简介:摘要:随着电气技术的快速发展,电气系统在现代工业、交通、通讯等领域的应用日益广泛。电气系统的可靠性不仅关系到设备的正常运行,更与企业的经济效益和社会安全息息相关。本文将从电气系统可靠性的分析方法入手,结合具体的优化设计方案,探讨如何提升电气系统的可靠性,并对未来的发展趋势进行展望。
简介:【摘要】安全生产管理是促进企业可持续性发展,管理质量效率提升的关键之所在,是一项具有长期性、艰巨性、反复性的系统工程。目前我国经济的快速发展,使得人民群众对于电力的需求正在逐步提高,如何才能更好的利用火电发电企业实现电力的稳定运行是国家关注的核心,同时也是促进电力企业可持续性发展,高质量发展的关键之所在。本文就针对于火力发电企业技术检修及改造之中的安全管理措施进行简要分析,仅供参考。
简介:摘要:随着社会互联网信息技术的高速发展,“互联网+”得到了国家政策的大力支持,顺势而生成为当下全新的发展时代。基于此,信息技术的教学探究也成为教育改革的热门话题,同时也进一步要求学校和教师必须有效地调整教学策略,充分借助互联网平台,引导学生进行科学地自主地有创新地信息技术知识学习,为科学技术的发展进步输送高端人才储备。但是乡镇中学由于受到诸多问题的限制,中学信息技术教学发展十分缓慢。那么在此背景下,如何改变教学现状不足促进中学信息技术的有效教学?本文将结合自己近年来教学摸索的经验心得,同各位教育同仁共同探讨研究中学信息技术的高效教学,旨在全面促进教学实践的优化,提高学生信息技术的水平。
简介:摘要目的探讨基于对比增强MRI的影像组学预测急性胰腺炎(AP)复发的价值。方法回顾性收集2017年1月至2020年12月川北医学院附属医院首次诊断为AP的201例患者,均在发病后7 d内进行MRI平扫和增强扫描。经临床随访,其中102例归为AP无复发组,99例归为复发性急性胰腺炎(RAP)组。采用随机数表法按7∶3的比例将入组患者分成训练集(140例,AP无复发组71例、RAP组69例)和验证集(61例,AP无复发组31例、RAP组30例)。采用独立样本t检验、Mann-Whitney U检验或χ²检验比较2组间临床特征,将差异有统计学意义的临床特征纳入logistic回归用于构建临床模型。基于增强MRI动脉晚期图像提取影像组学特征,通过logistic回归分析将降维后保留的最佳影像组学特征用于构建影像组学模型,并结合临床特征构建联合模型。使用受试者操作特征曲线评估模型预测AP复发的效能,曲线下面积(AUC)的比较采用DeLong检验。结果AP无复发组与RAP组间性别、严重程度、局部并发症、高脂血症、吸烟差异均有统计学意义(P均<0.05),其中高脂血症是AP复发的独立危险因素(OR为5.236,95%CI 2.710~10.101),将有统计学差异的临床指标建立临床模型。通过降维筛选出9个最佳特征构建影像组学模型。临床模型、影像组学模型及联合模型在训练集中的AUC分别为0.803、0.944和0.978,在验证集中的AUC分别为0.678、0.940和0.955。在训练集和验证集中,影像组学模型及联合模型的预测效能均高于临床模型(训练集:Z=3.28、4.83,P=0.001、<0.001;验证集:Z=3.48、4.05,P均<0.001)。结论基于增强MRI动脉晚期图像的影像组学模型对AP复发有良好的定量预测能力,可为RAP的防治提供参考。
简介:摘要目的探讨人工智能-压缩感知(artificial intelligence compressed sensing,ACS)与压缩感知(compressed sensing,CS)在膝关节MRI中的加速效率及对图像质量的影响。材料与方法采用3.0 T MRI对67名受检者进行膝关节矢状面质子密度加权序列扫描,设置加速因子分别为2.0、2.5、3.0的CS序列(CS 2.0,CS 2.5,CS 3.0)与加速因子分别为2.5、3.0、3.5、4.0的ACS序列(ACS 2.5,ACS 3.0,ACS 3.5,ACS 4.0),以并行采集(parallel imaging,PI) 2.0作为参考。