简介：摘要目前，随着我国经济的不断发展，生活质量不断的提高，从而加强我国人民对质量问题的关注度，尤其是居住者对于建筑物质量的关注尤为明显。由于建筑行业的快速发展导致施工管理的理念不能够紧跟时代的潮流，导致在进行施工管理的过程中容易出现质量控制不过关的情况。因此，在进行施工过程中，施工人员应该加强对管理理念的学习并结合实际的施工技术，从而能够确保工程中的质量安全，满足施工质量的基本要求，保证建筑物的稳定性和安全性，并能够为企业创造出更多的经济效益。

简介：摘要：土木工程在建筑事业迅猛发展中发挥着重要地位，同时也对其施工技术质量提出更高严格，以确保工程质量与建筑的健康发展。通过开展技术创新可以更好地提升建筑设计的合理性，同时可以统筹资源并节约成本，从而有利于进一步提高建筑行业的经济效益和社会效益。文章从了解土木工程建筑施工技术的特点入手，结合创新重要性及现存问题来深入探讨如何实现技术创新应用，致力于进一步推动建筑行业实现持续向好发展。

简介：摘要目的探讨基于脑部T2WI病灶影像组学的机器学习模型鉴别多发性硬化（MS）和视神经脊髓炎谱系疾病（NMOSD）的效能。方法回顾性分析2009年1月至2018年9月在首都医科大学附属北京天坛医院、南昌大学第一附属医院东湖院区、天津医科大学总医院、首都医科大学宣武医院接受诊治的MS和NMOSD患者223例的资料，按照7∶3的比例完全随机分为训练集（156例）和测试集（67例）。收集2009年1月至2018年9月在复旦大学附属华山医院、吉林大学中日联谊医院接受诊治以及2020年3月至2021年9月在南昌大学第一附属医院象湖院区接受诊治的MS和NMOSD患者共74例作为独立的外部验证集。对患者进行脑部横断面MR T2WI，从T2WI中提取影像组学特征，通过最小冗余最大相关性和最小绝对收缩和选择算子算法进行特征选择，之后构建各种机器学习分类器模型（logistic回归、决策树、AdaBoost、随机森林或支持向量机）鉴别诊断MS与NMOSD。采用受试者操作特征曲线的曲线下面积（AUC）评估训练集、测试集、外部验证集中各分类器模型的性能。结果基于多中心的T2WI，共提取了11个与区分MS和NMOSD有关的影像组学特征并构建分类器模型。其中随机森林模型区分MS与NMOSD的效能最好，其在训练集、测试集和外部验证集中区分MS与NMOSD的AUC值分别为1.000、0.944和0.902，特异度分别为100%、76.9%和86.0%，灵敏度分别为100%、92.1%和79.7%。结论基于脑部病灶T2WI的影像组学特征构建的随机森林模型可以有效地区分MS和NMOSD。