检索结果-维普期刊中文期刊服务平台

5%米诺地尔联合口服抗雄药物治疗雄激素性秃发早期脱发现象的初步探讨被引量：4: 1; 作者杨晓双丁雨欣 +2 位作者陈钰虹苗宇杰吕中法《临床皮肤科杂志》 CAS CSCD 北大核心 2024年第4期199-203,共5页; 目的:探讨5%米诺地尔联合口服抗雄药物治疗雄激素性秃发(AGA)早期的脱发现象,观察16周内头发脱落数量及特征。方法:收集AGA患者治疗期间(1~16周)脱发量数据,探究脱发量的变化特点。结果:67例AGA患者使用药物后,第2~8周脱发量相对第1周(... 展开更多; 关键词雄激素性秃发米诺地尔休止期脱发脱发疗效; 在线阅读下载PDF 职称材料

基于卷积神经网络的家具木材图像种类识别被引量：5: 2; 作者苗宇杰祝诗平 +3 位作者普京李俊贤马羚凯黄华《林业科学》 EI CAS CSCD 北大核心 2023年第8期133-140,共8页; 【目的】为解决日常生活中家具木材种类主要依靠人工识别存在的主观性强、效率低等问题,设计一种基于MobileNetV3卷积神经网络(CNN)的常见家具木材图像种类识别模型,有效提高木材种类识别速度和精度,为木材资源的合理利用、木材进出口... 展开更多; 关键词家具木材木蜡油识别卷积神经网络 MobileNetV3; 在线阅读下载PDF 职称材料

基于高光谱技术的有机鸡蛋与普通鸡蛋鉴别被引量：6: 3; 作者马羚凯祝诗平 +4 位作者苗宇杰魏枭李松蒋友列卓佳鑫《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2022年第4期1222-1228,共7页; 当今全球范围内有机食品行业发展迅速,体现出消费者对食品质量安全的重视。相比于普通鸡蛋,有机鸡蛋因严格的生产条件以及更高的营养价值生产成本更高、售价更贵。市面上所销售的有机鸡蛋虽取得了严格有机食品认证标识,但依旧不能阻止... 展开更多; 关键词鸡蛋有机食品高光谱技术光谱降维鉴别; 在线阅读下载PDF 职称材料

基于图像语义分割的菜品浪费度检测: 4; 作者普京祝诗平 +3 位作者苗宇杰唐鑫郑权黄华《西南大学学报（自然科学版）》 CAS CSCD 北大核心 2023年第4期189-200,共12页; 对菜品浪费进行检测可以帮助餐馆调整菜单结构,做到从源头上减少浪费.提出一种基于语义分割技术的菜品浪费度检测方法,使用Swin Transformer和UperNet作为分割框架,并在UperNet的基础上进行了改进,即在UperNet的双线性插值层之前增加了... 展开更多; 关键词菜品图像语义分割深度学习浪费度等级; 在线阅读下载PDF 职称材料

题名5%米诺地尔联合口服抗雄药物治疗雄激素性秃发早期脱发现象的初步探讨被引量：4: 1; 作者杨晓双丁雨欣陈钰虹苗宇杰吕中法; 机构浙江大学医学院附属第二医院皮肤科; 出处《临床皮肤科杂志》 CAS CSCD 北大核心 2024年第4期199-203,共5页; 文摘目的:探讨5%米诺地尔联合口服抗雄药物治疗雄激素性秃发(AGA)早期的脱发现象,观察16周内头发脱落数量及特征。方法:收集AGA患者治疗期间(1~16周)脱发量数据,探究脱发量的变化特点。结果:67例AGA患者使用药物后,第2~8周脱发量相对第1周(基线)均明显增加(P<0.05);且分别与第1周和第2周比较,第3周均呈现出脱发量明显增加的情况(P<0.05),由此将脱发量变化百分比>68.22%(第3周脱发量变化百分比的均值)的情况定义为“脱发明显”。据此将患者分为脱发明显组39例(58.21%)和非脱发明显组28例(41.79%)。脱发明显组中,患者脱发量明显增加发生于第3~5周,随后第12周降至基线水平。脱发明显组中脱发量的时间变化、严重程度在男女中差异均无统计学意义(P>0.05),仅20.51%患者每周脱发量变化百分比中的最大数值(简称为最大百分比)较第1周>3倍。结论:“脱发明显”多发生于AGA患者用药后第3~5周,约于第12周降至第1周水平,持续时间短且男女间无明显差别。“脱发明显”是药物作用的一种表现,也预示着毛囊可能由休止期转入生长期的正常过程。; 关键词雄激素性秃发米诺地尔休止期脱发脱发疗效; Keywords androgenetic alopecia minoxidil telogen effluvium hair loss efficacy; 分类号 R758.71 [医药卫生—皮肤病学与性病学]; 在线阅读下载PDF 职称材料

