摘要：目的探讨自动选择最佳时相功能结合冠脉运动追踪冻结技术重建血管图像在心率不齐患者心脏冠脉CCTA成像中的应用。方法筛选我院行冠脉CCTA检查时出现心律不齐的患者32例,所有患者采用Autogating推荐的时相区间获取单心动周期的图像数据。根据是否采用运动追踪冻结技术处理图像分为两组:A组,自动选择最佳时相使用STD算法重建图像;B组,在自动选择最佳时相并使用STD算法重建图像的基础上使用运动追踪冻结技术处理图像。测量主动脉根部的信噪比SNR并对图像进行主观质量评分,采用两样本配对设计比较的秩和检验比较图像质量。结果在A组32例患者128条主血管中,只有3条右冠状动脉不可诊断,其余的均可满足诊断的要求;B组中没有不可诊断血管。A、B两组图像的信噪比分别为14.45±3.41和14.48±3.43,差异无统计学意义(P=0.677)。A、B两组各主血管的图像质量评分:右冠状动脉:3.50±0.72和4.09±0.69,P=0.000;左冠状动脉主干:4.03±0.18和4.19±0.40,P=0.083;左回旋支:3.72±0.52和3.97±0.54,P=0.014;左前降支:3.96±0.35和4.03±0.47,P=0.655。B组中右冠及左回旋支的图像质量较A组显著提高,左主干和前降支的质量也有所改善。结论自动选择最佳时相结合冠脉运动追踪冻结技术重建血管在心律不齐患者冠脉CTA成像中具有可行性,能够重建出满足临床诊断的图像。

摘要：智能检测铜杆质量,在检测系统中起到重要作用。该文设计一个基于网络架构(VGG、Resnet和MobileNet)的深度学习框架,用于铜杆质量检测。此外,受到MobileNet架构的启发,还提出一种实时检测深度学习框架,用于高效的自动检测,检测结果准确率在90%以上。另外,基于现有的铜杆检测数据集和Django与Vue框架开发第一套铜杆智能检测系统。该系统实现铜杆类别管理,自动检测管理,这是目前在铜杆检测行业首次使用基于MobileNet神经网络模型实现的智能管理系统。

摘要：详细介绍了海上石油平台改造中双立管创新性的整体设计和安装。通过多个子母管卡子,将两根立管连接为一个整体。根据安装位置不同,子母管卡子有两种类型。同时将两根立管整体安装在一个大的护管中,既起到保护立管的作用,又满足立管的整体安装要求。在护管上端安装特殊结构的悬挂法兰,在护管下端安装限位装置。该方法将海上双立管的两次吊装作业通过一次吊装得以实现,具有施工效率高,安全性高的优势,对今后双立管设计和安装具有指导性作用。