公共文化服务平台

搜索到186篇“ 乳房形态“的相关文章

基于目标检测仔猪乳头计数及乳房形态评估方法: 2024年; 母猪乳头数量是生猪选育中重要参考指标之一,也是生猪繁殖表型数据的组成部分。成年母猪其腹部视频较难获取,且容易受污渍干扰,乳头自动点数实现难度较大,人工计数母猪乳头数工作量大、强度高、效率低、容易产生人为误差。鉴于猪仔从出生到成年乳头数量保持一致性,该研究提出了一种基于仔猪腹部视频的深度学习乳头计数及乳房形态评估方法。通过架设在仔猪初生护理平台上的相机拍摄仔猪腹部视频,根据清晰度筛选出细节清晰的帧序列图像集,经过数据预处理再使用改进Pignip-YOLOv5s目标检测网络对仔猪乳头进行自动计数。为提高计数准确率,帧序列图像集的乳头计数使用滑动窗口取众数得到最终计数结果。试验结果表明,改进的Pignip-YOLOv5s平均精度值(mean average precision, mAP)高达0.97,较YOLOv5原模型具备更高的鲁棒性。该研究方案在113段仔猪腹部视频数据集上测试得到仔猪乳头计数方法准确率达90.26%。同时该研究提出仔猪乳房形态评估参数乳头成对数、乳头间距,从而量化仔猪乳头形态表型特征,构建了母猪乳房外在形态指标,可为母猪选育和繁殖工作提供重要的参考依据。; 李熙雅尹令黄文杰黄文杰吴珍芳田绪红

基于空间向量角的乳房形态分类与文胸合体性评估: 2024年; 采用空间向量角来表征乳房形态,提出了一种青年女性乳房三维形态分类方法。首先获取209名18~25岁青年女性的乳房三维点云数据,并构建了6个乳房形态空间向量角作为聚类指标,采用k-means聚类,以手肘法确定最佳聚类数,运用学习向量量化神经网络(Learning vector quantization, LVQ)构建乳房形态判别模型,实现女性乳房形态的细分与判别。对细分后的乳房类型制作相应的文胸样板,通过虚拟试衣和实物试穿进行合体性评估,结果表明:青年女性乳房占比最多的为70B文胸号型,乳房细分为适中内敛型、平坦低胸位型、丰满外扩型。构建的LVQ神经网络青年女性乳房形态判别模型,准确率达93.33%。数字化服装压力和真实试穿实验表明,细分后的文胸合体性得到了有效提高,为不同类型乳房的文胸合体性结构设计提供参考。; 顾明月刘宿慧徐诗琦潘怡婷邹奉元; 关键词：三维人体测量乳房形态 LVQ神经网络合体性

乳腺癌手术后乳房形态重建的护理指导及效果评价: 2024年; 探究乳腺癌手术后乳房形态重建的护理指导及效果评价。方法研究主要围绕乳腺癌疾病展开,参与调研病患是60例,全部患者均给予手术治疗,针对患者术后乳房形态重建实施针对性的护理服务,先对患者实施数字表法分组,主要分成①组(常规护理,30例)及②组(整体护理,30例),对本次患者干预后的心理状态分析,比较组间病患生活质量指标,评估患者乳房美容效率状况,对出现并发症例数做记录,评估患者各指标时间情况。结果疾病对患者情绪有较大影响,为让患者积极配合治疗,对患者实施针对性护理,调研组间心理状况,显示②组比①组改善更佳;对患者生活质量实施综合调研,显示②组优于①组;对患者乳房美容效果分析,结果是②组达到预期目标;评估小组并发症发生情况,调研表示①组发生概率高;记录小组患者各指标时间,①组明显较②组用时更长(P<0.05)。结论对于病患乳腺癌手术后乳房形态重建,应该加强临床护理服务,本次调研表示整体护理更能改善患者生理、心理健康状态,同时可达到比较理想的乳房美容疗效,保证患者术后生活品质。; 邱云仙张丽华史炜; 关键词：乳腺癌手术护理指导

一种乳房形态识别方法、装置、设备、存储介质: 本申请公开了一种乳房形态识别方法、装置、设备、存储介质，涉及文胸参数设计领域，包括：确定待识别人体的乳房三维边界，获取乳房部分的特征点信息；利用人体点云数据对待识别人体的各个部分进行平面截取，获取乳房部分的乳房点云；基于...; 顾冰菲钟泽君孙玥

