我国正在进行大口径单天线和阵列射电望远镜的建设和预研工作。为保障射电望远镜前期建设工作的开展,首先需要找到满足电磁环境要求的台址,本文使用搬移式电磁环境监测装备在广东省清远市阳山县杜步镇、水口镇等预选台址开展了电磁环境...我国正在进行大口径单天线和阵列射电望远镜的建设和预研工作。为保障射电望远镜前期建设工作的开展,首先需要找到满足电磁环境要求的台址,本文使用搬移式电磁环境监测装备在广东省清远市阳山县杜步镇、水口镇等预选台址开展了电磁环境监测,并对广州市白云区帽峰山开展对比测试,采用一种干扰阈值判断方法对电磁环境监测数据进行了分析。分析结果显示,位于清远市阳山县杜步镇附近的洼地射频干扰(radio frequency interference,RFI)数量少且强度弱,该洼地远离城市中心,经济活动少,周围群山环抱,具有良好的电磁隔离性,适合大口径单天线和阵列射电望远镜的建设。本文的数据分析结果可为大口径射电望远镜的选址提供依据。展开更多
目的探讨CT纹理分析在鉴别腰椎多发性骨髓瘤(MM)与骨质疏松中的价值。方法选取40例腰椎多发性MM(MM组)与腰椎骨质疏松40例(骨质疏松组)患者的资料进行分析,基于术前CT轴位图像,分别选择一个MM椎体和骨质疏松椎体勾画感兴趣区(ROI),利用M...目的探讨CT纹理分析在鉴别腰椎多发性骨髓瘤(MM)与骨质疏松中的价值。方法选取40例腰椎多发性MM(MM组)与腰椎骨质疏松40例(骨质疏松组)患者的资料进行分析,基于术前CT轴位图像,分别选择一个MM椎体和骨质疏松椎体勾画感兴趣区(ROI),利用MaZda软件提取图像纹理特征,用费希尔算法(Fisher)、分类错误率+平均相关系数算法(POE+ACC)、交互信息算法(MI)三种方法对提取的特征参数进行降维筛选,其每种方法筛选出10个最优纹理特征参数,然后利用原始数据分析法(RDA)、主要成分分析法(PCA)、线性判别分析法(LDA)、非线性判别分析法(NDA)四种分析方法分别结合降维筛选出的特征参数,计算各组合的分类误判率。对30个最优纹理特征参数进行统计学意义分析,获取具有统计学意义参数的受试者工作(ROC)曲线。对有意义的参数行Spearman相关分析做进一步筛选,筛选出的参数构建Logistic回归模型。结果三种降维方法中,POE+ACC结合NDA组合对两种疾病的误判率最低(2.50%),15个纹理特征具有统计学意义。经筛选后获得135dr_GlevNonU、Perc.99%、S(0,4)Correlat和WavEnLH_s-5的4个参数构建模型,ROC曲线分析表明该模型诊断效果较好,曲线下面积(area under the curve,AUC)为0.968。结论基于CT图像的纹理分析有助于鉴别MM与骨质疏松,且135dr_GlevNonU,Perc.99%,S(0,4)Correlat和WavEnLH_s-5构建的联合模型诊断效果较好。展开更多
文摘我国正在进行大口径单天线和阵列射电望远镜的建设和预研工作。为保障射电望远镜前期建设工作的开展,首先需要找到满足电磁环境要求的台址,本文使用搬移式电磁环境监测装备在广东省清远市阳山县杜步镇、水口镇等预选台址开展了电磁环境监测,并对广州市白云区帽峰山开展对比测试,采用一种干扰阈值判断方法对电磁环境监测数据进行了分析。分析结果显示,位于清远市阳山县杜步镇附近的洼地射频干扰(radio frequency interference,RFI)数量少且强度弱,该洼地远离城市中心,经济活动少,周围群山环抱,具有良好的电磁隔离性,适合大口径单天线和阵列射电望远镜的建设。本文的数据分析结果可为大口径射电望远镜的选址提供依据。
文摘目的探讨CT纹理分析在鉴别腰椎多发性骨髓瘤(MM)与骨质疏松中的价值。方法选取40例腰椎多发性MM(MM组)与腰椎骨质疏松40例(骨质疏松组)患者的资料进行分析,基于术前CT轴位图像,分别选择一个MM椎体和骨质疏松椎体勾画感兴趣区(ROI),利用MaZda软件提取图像纹理特征,用费希尔算法(Fisher)、分类错误率+平均相关系数算法(POE+ACC)、交互信息算法(MI)三种方法对提取的特征参数进行降维筛选,其每种方法筛选出10个最优纹理特征参数,然后利用原始数据分析法(RDA)、主要成分分析法(PCA)、线性判别分析法(LDA)、非线性判别分析法(NDA)四种分析方法分别结合降维筛选出的特征参数,计算各组合的分类误判率。对30个最优纹理特征参数进行统计学意义分析,获取具有统计学意义参数的受试者工作(ROC)曲线。对有意义的参数行Spearman相关分析做进一步筛选,筛选出的参数构建Logistic回归模型。结果三种降维方法中,POE+ACC结合NDA组合对两种疾病的误判率最低(2.50%),15个纹理特征具有统计学意义。经筛选后获得135dr_GlevNonU、Perc.99%、S(0,4)Correlat和WavEnLH_s-5的4个参数构建模型,ROC曲线分析表明该模型诊断效果较好,曲线下面积(area under the curve,AUC)为0.968。结论基于CT图像的纹理分析有助于鉴别MM与骨质疏松,且135dr_GlevNonU,Perc.99%,S(0,4)Correlat和WavEnLH_s-5构建的联合模型诊断效果较好。