简介：摘要 :目前磁共振弥散加权成像 (DWI)是检测活体组织内水分子扩散运动的唯一无创性方法。随着 MRI设备性能的提高 ,尤其是 EPI成像序列的开发 , DWI不再仅仅运用于中枢神经系统，现已逐渐实施于体部。 DWI在疾病的诊断及学术研究方面的地位越来越高。由于肾脏对缺氧十分敏感及肾小管特殊的结构 , 以及肾小球滤过、肾小管分泌和重吸收等功能的特殊性 , 引起了许多学者运用 DWI技术进行剖析肾脏 , 本文旨在对正常肾脏应用 DWI序列的国内外相关研究进展进行阐述。

简介：【 摘要】 目的：探讨磁共振弥散加权成像技术（ DWI）在超急性期脑梗塞诊断中的临床运用价值。方法：对 36例具有相应脑梗塞临床表现而 CT检查未见明显异常的患者行 MRI常规扫描及 DWI序列检查。结果： 36例脑梗塞患者 T1WI、 T2WI共检查病灶 49个，其中 37个超急性期脑梗塞病灶在 DWI上显示呈高信号， ADC上呈低信号，阳性率为 100%， 37个病灶中 T1WI及 T2WI显示 24个，阳性率为 64.88%。结论： DWI技术在超急性期脑梗塞的早期诊断较 CT及常规 MRI具有较高的优势，为临床对症治疗提供较好有效信息。

简介：摘 要 ：  随 着 超 声 诊 断 技 术 模 式 的 不 断 拓 展 ， 超 声 弹 性 成 像 ( Ultrasonic elastography,UE) 作为一种新兴发展起来的超声检查技术，凭借正常组织结构与 异常病变结构的弹性系数差异，为评估临床病变的良恶性提供了更加准确更加全 面的影像学信息，于是迅速地应用于临床各大领域。最早是由 Ophir 等人在上 世纪 90 年代提出的。大量事实证明，UE 在鉴别良恶性结节方面的价值日益显著。 能够根据病变硬度变化，进行弹性系数差异测定，有着其独特的优势。其检查方 便快捷、无创、无电离辐射等优点被广大患者所接受。本文就 UE 在临床上判断

简介：摘要： CT灌注成像技术在推动医学研究和为疾病诊断提供依据，尤其是在慢性肝病的研究、诊断以及治疗评估等方面的具有十分重大的作用和意义，因而，加强 CT灌注成像技术方面的研究，可以更好的推动慢性肝病的研究和治疗。本文结合当前 CT灌注成像技术的最新研究成果以及其在慢性肝病领域的临床应用，全面系统的介绍 CT灌注成像技术的主要内容和技术水平，更好的推动医疗科学技术的发展，造福更多的慢性肝病患者。

简介：摘要：电力设备检修中，若要充分了解电力设备运行状态，就需应用红外热成像技术，该技术可实现带电检修。在红外测温过程中，红外热成像技术的作用尤为明显，该技术可准确测量电力设备内部绝缘介质温度分布，也可及时了解并掌控电力设备运行过程中的问题，进而规避安全事故，保障电力设备安全平稳运行，提高设备运行效率。

简介：[摘要 ]目的 探讨 CT血管成像对下肢动脉硬化闭塞症的临床诊断价值。方法 回顾性分析 2014年 1月 -2017年 7月我院收治的下肢动脉硬化闭塞症患者 100例，于术前一周进行减影血管造影、 CT血管成像、彩超检查，对三种检测方法对于颅内肿瘤检出率比较。结果 减影血管造影、 CT血管成像、彩超检出率分别为 96.00%、 91.00%、 86.00%。减影血管造影和 CT血管成像检出率无明显差异（ P>0.05），彩超检出率明显低于减影血管造影和 CT血管成像，差异有统计学意义（ P<0.05）。结论 CT 血管成像技术应用于下肢动脉硬化闭塞症检查中具有可靠的准确性、安全性 , 临床应用价值较高。

简介：摘要：目的：分析探究彩色多普勒成像在糖尿病视网膜病变患者中的应用价值。方法：选取本院 2018年 11月至 2019年 11月收治的 96例 2型糖尿病患者为研究对象，依照患者自身病症将其分为 A组、 B组、 C组，每组各 32例，其中 A组为无糖尿病视网膜病变患者， B组为非增殖性糖尿病视网膜病变患者， C组为增殖性糖尿病视网膜病变患者。另外，选取同一时期本院健康体检者 32例为对照组。通过彩色多普勒成像技术检查对比三组视网膜中央动脉、眼动脉以及睫状后动脉血流速度等。结果： A、 B、 C组视网膜中央动脉、睫状后动脉以及眼动脉血流动力学的最大收缩期血流速度与舒张期血流速度均显著慢于对照组，阻力指数显著高于对照组；其中 A组视网膜中央动脉、睫状后动脉以及眼动脉血动力学流的最大收缩期血流速度与舒张期血流速度显著快于 B、 C组； A组视网膜中央动脉、睫状后动脉以及眼动脉血流阻力指数显著低于 B、 C组。结论：彩色多普勒成像在糖尿病视网膜病变患者中具有重大医学应用价值，可以通过患者血管血液流动，尽早发现糖尿病患者视网膜病变症状，为后续临床治疗提供重要依据。

简介：摘要 : 水肥一体化自动装备的使用能够有效提高水肥资源利用率，但需要在作业前获知作物的营养状况及水肥需求量，而通过人工手持测量仪器来获取这些信息，存在着时效性差和劳动强度大等缺点。针对以上问题，本研究以常见的作物玉米为研究对象，使用大疆精灵Ⅲ无人机携带 RedEdge-M多光谱相机在田间上空采集玉米多光谱图像，同时使用 YLS-D系列植株营养测定仪测量玉米植株的氮素和水分含量等营养信息，根据这些信息将采集的图像分为 3个等级（每个等级共包含 530幅五通道图像，其中 480幅作为训练集， 50幅作为验证集），提出了一种基于卷积神经网络的玉米作物营养状况识别方法。并基于 TensorFlow深度学习框架搭建了 ResNet18卷积神经网络模型，通过向模型输入彩色图像数据和五通道多光谱图像数据，分别训练出适合于彩色图像和多光谱图像的玉米植株营养状况等级识别模型。试验结果表明：训练后的模型能够识别玉米作物的彩色图像和多光谱图像，能够输出玉米的营养状况等级和 GPS 信息，识别彩色图像模型在验证集的正确率为 84.7%，识别多光谱图像模型在验证集的正确率为 90.5%，模型训练平均时间为 4.5h，五通道图像识别平均用时为 3.56s。该识别方法可快速无损地获取玉米作物的营养状况，为有效提高水肥资源利用率提供了方法和依据。