基于特征点自动定位的乳房形态参数提取被引量：1: 2023年; 为实现青年女性乳房形态参数自动提取,提出一种基于三维点云数据的“点-线-切片-参数”乳房形态参数自动提取方法。使用三维人体扫描仪获取实验对象的三维点云数据,利用MATLAB软件基于乳房局部三维点云建立乳房局部坐标系,基于特征点/线定义建立其自动定位规则;根据乳房特征点/线构建乳房切片模型,最终实现乳房形态参数自动提取。为验证参数提取精度,对比分析随机选取样本的自动提取与手工测量参数之间的误差。结果表明:G BL和G UBL的测量误差均小于±2 cm,D的测量误差小于0.5 cm,W的测量误差小于1 cm,90%A IBO的测量误差在2°内,90%W BB的测量误差在1 cm内,参数测量精度较高,可用于青年女性乳房形态分析。; 钟泽君顾冰菲; 关键词：乳房形态三维点云数据

基于角度指标的青年女性乳房形态细分与判别: 2023年; 为实现青年女性乳房形态的有效判别,提出了以横、纵截面角度指标细分青年女性乳房形态的方法。使用三维人体扫描仪获取209名青年女性胸部点云数据,提取表征乳房挺拔度、丰满度及外扩度的3个角度参数及其他相关参数;采用主成分分析降维,得到影响乳房形态的4个特征因子,用混合F统计量确定乳房形态聚类的最佳分类为5类。根据分类结果构建乳房形态的Fisher判别模型,整体判别精度为96.23%;在青年女性乳房中,占比较大的依次为饱满挺拔型(34.9%)和适中型(22.5%),平坦外扩型占比最小,为6.7%。该研究结果可为青年女性内衣等产品设计提供参考。; 顾明月罗凯文刘宿慧王玉铉李涛李涛; 关键词：三维人体测量聚类分析 FISHER判别

基于三维扫描技术对乳腺癌重建术后乳房形态及位置变化的研究: 目的:基于三维扫描技术对乳腺癌植入物重建术中乳房体积变化、乳房下皱襞位置变化进行研究。分析植入物重建手术后经乳房三维扫描的乳房体积、乳房下皱襞位置的变化及影响因素,并分析植入物重建术后乳房体积变化、乳房下皱襞位置变化对患...; 李正浩; 关键词：乳腺癌乳房重建

基于空间向量角的女性乳房形态细分与判别研究: 顾明月

基于特征参数的青年女性乳房形态分析被引量：3: 2022年; 为探究青年女性乳房形态区别,提出了乳房边界定义方法以保证乳房形态参数测量的一致性。使用[TC]2三维扫描仪对140名18~25岁在校未婚孕青年女性进行扫描,获取了包括高度、宽度、角度、弧线等28项乳房形态相关参数;通过变异系数和相关性分析筛选出6个影响乳房形态的主要参数作为聚类指标,从乳房立体形态和聚拢程度两方面对乳房形态进行细分;基于乳房形态分类结果,利用Fisher判别函数对样本进行回判验证。结果表明,青年女性乳房形态可分为9类,基于形态判别规则对初始样本数据整体回判的准确率高达97.1%,说明此判别方法具有较高的准确性,为现有的乳房形态研究提供了新思路。; 钟泽君张贝贝徐凯忆王若雯顾冰菲; 关键词：乳房形态三维人体测量聚类分析

基于极限学习机的乳房形态识别被引量：2: 2022年; 为了提高乳房形态识别精度,采用密度峰值快速聚类(clustering by fast search and find of density peaks,CFSFDP)算法对西部地区108位青年女性的乳房形态特征数据进行聚类分析,再运用极限学习机(extreme learning machine,ELM)算法识别乳房形态,并对比分析了在3种激活函数下,ELM乳房形态识别模型隐含层神经元个数与准确率的关系。结果表明:ELM算法对乳房形态识别准确率较高且用时较短,平均时长为1.28 s。当模型激活函数选择sin且隐含层神经元个数为25时,模型识别乳房形态准确率较好,平均为98.3%。ELM乳房形态识别研究在一定程度上改善了消费者乳房与文胸号型之间的配伍性,为人体形态识别模型参数的选择提供了依据。; 周捷王萍毛倩王奥斯; 关键词：乳房形态极限学习机文胸

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