装配式基础施工工艺研究

针对装配式基础施工,论述了基础预制件加工的几个关键点及安装的施工工艺。

异构三维片上网络布局优化的超图划分算法

片上网络作为一种将大量嵌入式内核集成到单个晶圆片上的可行性技术,与传统片上系统相比,更能应对未来需要更大规模集成内核的挑战,从而得到了更广泛的应用。然而,目前大多数对片上网络的研究是在规则的架构上进行的,即假定所有单元片面积相同,但是这种假设过于理想化。因此,基于异构布局的三维片上网络的研究是非常有必要的,而其中网络单元的合理划分对片上网络的性能有着重要的影响。介绍了基于异构布局的三维片上网络架构,并将超大规模集成网络中的单元映射成一张超图,并且对此超图进行了多级划分。在算法框架的不同阶段,介绍了常见的算法,并且对相应算法的潜在问题进行分析,随后对这几种算法进行改进以提高片上网络的性能。最后,通过对几个常见的超大规模集成单元数据集进行实验分析,比较了不同阶段的算法对该片上网络各个性能的影响,并得出各个数据集上最优的hMetis算法框架。

Excel和AutoCAD在方案设计计算中的应用

针对设计《整立吊车方案》的计算需要,将Excel和AutoCAD运用于施工方案的设计中,使用这些工具做计算模拟工作,使施工方案设计工作量大大减少,施工计算的准确性也随之提高,这种应用同样可以适用于其它技术方案计算系统模型。

人工智能在医学影像分析中的应用进展

以深度学习(DL)为代表的人工智能(AI)技术已在计算机视觉任务中取得突破性进展。本文从4种常见计算机视觉任务(图像分类、目标检测、物体分割和图像生成)出发,回顾AI技术在医学影像分析中的应用及其发展。

深度学习在医学影像分析中的应用综述

【目标】综述近年来深度学习(Deep Learning,DL)在医学影像分析领域的研究和应用进展。【文献范围】采用关键词检索和引文二次检索的方法初步收集相关论文。【方法】首先简要介绍基于卷积神经网络的DL模型,然后按病症介绍近年来DL在医学影像辅助诊断中的表现,病症包括脑卒中、肺结节、骨龄测量等。【结果】DL在多种疾病的影像辅助诊断中展现出优势,包括精度高、速度快、结果稳定、可规模化等。同时,很多问题阻碍了DL从实验走向临床,如依赖大量数据、标注标准不统一、模型泛化能力欠佳、可解释性不足等。【局限】检索文献仅覆盖最近几年的工作,对于更久之前的可能存在遗漏。【结论】深度学习可提高放射医师解读影像的效率和精度,但DL还不完美,在广泛渗透医学影像解读之前,还需要经历长时间的研究和验证。

深度学习胸部CT辅助诊断系统在急诊创伤人群中的应用

目的探讨深度学习胸部CT辅助诊断系统在急诊创伤患者中的诊断效能及潜在应用价值。方法回顾性连续纳入东部战区总医院2019年9至11月因创伤急诊就诊并且行胸部CT检查的403例患者,男254例,女149例,年龄16~100(50±19)岁。采用Dr.Wise Lung Analyzer的胸部CT辅助诊断系统检测5种损伤,包括气胸、胸腔积液/血、肺挫伤(表现为实变影和磨玻璃影)、肋骨骨折、其他骨折(包括胸椎、胸骨、肩胛骨、锁骨等)及6种其他异常(肺大疱、肺气肿、肺结节、条索影、网格影、胸膜增厚)。由两名影像科医师独立进行标注确定诊断参考标准,计算辅助诊断系统的灵敏度及特异度。另将影像报告诊断结果与辅助诊断系统结果相比较,并采用Kappa检验计算两者的诊断一致性。结果403例患者中参考标准诊断有气胸29例,胸腔积液/血75例,肺挫伤131例,肋骨骨折124例,其他骨折63例。辅助诊断系统检测气胸、胸腔积液/血、肋骨骨折、其他骨折的灵敏度和特异度分别为96.6%和97.6%、80.0%和99.7%、99.2%和83.9%、84.1%和99.7%,检测肺挫伤的灵敏度为97.7%。辅助诊断系统与影像诊断对于损伤的诊断一致性高,对于气胸、胸腔积液、肋骨骨折、其他骨折的Kappa值分别为0.783、0.821、0.706、0.813(均P<0.001)。影像诊断漏诊气胸2例、胸腔积液/血3例、肋骨骨折9例及其他骨折6例,均被辅助诊断系统检出。辅助诊断系统对于肺气肿、肺结节、条索影的检测灵敏度较高(均>85%),对于肺大疱、网格影及胸膜增厚的检测灵敏度稍低。结论深度学习胸部CT辅助诊断系统能有效辅助检测急诊创伤患者胸部CT中的损伤,有望优化急诊创伤患者的诊疗流程。