检索结果-南通市图书馆

西北地区三甲医院2015～2017年疼痛科住院病人疾病谱特征数据分析

在线全文

学校读者我要写书评

暂无评论

中国疼痛医学杂志 2018年第12期24卷 905-911页

作者：段宝霖马涛李建勋毛元蓉黎环杜昱蕾滕春霞张润彤青海省人民医院疼痛科西宁810007 中卫云医疗数据分析与应用技术研究院北京100055 北京交通大学经济管理学院北京100044

目的:用大数据技术探讨西北地区7家三甲医院疼痛科住院病人的疾病谱分布特征,初步评价西北地区三级医院尤其是青海省疼痛科诊疗服务能力。方法:通过检索中卫云医疗大数据平台上的西北五省区三甲综合医院数据,筛选出其中7家规模相当的三... 详细信息

目的:用大数据技术探讨西北地区7家三甲医院疼痛科住院病人的疾病谱分布特征,初步评价西北地区三级医院尤其是青海省疼痛科诊疗服务能力。方法:通过检索中卫云医疗大数据平台上的西北五省区三甲综合医院数据,筛选出其中7家规模相当的三甲医院疼痛科2015～2017年出院病人病案首页数据进行分析。结果:(1) 7家医院疼痛科住院病人总数8 485人次,占总住院病人的0.82%;青海省占比明显高于其他省区;(2)疼痛科病人入院途径以门诊为主;年龄集中分布于40～80岁,以女性居多。(3)疼痛科出院病人病种覆盖数量,青海省为90种,其他省区为78种;两地区疑难重症诊治覆盖率均为47.06%;收治病种以腰椎间盘突出居首位。(4)青海省平均住院日、平均住院费用高于其他省区,而药占比、耗材比、病死率均较低。(5) 3年间7家医院疼痛科共进行1403例与疼痛诊疗有关的手术操作,青海省手术操作量明显高于其他省区;关键医疗技术的基本标准覆盖率达到80%,推荐标准覆盖率为28.57%。结论:西北地区7家三甲医院疼痛科住院病人病种覆盖率、关键医疗技术基本标准覆盖率均较高,但疑难病种及关键医疗技术推荐标准覆盖率较低。青海省3家医院疼痛科的上述指标略好于其他省区的4家医院。本研究结果可为西北地区疼痛科内涵建设提供参考。

关键词：疼痛科专科建设疾病谱医疗服务能力数据分析

基于住院病案首页数据的医院医疗质量评价模型的构建及应用

在线全文

学校读者我要写书评

暂无评论

郑州大学学报（医学版） 2020年第3期55卷 396-400页

作者：赵慧智王娟刘冰张功员丁滨河北省人民医院医务处石家庄050051 郑州大学公共卫生学院流行病学教研室郑州450001 北京中卫云医疗数据分析与应用技术研究院北京100055

目的:构建基于住院病案首页数据的医院医疗质量评价模型,为客观评价公立医院医疗质量提供参考。方法:通过文献分析、专家咨询等方法确定评价指标及权重系数,采用加权TOPSIS法结合秩和比法构建评价模型,对河北省10家公立三级综合医院医... 详细信息

目的:构建基于住院病案首页数据的医院医疗质量评价模型,为客观评价公立医院医疗质量提供参考。方法:通过文献分析、专家咨询等方法确定评价指标及权重系数,采用加权TOPSIS法结合秩和比法构建评价模型,对河北省10家公立三级综合医院医疗质量进行综合评价。结果:医疗质量评价指标体系包括3个维度11项指标。6家医院医疗能力指标对排名贡献最大,7家医院医疗效率指标对排名贡献最小。10家医院医疗质量可分为优、良、可三档。结论:构建的基于住院病案首页数据的医院医疗质量评价模型,评价方法简单易行,评价结果科学直观,对医疗质量监管和医院精细化管理有参考价值。

关键词： TOPSIS评价法秩和比法医疗质量

在线全文

学校读者我要写书评

暂无评论

住院病案首页数据质量评价方法研究与实践

中国病案 2020年第8期21卷 17-20页

作者：赵慧智樊光磊张仲海王涛戴志强滕春霞河北省人民医院河北省石家庄市050051 河北省卫生健康委员会医疗评价指导中心河北省石家庄市050051 北京中卫云医疗数据分析与应用技术研究院北京市100055

目的探索信息化手段评价住院病案首页质量的方法,掌握某省住院病案首页质量现状。方法利用信息化手段对某省2018年度三级医院2906157份住院病案首页数据质量进行检测,评价住院病案首页项目完整性、标准性、规范性及总体得分情况。结果... 详细信息

