目的探讨穿戴坐骨包容接受腔与四边形接受腔大腿假肢的单侧大腿截肢者在日常生活中行走时的步态差异,为临床制定大腿假肢使用处方提供指导。方法选取7位大腿截肢患者作为试验组,为患者分别适配四边形和坐骨包容接受腔大腿假肢。同时选取...目的探讨穿戴坐骨包容接受腔与四边形接受腔大腿假肢的单侧大腿截肢者在日常生活中行走时的步态差异,为临床制定大腿假肢使用处方提供指导。方法选取7位大腿截肢患者作为试验组,为患者分别适配四边形和坐骨包容接受腔大腿假肢。同时选取7位年龄、性别、身高和体质量相匹配的健康受试者作为对照组。所有受试者以舒适的步速在室外平路上行走240 m,应用便携式步态测试仪(intelligent device for energy expenditure and activity,IDEEA)采集步态数据,包括7个时空参数和4个加速度参数,通过IBM SPSS Statistics 23对数据进行处理。对比患者穿戴两种假肢与健康受试者之间、患者分别穿戴同种假肢时患侧与健侧之间、患者穿戴两种假肢时患侧之间、健侧之间的参数差异。结果与健康受试者相比,患者分别穿戴两种假肢行走时,两种假肢健侧和患侧的站立时间和步态周期增大(P<0.05),步速、步频、跨步长减小(P<0.05);两种假肢患侧的摆动时间延长(P<0.05),地面冲击和足落地控制减小(P<0.05);四边形接受腔假肢双侧和坐骨包容接受腔假肢健侧的单步时间延长(P<0.05)。四边形接受腔假肢患侧摆动时间长于健侧(P=0.03);坐骨包容接受腔假肢患侧摆动时间长于健侧(P=0.02),地面冲击小于健侧(P=0.04)。四边形接受腔假肢患侧的步态周期长于坐骨包容接受腔假肢(P=0.01);四边形接受腔假肢健侧的步态周期长于坐骨包容接受腔假肢(P=0.03)。结论患者穿戴两种假肢在室外行走时,步行速度均明显慢于健康受试者;患者步行过程中健侧均有代偿;患者穿戴坐骨包容接受腔假肢行走时的速度快于穿戴四边形接受腔假肢时的速度;患者穿戴坐骨包容接受腔假肢行走时假肢侧在支撑期的稳定性比穿四边形接受腔假肢更好。展开更多
目标检测是遥感影像处理中一项基础性和常规性的工作。本文基于YOLOX(you only look once X)网络进行改进,设计了一种针对遥感影像目标的检测算法。首先在特征提取模块PANet(path aggregation network)中加入自适应空间特征融合(adaptiv...目标检测是遥感影像处理中一项基础性和常规性的工作。本文基于YOLOX(you only look once X)网络进行改进,设计了一种针对遥感影像目标的检测算法。首先在特征提取模块PANet(path aggregation network)中加入自适应空间特征融合(adaptively spatial feature fusion, ASFF)网络,针对目标检测中尺度不一致的细部特征进行深入挖掘。其次,设计了基于ECA(efficient channel attention)的特征提取模块,高效通道交互在更加关注特征图中正样本特征信息的同时降低了模型的复杂性。再次,为了避免过拟合造成梯度消失、激活效果弱的问题,提出使用swish激活函数。最后,在DOTA(dataset for object detection in aerial images)上进行实验,通过消融实验定性分析、通过对比实验定量验证了本文算法的最佳机制和有效性。结果表明:在添加ASFF和ECA机制并且优化swish激活函数的前提下,改进网络模型的全类平均正确率(mean average precision, mAP)达74.42%,较原始网络提升了12.75%;与当前应用广泛的目标检测算法Mobilenet-YOLOv4、YOLOv4、YOLOv5、YOLOX相比,本文算法实现了mAP 11.42%~17.84%的提升。展开更多
文摘目的探讨穿戴坐骨包容接受腔与四边形接受腔大腿假肢的单侧大腿截肢者在日常生活中行走时的步态差异,为临床制定大腿假肢使用处方提供指导。方法选取7位大腿截肢患者作为试验组,为患者分别适配四边形和坐骨包容接受腔大腿假肢。同时选取7位年龄、性别、身高和体质量相匹配的健康受试者作为对照组。所有受试者以舒适的步速在室外平路上行走240 m,应用便携式步态测试仪(intelligent device for energy expenditure and activity,IDEEA)采集步态数据,包括7个时空参数和4个加速度参数,通过IBM SPSS Statistics 23对数据进行处理。对比患者穿戴两种假肢与健康受试者之间、患者分别穿戴同种假肢时患侧与健侧之间、患者穿戴两种假肢时患侧之间、健侧之间的参数差异。结果与健康受试者相比,患者分别穿戴两种假肢行走时,两种假肢健侧和患侧的站立时间和步态周期增大(P<0.05),步速、步频、跨步长减小(P<0.05);两种假肢患侧的摆动时间延长(P<0.05),地面冲击和足落地控制减小(P<0.05);四边形接受腔假肢双侧和坐骨包容接受腔假肢健侧的单步时间延长(P<0.05)。四边形接受腔假肢患侧摆动时间长于健侧(P=0.03);坐骨包容接受腔假肢患侧摆动时间长于健侧(P=0.02),地面冲击小于健侧(P=0.04)。四边形接受腔假肢患侧的步态周期长于坐骨包容接受腔假肢(P=0.01);四边形接受腔假肢健侧的步态周期长于坐骨包容接受腔假肢(P=0.03)。结论患者穿戴两种假肢在室外行走时,步行速度均明显慢于健康受试者;患者步行过程中健侧均有代偿;患者穿戴坐骨包容接受腔假肢行走时的速度快于穿戴四边形接受腔假肢时的速度;患者穿戴坐骨包容接受腔假肢行走时假肢侧在支撑期的稳定性比穿四边形接受腔假肢更好。
文摘目标检测是遥感影像处理中一项基础性和常规性的工作。本文基于YOLOX(you only look once X)网络进行改进,设计了一种针对遥感影像目标的检测算法。首先在特征提取模块PANet(path aggregation network)中加入自适应空间特征融合(adaptively spatial feature fusion, ASFF)网络,针对目标检测中尺度不一致的细部特征进行深入挖掘。其次,设计了基于ECA(efficient channel attention)的特征提取模块,高效通道交互在更加关注特征图中正样本特征信息的同时降低了模型的复杂性。再次,为了避免过拟合造成梯度消失、激活效果弱的问题,提出使用swish激活函数。最后,在DOTA(dataset for object detection in aerial images)上进行实验,通过消融实验定性分析、通过对比实验定量验证了本文算法的最佳机制和有效性。结果表明:在添加ASFF和ECA机制并且优化swish激活函数的前提下,改进网络模型的全类平均正确率(mean average precision, mAP)达74.42%,较原始网络提升了12.75%;与当前应用广泛的目标检测算法Mobilenet-YOLOv4、YOLOv4、YOLOv5、YOLOX相比,本文算法实现了mAP 11.42%~17.84%的提升。
