简介:摘要近年来,随着我国经济社会的飞速发展,社会上对建筑施工的需求越来越多,建筑工程行业成为社会上的热门产业。建筑工程行业中最重要也是最基础的一项技术就是测量技术,测量技术的精准度直接关系到整个工程的质量。因此,建筑工程施工的过程中,掌握好测量的精度,是十分重要的一项工作。本文分析了精度控制在建筑工程测量技术中的应用,首先论述了工程测量精度控制在建筑工程中的必要性,随后提出了工程测量精度控制在建筑工程中具体的应用策略。
简介:摘要目的探讨利用深度学习方法提高动脉自旋标记(ASL)图像质量,并优化其对脑血流量(CBF)的定量准确性。方法回顾性分析2018年5月至2019年8月天津市环湖医院101例脑血管病患者临床及影像资料,分为训练集71例和验证集30例。训练集中男53例,女18例,年龄55.0 (41.3,64.5);测试集中男23例,女7例,年龄57.5 (49.0,65.0)。以定量灌注加权成像为参考标准,通过训练一个深度学习生成对抗网络(GAN)重建原始ASL-CBF图像。通过结构相似指数和标准均方根误差比较原始ASL-CBF与GAN-CBF的图像质量,并使用Pearson相关分析比较不同脑血管供血区及卒中病灶区ASL-CBF、GAN-CBF与定量灌注的相关性,验证GAN对ASL的图像质量与量化精度的提升性能。结果训练集和验证集两组患者性别、年龄、疾病类型、卒中病灶位置及大小差异均无统计学意义(均P>0.05)。GAN-CBF比ASL-CBF的结构相似指数更高(0.888比0.801,P<0.001),且标准均方根误差更低(0.628 比 0.775,P<0.001)。在不同血管供血区及卒中病灶区,GAN-CBF比ASL-CBF与定量灌注的相关性更高,以中动脉穿通支供血区(r=0.853)与卒中病灶区(r=0.765)的相关性提升最为明显(均P<0.001)。结论生成对抗网络可以在不增加扫描时间而提高ASL的图像质量与量化精度,拓展了ASL的临床应用价值。