摘要：使用深度学习方法进行单目深度估计时,由于使用多级下采样会出现重建结果细节信息缺失、边缘轮廓模糊等问题.为此,提出一种基于高分辨率网络的自监督单目深度估计方法.首先,通过并行连接使得特征图在编码过程中始终保持高分辨率表示,以充分地保留细节信息;其次,为了提高编码器的学习能力,在编码部分引入注意力模块,对图像特征进行筛选和提炼;最后,针对深度估计的多义性问题,利用非相邻帧图像之间的一致性,设计了一种有效的损失函数,并使用可靠性掩膜来消除动点和遮挡点的干扰.在TensorFlow框架下采用KITTI和Cityscapes数据集进行实验,实验结果表明,与已有深度估计方法相比,该方法不仅能够保留预测深度的边缘信息,而且能够提高预测深度的准确性,可达到0.119的平均相对误差.

摘要：目的研究与开发急诊综合信息系统,以实现急诊病人信息的采集、加工、存储、传输和利用的自动化。方法通过建立急诊医疗信息流程模型、急诊病人主要信息数据库,开发急诊工作站、留观病房医护工作站、输液管理工作站等系统,实现急诊救治工作的数字化。结论系统的开发与应用,明显缩短了病人救治时间,推进了急诊医疗管理的信息化进程。结果(1)提出了综合性医院急诊医疗信息管理所要求的基本数据项;(2)提出了急诊科急救医疗信息流程模式与管理方法;(3)开发了急诊综合信息系统软件。