医院感染控制中应用微生物检验的效果探究

探究医院感染控制中应用微生物检验的效果。选取2019年6月—2020年7年甘肃省张掖市高台县人民医院住院治疗的148例患者，随机均分成两组。其中将不做微生物检验，仅凭医师临床经验用药治疗的74例设为对照组。将做微生物检验，并结合检验结果实施相应抗感染措施的74例设为研究组。了解两组感染情况，对两组合理用药情况做出评估并做比较。研究组感染发生率（5.41%）明显低于对照组（22.97%）,P<0.05，感染程度亦明显低于对照组，P<0.05；研究组合理用药率（95.95%）明显高于对照组（79.73%）,P<0.05。临床进行微生物检验，可为医师合理应用抗生素治疗提供指导依据，进而有助于减少医院感染的发生，同时降低医院感染程度。     

关于Mξ／G／1系统等待时间的一个注记

In the paper，We give the LST、mean、variance and some other results of the Waiting time for the queueing system M^ξ／G／1 by applying the past lifetime and the residual lifetime of the random variable．     

深度学习在基于叶片的油茶品种识别中的研究

【目的】采用深度学习方法开展基于叶片的油茶品种识别研究，开发油茶品系图像识别技术，为油茶品种鉴别提供科学依据。【方法】选择自然光照条件下生长的11个油茶品种叶片作为研究对象，采集完整、无明显病虫害的叶片，以白色硬纸板为背景，利用智能手机对叶片的正、背面进行图像采集，通过可用性筛选去除无效图像，构建图像数量为2 791张的油茶叶片品种数据集，采用深度学习网络(GoogLeNet、ResNet)对11个油茶品种的叶片图像进行识别研究。【结果】GoogLeNet和ResNet网络均能满足基于叶片的油茶品种识别要求，总体识别准确率、召回率的调和平均值(F₁)分别达94.0%和80.7%;其中GoogLeNet网络识别效果更好，平均准确率、召回率、多分类模型指标宏观F₁(Macro F₁)和微观F₁(Micro F₁)分别为94.1%、94.0%、94.0%和96.9%,其对油茶品种编号1和编号8的识别召回率高达100%。【结论】深度学习网络(GoogLeNet、ResNet)能够实现基...     

加压训练适应机制、量效关系和安全性综述

综述了加压训练的骨骼肌适应机制、应用效应、模式、不良反应和安全性?以期为研究人员和教练员更好地实施加压 训练提高人体运动能力提供理论依据和实践参考?