目的探索信息化手段评价住院病案首页质量的方法,掌握某省住院病案首页质量现状。方法利用信息化手段对某省2018年度三级医院2906157份住院病案首页数据质量进行检测,评价住院病案首页项目完整性、标准性、规范性及总体得分情况。结果某省住院病案首页数据必填项目完整率为90.42%,条件必填项完整率为90.55%,17类代码标准率为85.58%,疾病编码亚目规范率为94.12%,手术操作编码亚目规范率为95.28%,单个项目规范率为94.70%,编码组合项规范率为94.70%,费用组合项规范率为89.23%,时间组合项规范率为94.49%,其他组合项规范率为96.09%;住院病案首页平均得分为93.33分。结论信息化手段在检测住院病案首页项目完整性、标准性、规范性方面快速有效,能初步检测住院病案首页质量,某省住院病案首页质量仍有较大提升空间。

关键词：住院病案首页信息化数据质量质量评价

基于TPH-YOLO的无人机图像麦穗计数方法

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2023年第1期39卷 155-161页

作者：鲍文霞谢文杰胡根生杨先军苏彪彪安徽大学农业生态大数据分析与应用技术国家地方联合工程研究中心合肥230601 中国科学院合肥物质科学研究院合肥230031

在无人机上安装光学传感器捕捉农作物图像是一种经济高效的方法,它有助于产量预测、田间管理等。该研究以无人机小麦作物图像为研究对象,针对图像中麦穗分布稠密、重叠现象严重、背景信息复杂等特点,设计了一种基于TPH-YOLO(YOLO with t... 详细信息

在无人机上安装光学传感器捕捉农作物图像是一种经济高效的方法,它有助于产量预测、田间管理等。该研究以无人机小麦作物图像为研究对象,针对图像中麦穗分布稠密、重叠现象严重、背景信息复杂等特点,设计了一种基于TPH-YOLO(YOLO with transformer prediction heads)的麦穗检测模型,提高无人机图像麦穗计数的精度。首先,为了减小光照不均匀对无人机图像质量造成的影响,该研究采用Retinex算法进行图像增强处理。其次,在YOLOv5的骨干网络中添加坐标注意力机制(coordinate attention,CA),使模型细化特征,更加关注麦穗信息,抑制麦秆、麦叶等一些背景因素的干扰。再次,将YOLOv5中原始的预测头转换为Transformer预测头(transformer prediction heads,TPH),该预测头具有多头注意力机制的预测潜力,可以在高密度场景下准确定位到麦穗。最后,为了提高模型的泛化能力和检测精度,采用了迁移学习的训练策略,先使用田间采集的小麦图像数据集对模型进行预训练,接着再使用无人机采集的小麦图像数据集对模型进行参数更新和优化训练,并在无人机采集的小麦图像数据集上进行了试验。结果表明,该研究方法精确率、召回率及平均精确率分别为87.2%、84.1%和88.8%,相较于基础的YOLOv5平均精确率提高4.1个百分点,性能优于SSD、Faster-RCNN、CenterNet、YOLOv5等目标检测模型。此外,该研究利用公开数据集Global Wheat Head Detection(GWHD)在不同目标检测模型上进行对比试验,该数据集的小麦样本是多样的和典型的,与SSD、Faster-RCNN、CenterNet和YOLOv5等模型相比,平均精确率分别提升11.1、5.4、6.9和3.3个百分点,进一步验证了该研究所提方法的可靠性和有效性,研究结果可以为小麦的产量预测提供支撑。

关键词：无人机图像处理麦穗计数 YOLOv5 注意力机制 transformer编码器迁移学习

在线全文

学校读者我要写书评

暂无评论

基于注意力机制金字塔网络的麦穗检测方法

农业机械学报 2021年第11期52卷 253-262页

作者：章权兵胡姗姗舒文灿程鸿安徽大学农业生态大数据分析与应用技术国家地方联合工程研究中心合肥230601

为了准确预测小麦产量,提出了一种基于特征金字塔网络改进的小麦穗部检测方法。针对检测结果中存在的误检或漏检等问题,本文首先在原始特征提取网络的编码和解码区域分别引入通道注意力机制和空间注意力机制,以增加对麦穗空间信息和语... 详细信息

