目的分析1992—2021年我国血吸虫病疾病负担变化趋势、预测2022—2030年我国血吸虫病疾病负担,为我国血吸虫病消除工作提供参考。方法从全球疾病负担研究(global burden of disease,GBD)数据库中获取1992—2021年我国、全球及不同社会...目的分析1992—2021年我国血吸虫病疾病负担变化趋势、预测2022—2030年我国血吸虫病疾病负担,为我国血吸虫病消除工作提供参考。方法从全球疾病负担研究(global burden of disease,GBD)数据库中获取1992—2021年我国、全球及不同社会人口学指数(socio-demographic index,SDI)地区人群血吸虫病患病率、年龄标化患病率、伤残调整寿命年(disability adjusted life year,DALYs)率、年龄标化DALYs率及归因于血吸虫感染的贫血伤残损失寿命年(years lost due to disability,YLDs)率、归因于血吸虫感染的贫血年龄标化YLDs率,计算各指标估计年度变化百分比(estimated annual percentage change,EAPC)及其95%可信区间(confidence Interval,CI)以分析疾病负担变化趋势。采用年龄-时期-队列(age-period-cohort,APC)模型分析1992—2021年我国人群血吸虫病患病率随年龄、时期和出生队列的变化趋势,采用贝叶斯年龄-时期-队列(Bayesian age-period-cohort,BAPC)模型预测2022—2030年我国血吸虫病疾病负担。结果2021年,我国人群血吸虫病年龄标化患病率为761.32/10万、年龄标化DALYs率为5.55/10万、归因于血吸虫感染的贫血年龄标化YLDs率为0.38/10万,均低于全球水平(分别为1914.30/10万、21.90/10万、3.36/10万)及中SDI地区(1413.61/10万、12.10/10万、1.93/10万)、低-中SDI地区(分别为2461.03/10万、26.81/10万、4.48/10万)和低SDI地区(分别为5832.77/10万、94.48/10万、10.65/10万),但高于高SDI地区(分别为59.47/10万、0.49/10万、0.05/10万)和高-中SDI地区(分别为123.11/10万、1.20/10万、0.12/10万)。2021年,我国男性人群血吸虫病患病率(820.79/10万)、DALYs率(5.86/10万)均高于女性人群(分别为697.96/10万、5.23/10万);女性人群归因于血吸虫感染的贫血YLDs率(0.66/10万)高于男性(0.12/10万);不同性别人群血吸虫病患病率高峰均为30~34岁组,男性、女性人群血吸虫病DALYs率高峰分别为15~19岁与20~24岁。与不同SDI地区人群比较,1992—2021年我国人群血吸虫病年龄标化患病率下降速度中等[EAPC=-1.51%,95%CI:(-1.65%,-1.38%)],年龄标化DALYs率[EAPC=-3.61%,95%CI:(-3.90%,-3.33%)]与归因于血吸虫感染的贫血年龄标化YLDs率[EAPC=-4.16%,95%CI:(-4.38%,-3.94%)]下降速度均最快。APC模型建模结果显示,1992—2021年我国人群血吸虫病患病率变化具有年龄、时期和队列效应,随年龄增长先上升后下降、随时期递进和出生队列推移均下降。BAPC模型预测显示,2022—2030年我国人群血吸虫病年龄标化患病率、年龄标化DALYs率和归因于血吸虫感染的贫血年龄标化YLDs率均呈下降趋势,2030年分别为722.72/10万[95%CI:(538.74/10万,906.68/10万)]、5.19/10万[95%CI:(3.54/10万,6.84/10万)]和0.30/10万[95%CI:(0.21/10万,0.39/10万)]。结论1992—2021年我国血吸虫病疾病负担呈下降趋势,预测2022—2030年我国血吸虫病疾病负担亦呈下降趋势。年龄、时期和队列均对人群血吸虫病患病率存在影响,需结合流行现状和防控需求精准开展消除血吸虫病工作。展开更多
