简介:摘要:装配式混凝土结构施工技术已被越来越广泛地用 于各种房屋建筑工程中,能有效提高工程建设质量。 在科 学技术的创新发展下,装配式建筑打破了原有的传统建筑模式,使得我国建筑行业迈上了工业化、标准化、模块 化发展之路。装配式混凝土结构建筑是装配式建筑中的一种类型,在施工过程中,需要相关作业人员把握施工关 键技术,加强施工现场的质量控制,才能保证装配式建筑可以发挥出自身的最优价值,全面提高房屋的建设质量。 文章先描述了房屋装配式混凝土结构的主要特征,介绍了装配式混凝土结构施工的关键 PC 技术、NPC 技术、剪力 墙技术,还讨论了房屋装配式混凝土结构施工技术的应用要点,以供同行业者参考。
简介:摘要目的探讨基于磁共振时间分辨交叉随机轨迹显像(time-resolved angiography with interleaved stochastic trajectories,TWIST)技术在评估急性缺血性卒中侧支循环中的应用价值。材料与方法回顾性分析2020年8月至2021年8月南京市第一医院神经内科收治的28例急性缺血性卒中患者的一般临床资料及影像资料,所有患者均接受了磁共振TWIST、灌注加权成像和数字减影血管造影(digital subtraction angiography,DSA)检查。DSA和TWIST图像的侧支循环分级分别参考美国介入与治疗神经放射学学会/介入放射学会(American Society of Interventional and Therapeutic Neuroradiology/Society of Interventional Radiology,ASITN/SIR)分级系统和改良的ASITN/SIR评分量表。Kappa系数用于分析侧支循环分级在不同观察者间的一致性。χ2检验用于分析TWIST和DSA图像的侧支循环分级结果的组间差异。根据TWIST图像的侧支循环分级将患者分为侧支循环丰富组和侧支循环不丰富组,ASITN/SIR分级3~4级表示侧支循环丰富,0~2级表示侧支循环不丰富,对比两组患者的临床资料和低灌注强度比值(hypoperfusion intensity ratio,HIR)。采用Spearman秩相关系数分析HIR与TWIST图像的侧支循环分级的相关性。结果TWIST (Kappa=0.826)和DSA (Kappa=0.856)图像的侧支循环分级在不同观察者间均具有高度一致性。TWIST和DSA图像的侧支循环分级结果组间差异无统计学意义(χ2=0.865,P=0.929)。与侧支循环不丰富组(13例)相比,侧支循环丰富组(15例) HIR更低(0.30±0.08 vs. 0.43±0.06,t=-5.156,P<0.001),相关分析显示HIR与TWIST图像的侧支循环分级呈负相关(r=-0.882,P<0.001)。结论磁共振TWIST技术可无创评估急性缺血性卒中的侧支循环,在侧支循环诊断中具有较高的价值,可应用于临床。
简介:摘要目的利用体模评价能谱CT去金属伪影(MAR)技术减低脊柱不同植入物伪影的效果。方法选取离体的羊椎体骨模型1具,分别构建椎弓根钉、3D椎体及钛网内固定模型,行能谱CT检查。以10 keV为间隔,重建出70~140 keV之间共8组MAR和非MAR图像。测量置入物旁ROI内的CT值和SD值,计算伪影指数(AI)和信噪比(SNR),同时对骨质、椎弓根钉伪影、3D椎体伪影及钛网伪影严重程度进行主观评分。绘制AI和SNR随keV变化的曲线,采用配对样本t检验比较低能级(70 keV)、中等能级(100 keV)和高能级(130 keV)条件下MAR和非MAR图像AI值和SNR的差异,主观评分的差异比较采用Wilcoxon符号秩和检验。结果在70~140 keV范围内,MAR和非MAR图像椎弓根钉的前方、后方、侧方和3D椎体以及钛网旁AI值随keV的增加而减低,SNR值改善。在70、100、130 keV条件下,椎弓根钉前方、后方、侧方及钛网旁的AI值在MAR组非较MAR组均明显减低(P<0.05)。3D椎体后方,仅在70 keV条件下,MAR图像AI值较非MAR组减低,差异有统计学意义(P<0.001)。在椎弓根钉前方、后方及3D椎体侧方SNR值随keV增加而增加,在其他部位SNR值随keV增加而减低。主观评价中,MAR图像评分均高于非MAR图像(P<0.05)。结论能谱CT MAR技术能够减低脊柱植入物伪影,可明显减少椎弓根钉及钛网伪影,而对3D椎体后方的减少伪影的效果有限。
