基于注意力机制的空时融合深度学习睡姿监测算法研究

目的针对用于无扰睡姿检测的心冲击图(Ballistocardiogram,BCG)信号特征微弱,并且具有非线性、非平稳性强、存在噪声干扰以及信号本身具有空间和时域信息的特点,提出了一种基于注意力机制融合空时特征的深度学习睡姿检测模型(Deep Learning Sleeping Posture Monitoring Model,CTAM)。方法CTAM是一种可实现端到端的实时睡姿检测方案,通过睡眠带测试真实睡眠状态下睡姿的BCG信号,并构建数据集进行仿真对比实验。结果与具有类似结构的传统卷积神经网络(Convolutional Neural Networks,CNN)模型和空时融合的卷积-长短时记忆网络(Convolutional Long Short-Term Memory Network,CNN-LSTM)相比,CTAM在训练集的收敛性和测试集的准确率上均有显著的提升,其中,在测试集上的准确率分别较CNN模型和CNN-LSTM模型提升了1.46%和4.61%。结论CTAM这种算法模型在基于BCG信号下能实现睡姿的实时、有效、无扰监测,在改善睡眠质量监测领域具有较好的应用前景。

钢板螺钉内固定技术在四肢长管骨创伤骨折治疗中的应用

探究四肢长管骨创伤骨折治疗过程中采用钢板螺钉内固定术治疗的临床疗效。方法:回顾性分析2016年1月-2019年2月期间本病患者30例的临床资料、治疗过程以及治疗效果。结果:30例患者均接受了钢板内固定术治疗,手术均顺利完成,患者的手术时间、住院时间以及骨折愈合时间分别为(57.56(1.02)min、(5.36(1.76)d、(3.03(1.02)月,术后随访1-12月,患者的优良率为(97.50%),并发症发生率为(2.50%)。结论:四肢长管骨创伤骨折接受钢板螺钉内固定术的治疗效果显著,并发症发生率少,患者术后恢复快,值得推广。