16层螺旋CT冠状动脉成像图像质量相关影响因素分析及最佳扫描条件选择(心脏体模模拟实验)

目的采用新型心脏动态体模，对16层螺旋CT冠状动脉成像图像质量相关影响因素进行分析，并探讨在不同心率下的扫描速度和重组算法选择。材料与方法采用GE公司研制的新型心脏动态体模，心率设置为40-95次／min（间隔5次／min）共12组。采用GE LightSpeed 16层螺旋CT，以心脏冠状动脉扫描模式对不同心率下的心脏体模进行扫描，X线球管转速（即扫描速度）设置为0．5s／r和0．6s／r。所有的扫描数据在R-R间期90％时相分别以单扇区（Snapshot segment）、双扇区（Burst-2）和四扇区重组（Burst-4）3种心脏重组算法进行重组。所有重组数据传至AW4．1工作站行后处理成像。后处理方法采用容积再现（VR）、多平面重组（MPR）。分别对不同重组图像进行评分。统计学处理采用析因分析和多元线性回归分析。结果（1）总模型具有统计学意义（F=11．15，P〈0．0001）。不同心率（F=11．99，P〈0．0001）、不同转速（F=5．76，P=0．00196）、不同重组算法（F=9．21，P=0．0003）对图像质量有显著的影响，三者的交互作用均无显著差别（P〉0．05）；（2）不同心率间比较，心率≤65次／min时图像质量评分较高（P〈0．05）；（3）不同扫描速度比较，0．5s／r时，图像质量评分较高（P〈0．05）；（4）不同重组算法之间比较：重组算法为Burst-4和Burst-2时，图像质量评分较高（P〈0．05），但两者之间差异无统计学意义（P〉0．05）；（5）心率、扫描速度及重组算法与图像质量间具有多元线性回归关系（标准化回归系数分别为-0．70794、-0．16449和0．27341，F=34．43，P〈0．0001），各回归系数具有显著性。结论心率、扫描速度及重组算法等是影响16层螺旋CT冠状动脉成像图像质量的主要因素，可采用新型心脏动态体模进行评估。合理利用扫描参数能有效提高图像质量和检查的成功率。

关联规则算法的研究

Apriori算法是发现频繁项目集的经典算法,但是该算法需反复扫描数据库,因此效率较低。文中针对传统的Apri-ori算法需要多次扫描数据库,由此导致的性能瓶颈及效率问题,提出了一种改进的关联规则挖掘算法(AAC算法)。该算法只需一次扫描数据库即可完成所有频繁项集的搜索,极大地提高了算法的效率。

基于数据挖掘的运动员神经类型特征评估系统构建

针对当前运动员训练信息化的需求,结合当前的数据挖掘算法,提出一种改进关联规则算法的运动员神经类型特征评估系统。对此,文章首先对评估系统设计的目标进行分析,并结合该目标,从整体架构、功能模块等方面进行了设计。在整体架构方面,采用C/S模式对系统架构进行搭建,以提高系统运行的速度,在功能模块方面,按照测试的流程,分为测试基本信息录入、测试评估模型和测试结果查询。同时在该系统设计中,重点就Apriori算法进行了研究,并且为了提高其对事务数据库扫描的效率,通过连接和剪枝的方式对其进行改进。最后通过某体育中心数据库数据对上述方案进行验证,并给出其实现的部分流程和结果。而通过研究,为当前运动训练的信息化提供了借鉴。