关于形状记忆锯齿臂环抱器的一点改进建议

本文对形状记忆锯齿臂环抱器提出了一点改进建议,并对两种环抱器的抗弯强度和抗扭强度分别进行了计算和比较。结果表明,在保持环抱器总重量或部体积不变的情况下,改进后环抱器的抗弯强度和抗扭强度要远大于原环抱器的抗弯强度和抗扭强度。     

一次性口腔高速涡轮手机的研制

目的　研制一次性口腔高速涡轮手机。方法　通过分析使用一次性口腔高速手机对于防止医源性交叉感染的重要意义 ,指出目前口腔临床治疗中所使用的高速手机存在的主要问题。提出了一种创新性的一次性口腔高速涡轮手机的的设计和制造方案。结果　设计出符合人体工程学的一次性口腔高速涡轮手机 ,并对其进行空气动力学分析 ,同时制定出一次性口腔高速涡轮手机所应符合的 7项主要技术指标。结论　新研制的口腔高速涡轮手机性能达到了口腔临床使用的要求。     

基于深度学习并行网络模型的心律失常分类方法

目的 提出一种并行神经网络分类方法,以提高对正常搏动、室上性异位搏动、心室异位搏动、融合搏动4种心律失常的分类性能。方法 首先进行心电信号去噪、小尺度心拍和大尺度心拍的分割、数据增强等预处理;然后基于深度学习理论,应用密集连接卷积神经网络改善人工提取波形特征的局限性,并结合双向长短时记忆网络和高效通道注意力网络,以增强提取波形时序特征和重要特征的功能;接着采用并行网络结构,同时输入小尺度心拍和大尺度心拍的的波形特征,以提高心律失常分类的准确性;最后使用Softmax函数实现对心律失常的4分类任务。结果 利用MIT-BIH心律失常数据库和3组实验验证所提方法。多种并行网络模型分类性能对比实验和不同心拍输入方式下,各分类模型性能对比实验得出所提分类模型的总体准确率、平均灵敏度和平均特异性分别达到99.36%、96.08%、99.41%;并行网络分类模型收敛性能分析实验得出分类模型每次训练时间为41 s。结论 并行多网络分类方法在保持较高总体准确率的同时,平均灵敏度、平均特异性以及训练时间均有改善,该方法有望为心律失常临床诊断提供新的技术方案。