简介:目的探究大脑后动脉螺旋CT最大密度投影(CTA-MIP)分段显示与层厚、旋转角度等参数的相关性,确定大脑后动脉的各分段优化主显体位。方法利用CTA-VR平台,对入组病例分别测量大脑后动脉P1-2段及P2-4段走形跨越厚度及空间角度,把测量参数的修正值在CTA-MIP平台进行验证,形成各分段的层MIP主显体位图像,对主显体位图像质量进行评分,确定CTA-MIP各分段的优化主显体位的厚度及旋转角度。结果大脑后动脉P1-2段首选主显体位:标准轴位显示,层厚15mm,偏移角度0°;大脑后动脉P2-4段首显主选体位:外旋矢状位显示,层厚25mm,外旋角度15°。结论通过优化CTA-MIP层厚、角度变换,CTA-MIP-P1-2段及P2-4段的优化主显体位能够清晰、快速地显示大脑后动脉各段的主支及主要分支,为大脑后动脉的影像学显示提供了全新的方法及理念。
简介:摘要目的基于肺区CT图像最大密度投影(MIP)与深度卷积神经网络(CNN)构建慢性阻塞性肺疾病(慢阻肺)识别模型,并探讨其意义。方法选取2010年1月—2021年5月就诊于大连医科大学附属第二医院的符合入组标准的研究对象共201例,其中慢阻肺组101例,健康对照组100例。研究对象均进行胸部薄层CT图像扫描及肺功能测试。首先,获取所有CT图像序列肺区的MIP图像;其次,以MIP图像为输入,基于改进的残差网络(ResNet)构建慢阻肺识别模型;最后,考察不同层数的ResNet模型对性能的影响。应用准确率、灵敏度、特异度、阳性预测值、阴性预测值、受试者工作特征(ROC)曲线及其下面积(AUC)评估网络的识别效能。结果ResNet26的慢阻肺识别准确率、灵敏度、特异度、阳性预测值、阴性预测值分别为76.1%、76.2%、76.0%、76.2%、76.0%,AUC为0.855(95%CI:0.799~0.901);ResNet50的慢阻肺识别准确率、灵敏度、特异度、阳性预测值、阴性预测值分别为77.6%、76.2%、79.0%、78.6%、76.7%,AUC为0.854(95%CI:0.797~0.900);ResNet26d的慢阻肺识别准确率、灵敏度、特异度、阳性预测值、阴性预测值分别为82.1%、83.2%、81.0%、81.6%、82.7%,AUC为0.885(95%CI:0.830~0.926)。结论本研究成功构建的基于肺区CT图像MIP与深度CNN的慢阻肺识别模型,可实现准确的慢阻肺识别,为慢阻肺早期筛查提供了一种有效工具。
简介:年最大洪峰流量预测,受较多的复杂因素的影响,不确定性较强,用常规统计方法做出准确预报具有较大困难.从水文序列本身出发,提出将投影回归模型应用于年最大洪峰流量预测,为了更好获得投影寻踪模型参数和预测精度,提出了运用延迟相关系数法确定回归预测因子、群居蜘蛛算法优化投影寻踪模型最佳投影方向参数a、利用最小二乘法确定多项式的权系数c、岭函数个数M的群居蜘蛛优化投影寻踪年最大洪峰流量预测模型,结合长江宜昌站(1882年-2004年)的年最大洪峰流量资料进行实例预测,训练阶段平均绝对相对误差为8.61%,预测阶段平均绝对相对误差为10.51%,该模型预测效果较好,模型结果稳定,可有效应用于年最大洪峰流量预测.
简介:摘要:高斯投影是高斯(德国数学家、物理学家、天文学家)于19 世纪20年代拟定,后经克吕格(德国大地测量学家)于1912 年对投影公式加以补充,故称为高斯-克吕格投影,又名“等角横切椭圆柱投影”,是地球椭球面和平面间正形投影的一种。