目的探讨日间手术模式下射频消融(RFA)闭合术治疗下肢静脉曲张的临床疗效及安全性。方法收集2021年12月至2022年5月新疆维吾尔自治区人民医院收治的日间手术模式下治疗的101例大隐静脉曲张患者(112条肢体)的临床资料,按照手术方法的不...目的探讨日间手术模式下射频消融(RFA)闭合术治疗下肢静脉曲张的临床疗效及安全性。方法收集2021年12月至2022年5月新疆维吾尔自治区人民医院收治的日间手术模式下治疗的101例大隐静脉曲张患者(112条肢体)的临床资料,按照手术方法的不同将患者分为高位结扎组(n=50)和RFA组(n=51)。比较两组患者围手术期相关指标、围手术期并发症发生率及术后3个月大隐静脉主干闭塞率。结果RFA组患者的术前禁食、禁水时间,手术时间,术后禁食、禁水时间,术后下床时间均短于高位结扎组患者,术中出血量少于高位结扎组患者,术中VAS评分高于高位结扎组患者,术后6 h VAS评分低于高位结扎组患者,差异均有统计学意义(P<0.05)。术后3个月,RFA组患者的大隐静脉主干闭合率为98.2%(56/57),高位结扎组患者的大隐静脉主干闭合率为100%(55/55)。两组患者围手术期并发症的总发生率比较,差异无统计学意义(P>0.05)。结论RFA在日间手术模式下治疗下肢静脉曲张安全、有效,能够缩短术前禁食、禁水时间,手术时间,术后禁食、禁水时间,术后下床时间,减少术中出血量和术后疼痛程度,且不会增加围手术期相关并发症。展开更多
针对图像识别中获取全局特征的局限性及难以提升识别准确性的问题,提出一种基于随机增强Swin-Tiny Transformer轻量级模型的图像识别方法.该方法在预处理阶段结合基于随机数据增强(random data augmentation based enhancement,RDABE)...针对图像识别中获取全局特征的局限性及难以提升识别准确性的问题,提出一种基于随机增强Swin-Tiny Transformer轻量级模型的图像识别方法.该方法在预处理阶段结合基于随机数据增强(random data augmentation based enhancement,RDABE)算法对图像特征进行增强,并采用Transformer的自注意力机制,以获得更全面的高层视觉语义信息.通过在玉米病害数据集上优化Swin-Tiny Transformer模型并进行参数微调,在农业领域的玉米病害上验证了该算法的适用性,实现了更精确的病害检测.实验结果表明,基于随机增强的轻量级Swin-Tiny+RDABE模型对玉米病害图像识别准确率达93.5867%.在参数权重一致,与性能优秀的轻量级Transformer、卷积神经网络(CNN)系列模型对比的实验结果表明,改进的模型准确率比Swin-Tiny Transformer,Deit3_Small,Vit_Small,Mobilenet_V3_Small,ShufflenetV2和Efficientnet_B1_Pruned模型提高了1.1877%~4.9881%,且能迅速收敛.展开更多
文摘目的探讨日间手术模式下射频消融(RFA)闭合术治疗下肢静脉曲张的临床疗效及安全性。方法收集2021年12月至2022年5月新疆维吾尔自治区人民医院收治的日间手术模式下治疗的101例大隐静脉曲张患者(112条肢体)的临床资料,按照手术方法的不同将患者分为高位结扎组(n=50)和RFA组(n=51)。比较两组患者围手术期相关指标、围手术期并发症发生率及术后3个月大隐静脉主干闭塞率。结果RFA组患者的术前禁食、禁水时间,手术时间,术后禁食、禁水时间,术后下床时间均短于高位结扎组患者,术中出血量少于高位结扎组患者,术中VAS评分高于高位结扎组患者,术后6 h VAS评分低于高位结扎组患者,差异均有统计学意义(P<0.05)。术后3个月,RFA组患者的大隐静脉主干闭合率为98.2%(56/57),高位结扎组患者的大隐静脉主干闭合率为100%(55/55)。两组患者围手术期并发症的总发生率比较,差异无统计学意义(P>0.05)。结论RFA在日间手术模式下治疗下肢静脉曲张安全、有效,能够缩短术前禁食、禁水时间,手术时间,术后禁食、禁水时间,术后下床时间,减少术中出血量和术后疼痛程度,且不会增加围手术期相关并发症。
文摘针对图像识别中获取全局特征的局限性及难以提升识别准确性的问题,提出一种基于随机增强Swin-Tiny Transformer轻量级模型的图像识别方法.该方法在预处理阶段结合基于随机数据增强(random data augmentation based enhancement,RDABE)算法对图像特征进行增强,并采用Transformer的自注意力机制,以获得更全面的高层视觉语义信息.通过在玉米病害数据集上优化Swin-Tiny Transformer模型并进行参数微调,在农业领域的玉米病害上验证了该算法的适用性,实现了更精确的病害检测.实验结果表明,基于随机增强的轻量级Swin-Tiny+RDABE模型对玉米病害图像识别准确率达93.5867%.在参数权重一致,与性能优秀的轻量级Transformer、卷积神经网络(CNN)系列模型对比的实验结果表明,改进的模型准确率比Swin-Tiny Transformer,Deit3_Small,Vit_Small,Mobilenet_V3_Small,ShufflenetV2和Efficientnet_B1_Pruned模型提高了1.1877%~4.9881%,且能迅速收敛.
