在面向对象多光谱图像分割方法中,初始对象特征往往无法反映真实区域的整体特征,从而产生错误的合并结果。针对以上问题,提出采用简单线性迭代聚类(simple linear iterative clustering,SLIC)超像素与结构张量粗分割相结合的方法对其进...在面向对象多光谱图像分割方法中,初始对象特征往往无法反映真实区域的整体特征,从而产生错误的合并结果。针对以上问题,提出采用简单线性迭代聚类(simple linear iterative clustering,SLIC)超像素与结构张量粗分割相结合的方法对其进行改进。先采用SLIC超像素方法产生初始过分割结果,用结构张量产生尺度空间下的粗分割结果,再用粗分割结果指导超像素进行初步合并,使分形网络演化方法(fractal net evolution approach,FNEA)所面向的初始对象能够表达该区域的整体特征,增强后续合并过程对噪声的抗性。将该方法与传统FNEA的分割结果对比表明,该方法具有良好的抗噪能力,对复杂城区高空间分辨率多光谱图像能够得到较好的分割结果。展开更多
目的引进、汉化喉切除术后吞咽结局(Swallowing Outcome After Total Laryngectomy,SOAL)量表,并检验其信效度。方法根据Brislin翻译模型对SOAL量表进行翻译和回译,通过专家咨询和预调查对中文版SOAL量表进行文化调试和修订。2019年12月...目的引进、汉化喉切除术后吞咽结局(Swallowing Outcome After Total Laryngectomy,SOAL)量表,并检验其信效度。方法根据Brislin翻译模型对SOAL量表进行翻译和回译,通过专家咨询和预调查对中文版SOAL量表进行文化调试和修订。2019年12月—2020年8月对上海市4所三级甲等医院耳鼻喉科门诊复诊的180例全喉切除患者进行调查,验证中文版SOAL量表的信效度。结果中文版SOAL量表各条目水平的内容效度指数为0.80~1.00,量表平均内容效度指数为0.99。以中文版安德森吞咽困难量表为校标,校标关联效度为-0.785(P<0.001);已知组群效度分析,不同治疗方式的患者SOAL量表得分差异有统计学意义(Z=-7.533,P<0.001),不同进食性状的患者SOAL量表得分差异有统计学意义(Z=-5.453,P<0.001)。总量表的Cronbach’sα系数为0.867;重测信度为0.847。结论中文版SOAL量表具有良好的信效度,适用于全喉切除患者吞咽状况的自我报告,为个性化康复护理方案的制订提供依据。展开更多
文摘在面向对象多光谱图像分割方法中,初始对象特征往往无法反映真实区域的整体特征,从而产生错误的合并结果。针对以上问题,提出采用简单线性迭代聚类(simple linear iterative clustering,SLIC)超像素与结构张量粗分割相结合的方法对其进行改进。先采用SLIC超像素方法产生初始过分割结果,用结构张量产生尺度空间下的粗分割结果,再用粗分割结果指导超像素进行初步合并,使分形网络演化方法(fractal net evolution approach,FNEA)所面向的初始对象能够表达该区域的整体特征,增强后续合并过程对噪声的抗性。将该方法与传统FNEA的分割结果对比表明,该方法具有良好的抗噪能力,对复杂城区高空间分辨率多光谱图像能够得到较好的分割结果。
文摘目的引进、汉化喉切除术后吞咽结局(Swallowing Outcome After Total Laryngectomy,SOAL)量表,并检验其信效度。方法根据Brislin翻译模型对SOAL量表进行翻译和回译,通过专家咨询和预调查对中文版SOAL量表进行文化调试和修订。2019年12月—2020年8月对上海市4所三级甲等医院耳鼻喉科门诊复诊的180例全喉切除患者进行调查,验证中文版SOAL量表的信效度。结果中文版SOAL量表各条目水平的内容效度指数为0.80~1.00,量表平均内容效度指数为0.99。以中文版安德森吞咽困难量表为校标,校标关联效度为-0.785(P<0.001);已知组群效度分析,不同治疗方式的患者SOAL量表得分差异有统计学意义(Z=-7.533,P<0.001),不同进食性状的患者SOAL量表得分差异有统计学意义(Z=-5.453,P<0.001)。总量表的Cronbach’sα系数为0.867;重测信度为0.847。结论中文版SOAL量表具有良好的信效度,适用于全喉切除患者吞咽状况的自我报告,为个性化康复护理方案的制订提供依据。