以基因、转录、蛋白质等生命组学为主体的生物大数据快速积累和以深度学习为代表的人工智能技术迅猛发展,催生出各种类别的生物大模型(biological large models)。复杂的深度学习架构、巨大的参数量和算力需求、以及海量的预训练数据等...以基因、转录、蛋白质等生命组学为主体的生物大数据快速积累和以深度学习为代表的人工智能技术迅猛发展,催生出各种类别的生物大模型(biological large models)。复杂的深度学习架构、巨大的参数量和算力需求、以及海量的预训练数据等是大模型技术的主要特征。预训练数据类别及参数量一定程度上决定了大模型所具备的能力强弱,而不同的模型架构则可支撑不同类别的下游任务。近两年,围绕DNA/RNA/蛋白质等生物序列与单细胞表达图谱等组学数据分析挖掘、大分子结构预测、新型药物设计和功能机制解析等多种应用场景,涌现了多种通用或专用大模型,展示出其在生物医学研究及转化应用等领域的巨大潜力。本文旨在结合不同类别的生物数据特点和研究应用需求,概述生物数据特征及其用于生物大模型训练的技术方法,并进一步综述现有大模型在生物医学研究及疾病诊疗中的应用进展,为提升生物大模型能力、拓展应用范围提供新的思路。展开更多
哺乳期仔猪因体型小、生性好动、易被遮挡且聚集重叠,人工盘点效率低且易出错。现有方法在复杂猪场环境和频繁遮挡下难以平衡检测准确率与资源受限部署需求,增加了漏检和误检风险。为此,本文提出了一种基于YOLO v8n的轻量化仔猪检测模型...哺乳期仔猪因体型小、生性好动、易被遮挡且聚集重叠,人工盘点效率低且易出错。现有方法在复杂猪场环境和频繁遮挡下难以平衡检测准确率与资源受限部署需求,增加了漏检和误检风险。为此,本文提出了一种基于YOLO v8n的轻量化仔猪检测模型GSD-YOLO。模型通过引入柔性非极大值抑制边界框交并操作和Inner-MPDIoU损失函数,优化边界框回归以降低误检和漏检率;并嵌入坐标注意力机制(Coordinate attention for efficient mobile network design,CA),增强了目标区域的特征表达能力,有效解决长程依赖问题。为实现嵌入式设备的高效部署,模型引入GhostNet模块优化特征提取和融合,减少通道间特征冗余的同时降低模型参数量。模型重构了一种轻量化的检测头Detect_DG,在模型体积缩减18.48%的同时,进一步提升了检测精度。与YOLO v8n相比,GSD-YOLO的F1分数和平均精度分别提升1.0、0.6个百分点,参数量降低61.28%,帧率提高12.5%。GSD-YOLO在综合检测性能上优于YOLO v11等4种主流模型。结果表明,该模型在不同遮挡、重叠和光照下检测仔猪目标的准确率更优,且模型内存占有量较小,仅有2.6 MB。将GSD-YOLO部署到边缘计算设备Jetson Orin NX和安卓(Android)移动端,为实际应用中的仔猪检测提供了有效的技术支撑。展开更多
文摘目的分析1992—2021年我国血吸虫病疾病负担变化趋势、预测2022—2030年我国血吸虫病疾病负担,为我国血吸虫病消除工作提供参考。方法从全球疾病负担研究(global burden of disease,GBD)数据库中获取1992—2021年我国、全球及不同社会人口学指数(socio-demographic index,SDI)地区人群血吸虫病患病率、年龄标化患病率、伤残调整寿命年(disability adjusted life year,DALYs)率、年龄标化DALYs率及归因于血吸虫感染的贫血伤残损失寿命年(years lost due to disability,YLDs)率、归因于血吸虫感染的贫血年龄标化YLDs率,计算各指标估计年度变化百分比(estimated annual percentage change,EAPC)及其95%可信区间(confidence Interval,CI)以分析疾病负担变化趋势。采用年龄-时期-队列(age-period-cohort,APC)模型分析1992—2021年我国人群血吸虫病患病率随年龄、时期和出生队列的变化趋势,采用贝叶斯年龄-时期-队列(Bayesian age-period-cohort,BAPC)模型预测2022—2030年我国血吸虫病疾病负担。结果2021年,我国人群血吸虫病年龄标化患病率为761.32/10万、年龄标化DALYs率为5.55/10万、归因于血吸虫感染的贫血年龄标化YLDs率为0.38/10万,均低于全球水平(分别为1914.30/10万、21.90/10万、3.36/10万)及中SDI地区(1413.61/10万、12.10/10万、1.93/10万)、低-中SDI地区(分别为2461.03/10万、26.81/10万、4.48/10万)和低SDI地区(分别为5832.77/10万、94.48/10万、10.65/10万),但高于高SDI地区(分别为59.47/10万、0.49/10万、0.05/10万)和高-中SDI地区(分别为123.11/10万、1.20/10万、0.12/10万)。