-
题名左心室局部室壁异常与脑梗死复发的相关性分析
被引量：1
- 1
-
-
作者
李宝芸
马成龙
王鹏
李少辉
-
机构
宝鸡市中心医院功能科
汉中市人民医院重症医学科
-
出处
《临床误诊误治》
2020年第3期107-111,共5页
-
基金
陕西省社会发展科技攻关项目(2015SF056)。
-
文摘
目的分析左心室局部室壁异常与脑梗死复发的相关性。方法选择2017年1—10月收治的脑梗死215例,入院后均予相应治疗,随访18个月,根据脑梗死有无复发,分为脑梗死复发组(复发组,n=50)与脑梗死未复发组(未复发组,n=165)。所有患者均于确诊脑梗死24 h内行超声心动图检查,并检测脑利钠肽(brain natriuretic peptide,BNP)、血压及血生化相关指标水平,分析影响脑梗死复发的相关因素。结果与未复发组比较,复发组收缩压、舒张压、甘油三酯、低密度脂蛋白胆固醇水平显著升高,BNP、左心室心肌重量指数水平上升,左心室后壁厚度、室间隔厚度及主动脉根部内径增大,每搏输出量、心输出量、左心室射血分数及二尖瓣口舒张早期血流峰值速度与二尖瓣口舒张晚期血流峰值速度的比值降低,且BNP水平上升、左心室后壁增厚、室间隔增厚的发生率升高,差异有统计学意义(P<0.05或P<0.01)。多因素logistic回归分析显示,BNP水平上升、左心室后壁增厚、室间隔增厚是脑梗死复发的独立危险因素(P<0.01)。受试者工作特征曲线分析显示,室间隔厚度预测脑梗死复发的曲线下面积最大、敏感度最高,左心室后壁厚度预测脑梗死复发的特异度最高。结论左心室局部室壁异常与脑梗死复发关系密切,可将左心室后壁厚度、室间隔厚度作为脑梗死复发的预测指标。
-
关键词
脑梗死
疾病复发
左心室心肌重量指数
每搏输出量
利钠肽
脑
室间隔
-
Keywords
Cerebral infarction
Recurrence
Left ventricular myocardial mass index
Stroke volume
Natriuretic peptide
brain
Ventricular septum
-
分类号
R743.33
[医药卫生—神经病学与精神病学]
-
-
题名基于OTSU和Canny算子的红外图像特征提取
被引量：18
- 2
-
-
作者
李宝芸
范玉刚
高阳
-
机构
昆明理工大学信息工程与自动化学院
云南省矿物管道输送工程技术研究中心
-
出处
《陕西理工大学学报（自然科学版）》
2019年第6期33-40,共8页
-
文摘
由于红外图像背景复杂、分辨率低等因素,在利用涡流红外热成像技术检测金属材料裂纹缺陷时,会导致红外图像裂纹缺陷区域模糊。为解决这一问题,提出一种基于大津法(OTSU)和Canny算子相结合的红外图像特征提取方法,用于解决红外图像分割、特征增强和裂纹缺陷区域边缘特征提取等问题。首先对获取的红外图像进行降噪处理,增强图像中的特征信息;然后用OTSU算法将裂纹区域从背景区域分离出来,并用Canny算子提取裂纹区域的边缘,最终获得裂纹边缘的周长和面积等特征信息。实验结果表明,该方法能准确定位红外图像裂纹区域,提取红外图像裂纹边缘特征信息。
-
关键词
大津法
CANNY算子
红外图像
边缘提取
特征提取
-
Keywords
OTSU algorithm
Canny operator
infrared image
edge extraction
feature extraction
-
分类号
TP751.1
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于脉冲涡流热成像的铁磁性构件缺陷检测
- 3
-
-
作者
高阳
范玉刚
杨明莉
李宝芸
吴涛
-
机构
昆明理工大学信息工程与自动化学院
云南省矿物管道输送工程技术研究中心
-
出处
《陕西理工大学学报（自然科学版）》
2020年第1期34-40,共7页
-
基金
国家自然科学基金资助项目(61741310)
-
文摘
针对铁磁性构件损伤探测问题,提出了二维大津法(Ostu)与多尺度形态学梯度边缘检测相结合的方法,该方法基于脉冲涡流热成像的缺陷无损检测技术,处理分析红外图像,得到缺陷边缘特征,用于监测铁磁性构件的健康状态。首先利用脉冲涡流热成像装置对铁磁性构件加热,并使用红外热像仪摄取红外图像;然后利用二维Ostu算法对获得的红外图像进行分割,得到二值缺陷区域,并对其进行连通性计算,从而得到涡流线圈内缺陷区域,提取裂纹缺陷;最后对所得裂纹缺陷进行多尺度形态学梯度边缘检测,并运用物象关系,测量缺陷几何尺寸。构件缺陷试验证明该方法对缺陷边缘检测效果良好,实现了铁磁性构件缺陷的无损检测。
-
关键词
脉冲涡流热成像
大津法
多尺度形态学
缺陷检测
-
Keywords
pulsed eddy current thermography
Ostu
multiscale morphology
defect detection
-
分类号
TP391.413
[自动化与计算机技术—计算机应用技术]
TH165.3
[机械工程—机械制造及自动化]
-
