基于深度学习迭代重建算法的肺结节评估效果分析

目的 以联影uCT968螺旋CT为例,分别利用深度学习迭代重建算法(artificial intelligence iterative reconstruction, AIIR)和滤波反投影重建算法(filtered back projection, FBP)重建图像,并应用肺结节评估软件分析AIIR对肺结节评估性能的影响。方法 选取山东第一医科大学附属省立医院进行胸部平扫检查的有肺磨玻璃结节患者67例,分析患者的首次CT图像,所有病例的原始图像均采用观察组AIIR算法和对照组FBP算法进行图像重建,对两种重建图像分别使用人工智能肺结节评估软件进行评估,比较两者的结节评估结果、信噪比(signal to noise ratio, SNR)和对比度噪声比(contrast noise ratio, CNR)并统计有效辐射剂量,评估图像质量对智能分析算法准确性的影响。结果 对其中56例体积小于150 mm3的磨玻璃结节分析结果显示:AIIR算法对磨玻璃结节的识别率优于FBP算法,差异有统计学意义(P<0.05);使用AIIR算法图像的SNR和CNR均优于FBP算法,差异有统计学意义(P<0.05)。结论 临床应用中,选用AIIR算法有利于提高肺部磨玻璃结节的识别率。另外,AIIR算法的低剂量扫描可以降低医源性辐射剂量,进一步保障患者的健康安全,值得推广使用。

具有碳化硅纳米线编织结构的氧化铝泡沫陶瓷的制备及性能研究

本文利用简单、高效的浆料直接发泡法制备气孔率高达96%的Al_(2)O_(3)/Si泡沫陶瓷,并选用简便、易行的焦炭埋烧工艺在Al_(2)O_(3)/Si泡沫陶瓷坯体中生长出大量SiC纳米线。通过控制烧结温度来观察分析SiC纳米线的生长形貌变化。采用扫描电子显微镜(SEM)、X射线衍射仪、BET比表面积测试仪、电子万能试验机等对泡沫陶瓷的微观结构、物相组成、比表面积、气孔率、抗压强度、热导率进行分析与表征。结果表明,1450℃烧结时得到的SiC纳米线最多,纳米线在泡沫陶瓷孔壁交织缠绕。同时观察到SiC纳米线的存在改变了氧化铝泡沫陶瓷固有的脆性断裂模式,SiC纳米线可有效促进泡沫陶瓷在压缩过程中的裂纹偏转。本实验制备了一种新型的纳米线缠绕在孔壁上的三维网络结构的泡沫陶瓷,为在泡沫陶瓷内部原位生长SiC纳米线提供了新的方法,更好地拓展了泡沫陶瓷在环境过滤、催化剂载体等领域中的应用。