简介:摘要:随着大数据时代的到来和计算机能力的提升,传统的目标检测方法难以处理庞大的图像数据以及无法满足人们对目标检测精度和速度上的要求,而卷积神经网络具有强大的特征学习能力,突破了传统目标检测方法的瓶颈,基于卷积神经网络的图像目标检测技术在诸多领域掀起了新的应用热潮。首先,文中介绍了卷积神经网络在目标检测任务上的优越性;其次,梳理了基于卷积神经网络的图像目标检测在医学、工业、农业领域中的典型应用,并对其中几种典型卷积神经网络的结构进行归纳总结分析;最后,讨论了目标检测的应用方面仍然存在的问题,并对基于卷积神经网络的图像目标检测应用的未来研究发展方向进行展望。
简介:重症监护室(IntensiveCareUnit,ICU)的监护种类繁多,然而许多监测大多都是有创监测,研究表明有创监测可能会增加患者出现并发症(如出血、感染)的风险,因此在重症监护病房(ICU)发展非侵入性的、连续的智能监控技术势在必行。深静脉血栓形成(DeepVeinThrombosis,DVT)可能引起严重发病率,常见于住院患者,尤其是术后人群。休克可能导致急性血流量减少,代谢异常,无氧代谢,细胞和器官功能障碍,如果时间延长,可能导致不可逆转的损害和死亡。ICU的患者基本都是危急重症,生命体体征不稳定,随时都可能会出现生命危险,需要医护人员24小时全天候监护,因此对ICU中医护人员进行疲劳监测很有必要。我们采用近红外光谱(Near-InfraredSpectroscopy,NIRS)这种非侵入性的、有效的、以及非电离测量的实时技术开发了一系列设备对DVT、休克、疲劳以及水分、深部组织温度和血流动力学参数的监测。与此同时,心电(EEG)、光学体积描记术(PPG)、压力脉搏波(PPW)等参数也是ICU监护中必不可少的,我们设计了一种无创、低成本监测系统,对系统中信号的稳定性进行了测试并验证了设备的可靠性。
简介:目的:通过对志愿者观看3D影片之后的脑电信号进行主成分分析,选取最能代表立体视觉疲劳度的主成分,运用BP神经网络对疲劳等级进行建模,提高对疲劳度等级的预测准确度。方法:采集15名志愿者观看五部不同3D影片前后的脑电信号,先对脑电信号进行疲劳度分级并选取特征通道;再对特征通道的脑电信号进行主成分分析选取影响最大的特征主成分,利用BP神经网络进行建模,根据建立的模型对立体视觉引起的疲劳等级进行预测,将预测结果与已知的疲劳等级进行对比。结果:根据文献中的疲劳等级将实验结果分成三个等级;据累计贡献率超过90%选取的前四个主成分建立的预测模型,准确度达95.4%。结论:运用主成分分析和BP神经网络的方法对立体视觉疲劳度进行预测,预测准确度较高,与直接根据脑电特征参数建立模型的方式相比简便和准确,这一方法对立体视觉引起的疲劳度分级及预测提供了新的思路。
简介:本文同时采用了组织化学和免疫组织化学的方法去探索AChE在口虾蛄(Oratosquillaoratoria)口胃神经系统(stomatogastricnenroussvstem,STNs)的分布。结果显示:在STG中,AChE在口胃神经节(stomatogastricganglion,STG)腹侧胞体区神经元的细胞膜及细胞间隙神经纤维和中央神经纤维网中标记为阳性;在食道神经节(oesophagealganglion,OG)的腹侧中央偏有有一个大的神经元周围的神经突起呈强阳性反应,并且在紧靠该神经元的一侧还有一个神经元周围的神经纤维也呈阳性反应,另外在神经纤维网也有Ach阳性反应分布。结论:实验证明乙酰胆碱在口胃神经节和食道神经节都有分布,主要分布在神经纤维网和神经元的细胞膜及神经元间隙。