2021年,我国男性人群血吸虫病患病率(820.79/10万)、DALYs率(5.86/10万)均高于女性人群(分别为697.96/10万、5.23/10万);女性人群归因于血吸虫感染的贫血YLDs率(0.66/10万)高于男性(0.12/10万);不同性别人群血吸虫病患病率高峰均为30~34岁组,男性、女性人群血吸虫病DALYs率高峰分别为15~19岁与20~24岁。与不同SDI地区人群比较,1992—2021年我国人群血吸虫病年龄标化患病率下降速度中等[EAPC=-1.51%,95%CI:(-1.65%,-1.38%)],年龄标化DALYs率[EAPC=-3.61%,95%CI:(-3.90%,-3.33%)]与归因于血吸虫感染的贫血年龄标化YLDs率[EAPC=-4.16%,95%CI:(-4.38%,-3.94%)]下降速度均最快。APC模型建模结果显示,1992—2021年我国人群血吸虫病患病率变化具有年龄、时期和队列效应,随年龄增长先上升后下降、随时期递进和出生队列推移均下降。BAPC模型预测显示,2022—2030年我国人群血吸虫病年龄标化患病率、年龄标化DALYs率和归因于血吸虫感染的贫血年龄标化YLDs率均呈下降趋势,2030年分别为722.72/10万[95%CI:(538.74/10万,906.68/10万)]、5.19/10万[95%CI:(3.54/10万,6.84/10万)]和0.30/10万[95%CI:(0.21/10万,0.39/10万)]。结论1992—2021年我国血吸虫病疾病负担呈下降趋势,预测2022—2030年我国血吸虫病疾病负担亦呈下降趋势。年龄、时期和队列均对人群血吸虫病患病率存在影响,需结合流行现状和防控需求精准开展消除血吸虫病工作。
文摘以基因、转录、蛋白质等生命组学为主体的生物大数据快速积累和以深度学习为代表的人工智能技术迅猛发展,催生出各种类别的生物大模型(biological large models)。复杂的深度学习架构、巨大的参数量和算力需求、以及海量的预训练数据等是大模型技术的主要特征。预训练数据类别及参数量一定程度上决定了大模型所具备的能力强弱,而不同的模型架构则可支撑不同类别的下游任务。近两年,围绕DNA/RNA/蛋白质等生物序列与单细胞表达图谱等组学数据分析挖掘、大分子结构预测、新型药物设计和功能机制解析等多种应用场景,涌现了多种通用或专用大模型,展示出其在生物医学研究及转化应用等领域的巨大潜力。本文旨在结合不同类别的生物数据特点和研究应用需求,概述生物数据特征及其用于生物大模型训练的技术方法,并进一步综述现有大模型在生物医学研究及疾病诊疗中的应用进展,为提升生物大模型能力、拓展应用范围提供新的思路。
文摘哺乳期仔猪因体型小、生性好动、易被遮挡且聚集重叠,人工盘点效率低且易出错。现有方法在复杂猪场环境和频繁遮挡下难以平衡检测准确率与资源受限部署需求,增加了漏检和误检风险。为此,本文提出了一种基于YOLO v8n的轻量化仔猪检测模型GSD-YOLO。模型通过引入柔性非极大值抑制边界框交并操作和Inner-MPDIoU损失函数,优化边界框回归以降低误检和漏检率;并嵌入坐标注意力机制(Coordinate attention for efficient mobile network design,CA),增强了目标区域的特征表达能力,有效解决长程依赖问题。为实现嵌入式设备的高效部署,模型引入GhostNet模块优化特征提取和融合,减少通道间特征冗余的同时降低模型参数量。模型重构了一种轻量化的检测头Detect_DG,在模型体积缩减18.48%的同时,进一步提升了检测精度。与YOLO v8n相比,GSD-YOLO的F1分数和平均精度分别提升1.0、0.6个百分点,参数量降低61.28%,帧率提高12.5%。GSD-YOLO在综合检测性能上优于YOLO v11等4种主流模型。结果表明,该模型在不同遮挡、重叠和光照下检测仔猪目标的准确率更优,且模型内存占有量较小,仅有2.6 MB。将GSD-YOLO部署到边缘计算设备Jetson Orin NX和安卓(Android)移动端,为实际应用中的仔猪检测提供了有效的技术支撑。