题名基于卷积神经网络的家具木材图像种类识别被引量：5: 2; 作者苗宇杰祝诗平普京李俊贤马羚凯黄华; 机构西南大学工程技术学院; 出处《林业科学》 EI CAS CSCD 北大核心 2023年第8期133-140,共8页; 基金中央高校基本科研业务费专项资金项目(XDJK2019C081)。; 文摘【目的】为解决日常生活中家具木材种类主要依靠人工识别存在的主观性强、效率低等问题,设计一种基于MobileNetV3卷积神经网络(CNN)的常见家具木材图像种类识别模型,有效提高木材种类识别速度和精度,为木材资源的合理利用、木材进出口贸易管理及消费者确定家具木材种类提供一种科学有效的方法。【方法】首先,采集4种木材的素材图像以及其中2种涂饰木蜡油的木材图像,共3880张,将数据集按6∶2∶2和2∶6∶2分为训练集、验证集和测试集,基于旋转、翻转等操作将训练集数据扩充为原来的4倍。采用4种卷积神经网络和2种传统机器学习方法对素材图像建立识别模型,通过分析对比得到最优识别网络模型——MobileNetV3,对模型进行迁移学习并参数调优。将素材图像与涂饰木蜡油的木材图像对应放在一起与剩下的2种素材图像共同组成新的数据集,构建基于MobileNetV3网络的木材种类识别模型。为方便分类人员操作,减轻分类人员在实际检测中的操作难度,选用构建的木材种类识别模型,基于PyQt5搭建木材种类识别系统。【结果】与传统机器学习方法相比,卷积神经网络识别效果更佳,且迁移学习能够明显提高网络的收敛速度和分类性能。在验证集中,识别性能最佳的MobileNetV3对4种素材图像的平均识别准确率为98.13%,对混有涂饰木蜡油木材图像的识别准确率为97.25%。【结论】木材种类识别模型不仅可对素材进行识别,也能实现对涂饰木蜡油木材的快速、准确识别,为木材分类人员带来便捷的同时,也为消费者挑选实木家具并确定木材种类提供一种可靠的识别方法。; 关键词家具木材木蜡油识别卷积神经网络 MobileNetV3; Keywords furniture wood wax oil identification convolutional neural network MobileNetV3; 分类号 S781.1 [农业科学—木材科学与技术]; 在线阅读下载PDF 职称材料

