期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
SMI、CDFI检查联合GI-RADS分类对卵巢肿瘤良恶性评估价值
1
作者 白忠强 张宁宁 《检验医学与临床》 CAS 2023年第14期2092-2095,2107,共5页
目的探讨超微血管成像(SMI)、彩色多普勒超声血流显像(CDFI)检查联合超声妇科影像报告和数据系统(GI-RADS)分类对卵巢肿瘤良恶性的评估价值。方法选取2019年9月至2022年3月富平县医院收治的168例卵巢肿瘤患者的临床资料,根据穿刺或术后... 目的探讨超微血管成像(SMI)、彩色多普勒超声血流显像(CDFI)检查联合超声妇科影像报告和数据系统(GI-RADS)分类对卵巢肿瘤良恶性的评估价值。方法选取2019年9月至2022年3月富平县医院收治的168例卵巢肿瘤患者的临床资料,根据穿刺或术后病理组织检查结果分为恶性组(n=56)和良性组(n=112)。采用SMI和CDFI检查分别观察同一肿瘤血流情况,采用Adler分级标准评估病灶血流丰富程度,观察病灶血管条数。以GI-RADS分类1~4a类为良性,4b~5类为恶性,SMI检查、CDFI检查或GI-RADS分类任一参数为恶性则诊断为联合预测结果恶性。通过一致性分析,分别评价GI-RADS分类、CDFI检查联合GI-RADS分类、SMI检查联合GI-RADS分类对卵巢肿瘤恶性的预测价值。结果两组GI-RADS分类患者例数比较,差异有统计学意义(P<0.05)。恶性组SMI检查和CDFI检查血流丰富程度均明显高于良性组,差异均有统计学意义(P<0.05);恶性组SMI检查血流丰富程度明显高于CDFI检查,差异有统计学意义(P<0.05);良性组SMI和CDFI检查血流丰富程度比较,差异无统计学意义(P>0.05),SMI检查较CDFI检查更易检出恶性肿瘤中的3级血流。恶性组SMI和CDFI检查检出血管条数均明显多于良性组,差异均有统计学意义(P<0.05)。168例卵巢肿瘤患者中GI-RADS分类预测恶性49例,灵敏度为0.875,特异度为0.902,准确率为0.893,Kappa值为0.751;168例卵巢肿瘤患者中CDFI检查联合GI-RADS分类预测恶性53例,灵敏度为0.946,特异度为0.938,准确率为0.940,Kappa值为0.868;168例卵巢肿瘤患者中SMI检查联合GI-RADS分类预测恶性55例,灵敏度为0.982,特异度为0.955,准确率为0.964,Kappa值为0.921。结论SMI检查、GI-RADS分类对卵巢肿瘤良恶性均具有较好的鉴别诊断效能,SMI检查联合GI-RADS分类较CDFI检查联合GI-RADS分类诊断的灵敏度、特异度更高。 展开更多
关键词 超微血管成像 彩色多普勒超声血流显像 超声妇科影像报告和数据系统 卵巢肿瘤 超声检查
下载PDF
中国27省乡镇(街道)级人口密度数据集(2000年) 被引量:4
2
作者 柏中强 王卷乐 《中国科学数据(中英文网络版)》 2016年第1期31-36,共6页
人口密度是表现人口分布最主要的形式和衡量人口分布地区差异的主要指标。乡镇(街道)处于我国行政体系的基层位置,也是中国人口普查数据公开发布的最小行政单元,乡镇级人口密度数据能够客观、精细地表征中国人口分布的空间格局和态势,... 人口密度是表现人口分布最主要的形式和衡量人口分布地区差异的主要指标。乡镇(街道)处于我国行政体系的基层位置,也是中国人口普查数据公开发布的最小行政单元,乡镇级人口密度数据能够客观、精细地表征中国人口分布的空间格局和态势,对于资源、环境及人口问题的研究具有十分重要的意义。本文规范化处理了中国辽宁、吉林、内蒙古(部分地区)、北京、天津、上海、河北、河南、陕西、宁夏、山西、山东、安徽、江苏、湖南、湖北、江西、浙江、福建、广东、海南、云南、贵州、四川、重庆、青海、西藏这27个省(直辖市、自治区)乡镇(街道)级行政界线数据及第五次人口普查乡镇(街道)级人口统计数据,保证乡镇边界和县(区)界一致、各乡镇单元空间范围和人口普查信息一一对应。在此基础上,准确地匹配了各乡镇的空间范围及人口普查信息,计算了公里格网尺度的各乡镇平均人口密度,形成了本数据集。 展开更多
关键词 人口分布 密度 乡镇 中国
下载PDF
Errors Prediction for Vector-to-Raster Conversion Based on Map Load and Cell Size 被引量:1
3
作者 LIAO Shunbao bai zhongqiang bai Yan 《Chinese Geographical Science》 SCIE CSCD 2012年第6期695-704,共10页
Vector-to-raster conversion is a process accompanied with errors.The errors are classified into predicted errors before rasterization and actual errors after that.Accurate prediction of the errors is beneficial to dev... Vector-to-raster conversion is a process accompanied with errors.The errors are classified into predicted errors before rasterization and actual errors after that.Accurate prediction of the errors is beneficial to developing reasonable rasterization technical schemes and to making products of high quality.Analyzing and establishing a quantitative relationship between the error and its affecting factors is the key to error prediction.In this study,land cover data of China at a scale of 1:250 000 were taken as an example for analyzing the relationship between rasterization errors and the density of arc length(DA),the density of polygon(DP) and the size of grid cells(SG).Significant correlations were found between the errors and DA,DP and SG.The correlation coefficient(R2) of a model established based on samples collected in a small region(Beijing) reaches 0.95,and the value of R2 is equal to 0.91 while the model was validated with samples from the whole nation.On the other hand,the R2 of a model established based on nationwide samples reaches 0.96,and R2 is equal to 0.91 while it was validated with the samples in Beijing.These models depict well the relationships between rasterization errors and their affecting factors(DA,DP and SG).The analyzing method established in this study can be applied to effectively predicting rasterization errors in other cases as well. 展开更多
关键词 vector-to-raster conversion rasterization error prediction map load cell size
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部