公共文化服务平台

自动剂量控制技术的探讨被引量：8: 2009年; 介绍了CT自动剂量控制技术的方法和发展过程。现在的CT自动剂量控制技术融合了实时角度调制技术和Z轴管电流调制技术,只要正确使用自动剂量控制技术就可以在最小的辐射剂量下优化影像的质量。; 张晖

一种基于人工智能的婴儿培养箱系统及方法: 本发明涉及一种基于人工智能的婴儿培养箱系统及方法，包括婴儿培养箱主体、主控制器、摄像头模块、麦克风模块、常规传感器模块以及计算机。所述主控制器包括婴儿肢体动作检测模块、婴儿脸部检测模块、声音检测模块。所述的婴儿肢体动作检...; 汤福南羊月祺耿向南管亚飞任义梅张晖汪缨张作恒; 文献传递

金属植入物在磁共振检查中的致升温效应及安全性分析被引量：7: 2019年; 目的本文探讨金属植入物(钛合金金属植入物、不锈钢金属植入物)在磁共振扫描时产热效应的安全性。方法内有金属植入物的猪腿模拟带有金属植入物的人体,将已经标定的热敏电阻作为温度传感器插入金属植入物附近,进行磁共振扫描,通过数字万用表或自制电路采集热敏电阻的阻值或电压,通过阻(压)-温转换,从而间接测量金属植入物周围的温度变化。结果采用高精度万用表与自制电路获得的温度值接近。SE序列产热效应最大,钛合金和不锈钢植入物引起的组织附近平均升温分别约为0.5℃和1.5℃,且在各种序列扫描中,不锈钢升温结果均高于钛合金升温结果。结论携带有金属植入物的患者做磁共振检查有一定危险性,检查前一定要有专业医师评估。; 何伟王传兵高虹张晖汪缨孙小磊; 关键词：热敏电阻金属植入物

MRI腹部成像门控技术的比较被引量：7: 2013年; 简单介绍了磁共振检查中2种门控技术即呼吸门控和导航门控的特点,分别比较了磁共振自由呼吸扫描序列中呼吸门控和导航门控的效果和各自适用的环境,指出了中小医院以及要求不高的一般患者较适合使用呼吸门控技术,大型医院或有较高图像要求或腹部已安装其他设备的患者以及呼吸急促的患者采用导航门控技术较好。; 张晖; 关键词：磁共振呼吸门控

西门子Force双源CT故障维修案例分析与探讨: 2024年; 西门子Force双源CT属于高端CT,设备整体配置高、性能佳、应用范围广、稳定性好,在医院运行中发挥了巨大作用。由于设备使用量大,故障时有发生,且设备集成程度较高、整体维修难度大。本文详细分析了使用过程中发生的水冷系统、患者检查床、探测器电源3例故障的故障排除过程,并通过更换三通阀、维护升降电机轴承、焊接X10接头解决故障,节省了维修费用,并为同行维修此类故障提供参考。; 孙小磊肖吴进汪缨张晖; 关键词：水冷系统检查床

西门子Definition双源CT罕见故障维修案例分析被引量：6: 2020年; 简要介绍了CT稳定运行的重要性,详细分析了西门子Definition双源CT的滤过器运动电动机过流罕见故障并给出了具体的排除方法,保障了机器的正常运行,节省了维修成本,为同行维修类似故障提供了参考。; 孙小磊张晖汪缨; 关键词：滤过器

BP神经网络在SMILE手术角膜基质切削厚度预测中的应用被引量：1: 2022年; 目的构建用于精准预测小切口角膜透镜取出(Small-Incision Lenticule Extraction,SMILE)手术角膜基质切削厚度的BP神经网络模型。方法从全飞秒手术系统厂家处获取标准化切削厚度数据表格,提取共计12188条数据作为研究对象,以切削厚度的影响因素输入,以切削厚度为输出结果,采用Matlab编程软件构建SMILE手术角膜基质切削厚度预测BP神经网络模型并对其进行训练和验证。结果针对该BP神经网络模型,设定最大训练迭代次数为5000次,实际迭代次数为2464次,设定误差为0.001,实际误差为0.112。该BP神经网络模型对我院SMILE手术共计1038例临床患者数据进行仿真验证,切削厚度的预测数据取整后与实际数据的对比结果表明,约99.81%数据的误差在[-1,1]μm。结论基于Matlab的BP神经网络预测模型实现了角膜基质切削厚度与球镜度数、柱镜度数、角膜曲率半径以及微透镜直径等参数间的非线性关系描述,通过调用该模型能准确预测角膜基质切削厚度并计算剩余角膜基质厚度,可为SMILE手术相关参数提供依据,进而提高SMILE手术的诊疗效率。; 汤福南杨春花张可竺明月张晖汪缨袁冬青; 关键词：BP神经网络

医科达Axesse医用直线加速器日常维护与保养被引量：10: 2018年; 0引言医用电子直线加速器是生物医学上一种用来对肿瘤进行放射治疗的粒子加速装置,利用微波电磁场将电子沿直线轨道加速,利用电离辐射来治疗肿瘤,对于鼻咽癌、扁桃体癌、喉癌以及前列腺癌等疗效较好.; 孙小磊汪缨张晖何伟; 关键词：多叶准直器

一种基于BP神经网络模型的SMILE手术参数预测方法: 本发明公开一种基于BP神经网络模型的SMILE手术参数预测方法，包括如下步骤：步骤1：选定模型训练阶段的输入值和期望输出值，步骤2：构建BP神经网络模型；步骤3：训练模型；步骤4：选定模型应用阶段的输入值和输出值；步骤5...; 袁冬青汤福南杨春花张晖汪缨刘庆淮; 文献传递

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

张晖