简介:PierreRobin序列征(PierreRobinsequence,PRS)既往称为PierreRobin综合征、小下颌-舌后坠综合征及下颌退缩症[1]。临床较罕见,大多为个案报道,本病的死亡率高,婴儿的早期死亡率可达30%~60%[2]。早期发现PRS,对改善该病患儿预后和提高生存质量具有重要意义。笔者收治1例本病患儿报道如下,以提高临床医生对本病的认识。1病例资料患儿,男,17个月。因"发热2d"于2014-02-22入院。
简介:摘要高速公路养护是必行之路,在资金和资源限制的条件下,养护序列规划就成为保证高速通路使用质量的重中之重。以最小的资金花费获取最大的效益,有效保证高速公路路面使用性能、延长使用寿命,降低高速公路全寿命周期养护成本,从而提高高速公路服务水平和资源利用效率。
简介:摘要目的探讨Pierre Robin序列征的产前超声声像图特征和诊断方法。方法对2017年1月至2020年1月深圳市妇幼保健院产前超声诊断的12例Pierre Robin序列征胎儿的图像特征进行分析,并与产后结果进行对照研究,收集染色体检查结果。结果12例Pierre Robin序列征胎儿产前超声特征均表现为小下颌、不完全腭裂、舌后坠,其中单纯Pierre Robin序列征4例,合并其他畸形8例。漏诊1例,为单纯Pierre Robin序列征。结论Pierre Robin序列征在产前具有特征性声像表现,经颜面矢状切面和经口裂腭斜冠状切面扫查对诊断具有重要价值。
简介:摘要 近期,智能视觉技术越来越多应用到监控安防场景中,其中的步态识别技术可以通过分析行人行走序列中的姿态与动作来判断身份。传统步态识别方法的具体应用效果依旧会针对不同衣着和背包场景下步态轮廓图中的身体部位粘连、遮挡、与正常场景差异大等问题的影响。因此,本文使用人体骨架信息进行识别,来减弱上述问题造成的影响。核心思想在于使用深度学习方法,提取原始图像序列中的人体骨架关键点,据此构成步态骨架图结构以辅助后继步态识别。在具体实现中,本文引入多个相同的时空图卷积模块,使得所提取的步态骨架序列能充分融合空间维度与时间维度两方面的特征信息。实验证明,该网络在CASIA-B数据集上相对于传统的步态骨架方法,达到了更高的性能。