排序方式: 共有9条查询结果,搜索用时 31 毫秒
1
1.
近年来.随着新技术的大量涌入人类赖以生存的环境变得越来越恶化.尤其是“室内空气的污染”已成为危害人们健康的最重要的因素。综合调查研究结果显示,主要污染物分为3类;①可吸入颗粒;②微生物;③有害挥发气体。2年前我们研制出纳米光催化空气消毒器,已在各大医院推广应用,收到良好的效果.但仍有一定的缺陷。目前我们利用纳米级二氧化钛的强氧化作用.制作出具有光催化降解和吸附一体化功能的微型空气净化器.能在极短的时间内清除空气的污染,是办公室、病房、车内等小环境最有效、携带方便的空气净化器。该产品特点:①材料技术创新:采用新载体装载和单分子层稀土元素装饰纳米级二氧化钛;②结构技术创新:采用紫外LED作为紫外光源,将光波长由360纳米提升到400纳米,使机器体积缩小,寿命延长;③机器外观创新:微型带来创作的人性化。 相似文献
2.
3.
4.
5.
随着人口老龄化的加剧,医疗技术的革新和人们对于健康需求的不断提高,如何向全社会提供高质量、普及性的医疗服务,同时有效地控制成本,保证长期可持续发展,是各国面临的普遍问题。各国拥有不同的经济实力,不同的医疗资源基础和医疗体系及制度,面临的问 相似文献
6.
7.
8.
9.
目的 观察基于V-Net卷积神经网络(CNN)的深度学习(DL)模型自动分割腰椎CT图像中的椎旁肌的价值。方法 收集471例接受腰椎CT检查患者,按7∶3比例将其分为训练集(n=330)和测试集(n=141);采用2D V-Net进行训练,建立DL模型;观察其分割腰大肌、腰方肌、椎后肌群及椎旁肌的价值。结果 基于V-Net CNN的DL模型分割椎旁肌精度良好,戴斯相似系数(DSC)均较高、肌肉横截面积误差率(CSA error)均较低;其分割训练集图像中的腰大肌、腰方肌及椎旁肌的DSC均高于测试集(P均<0.05),而分割训练集中4组肌肉的CSA error均低于测试集(P均<0.05)。测试集内两两比较结果显示,该模型分割椎后肌群的DSC最高、腰方肌的DSC最低;分割腰方肌的CSA error最高、椎旁肌的CSA error最低(P均<0.05)。结论 以基于V-Net的DL模型自动分割椎旁肌的效能较佳。 相似文献
1