题名基于高光谱技术的有机鸡蛋与普通鸡蛋鉴别被引量：6: 3; 作者马羚凯祝诗平苗宇杰魏枭李松蒋友列卓佳鑫; 机构西南大学工程技术学院; 出处《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2022年第4期1222-1228,共7页; 基金国家自然科学基金项目(31071319)资助。; 文摘当今全球范围内有机食品行业发展迅速,体现出消费者对食品质量安全的重视。相比于普通鸡蛋,有机鸡蛋因严格的生产条件以及更高的营养价值生产成本更高、售价更贵。市面上所销售的有机鸡蛋虽取得了严格有机食品认证标识,但依旧不能阻止不法份子将普通鸡蛋冒充有机鸡蛋销售,从而谋取利润。这一行为不仅会损害有机鸡蛋生产商的利益,也降低了人们对有机食品的信任度,为此需要一种有效的对有机鸡蛋和普通鸡蛋无损鉴别方法。使用高光谱技术透射成像的方式,可以获取物质内部的信息,以有机鸡蛋和普通鸡蛋为试验对象,采集鸡蛋样本364~1025 nm波长范围的高光谱图像数据,从采集到的数据中提取出鸡蛋蛋清和蛋黄感兴趣区域(ROI)的平均透射光谱数据。根据透射光谱曲线图筛选出有机鸡蛋与普通鸡蛋光谱响应差异明显的波段区间,分别通过偏最小二乘判别分析(PLS-DA)和支持向量机(SVM)建立鸡蛋类别的鉴别模型,结果表明模型分别根据蛋黄区域与蛋清区域数据进行建模的鉴别准确率相近,进一步对蛋黄区域数据进行分析。由于高光谱数据量大且存在大量冗余信息,给数据采集、存储、传输和建模处理都带来不便,因此分别通过连续投影算法(SPA)和竞争性自适应重加权算法(CARS)对蛋黄ROI数据进行降维处理,剔除了大量冗余信息后再建模。最终,使用对蛋黄ROI区域运用SPA降维后得到的23个特征波长建立的SPA-SVM鉴别模型在测试集的准确率最高达到94.2%。结果表明,通过高光谱技术对有机鸡蛋和普通鸡蛋进行无损鉴别有一定效果。; 关键词鸡蛋有机食品高光谱技术光谱降维鉴别; Keywords Eggs Organic food Hyperspectral technology Spectral dimension reduction Identification; 分类号 S123 [农业科学—农业基础科学]; 在线阅读下载PDF 职称材料

题名基于图像语义分割的菜品浪费度检测: 4; 作者普京祝诗平苗宇杰唐鑫郑权黄华; 机构西南大学工程技术学院; 出处《西南大学学报（自然科学版）》 CAS CSCD 北大核心 2023年第4期189-200,共12页; 基金教育部科技发展中心产学研创新基金德州专项(2021DZ005).; 文摘对菜品浪费进行检测可以帮助餐馆调整菜单结构,做到从源头上减少浪费.提出一种基于语义分割技术的菜品浪费度检测方法,使用Swin Transformer和UperNet作为分割框架,并在UperNet的基础上进行了改进,即在UperNet的双线性插值层之前增加了一层转置卷积,改进的模型在测试集上的菜品图像分割平均交并比可以达到93.30%;同时根据菜品食用前后分割面积比的统计信息制定了浪费度等级,将菜品浪费程度划分为严重浪费、很浪费、一般浪费、轻度浪费和无浪费5个等级,并在测试集1782个菜品样本上进行了检测,浪费度等级的识别准确率可以达到95.12%.所给出的方法可望用于餐饮浪费的检测和管理中.; 关键词菜品图像语义分割深度学习浪费度等级; Keywords dishes image semantic segmentation deep learning degree of waste; 分类号 TP399 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	5%米诺地尔联合口服抗雄药物治疗雄激素性秃发早期脱发现象的初步探讨	杨晓双丁雨欣陈钰虹苗宇杰吕中法	《临床皮肤科杂志》 CAS CSCD 北大核心	2024	4	在线阅读下载PDF 职称材料
2	基于卷积神经网络的家具木材图像种类识别	苗宇杰祝诗平普京李俊贤马羚凯黄华	《林业科学》 EI CAS CSCD 北大核心	2023	5	在线阅读下载PDF 职称材料
3	基于高光谱技术的有机鸡蛋与普通鸡蛋鉴别	马羚凯祝诗平苗宇杰魏枭李松蒋友列卓佳鑫	《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心	2022	6	在线阅读下载PDF 职称材料
4	基于图像语义分割的菜品浪费度检测	普京祝诗平苗宇杰唐鑫郑权黄华	《西南大学学报（自然科学版）》 CAS CSCD 北大核心	2023	0	在线阅读下载PDF 职称材料