为了准确预测小麦产量,提出了一种基于特征金字塔网络改进的小麦穗部检测方法。针对检测结果中存在的误检或漏检等问题,本文首先在原始特征提取网络的编码和解码区域分别引入通道注意力机制和空间注意力机制,以增加对麦穗空间信息和语义信息的提取,有效提升网络对遮挡麦穗的检测性能;其次对原始区域建议网络的输入进行改进,设计了一种加权区域建议网络,在通道级别上将高层具有强语义信息的低分辨率特征图融合在一起,经过一系列的全连接层和激活函数生成对应维度的概率后,对底层高分辨率特征图进行加权以增强有用的信息通道,为难以检测的较小麦穗生成更精确的检测框。关于实地采集的灌浆期麦穗图像的实验结果表明,本文方法明显改善了对遮挡麦穗和较小麦穗的检测效果,其检测精确度、召回率和平均精度分别达到80.53%、87.12%和88.53%。通过对公开ACID数据集上不同时期麦穗检测结果的对比分析,进一步验证了本文方法的有效性。

关键词：麦穗检测金字塔网络特征提取注意力机制加权区域建议网络

基于改进RDN网络的无人机茶叶图像超分辨率重建

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2023年第4期54卷 241-249页

作者：鲍文霞吴育桉胡根生杨先军汪振宇安徽大学农业生态大数据分析与应用技术国家地方联合工程研究中心合肥230601 中国科学院合肥物质科学研究院合肥230031

针对无人机搭建可见光传感器进行茶叶长势、病害等监测中因飞行高度影响图像分辨率的问题,本文提出了一种改进的残差密集网络(Residual dense network,RDN)用于无人机茶叶图像超分辨率重建。针对无人机茶叶图像纹理复杂的特点,以RDN为... 详细信息

针对无人机搭建可见光传感器进行茶叶长势、病害等监测中因飞行高度影响图像分辨率的问题,本文提出了一种改进的残差密集网络(Residual dense network,RDN)用于无人机茶叶图像超分辨率重建。针对无人机茶叶图像纹理复杂的特点,以RDN为基线网络,在其结构中引入了残差组(Residual group,RG)模块,将多个残差通道注意力模块(Residual channel attention block,RCAB)组合在一起,通过引入注意力机制来区别对待不同的通道,关注无人机茶叶图像高频细节信息,从而提高网络的表征能力;同时设计了一个卷积长跳跃结构,利用带有卷积的远程跳跃连接,动态调整经过残差密集块(Residual dense block,RDB)后特征的权重,更好地利用无人机茶叶图像的分层特征信息,从而提升超分辨率重建图像的质量。实验结果表明,本文改进的RDN网络在无人机茶叶图像测试集上相较于其他算法表现更优,超分辨率重建后的图像具有更高的峰值信噪比和结构相似度,在4倍超分的情况下分别达到36.03 dB和0.9132,能够为茶叶智能化监测研究提供支持。

关键词：茶叶图像重建超分辨率残差组模块卷积长跳跃结构

基于改进YOLOv5网络的复杂背景图像中茶尺蠖检测

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2021年第21期37卷 191-198页

作者：胡根生吴继甜鲍文霞曾伟辉安徽大学农业生态大数据分析与应用技术国家地方联合工程研究中心合肥230601

茶叶的产量和品质深受病虫害的影响。茶尺蠖是一种常见的茶叶害虫,精确检测茶尺蠖对茶叶病虫害防治有重要意义。由于茶尺蠖和茶树枝、枯死茶叶的颜色、纹理相近,茶尺蠖的体积小、形态多变、被遮挡等问题,现有方法检测茶尺蠖的精度不高... 详细信息

茶叶的产量和品质深受病虫害的影响。茶尺蠖是一种常见的茶叶害虫,精确检测茶尺蠖对茶叶病虫害防治有重要意义。由于茶尺蠖和茶树枝、枯死茶叶的颜色、纹理相近,茶尺蠖的体积小、形态多变、被遮挡等问题,现有方法检测茶尺蠖的精度不高。该研究提出一种基于深度学习的复杂背景图像中茶尺蠖检测方法,该方法使用YOLOv5为基线网络,利用卷积核组增强对茶尺蠖的特征提取,在不增加计算量的条件下减少复杂背景对茶尺蠖检测结果的干扰;使用注意力模块关注茶尺蠖整体,根据茶尺蠖的大小和形状自适应调节感受野,降低因目标大小形状不一导致的漏检;使用Focal loss损失函数减少前景和背景的类不平衡对检测结果的影响。试验结果表明,所提方法用于复杂背景图像中茶尺蠖的检测,可以达到0.94的召回率,0.96的精确度和92.89%的平均精度均值。与基线网络相比,该方法的平均精度均值提高了6.44个百分点。使用相同的数据集和预处理的对比分析表明,该方法优于SSD、Faster RCNN和YOLOv4等其他经典深度学习方法,平均精度均值比SSD、Faster RCNN、YOLOv4分别高17.18个百分点、6.52个百分点和4.78个百分点。该方法可实现对茶尺蠖的智能检测,减少人力成本,有助于实现精准施药,提高茶叶的产量和品质。

