针对低信噪比环境下超声细微缺陷特征提取难题,提出一种适用于低信噪比超声信号的门控残差与双级压缩-激励(squeeze and excitation,SE)注意力协同增强网络。该模型以卷积神经网络(convolutional neural network,CNN)为基础,通过残差块...针对低信噪比环境下超声细微缺陷特征提取难题,提出一种适用于低信噪比超声信号的门控残差与双级压缩-激励(squeeze and excitation,SE)注意力协同增强网络。该模型以卷积神经网络(convolutional neural network,CNN)为基础,通过残差块-SE模块-池化级联结构,在残差块内部嵌入普通SE模块进行初步通道筛选,在网络末端利用局部增强SE模块聚焦峰值信号,并采用门控残差连接从而动态保留原始细微特征,实现噪声抑制与特征增强的协同优化。结果显示:改进后模型的均方根误差(root mean square error,RMSE)均值为0.0683、平均绝对误差(mean absolute error,MAE)均值为0.0471,较基准CNN分别降低49.7%、41.7%,且模型显著优于仅使用单一注意力或残差块的改进模型,验证了双机制协同的优越性,且训练稳定性突出,低信噪比环境下仍保持高精度。所提模型的预测精度、抗干扰能力及稳定性显著优于传统方法与现有模型,为钢管超声无损检测提供高效技术方案,具有重要工业应用价值。展开更多
目的系统评价对分课堂这一教学方式在护理教学中的应用效果。方法计算机检索Cochrane图书馆、JBI循证护理中心图书馆、PubMed、Web of Science、中国期刊全文数据库、中文科技期刊数据库和万方数据库,检索有关对分课堂对比传统教学法在...目的系统评价对分课堂这一教学方式在护理教学中的应用效果。方法计算机检索Cochrane图书馆、JBI循证护理中心图书馆、PubMed、Web of Science、中国期刊全文数据库、中文科技期刊数据库和万方数据库,检索有关对分课堂对比传统教学法在本科护理教学中应用的随机对照研究或类随机对照研究。对纳入研究进行方法学质量评价,而后提取有效数据并采用RevMan 5.3软件进行分析。结果最终纳入12个类随机对照研究,共1696位研究对象。评价结果显示与传统教学法相比,应用对分课堂的教学方式可提升学生的学习态度和自主学习能力,对以操作考试成绩、理论考试成绩、评判性思维能力为结局指标的文献结果因存在异质性无法进行合并。结论现有研究显示,对分课堂已在多门护理本科教学中被采用,显示出一定的优势,尚需开展更多高质量的研究,采用多元的考核形式,全面评价其效果。展开更多
文摘针对低信噪比环境下超声细微缺陷特征提取难题,提出一种适用于低信噪比超声信号的门控残差与双级压缩-激励(squeeze and excitation,SE)注意力协同增强网络。该模型以卷积神经网络(convolutional neural network,CNN)为基础,通过残差块-SE模块-池化级联结构,在残差块内部嵌入普通SE模块进行初步通道筛选,在网络末端利用局部增强SE模块聚焦峰值信号,并采用门控残差连接从而动态保留原始细微特征,实现噪声抑制与特征增强的协同优化。结果显示:改进后模型的均方根误差(root mean square error,RMSE)均值为0.0683、平均绝对误差(mean absolute error,MAE)均值为0.0471,较基准CNN分别降低49.7%、41.7%,且模型显著优于仅使用单一注意力或残差块的改进模型,验证了双机制协同的优越性,且训练稳定性突出,低信噪比环境下仍保持高精度。所提模型的预测精度、抗干扰能力及稳定性显著优于传统方法与现有模型,为钢管超声无损检测提供高效技术方案,具有重要工业应用价值。
文摘目的系统评价对分课堂这一教学方式在护理教学中的应用效果。方法计算机检索Cochrane图书馆、JBI循证护理中心图书馆、PubMed、Web of Science、中国期刊全文数据库、中文科技期刊数据库和万方数据库,检索有关对分课堂对比传统教学法在本科护理教学中应用的随机对照研究或类随机对照研究。对纳入研究进行方法学质量评价,而后提取有效数据并采用RevMan 5.3软件进行分析。结果最终纳入12个类随机对照研究,共1696位研究对象。评价结果显示与传统教学法相比,应用对分课堂的教学方式可提升学生的学习态度和自主学习能力,对以操作考试成绩、理论考试成绩、评判性思维能力为结局指标的文献结果因存在异质性无法进行合并。结论现有研究显示,对分课堂已在多门护理本科教学中被采用,显示出一定的优势,尚需开展更多高质量的研究,采用多元的考核形式,全面评价其效果。