简介:摘要:在电气工程中,电气自动化也被广泛的应用。然而,我们现在面临的问题是中国在电气工程方面的质量控制和安全管理制度方面所形成的成就并不显著,从我国当前发展的状况可以看到。我国的电气工程有许多的不足,国家应该加大对电气工程的投入与重视,同时,国家也要格外注重电子技术的发展。因为电子技术推动了电气工程发展的质量,电子技术也让我们了解到我国的电力工程大发展进程。然而,电气工程是电子系统生产、制造等多种先进学科的总称。随着人们对电力资源的需求不断增加,电脑等先进设备的普及,使电力贯穿着群众的生活和工作,电气自动化系统虽是新兴的学科,但对相关工程造成了巨大的影响,使其逐渐向着智能、节能绿色的方向发展。
简介:摘要目的检测长链非编码RNA LINC01235在胃癌细胞系中的表达并观察LINC01235对胃癌细胞迁移和侵袭的影响。方法采用Transwell小室法及划痕实验检测LINC01235对胃癌细胞迁移和侵袭能力的影响。应用蛋白质印迹法(Western blot)检测过表达LINC01235后上皮-间充质转化(EMT)关通路蛋白的表达变化。结果划痕实验显示,敲低LINC01235的实验组在划痕48 h后迁移距离显著短于对照组。Transwell实验显示,敲低LINC01235的实验组在24 h内穿膜细胞数量显著低于对照组(48.000±4.619比156.300±4.096,P<0.05)。蛋白质免疫印迹结果显示,过表达LINC01235的表达后,EMT通路相关蛋白N-钙黏蛋白及基质金属蛋白酶-2的表达水平随之升高。结论LINC01235具有促进胃癌细胞迁移和侵袭的作用。
简介:摘要目的探讨基于DWI和液体衰减反转恢复序列(FLAIR)的深度学习技术构建预测急性卒中发病时间模型的效果。方法回顾性分析于2017年1月至2020年5月在南京市第一医院就诊且发病时间明确的急性卒中患者324例。采用7∶3比例按照完全随机法将患者分为训练集226例,测试集98例;再根据发病时间将患者分为≤4.5 h和>4.5 h两组。由医师对DWI图像上急性梗死区及FLAIR相应的高信号区进行轮廓勾勒标注。利用InceptionV3模型作为图像特征提取的基本模型,构建并验证基于单序列(DWI、FLAIR)和多序列(DWI+FLAIR)的深度学习预测模型。比较人工识别、单序列模型及多序列模型预测急性卒中发病时间的ROC曲线下面积(AUC)、准确度等性能。结果发病时间≤4.5 h患者中94例(94/207)存在DWI-FLAIR不匹配,发病时间>4.5 h患者中28例(28/117)存在DWI-FLAIR不匹配。ROC分析显示人工识别DWI-FLAIR不匹配预测急性卒中发病时间的AUC为0.607,准确度为60.2%。基于单序列的深度学习预测模型显示FLAIR序列预测急性卒中发病时间的AUC为0.761,准确度为71.4%;DWI序列预测急性卒中发病时间的AUC为0.836,准确度为81.6%;基于多序列(DWI+FLAIR)深度学习模型预测急性卒中发病时间的AUC为0.852,明显优于人工识别(Z=0.617,P=0.002)、基于FLAIR序列深度学习模型(Z=2.133,P=0.006)和基于DWI序列深度学习模型(Z=1.846,P=0.012)。结论基于DWI和FLAIR的深度学习模型预测急性卒中发病时间明显优于人工识别,可为未知发病时间的卒中患者提供静脉溶栓治疗指导。