检索结果-南通市图书馆

结合生活情境的论证式教学策略在乡村中学的应用——以“呼吸运动”为例

在线全文

学校读者我要写书评

暂无评论

生物学通报 2024年第1期59卷 64-66页

作者：金一禾陈文荣浙江师范大学生命科学学院浙江金华321004 崇左市龙州县高级中学广西崇左532499

论证式教学有利于学生能力和思维的培养,但在乡村中学,这类前沿教学策略尚未得到有效开展。本文以“呼吸运动”一课为例,依据乡村环境和乡村学生特点,结合生活情境制订适合乡村学生的论证式教学策略,并通过优化教材实验与创新设计呼吸... 详细信息

论证式教学有利于学生能力和思维的培养,但在乡村中学,这类前沿教学策略尚未得到有效开展。本文以“呼吸运动”一课为例,依据乡村环境和乡村学生特点,结合生活情境制订适合乡村学生的论证式教学策略,并通过优化教材实验与创新设计呼吸运动模型,探索在乡村中学实施论证式教学存在的问题与可能性。

关键词：论证式教学情境教学呼吸运动初中生物学

核心素养背景下教学设计初探——以“探究人体的呼吸运动”为例

在线全文

学校读者我要写书评

暂无评论

中学生物教学 2024年第18期 44-46页

作者：杨星儿吴晓霞扬州大学生物科学与技术学院江苏省常熟市昆承中学

以初中生物学“探究人体的呼吸运动”一课为例,将探究问题作为驱动,以学生活动为依托展开探究,帮助学生在学习和探究的基础上形成生命观念,养成科学思维能力,并乐于解决生活情境中的生物学问题,从而有效达成课程标准提出的“四大核心素... 详细信息

以初中生物学“探究人体的呼吸运动”一课为例,将探究问题作为驱动,以学生活动为依托展开探究,帮助学生在学习和探究的基础上形成生命观念,养成科学思维能力,并乐于解决生活情境中的生物学问题,从而有效达成课程标准提出的“四大核心素养”和“五大目标要求”的课程目标。

关键词：探究实践初中生物学呼吸运动核心素养

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于顺序嵌入结合关联嵌入的呼吸运动预测

南方医科大学学报 2022年第12期42卷 1858-1866页

作者：张昆鹏于佳弘靳爽苏哲徐晓桐张华南方医科大学生物医学工程学院广东广州510515 南方医科大学广东省医学图像处理重点实验室广东广州510515 南方医科大学广东省医学影像与诊断技术工程实验室广东广州510515

目的提出一个深度学习模型实现呼吸运动各个方向一体化的建模预测。方法将不同方向的呼吸运动信号分别输入由LSTM组成的顺序嵌入层去捕获历史运动状态的顺序依赖,得到顺序嵌入表示。顺序嵌入表示通过自注意力机制实现各个方向的关联嵌入... 详细信息

目的提出一个深度学习模型实现呼吸运动各个方向一体化的建模预测。方法将不同方向的呼吸运动信号分别输入由LSTM组成的顺序嵌入层去捕获历史运动状态的顺序依赖,得到顺序嵌入表示。顺序嵌入表示通过自注意力机制实现各个方向的关联嵌入,得到关联嵌入表示。将顺序嵌入表示和关联嵌入表示进行拼接输入由全连接神经网络组成的预测层生成非线性预测分量,并于平行于上述结构的自回归模块生成的线性预测分量相加生成最终的预测。模型的训练采用“预训练+微调”的模式。在我们的实验中,304例呼吸运动轨迹被使用进行模型预训练,7例测评样本被使用进行模型的测试。结果所提出预测模型相比于其他比较方法取得更准确的预测效果,在7例测评样本不同延迟时间上的3D方向绝对偏差减小平均达70%以上。结论提出模型在解决精准放疗过程中的系统延迟问题有很大的应用价值,能提供精准的位置预测。

关键词：放射治疗呼吸运动深度学习顺序嵌入关联嵌入

基于主成分分析模型的肝双模超声造影改良呼吸运动校正法

在线全文

学校读者我要写书评

暂无评论

中国医学影像技术 2022年第2期38卷 280-285页

作者：王薇张冀武汉大学中南医院综合超声科湖北武汉430070 武汉大学中南医院医学影像科湖北武汉430070

目的提出基于主成分分析(PCA)模型的改良呼吸运动校正法用于肝双模超声造影(CEUS)图像,并观察其应用价值。方法纳入11例肝内肿瘤患者,采集肝肿瘤CEUS图像,将所获肝内肿瘤CEUS视频转换为图像序列,基于灰阶子图像序列建立PCA模型,以其主... 详细信息