关键词：农业算法目标检测深度学习卷积核组注意力模块茶尺蠖

基于坐标注意力机制和YOLO v5s模型的山羊脸部检测方法

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2023年第7期54卷 313-321页

作者：郭阳阳洪文浩丁屹黄小平安徽大学互联网学院合肥230039 农业生态大数据分析与应用技术国家地方联合工程研究中心合肥230039

山羊的脸部检测对羊场的智能化管理有着重要的意义。针对实际饲养环境中,羊群存在多角度、分布随机、灵活多变、羊脸检测难度大的问题,以YOLO v5s为基础目标检测网络,提出了一种结合坐标信息的山羊脸部检测模型。首先,通过移动设备获取... 详细信息

山羊的脸部检测对羊场的智能化管理有着重要的意义。针对实际饲养环境中,羊群存在多角度、分布随机、灵活多变、羊脸检测难度大的问题,以YOLO v5s为基础目标检测网络,提出了一种结合坐标信息的山羊脸部检测模型。首先,通过移动设备获取舍内、舍外、单头以及多头山羊的图像并构建数据集。其次,在YOLO v5s的主干网络融入坐标注意力机制,以充分利用目标的位置信息,提高遮挡区域、小目标、多视角样本的检测精度。试验结果表明,改进YOLO v5s模型的检测精确率为95.6%,召回率为83.0%,mAP0.5为90.2%,帧速率为69 f/s,模型内存占用量为13.2 MB;与YOLO v5s模型相比,检测精度提高1.3个百分点,模型所占内存空间减少1.2 MB;且模型的整体性能远优于Faster R-CNN、YOLO v4、YOLO v5s模型。此外,本文构建了不同光照和相机抖动的数据集,来进一步验证本文方法的可行性。改进后的模型可快速有效地对复杂场景下山羊的脸部进行精准检测及定位,为动物精细化养殖时目标检测识别提供了检测思路和技术支持。

关键词：羊脸检测 YOLO v5s 坐标注意力机制精准畜牧

基于深度卷积神经网络的田间麦穗密度估计及计数

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2020年第21期36卷 186-193,F0003页

作者：鲍文霞张鑫胡根生黄林生梁栋林泽安徽大学农业生态大数据分析与应用技术国家地方联合工程研究中心合肥230601

小麦的最终产量可由单位面积的小麦麦穗数侧面反映,为了快速准确统计小麦麦穗数,该研究给出一种在单幅图像上利用深度卷积神经网络估计田间麦穗密度图并进行麦穗计数的方法。首先对采集的田间小麦图像进行直方图均衡化及阈值分割预处理... 详细信息

小麦的最终产量可由单位面积的小麦麦穗数侧面反映,为了快速准确统计小麦麦穗数,该研究给出一种在单幅图像上利用深度卷积神经网络估计田间麦穗密度图并进行麦穗计数的方法。首先对采集的田间小麦图像进行直方图均衡化及阈值分割预处理,以减少图像中光照及一些复杂背景对计数的影响;然后根据灌浆期田间小麦图像麦穗密集的特点,引入拥挤场景识别网络(Congested Scene Recognition Network,CSRNet)构建麦穗密度图估计模型,并采用迁移学习方法,利用小麦图像公开数据集对模型进行预训练,再用所采集的小麦图像数据集进行模型参数调整和优化;利用得到的模型生成单幅小麦图像的麦穗密度图,根据密度图中所有密度值的总和对图像进行麦穗计数。最后根据对单幅麦穗图像的试验数据,构建田间麦穗计数函数模型,实现田间小麦麦穗数估计。通过对所采集的安农170、苏麦188、乐麦608和宁麦24这4个品种共296幅小麦图像进行试验,平均绝对误差(Mean Absolute Error,MAE)和均方根误差(Root Mean Squared Error,RMSE)分别为16.44和17.89,4个品种小麦的麦穗计数值与真实值的决定系数R^2均在0.9左右,表明该方法对单幅图像小麦麦穗计数精度较高。此外,通过对田间小麦麦穗数进行估计试验,结果表明,随面积的增大麦穗估计的误差越小,研究结果可以为小麦的产量自动估计提供参考。

关键词：卷积神经网络机器视觉密度图估计麦穗计数拥挤场景识别网络迁移学习