以新理念写就医院发展新篇章——记全国五一劳动奖章获得者、邯郸市中心医院党委书记、院长要跟东

时代造就英雄,楷模书写历史。作为中国超声医学工程学会理事、中华医院管理学会功能检查专业常务理事、知名彩超专家、河北省五一劳动奖章、全国五一劳动奖章获得者,要跟东同志在自己的工作岗位上,默默奉献、求真务实、爱岗敬业、精     

双源超声雾化热解喷涂仪研制

单源超声雾化室实验系统在制备掺杂薄膜时,由于制备前驱源溶液与掺杂溶液混合在同一个雾化室,几种不同的溶液之间相互影响,对制备高质量的掺杂薄膜非常不利;同时单源超声雾化室的沉积速度较慢,不利于向工业化方向转化;双源超声雾化室避免了在制备掺杂薄膜时掺杂溶液和源溶液混合而互相污染的弊病,从根本上解决了单源超声雾化热喷涂法制备掺杂薄膜存在的问题;同时衬底取向朝下,采用竖直向上的供料方式沉积薄膜,利用重力直接筛选大雾滴,沉积薄膜的雾滴粒径分布更加集中。     

实时三维超声心动图评价冠脉介入术后左室收缩功能变化

应用实时三维超声心动图评价冠心病患者经皮冠状动脉介入术(PCI)后左室收缩功能的变化。研究对象分为两组,正常组14例为冠脉造影无异常发现者,冠心病组49例行冠脉内支架治疗。所有患者均于术前及术后14天行实时三维超声检查,测得左室收缩末容积(LVESV)、左室舒张末容积(LVEDV)及左室射血分数(LVEF)。结果,正常组术前与术后LVESV、LVEDV及LVEF差异无统计学意义;冠心病组术后LVESV、LVEDV显著小于术前(P<0.001),LVEF显著高于术前(P<0.001)。结果表明,实时三维超声心动图能准确评价左室收缩功能,冠心病患者PCI后左室收缩功能明显改善。     

超声吹脱法处理氨氮废水的应用

针对某炼钒企业废水回用过程中,氨氮不断富集,影响产品质量的问题,采用超声吹脱法对氨氮废水进行处理后,氨氮浓度小于15 mg/L,废水全部回用生产,不外排,消除了环境污染的隐患.     

脉冲激光透过散射介质再聚焦及其影响因素

搭建了基于液晶空间光调制器和CCD反馈探测系统的相位补偿聚焦光路。通过双路信号发生器产生两路TTL信号分别触发控制CCD的开启和激光脉冲输出,调节两路信号之间的延时,实现了对目标区域光强信号的同步采集。通过自编的LabVIEW程序控制CCD光强信号读取和空间光调制器的随机相位图加载,组成一套闭环的自适应控制系统,通过遗传算法迭代搜寻最优化的补偿相位分布。利用空间光调制器加载这一最优化的相位分布,补偿散射介质导致的相位畸变,使得散射光束相位一致,在目标区域发生相长干涉,实现了散射光束的再聚焦。实验发现,激光输出模式和相干性对光场相位调控聚焦效果影响显著,利用腔内选模和空间滤波技术提高光源相干性后,聚焦效率显著提高,实现了光强增强因子为120倍的高质量散射光束再聚焦。     

基于HPS的教学设计——以“原子核式结构”为例

针对新教材将物理学史、人文史、科学哲学等内容以引言、课后阅读等方式穿插在相关章节中,提出引入HPS教学模式,并以“原子核式结构”为例,谈如何基于HPS教学模式进行教学设计。     

UBDR-FB:一种针对脂肪型乳腺超声大数据识别方法

目的:新疆地区女性多为脂肪型乳腺,B超回声影像具有很强的特殊性,当前国内外的深度学习模型识别率偏低。方法:为提升新疆地区乳腺超声影像的识别精确度,提升辅助诊断效果,本文提出了一种基于U-Net网络的超声乳腺肿瘤的分割方法UBDR-FB(ultrasound big data recognition for fatty breast)。UBDR-FB包含编码和解码两部分,在编码的过程中,UBDR-FB利用下采样来捕获不同分辨率的病理图像的特征信息;在解码的过程中,对特征信息进行上采样融合至初始像素。同时,UBDR-FB使用了跳跃连接方法以提高超声影像的识别效率。结果:本文收集了8430张新疆脂肪型乳腺超声影像,经过标准化处理后,利用UBDR-FB深度学习模型建立了具有新疆地域特征的超声模型。结果:UBDR-FB方法识别脂肪型乳腺规则病灶准确率均值为80%,最高可达92%。     

翻转课堂在浅表超声规范化培训中的初步探索

以案例导入式教学法（Case-based Learning,CBL）为基础的教学模式是我国目前住院医师规范化培训教育改革的主要方向之一,翻转课堂是信息技术和互联网时代实现高效学习的一种方式,二者有机结合应用于超声医学专业学位研究生住院医师规范化培训实践并全面规范带教管理,有助于明确研究生在规培带教过程中的主体地位,将理论课程讲授与模拟操作培训有机融合,对提升专业学位研究生超声实践课程的岗位胜任力和临床思维能力具有重要的实践意义。     

超声挤压轴类零件表面粗糙度预测模型分析

为实现对超声挤压轴类零件表面粗糙度的合理预测,采用多元回归法、MLP神经网络法以及支持向量机回归法进行预测分析研究。将模型预估时所得数值与实际检测值进行比较分析,结果表明：相比于其他学者借助径向基神经网络构建的模型,其预测的相对误差为5.2%;借助多元回归法构建的模型具有更高的预测准确度,其预测的平均相对误差最小,最小值为4.92%。该预测模型可以进行不同参数下零件表面粗糙度的预测。