目的提出基于主成分分析(PCA)模型的改良呼吸运动校正法用于肝双模超声造影(CEUS)图像,并观察其应用价值。方法纳入11例肝内肿瘤患者,采集肝肿瘤CEUS图像,将所获肝内肿瘤CEUS视频转换为图像序列,基于灰阶子图像序列建立PCA模型,以其主成分合成最佳呼吸运动曲线;选取CEUS峰期段与呼吸曲线均值相位处最近的图像作为参照图,并于呼吸周期间隔内选取与参照图相位处最近的图像作为校正后的灰阶图像序列;观察校正前、后图像质量,分析改良呼吸运动校正法的价值。结果校正后,从CEUS图像序列ROI中提取的时间-强度曲线(TIC)较校正前更为平滑,且图像序列平均图像结构相似度(MSSIM)和平均相关系数(MCC)均明显大于校正前(P均呼吸运动校正法无需参数即可选择参照图,用于肝双模CEUS图像序列具有一定价值。

关键词：肝肿瘤主成分分析呼吸运动运动校正超声检查

呼吸运动对TOMO放射治疗靶区剂量分布的影响

在线全文

学校读者我要写书评

暂无评论

中国辐射卫生 2022年第4期31卷 413-417页

作者：程咸勇李鹏宋钢卢峰山东省职业卫生与职业病防治研究院山东济南250062 济宁市疾病预防控制中心山东济宁272008 山东省医学科学院放射医学研究所山东济南250062

目的了解呼吸运动对TOMO靶区剂量分布造成的影响。方法使用运动模体模拟人体呼吸运动。使用SNC Patient分析软件将研究组胶片与对照组胶片进行比较,通过“通过率”指标评价呼吸运动对TOMO靶区剂量分布造成的影响。结果肉眼即可观察到有... 详细信息

目的了解呼吸运动对TOMO靶区剂量分布造成的影响。方法使用运动模体模拟人体呼吸运动。使用SNC Patient分析软件将研究组胶片与对照组胶片进行比较,通过“通过率”指标评价呼吸运动对TOMO靶区剂量分布造成的影响。结果肉眼即可观察到有、无呼吸运动时胶片灰度在头-脚方向(即运动方向)上的分布存在不同;胶片分析得到的无呼吸运动时靶区包绕曲线宽度与治疗计划值最大偏差约2.4 mm,有呼吸运动时靶区包绕曲线宽度与治疗计划值最大偏差约27.2 mm;无呼吸运动时靶区半影宽度为31 mm(头方向)、28.5 mm(脚方向),有呼吸运动时靶区半影宽度为39.7 mm(头方向)、37 mm(脚方向);靶区剂量分布“通过率”仅为12.3%。结论呼吸运动在运动方向上对TOMO靶区剂量分布造成的影响较大,临床制定治疗计划时呼吸运动对TOMO靶区剂量分布的影响不容忽视。

关键词：呼吸运动剂量运动模体胶片

呼吸运动对肺癌患者三维适形调强放疗肿瘤靶区体积的影响

在线全文

学校读者我要写书评

暂无评论

现代肿瘤医学 2022年第14期30卷 2609-2612页

作者：李毅李芳李宇星苏王辉何赟西安交通大学第二附属医院陕西西安710004

目的:探讨肺癌患者采用三维适形调强放疗过程中呼吸运动对肿瘤靶区体积的影响。方法:选择原发性非小细胞肺癌患者30例,均为我院2016年02月至2017年02月收治,行三维适形调强放疗,应用Eclipse 13.6版本治疗计划系统分析呼吸运动对肿瘤靶... 详细信息

目的:探讨肺癌患者采用三维适形调强放疗过程中呼吸运动对肿瘤靶区体积的影响。方法:选择原发性非小细胞肺癌患者30例,均为我院2016年02月至2017年02月收治,行三维适形调强放疗,应用Eclipse 13.6版本治疗计划系统分析呼吸运动对肿瘤靶区体积和位置的影响。结果:对比肿瘤靶区在融合图像下与平静呼吸状态下的体积、融合图像下与诊断图像下的体积、平静呼吸状态下与诊断图像下的体积,不同部位病灶间均具有统计学差异(P呼吸运动可引发肿瘤靶区体积上的改变,且伴中心坐标移位,对肿瘤靶区进行勾画时,需充分对其影响进行考虑。

关键词：呼吸运动肺癌三维适形调强放疗肿瘤靶区影响

在线全文

学校读者我要写书评

暂无评论

呼吸运动对肺部SBRT剂量分布的影响研究

呼吸运动对肺部SBRT剂量分布的影响研究

作者：季茹安徽医科大学

学位级别：硕士

体部立体定向放射治疗目前被广泛应用于非小细胞肺癌的放射治疗中,与常规放射治疗相比,其具有少分次数、大分割剂量的特点,因此其对于加速器机械的精度及放射治疗准确性的要求更高。本文围绕肺癌SBRT主要做了下面几个方面的研究:（1）基... 详细信息

