急性心肌梗塞的实验室诊断

实验室检测对急性心肌梗塞诊断、治疗和疗效的观察有着重要意义。从早期的心肌酶谱(谷草特氨酶、乳酸脱氢酶、肌酸磷酸激酶和肌跋磷酸激酶同工酶)到现在的肌红蛋白和肌钙蛋白等检测为临床提供了及时准确的检测数据，提高了临床诊断的准确率，使急性心肌梗塞患者得到了及时有效的治疗。     

如何在学生头脑中建立客观世界的物理图像

物理教学是运用学生已有知识和日常生活经验以及物理学在现代科学技术中的应用，由形象到抽象，探求事物的内在联系和规律；用学过的知识形象说明微观现象；用生活经验建立微现世界的生理图像；通过现代技术的应用，激发学生的学习兴趣。     

胰腺癌早期诊断方法初探

胰腺癌是消化系统常见病,占消化系统肿瘤的10%,其发病原因很复杂,其中与慢性胰腺炎的关系较密切.对胰腺癌的早期诊断方法有高选择性影像学检查、分子生物学检查和胰腺癌细胞学检查三大类.对高危人群(胰管扩张和胰腺小囊肿的病人列为早期胰腺癌的高危人群建议要做ERCP胰腺液及脱落细胞检查,发现胰腺形态改变的可疑胰腺癌,检查出癌细胞可以确诊.     

应用碘条填塞加以药物封闭治疗干槽症的体会

讨论了应用碘条填塞加以药物封闭治疗干槽症的一些问题。     

胃癌AgNOR银染色的定量分析研究

应用银胶染色法和计算机图像分析技术,对48例胃粘膜活检标本的石蜡切片进行Ag-NOR形态、定量分析研究。结果表明其对于区别胃疾患的良恶性和判定胃癌的分化程度有重要意义。     

滚动轴承疲劳故障的在线监视和诊断技术

本文研究振动诊断方法在滚动轴承疲劳故障在线监视和诊断中的应用。 文中指出:通过在轴承寿命试验机上所作的大量试验发现,当轴承疲劳后,在作为其二次效应的振动信号中,除存在已为国内外学者指出并广为使用的“通过频率(又称冲击振动发生间隔频率)”和“高频冲击脉冲”两种信息特征外,还存在另一种位于中高频段的鲜为人知的重要信息特征——某“高频峰群”。 本文对该高频峰群的形成机理、影响因素及检测方法进行了初步研究,并利用这种新的信息特征研制了“以带通滤波器或以精化信息特征DDS模型谱分析法为主体的两种轴承疲劳故障在线监视和诊断装置。     

基于深度学习的红外与可见光图像融合综述

图像融合技术是指从不同的源图像中提取并融合互补的信息,生成一幅信息量更丰富、对后续高级视觉任务提供足够支持的图像.红外与可见光图像融合（Infrared and Visible Image Fusion,IVIF）是图像融合领域的一个重要分支.近年来,深度学习技术在视觉计算领域表现出了良好的性能,尤其是基于自编码器、卷积神经网络、生成对抗网络等几种基于深度学习的IVIF技术得到了蓬勃发展.为此,对基于深度学习的IVIF算法的方法、数据集和评估指标等进行了总结和阐述;通过大量的实验,进行定性和定量的结果分析,对比了各类基于深度学习IVIF算法的性能;最后,讨论了该领域未来发展的一些前景和研究方向.     

基于生成对抗网络的砂岩薄片图像视野外重建

利用生成对抗网络(GAN)模型,对砂岩薄片图像的微观颗粒和孔隙结构进行视野外重建,并对预测图像的语义进行评价。结果表明,模型能够预测2.25倍于原始视野的砂岩微观结构,并且针对不同类型的岩石图像语义均具有良好的性能。模型对不同颗粒的表面纹理、颗粒形态以及多颗粒间复杂接触关系等语义的图像视野外预测结果与真实图像较为吻合。但是,在微观特殊现象图像的视野外重建任务中,模型缺乏对特殊现象的敏感性。在孔隙结构重建时,模型对微孔面孔率的预测误差大于粒间孔、裂隙和溶蚀孔等孔隙空间。不同孔隙空间重建图像的预测效果可能与孔隙特征(如孔径大小和连通性)有关。     

基于特征类内紧凑性的不平衡医学图像分类方法

近些年,基于深度学习的算法和模型在各种图像分析任务中都取得了显著的成功,与常见的自然图像相比,医学图像数据集依然面临高度不平衡的问题,不平衡数据会导致特征空间里的决策边缘倾向样本多的类别,导致分类效果的下降.为了解决该问题,提出一种基于卷积神经网络考虑特征类内紧凑性的不平衡医学图像分类方法（Z-Score Compactness-based Convolutional Neural Network,ZC3NC）.首先,从一个卷积神经网络的最后一层卷积层提取训练集样本与测试集样本的特征图,随后引入一个新的Z分数来度量测试集数据的特征图相对训练集每个类在特征空间上的偏离度,偏离度的度量基于类内的紧凑度,其主要关注样本的分布特性,对各类样本数量的不平衡性不敏感.最终,根据计算的偏离度,对测试集的数据进行分类.在DermaMNIST数据集上的实验表明,在不对数据和神经网络模型做任何额外增强的情况下,该方法的平衡准确率比原卷积神经网络模型平均提高11.15%,最多提高14.08%,证明提出的分类方法能有效地提高多种卷积神经网络对不平衡医学图像数据的分类性能.此外,和最先进的不平衡分类方法 Und...     

三维重构下整体形状参数的砂土渗透性分析

颗粒形状对砂土结构及其宏观性质有显著的影响。为探究颗粒形状对砂土结构及渗透性的影响规律,选取玻璃珠、石英砂及玻璃渣3种颗粒形状各异的砂土作为研究对象,首先采用高分辨率三维X射线显微镜(CT)进行精细扫描,重构了砂土三维结构模型。选取了颗粒伸长率、扁度、球度、孔隙比表面积等形状参数统计分析得出整体形状参数(OR),将OR引入Kozeny-Carman(K-C)方程得出考虑颗粒形状特征的砂土渗透系数的预测方程。室内柔性壁渗透试验表明砂土颗粒的整体形状参数(OR)越小(即颗粒形状越复杂),砂土的渗透性能越差,引入整体形状参数(OR)的K-C方程对砂土渗透性能的预测效果较好。