煤矿井下弥漫着粉尘和雾气且多数区域为狭长巷道,仅依赖矿灯照明会导致视频监控图像出现细节模糊、局部过曝及目标尺寸多变等问题。这些因素增加了井下安全帽目标检测的难度,现有目标检测算法直接应用于煤矿井下场景时,通常面临精度不...煤矿井下弥漫着粉尘和雾气且多数区域为狭长巷道,仅依赖矿灯照明会导致视频监控图像出现细节模糊、局部过曝及目标尺寸多变等问题。这些因素增加了井下安全帽目标检测的难度,现有目标检测算法直接应用于煤矿井下场景时,通常面临精度不足的挑战。针对这些问题,研究提出一种基于YOLOv8n(You Only Look Once version 8n)的煤矿井下安全帽检测算法。首先,采用空间到深度机制将YOLOv8n主干网络中的Conv模块重新构建为空间到深度卷积(Space-to-Depth Convolutional,SPDConv)模块,以便从特征图中充分提取浅层细节信息,提高模型对细节模糊图像中小目标安全帽的检测精度;其次,引入基于注意力机制的尺度内特征交互模块,减少局部过曝对安全帽特征提取的干扰,增强模型对目标区域的关注能力;最后,借鉴高层次筛选特征融合金字塔对YOLOv8n的颈部网络进行重设计,改善模型对不同尺寸安全帽的检测能力,进一步提升检测精度。试验结果显示,该算法在CUMT-Helme T数据集上的平均精度均值达91.7%,相较于YOLOv8n提升了3.2百分点,同时模型参数量减少了1.9×10^(5)。与单次多边框检测(Single Shot MultiBox Detector,SSD)、快速区域卷积神经网络(Region-based Convolutional Neural Networks,Faster RCNN)、YOLOv5s、YOLOv6n、YOLOv7及YOLOv7-tiny等当前主流目标检测算法相比,该算法的平均精度均值最高,且参数量和浮点运算量较低,在实现较高检测精度的同时还具备一定的轻量化特性。展开更多
目的探讨白血病抑制因子受体(leukemia inhibitory factor receptor,LIFR)在非ST段抬高型心肌梗死(non-ST-segment elevation myocardial infarction,NSTEMI)患者中的表达情况及其与心肌重构的可能关联。方法前瞻性选取2023年1月至2024...目的探讨白血病抑制因子受体(leukemia inhibitory factor receptor,LIFR)在非ST段抬高型心肌梗死(non-ST-segment elevation myocardial infarction,NSTEMI)患者中的表达情况及其与心肌重构的可能关联。方法前瞻性选取2023年1月至2024年11月于武汉大学人民医院行冠状动脉造影的急性心肌梗死患者188例,根据是否诊断为NSTEMI分为对照组94例和NSTEMI组94例。收集患者一般临床资料,采用线性回归分析LIFR及与其他指标的相关性。结果与对照组比较,NSTEMI组吸烟史、LIFR、N末端B型钠尿肽前体、肌钙蛋白I、肌酐、尿酸、白细胞计数显著升高,左心室射血分数显著降低,差异有统计学意义[48.94%vs 13.83%,P<0.01;5.82(4.23,8.11)mmol/L vs 0.97(0.60,1.41)mmol/L,P<0.01;2.53(1.24,9.71)pg/L vs 0.03(0.02,0.04),P<0.01;18.57(4.11,250.00)ng/L vs 0.00(0.00,0.00)ng/L,P<0.01;82.50(68.00,121.25)μmol/L vs 68.50(53.00,88.25)μmol/L,P<0.01;411.00(349.00,521.25)μmol/L vs 337.00(286.75,406.00)μmol/L,P<0.01;10.21(8.71,13.09)×10~9/L vs 6.22(4.67,7.46)×10~9/L,P<0.01;47.00(38.00,54.00)%vs 59.00(56.00,60.00)%,P<0.01]。心肌梗死患者血清LIFR与N末端B型钠尿肽前体、肌钙蛋白I及白细胞计数呈正相关(β=1.403,95%CI:10597.867~17327.087,P=0.000;β=0.232,95%CI:114.558~1769.808,P=0.026;β=0.336,95%CI:0.164~0.617,P=0.001)。结论LIFR可能通过炎症参与心肌梗死后心肌重构和心力衰竭的发展。展开更多