两位医师独立对图像质量进行四分制主观评分。另一位医师在股骨内侧髁、腓肠肌内侧头、髁间窝积液、髌下脂肪垫、股骨外侧髁软骨放置感兴趣区,测量组织信噪比(signal noise ratio,SNR)。对图像质量主观评分与多处组织SNR进行统计学分析。结果在CS与ACS序列中,扫描时间随加速因子增大而缩短(PI 2.0:152 s;CS 2.0:128 s, CS 2.5:104 s,CS 3.0:86 s;ACS 2.5:76 s,ACS 3.0:65 s,ACS 3.0:57 s,ACS 4.0:51 s)。图像质量主观评分一致性达到一致性较强以上(0.735≤κ≤0.869)。8组序列间图像质量主观评分及五处组织SNR差异均具有统计学意义(P<0.05)。CS 2.0、ACS 3.0主观评分及组织SNR与PI 2.0差异无统计学意义(P>0.05)。AC S2.5主观评分及四处组织SNR与PI 2.0差异无统计学意义(P>0.05),并有一处组织SNR明显高于PI 2.0。CS 2.5、CS 3.0、ACS 3.5、ACS 4.0图像质量主观评分明显低于PI 2.0,且分别有1、5、2、2处组织SNR显著低于PI 2.0 (P均<0.05)。结论ACS与CS均能缩短磁共振采集时间。相比CS,ACS具有更高加速效率,在膝关节质子密度加权序列中,在保证图像质量的前提下能将扫描时间缩短57%。
简介:摘要目的探讨T2加权脂肪抑制成像(T2-weighted imaging fat suppression,T2WI-FS)影像组学联合影像学特征在预测高强度聚焦超声(high intensity focused ultrasound,HIFU)消融子宫肌瘤疗效中的价值。材料与方法回顾性分析142例临床确诊并接受HIFU消融治疗的子宫肌瘤患者资料,包括172个肌瘤。其中低消融率组(消融率<70%) 77个、高消融率组(消融率≥70%) 95个,以7∶3的比例随机将其分为训练集和测试集。选用矢状位T2WI-FS序列利用3D Slicer软件勾画三维的子宫肌瘤实质周围并提取影像组学特征(包括形状特征、灰度共生矩阵、灰度游程长度矩阵、灰度大小区域矩阵、领域灰度差矩阵、灰度依赖矩阵和一阶特征),同时收集可能与HIFU消融疗效有关的影像学特征[包括子宫肌瘤体积、T2WI-FS信号强度、彩色多普勒血流成像信号、T1加权成像(T1-weighted imaging,T1WI)增强肌瘤强化程度、T1WI增强肌瘤信号均匀度、子宫肌瘤类型]。采用方差阈值法、单变量选择法和最小绝对收缩和选择算子实现影像组学特征筛选。采用Logistic回归和随机森林分别建立两种预测HIFU消融子宫肌瘤疗效的联合模型,通过受试者工作特征(receiver operating characteristic,ROC)曲线评估模型预测性能并使用Delong检验比较两种联合模型的预测效能。结果Logistic回归模型显示测试集ROC曲线下面积(area under the curve,AUC)为0.855、特异度0.783、敏感度0.724。随机森林模型显示测试集AUC为0.796,特异度0.696、敏感度0.759。训练集和测试集Delong检验结果显示两种联合模型预测效能差异无统计学意义(P>0.05)。结论基于T2WI-FS影像组学联合影像学特征建立的模型可以较准确地预测HIFU消融子宫肌瘤的疗效。
