排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
2.
目的:提出基于目标检测的医院感染规范监测方法,提高医护工作者及管理人员的工作效率。方法:采用“云端-边缘”协同的架构设计,利用基于深度学习的目标检测方法对实时摄像机视频数据中的医护人员穿脱防护服规范以及手卫生执行情况进行检测。结果:采用“云端-边缘”协同的方式进行架构设计,可以更好地进行训练和推理;使用带标注的医院感染规范数据训练集对目标检测模型进行训练,并在测试集进行验证,实验结果显示该方法具有较高的准确率,mAP达94.9%。在真实场景中,准确率为94.4%,基本达到了人肉眼识别的水平。结论:结合深度学习的医院感染规范监测方法可以实时检测感控措施的执行情况,具有重要实际应用价值;利用图像数据增强技术对带标注的医院感染规范数据集进行增强,可解决数据不平衡问题,同时增强模型的鲁棒性。 相似文献
3.
4.
目的:提出一种面向医学宣教长文本的多分类方法,提高管理人员的数据管理效率。方法:采用ALBERT预训练模型对宣教内容进行编码,然后利用多尺度金字塔卷积神经网络提取和学习长文本宣教内容的深层语义特征,最后输出多分类结果。结果:ALBERT预训练模型具有较高的分类精确率,达到93.56%,召回率与F1值分别为91.29%和92.22%,构建了带科室标注的宣教内容数据集,利用诊断名称对数据集进行样本增强,增加了模型的鲁棒性。结论:结合深度学习的宣教内容分类系统提供了准确的科室分类结果,具有实际的应用价值。 相似文献
5.
1