基于物联网的医用耗材智能屋管理系统

针对医用高值耗材种类繁多、管理难度大的问题,为减少人力成本、提高医用高值耗材的智能化管理水平。本文提出了基于物联网的高值医用耗材智能屋的管理系统,介绍了智能屋的整体架构、系统功能、核心业务及流程设计,主要分为结构模块、RFID模块、数据库模块、控制系统模块四大模块,具体有用户管理、出入库管理、综合查询、预警管理四大业务,通过GM(1,1)模型对2022年全年高值医用耗材的月消耗量进行预测分析,并且检验得该预测模型的精度等级为一级,模型预测效果很好,能够为医院采购人员采购提供了一个参考,避免因过度的主观估计而造成的耗材浪费。该系统能够有效地提高医院对于高值医用耗材的管理水平,减少人力、物力和财力的消耗,为广大患者提供更加优质的医疗服务。本文所提的高值医用耗材智能屋管理系统解决了传统的高值医用耗材管理的诸多难题。     

基于密集连接结构的超分辨精简网络

近年来, 随着深度神经网络的发展并被应用在超分辨领域, 图像超分辨率重建的效果得到了明显的提升。但是之前的工作大都把精力放在如何设计深度模型来提高重建的效果上, 而忽视了设计模型需要大量参数与计算量这一问题, 严重制约了深度学习方法在图像超分辨率重建方面的实际应用范围。针对该问题, 基于密集连接结构设计了一种新的网络。在以下3个方面进行了算法改进:1)提出了一种基于密集连接结构的新模型; 2)加入1×1卷积层作为特征选择层, 同时进一步减少计算量; 3)探讨了通道数量与重建精度、计算量之间的关系。实验结果表明本文提出的模型取得了与其他卷积神经网络模型相近的复原精度, 同时计算速度只有之前最快深度模型FSRCNN的一半以下。     

单站光测图像确定空间目标三维姿态

充分利用空间目标的几何先验知识,提出了一种基于特征点提取的单站经纬仪等光测设备确定空间目标三维姿态的迭代算法,避免了多站图像的立体匹配,并在此基础上用vc++进行了模拟仿真.实验表明:该方法准确度较高,结果稳定,应用价值高.