简介:摘要目的探讨基于胰腺TIWI动脉期影像组学模型对胰腺导管腺癌(pancreatic ductal adenocarcinoma, PDAC)淋巴结转移的预测价值。材料与方法回顾性分析2016年3月至2022年3月本院121例术前接受MRI增强扫描且术后病理证实为PDAC患者的MRI图像及临床病理信息。根据术后淋巴结病理报告,阳性者(有淋巴结转移)44例,阴性者(无淋巴结转移)77例。患者按7∶3的比例随机分为训练组(83例)与验证组(38例)。两名医师在T1WI动脉期图像上手动勾画胰腺肿块的三维感兴趣区(region of interest, ROI)并提取特征。使用单因素分析(Student's t检验和曼—惠特尼U检验)和最小绝对收缩和选择算子筛选最优特征。基于决策树、支持向量机、逻辑回归3种机器学习方法建立预测模型。使用受试者工作特征曲线下面积(area under the curve, AUC)等评估模型的预测性能,Hosmer-Lemesow检验及校准曲线进行模型的拟合优度检验。结果淋巴结转移阳性组和阴性组、训练组和验证组组间患者的临床病理特征(年龄、性别、肿瘤部位、组织学分级、CA199、T分期)差异无统计学意义(P>0.05)。基于3D-ROI共提取1223个特征,降维后获得5个预测淋巴结转移的最优特征并建立模型。训练组中,支持向量机模型、决策树模型和逻辑回归模型的AUC分别为0.882 [95%置信区间(confidence interval, CI):0.797~0.968]、0.842(95% CI:0.755~0.930)、0.813(95% CI:0.710~0.915)。验证组中,三种模型的AUC分别为0.726(95% CI:0.546~0.906)、0.753(95% CI:0.606~0.899)、0.702(95% CI:0.522~0.883),Delong检验显示三个模型两两比较差异均无统计学意义(P>0.05),三个模型采用Hosmer-Lemesow检验进行分析,表现良好(P>0.05)。结论基于T1WI动脉期图像的影像组学模型对PDAC淋巴结转移有一定的预测价值。
简介:摘要目的评价人工智能-压缩感知(artificial intelligence-compressed sensing, ACS)加速的质子密度加权成像(proton density weighted imaging, PDWI)序列在膝关节骨关节炎关节软骨损伤半定量评价中应用价值。材料与方法本研究为前瞻性研究,采用3.0 T MRI对74名受检者扫描三组膝关节PDWI序列,分别采用并行采集(parallel imaging, PI)、压缩感知(compressed sensing, CS)、ACS进行加速。两位医师对图像质量进行4分制主观评分。将关节软骨分为14个区域,上述两位医师对软骨损伤进行8等级评价。此外,上述两位医师对其中15例受检者的3个区域软骨进行间隔超过一个月的两次评价。采用Friedman检验分析PI、CS、ACS图像主观质量评分差异。采用组内相关系数检验PI与CS、PI与ACS在14个区域软骨损伤评价中的一致性。计算CS与ACS在全关节软骨损伤评价中的敏感度与特异度。采用Cohen's Kappa系数分析15例受检者PI、CS、ACS前后两次软骨损伤评价的一致性。结果PI、CS、ACS加速的PDWI采集时间分别为428 s、375 s、155 s。三组序列各断面间图像质量医师主观评分差异无统计学意义(P值分别为0.607、0.174、0.529)。CS与PI、ACS与PI在14个区域关节软骨损伤评分中一致性良好(ICC范围分别为0.969~0.995、0.951~0.987)。除去三组序列中软骨损伤均诊断为阴性的区域后,CS与PI、ACS与PI在14个区域关节软骨损伤评价中一致性仍为良好(ICC范围分别为0.868~0.939、0.842~0.948)。CS、ACS在全关节软骨评价中特异度分别为99.6%、98.2%,1~6级评分敏感度范围分别为42.3%~100.0%、17.3%~87.9%。PI、CS、ACS在15例受检者3个区域前后两次软骨损伤评价中一致性强(κ≥0.803)。结论ACS能在保证图像质量的同时大幅度加速多平面MRI PDWI序列,并在膝关节骨关节炎多区域关节软骨损伤半定量评价中达到与并行采集加速序列相似的诊断效能。