验证,分别计算自动审核通过率、真阳性率、真阴性率、假阳性率、假阴性率。评估自动审核方案实施后实验室内周转时间的变化情况。结果图像识别系统标本性状判定正确率为96.72%,将溶血、黄疸、脂血标本判定为正常标本的假阴性率为0.04%。图像识别系统与手工测量的两组标本血量数据进行比较,P=0.4881,图像识别方法不劣于手工测量方法。图像识别系统与血细胞分析仪的两组血细胞比容数据进行比较,P=0.1130,图像识别系统不劣于血细胞分析仪。该研究建立凝血试验自动审核规则61条,包括数值异常、逻辑异常、Delta Check、标本质量异常、反应曲线异常等,自动审核通过率为76.19%,真阳性率为23.77%,真阴性率为76.19%,假阳性率为0.04%,假阴性率为0.00%。实施自动审核方案后各分位数标本周转时间均缩短,平均缩短13.66 min。结论图像识别技术应用到凝血试验自动审核中,使自动审核功能更加自动化、更具科学性,将标本质量判定标准化,提升检验结果的准确性,有效提高工作效率和节省人力。

融合反讽语言特征的反讽语句识别模型

反讽是采用内隐的形式来表达情感的一种方法,反讽语句在文字和所想表达的情感上存在着不同,这使得对反讽语句进行情感分类变得更加困难。针对这一现象,提出一种融合反讽语言特征的反讽语句识别模型,通过加入反讽语言特征来提高反讽语句的识别准确率。首先,采用卡方检验算法对反讽语言进行分析并获取语言特征;然后,利用Word2Vec对语言特征进行训练获取语言特征的特征表示,同时使用注意力机制与Bi-GRU(双向门控循环神经单元)模型获取句子的特征表示;最后,将语言特征的特征表示与句子的特征表示进行融合并作为情感分类层的输入,对反讽语句进行识别。与CNN-AT、CNN-Adv、EPSN等3种模型进行对比,实验结果表明,该模型可以有效提高对于反讽语句的识别准确率。

基于机器视觉的信息型智能包装缺陷识别方法

为了提升产品包装缺陷识别的速度,文章结合机器视觉技术,设计一种信息型智能包装缺陷识别方法。通过提取包装缺陷特征,设计多网格缺陷识别结构,以此构建机器视觉双向缺陷识别模型,采用多帧处理法获取缺陷识别结果。测试结果显示,该文所设计的机器视觉包装缺陷测试组最终得出的定向识别时间均控制在1.1 s以内,表明在机器视觉技术的辅助之下,对产品包装缺陷的识别效果更具有实际的应用价值。

战略情报研究人员关键信息识别能力研究

提出战略情报研究人员的关键信息识别能力同战略情报研究成果质量息息相关,并通过实验,确定国家科学图书馆各类战略情报研究人员的关键信息识别能力,明确其主要影响因素,了解战略情报研究人员在关键信息识别中出现的问题,并提出有针对性的措施,提高战略情报研究人员的关键信息识别能力和标引工作质量。