森林小班是准确标示到图上的基本区划单位,是森林资源二类调查统计和经营管理的基本单位。在森林地图采集与处理过程中,由于数据来源、采集方式、采集批次及林地类型的不同,采用分层的方式存储数据。而在实际制图过程中,往往需要对森林...森林小班是准确标示到图上的基本区划单位,是森林资源二类调查统计和经营管理的基本单位。在森林地图采集与处理过程中,由于数据来源、采集方式、采集批次及林地类型的不同,采用分层的方式存储数据。而在实际制图过程中,往往需要对森林小班进行跨图层统一编号。传统森林小班编号工作人工参与度高,存在主观性强、效率低,易出现错误、漏号、重号等现象。为提高森林小班编号的效率和准确率,基于ArcGIS Model Builder设计了可嵌入在ArcGIS Desktop运行的符合ESRI空间建模标准的通用模型,实现了在不破坏原图层属性和几何结构情况下跨图层森林小班自动编号功能,解决了南北延伸较长和面积相差较大的小班编号在视觉上的跳跃问题、岛洞型小班的编号重复问题。通过案例数据测试,效果良好,有效提高了工作质量和效率,避免了森林小班编号过程中产生错误、漏号、重号现象,即准确、快捷、高效,还节省大量时间和人力投入,随着数据量的增加,效率提升更明显,有着良好的推广意义。展开更多
目的探讨磁共振动态对比增强(dynamic contrast enhanced magnetic resonance imaging,DCE-MRI)的不同后处理模型[Tissue-4D和Omni-Kinetics(OK)软件]在鉴别脑胶质瘤不同级别中的价值。方法收集本院2013年1月至2019年7月共89例经术后病...目的探讨磁共振动态对比增强(dynamic contrast enhanced magnetic resonance imaging,DCE-MRI)的不同后处理模型[Tissue-4D和Omni-Kinetics(OK)软件]在鉴别脑胶质瘤不同级别中的价值。方法收集本院2013年1月至2019年7月共89例经术后病理证实的胶质瘤患者,其中Ⅱ级29例、Ⅲ级24例、Ⅳ级36例。患者均于术前行DCE-MRI检查,分别用Tissue-4D及OK后处理软件获得相应参数值。运用单因素方差分析比较不同级别胶质瘤参数差异,Spearman等级相关分析不同参数与胶质瘤分级的相关性,受试者工作特征(receiver operating characteristic,ROC)曲线分析各参数的曲线下面积(area under the curve,AUC)。结果两种后处理模型热点分析的Ktrans值、Tissue-4D的iAUC值和OK的Vp值在不同级别胶质瘤间差异均有统计学意义(P<0.05),Ⅳ级胶质瘤的Kep值低于Ⅱ级(P<0.05),Ⅳ级和Ⅲ级胶质瘤的Ve值高于Ⅱ级(P<0.05)。Ktrans参数AUC值为0.949(Ⅱ级vsⅣ级,P<0.01),诊断效能最高。Ktrans(OK)与胶质瘤级别之间相关性最强(r=0.775,P<0.01)。OK软件直方图参数,Ktrans值的第50百分位数(50th),Ve值的平均值、第75百分位数(75th)、第90百分位数(90th),Kep值的平均值、熵、50th及Vp值的平均值在鉴别Ⅱ级与Ⅲ级、Ⅱ级与Ⅳ级间差异均具有统计学意义(P<0.05),Vp值的能量、熵、50th、75th、90th及Kep值的能量,在鉴别Ⅱ级与Ⅳ级、Ⅲ级与Ⅳ级间的差异均具有统计学意义(P<0.05)。结论两种模型热点分析的Ktrans值及Ve值对胶质瘤分级均有较高的诊断效能,OK软件中直方图分析较热点分析参数更丰富、更全面。展开更多
文摘森林小班是准确标示到图上的基本区划单位,是森林资源二类调查统计和经营管理的基本单位。在森林地图采集与处理过程中,由于数据来源、采集方式、采集批次及林地类型的不同,采用分层的方式存储数据。而在实际制图过程中,往往需要对森林小班进行跨图层统一编号。传统森林小班编号工作人工参与度高,存在主观性强、效率低,易出现错误、漏号、重号等现象。为提高森林小班编号的效率和准确率,基于ArcGIS Model Builder设计了可嵌入在ArcGIS Desktop运行的符合ESRI空间建模标准的通用模型,实现了在不破坏原图层属性和几何结构情况下跨图层森林小班自动编号功能,解决了南北延伸较长和面积相差较大的小班编号在视觉上的跳跃问题、岛洞型小班的编号重复问题。通过案例数据测试,效果良好,有效提高了工作质量和效率,避免了森林小班编号过程中产生错误、漏号、重号现象,即准确、快捷、高效,还节省大量时间和人力投入,随着数据量的增加,效率提升更明显,有着良好的推广意义。
文摘目的探讨磁共振动态对比增强(dynamic contrast enhanced magnetic resonance imaging,DCE-MRI)的不同后处理模型[Tissue-4D和Omni-Kinetics(OK)软件]在鉴别脑胶质瘤不同级别中的价值。方法收集本院2013年1月至2019年7月共89例经术后病理证实的胶质瘤患者,其中Ⅱ级29例、Ⅲ级24例、Ⅳ级36例。患者均于术前行DCE-MRI检查,分别用Tissue-4D及OK后处理软件获得相应参数值。运用单因素方差分析比较不同级别胶质瘤参数差异,Spearman等级相关分析不同参数与胶质瘤分级的相关性,受试者工作特征(receiver operating characteristic,ROC)曲线分析各参数的曲线下面积(area under the curve,AUC)。结果两种后处理模型热点分析的Ktrans值、Tissue-4D的iAUC值和OK的Vp值在不同级别胶质瘤间差异均有统计学意义(P<0.05),Ⅳ级胶质瘤的Kep值低于Ⅱ级(P<0.05),Ⅳ级和Ⅲ级胶质瘤的Ve值高于Ⅱ级(P<0.05)。Ktrans参数AUC值为0.949(Ⅱ级vsⅣ级,P<0.01),诊断效能最高。Ktrans(OK)与胶质瘤级别之间相关性最强(r=0.775,P<0.01)。OK软件直方图参数,Ktrans值的第50百分位数(50th),Ve值的平均值、第75百分位数(75th)、第90百分位数(90th),Kep值的平均值、熵、50th及Vp值的平均值在鉴别Ⅱ级与Ⅲ级、Ⅱ级与Ⅳ级间差异均具有统计学意义(P<0.05),Vp值的能量、熵、50th、75th、90th及Kep值的能量,在鉴别Ⅱ级与Ⅳ级、Ⅲ级与Ⅳ级间的差异均具有统计学意义(P<0.05)。结论两种模型热点分析的Ktrans值及Ve值对胶质瘤分级均有较高的诊断效能,OK软件中直方图分析较热点分析参数更丰富、更全面。