文摘煤矿井下弥漫着粉尘和雾气且多数区域为狭长巷道,仅依赖矿灯照明会导致视频监控图像出现细节模糊、局部过曝及目标尺寸多变等问题。这些因素增加了井下安全帽目标检测的难度,现有目标检测算法直接应用于煤矿井下场景时,通常面临精度不足的挑战。针对这些问题,研究提出一种基于YOLOv8n(You Only Look Once version 8n)的煤矿井下安全帽检测算法。首先,采用空间到深度机制将YOLOv8n主干网络中的Conv模块重新构建为空间到深度卷积(Space-to-Depth Convolutional,SPDConv)模块,以便从特征图中充分提取浅层细节信息,提高模型对细节模糊图像中小目标安全帽的检测精度;其次,引入基于注意力机制的尺度内特征交互模块,减少局部过曝对安全帽特征提取的干扰,增强模型对目标区域的关注能力;最后,借鉴高层次筛选特征融合金字塔对YOLOv8n的颈部网络进行重设计,改善模型对不同尺寸安全帽的检测能力,进一步提升检测精度。试验结果显示,该算法在CUMT-Helme T数据集上的平均精度均值达91.7%,相较于YOLOv8n提升了3.2百分点,同时模型参数量减少了1.9×10^(5)。与单次多边框检测(Single Shot MultiBox Detector,SSD)、快速区域卷积神经网络(Region-based Convolutional Neural Networks,Faster RCNN)、YOLOv5s、YOLOv6n、YOLOv7及YOLOv7-tiny等当前主流目标检测算法相比,该算法的平均精度均值最高,且参数量和浮点运算量较低,在实现较高检测精度的同时还具备一定的轻量化特性。
文摘目的探讨白血病抑制因子受体(leukemia inhibitory factor receptor,LIFR)在非ST段抬高型心肌梗死(non-ST-segment elevation myocardial infarction,NSTEMI)患者中的表达情况及其与心肌重构的可能关联。方法前瞻性选取2023年1月至2024年11月于武汉大学人民医院行冠状动脉造影的急性心肌梗死患者188例,根据是否诊断为NSTEMI分为对照组94例和NSTEMI组94例。收集患者一般临床资料,采用线性回归分析LIFR及与其他指标的相关性。结果与对照组比较,NSTEMI组吸烟史、LIFR、N末端B型钠尿肽前体、肌钙蛋白I、肌酐、尿酸、白细胞计数显著升高,左心室射血分数显著降低,差异有统计学意义[48.94%vs 13.83%,P<0.01;5.82(4.23,8.11)mmol/L vs 0.97(0.60,1.41)mmol/L,P<0.01;2.53(1.24,9.71)pg/L vs 0.03(0.02,0.04),P<0.01;18.57(4.11,250.00)ng/L vs 0.00(0.00,0.00)ng/L,P<0.01;82.50(68.00,121.25)μmol/L vs 68.50(53.00,88.25)μmol/L,P<0.01;411.00(349.00,521.25)μmol/L vs 337.00(286.75,406.00)μmol/L,P<0.01;10.21(8.71,13.09)×10~9/L vs 6.22(4.67,7.46)×10~9/L,P<0.01;47.00(38.00,54.00)%vs 59.00(56.00,60.00)%,P<0.01]。心肌梗死患者血清LIFR与N末端B型钠尿肽前体、肌钙蛋白I及白细胞计数呈正相关(β=1.403,95%CI:10597.867~17327.087,P=0.000;β=0.232,95%CI:114.558~1769.808,P=0.026;β=0.336,95%CI:0.164~0.617,P=0.001)。结论LIFR可能通过炎症参与心肌梗死后心肌重构和心力衰竭的发展。
