经济管理实验教学示范中心建设策略

本文结合河南科技学院建设经济管理实验教学示范中心的实际，提出了经济管理实验教学示范中心的建设目标与建设方案，论述了在建立实验教学体系、加强实验队伍建设、强化实验教学管理等方面的建设思路与具体做法，最后总结了河南科技学院经济管理实验教学示范中心的建设特色。

单体液压支柱支撑效能分析

分析了单体液压支柱支撑效能低的原因。

U-Net深度学习模型对DCE-MRI上乳腺肿块自动分割和定位的准确性分析

目的:训练U-Net深度学习模型对乳腺动态增强磁共振图像(DCE-MRI)上乳腺肿块进行自动分割、定位和体积测量,并将结果自动导入结构化报告中,探讨其植入临床工作流程的可行性,旨在提高诊断效率和效能。方法:回顾性分析2015年2月1日-2016年12月31日本院所有乳腺MR影像和报告资料,将已取得活检但尚未治疗的88例连续乳腺癌患者的数据纳入本研究。将入组病例随机分为训练集(train set,70例)、调优集(validation set,9例)和测试集(test set,9例)。完成MR图像数据格式转换后,由两位放射科医师在每例患者的MR图像上标注双侧乳腺,并标注1个最大且经病理证实的肿块。训练集中采用U-Net分割模型在DCE-MRI图像上分割乳腺轮廓,并序贯分割其中明显强化的肿块灶。客观评价:以测试集中肿块的Dice相似性系数(Dice similarity coefficient,DSC)值评价肿块分割效果。主观评价:由2位乳腺影像诊断专家对模型预测病灶的准确性进行评估,分析假阳性病灶的性质和特征。由U-net模型输出的分割肿块的三维径线、体积和定位信息,自动填写到乳腺BI-RADS结构化报告中,并与既往影像报告中医师人工测量的结果进行比较。结果:在测试集中专家标注了9个病灶,模型检出了其中7个病灶,敏感度为77.8%(7/9);2个未预测出的病灶,1个肿瘤主体部分有明显坏死,另1个为背景显著强化。在测试集中模型预测出了16个“假阳性”区域,其中10个为腺体内多发小的强化灶,4个为乳腺癌周围子灶,2个为强化的乳头和血管等。软件自动测量肿块的三维径线和医师手工测量乳腺病灶径线一致性高。模型分割肿块的平均DSC值为0.85。结论:U-Net深度学习模型可用于乳腺DCE-MRI图像上有明显强化病灶的分割和径线测量,有必要行大样本研究以论证和实现其临床应用。

U-Net模型在CT图像实现肾实质和肾窦分割及体积和径线测量

目的:利用U-Net模型实现CT图像肾脏分割,测量肾实质和肾窦体积和径线。方法:搜集本院PACS中365例腹部CT增强检查中双肾正常者动脉期薄层图像。其中93例用于训练U-Net分割模型,272例用于模型效能评价。由两位影像专家检查模型返回分割结果,评价结果是否可用于体积和径线测量。以去除最小连通域方法处理图像保留像素数计算双侧肾实质和肾窦的体积。以最小体积包围盒算法测量双侧肾实质、肾窦径线。测量结果自动填写到结构化报告完成肾脏大小定量评估。建模时人工标注93例和预测时模型分割效果好272例共同用于体积和径线测量。计算肾实质、肾窦体积及三维径线95%参考值范围,采用相关性分析探讨相关因素,应用多元线性回归分析探讨其影响因素。结果:专家评价U-Net模型可很好地完成双侧肾实质和肾窦分割。测试集中分割右肾实质DICE值0.97±0.01,分割左肾实质DICE值0.97±0.01,分割右肾窦DICE值0.84±0.06,分割左肾窦DICE值0.88±0.04。多元线性回归分析显示肾实质体积=0.654×身高-0.597×年龄+0.653×体重-6.321×侧别-8.824×性别,回归方程R2为0.304;肾窦体积=0.213×体重+0.168×年龄-4.162×侧别-2.052×性别+0.122×身高,回归方程R2为0.389。模型测量结果可自动填写入结构化报告中。结论:基于U-Net可有效分割CT图像肾实质和肾窦并测量径线及体积,自动完成影像报告中双肾大小定量评估;肾实质体积和肾窦体积均与性别、年龄、身高、体重、侧别有一定关联。

以市场为导向发展职业技术教育

教育是社会的一个组成部分，它必须为社会生产服务。学校毕业生是一种特殊商品，其质量优劣必须由市场来检验。市场对人才的要求某种程度上决定着学校教育的培养目标，中等职业技术教育要严格按照市场需求来设计自我，适时调整自己的心态和办学方向，不但从数量上，而且从质量上为知识经济时代的社会经济发展提供人才保证，在经济结构调整带来的就业难，高校扩招带来的普高热的影响下，职业教育受到严峻的冲击，致使职校招生明显下滑。因此，人们对职业教育的发展之路究竟应该怎么走进行了不少探索性的思考。

一次成巷隔离墙施工的安全技术措施

一次成巷作业安全,有利于保证支护质量,加快成巷速度,能显著降低材料消耗及工程成本。一次成巷的安全工作非常重要,其中一次成巷隔离墙施工的安全技术措施尤其重要,本文主要研究支护安全技术措施、混凝土泵操作技术、振捣设备操作技术等问题。

瓶颈是这样突破的

今年1-9月,上海销售公司加油站发售完成板块全年指标的245%,同比去年增长118%,曾经一度大家认为加油卡发卡遭遇了瓶颈,然而不断被突破的发卡指标又再昭示着,加油卡蕴藏了无限的市场潜力。巧推主题营销尊师卡助增量青浦松江营销中心发卡量较低,发卡一度成为公司短板业务。为尽快开拓销售市场,中心深入一线调研,试图挖掘潜在市场和客户。调研中发现奉贤、金山地区学校数量约为172所,

长壁综放工作面优化工艺与参数探讨

综采放顶煤是厚煤层开采的主要方法之一,与其他开采方式相比更有利于合理集中生产,对煤层及地质条件具有很好的适应性,煤矿生产的效率高,可降低吨煤成本,提高经济效益。本文主要阐述了长壁综放工作面的长度和推进长度、放煤方式、开采厚度和采放比、采出率等技术问题。

用存贮论分析设备租赁管理

存贮论是运筹学的一个分支内容,主要研究物资供应、库存和需求之间的关系,其目的是确定存贮的最佳策略,即在什么时间,以多大量,用什么来源来保证存贮,使企业能获得最大利润,做到库存量和总费用最小。

U-Net深度学习网络对MRI表观扩散系数图中前列腺癌自动分割及定位的可行性研究

目的探讨使用U-Net深度学习网络对MRI表观扩散系数(ADC)图像中前列腺癌(PCa)自动分割及定位的可行性。方法回顾性搜集2017年6月1日至2019年3月31日北京大学第一医院因临床怀疑PCa拟行前列腺穿刺的男性患者的临床和影像资料。共纳入245例患者,根据病理结果将所有患者分为PCa组(n=184)与非PCa组(n=61),并随机分为训练集(PCa 129例,非PCa 19例)、验证集(PCa 18例,非PCa 3例)和测试集(PCa 37例,非PCa 39例)。由1名放射科医师依据病理结果在ADC图上勾画PCa癌灶,并通过前列腺腺体分割模型将测试集前列腺腺体自动划分6分区。经过前列腺腺体自动分割等预处理后,采用U-Net深度学习网络进行PCa分割模型的训练。以医师标记结果为金标准,用Dice相似系数(DSC)评价AI模型对测试集PCa癌灶的分割效果。并分别以患者及病灶为单位评价模型对PCa的检出效能,以6分区法评价模型对癌灶自动定位的准确性。结果测试集中,医师标注癌灶51个,最大径线为(1.9±0.7)cm,6分法癌灶分区456个(PCa区122个、非PCa区334个)。以病灶为单位,AI模型对测试集PCa的分割DSC为(70.2±21.7)%,检出癌灶的灵敏度94.1%(48/51)。以患者为单位,AI模型检出PCa患者灵敏度为97.3%(36/37),特异度为66.7%(26/39),准确度为81.6%(62/76)。AI模型对PCa癌灶定位分区的准确度为90.8%(414/456),对癌区检出的灵敏度为95.1%(116/122),特异度为89.2%(298/334)。结论U-Net深度学习模型对MRI ADC图像中PCa的检出具有较高的灵敏度,对PCa 6分区定位具有较高的准确度,预测结果可自动填写入结构化报告,进一步提高了临床工作效率。

利用U-Net算法分割DWI图像上盆腔淋巴结的初步探索

目的探讨利用U-Net算法对前列腺影像报告和数据系统(PI-RADS)5类患者扩散加权成像(DWI)图像上盆腔增大淋巴结进行分割的可行性。方法回顾性分析62例PI-RADS 5类患者的DWI图像,每例患者至少有一个增大淋巴结(短径>8 mm),共84个增大淋巴结。手工标注所有增大淋巴结,并将已标注的患者按8∶1∶1的比例随机分为训练集、调优集和测试集进行模型的训练。结果测试集中U-Net模型自动分割区域平均DICE值为0.88(95%CI:0.84~0.92),对增大淋巴结检测的精确度和召回率分别为0.90和1.00。自动分割测量的淋巴结短径和体积与金标准高度相关。结论使用U-Net算法对PI-RADS 5类患者DWI图像上盆腔增大淋巴结进行分割具有一定的可行性。

无卡支付逐渐兴起

随着信息技术特别是互联网及移动互联网技术的迅猛发展,智能手机的普及,油品零售支付业务发生巨大变化,经历了从人工服务—半自助—全自助的过程。未来,银行卡、各类IC卡、会员卡将不再随身携带,通过手机芯片内置专业化的加油模块来实现无卡支付。