体部立体定向放射治疗目前被广泛应用于非小细胞肺癌的放射治疗中,与常规放射治疗相比,其具有少分次数、大分割剂量的特点,因此其对于加速器机械的精度及放射治疗准确性的要求更高。本文围绕肺癌SBRT主要做了下面几个方面的研究:（1）基于RIT113软件验证加速器等中心精度的可行性研究。使用基于EPID的Wisnton-Lutz实验,通过引入已知位移和反复测量测试该软件验证加速器等中心精度的准确性和重复性。实验结果表明该软件能较好的测量出引入的位移,并且具有良好的重复性。该软件可用于加速器等中心精度的测量,为临床验证加速器等中心精度提供了一种方法,同时确保了后续实验的准确性。（2）呼吸运动对肺癌靶区大小及剂量分布的影响。使用Quasar呼吸运动模体进行端对端的实验,研究呼吸幅度和呼吸周期不同的六条呼吸曲线。比较基于3DCT和基于4D-CT方法勾画靶区大小,发现基于3D-CT图像靶区勾画方法明显低估实际肿瘤的运动范围。基于4D-CT全时相靶区勾画方法最接近实际肿瘤的运动范围,基于最大密度投影和平均密度投影靶区勾画均低估肿瘤运送的范围,但最大密度投影更接近实际肿瘤的运动范围,在临床可使用基于最大密度投影勾画方法勾画靶区减轻工作量。对基于4D-CT全时相勾画的靶区制定剂量模式和剂量率不同的三个计划,在有呼吸运动（动态测量）和没有呼吸运动（静态测量）情况下测量剂量分布,并将测得的结果与计划系统计算的结果进行比较。静态测量结果与计划系统一致性良好,动态测量结果如下:不同呼吸周期、能量模式及剂量率在冠状面中心轴profile、100%处方剂量宽度及伽马通过率上没有明显差异,呼吸幅度越大,伽马通过率越低,在头脚方向上存在明显的剂量缺失。（3）呼吸门控的使用对肺癌靶区大小及剂量分布的影响。在研究内容（2）的基础上进行呼吸门控实验。选取30%-60%呼吸时相进行呼吸门控治疗,在勾画靶区时,只在30%-60%呼吸时相上进行靶区勾画,再融合形成内靶区。实验结果表明,靶区范围明显小于基于呼吸全时相方法勾画靶区的运动范围。同样对每个靶区制定三个计划,然后在有呼吸运动（门控测量）和没有呼吸运动（静态测量）情况下进行计划测量。对于幅度为1cm的呼吸运动,静态测量和门控测量结果相当,伽马通过率没有统计学差异;对于幅度为2cm的呼吸运动,即使使用呼吸门控技术在靶区头脚方向上仍能看到靶区边缘剂量缺失。与研究内容（2）未使用呼吸门控技术相比,呼吸门控技术对靶区剂量分布有所改善。在肺癌的立体定向放射治疗中,呼吸运动是影响靶区剂量分布准确性的主要原因,对呼吸幅度较大的靶区应采取相应的呼吸控制方法。

关键词：肺癌体部立体定向放疗呼吸运动呼吸门控技术

利用Informer深度学习网络预测呼吸运动

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

中华放射医学与防护杂志 2023年第7期43卷 513-517页

作者：晋國棟刘宇翔杨碧凝魏然陈辛元梁晓坤全红门阔戴建荣武汉大学物理科学与技术学院武汉430072 国家癌症中心国家肿瘤临床医学研究中心中国医学科学院北京协和医学院肿瘤医院北京100021 中国科学院深圳先进技术研究院深圳518055

目的研究时间序列深度学习方法预测呼吸运动。方法纳入肺癌患者的呼吸运动数据80例,将每一例呼吸运动数据按8∶2的比例划分为训练集和测试集,深度学习采用Informer网络,预测约600 ms延迟的呼吸运动,采用归一化均方根误差(nRMSE)和相对... 详细信息

目的研究时间序列深度学习方法预测呼吸运动。方法纳入肺癌患者的呼吸运动数据80例,将每一例呼吸运动数据按8∶2的比例划分为训练集和测试集,深度学习采用Informer网络,预测约600 ms延迟的呼吸运动,采用归一化均方根误差(nRMSE)和相对均方根误差(rRMSE)评估模型性能。结果Informer的整体效果优于常规的多层感知器(MLP)和长短期记忆(LSTM)模型。在423 ms的预测时间下,Informer模型的平均nRMSE和rRMSE分别为0.270和0.365;在615 ms的预测时间下,平均nRMSE和rRMSE分别为0.380和0.379。结论采用的Informer模型在预测时间较长时有较好的效果,对提高实时跟踪技术的效果具有潜在应用价值。

关键词：呼吸运动深度学习时间序列预测

基于CNN-LSTM的胸腹表面呼吸运动预测研究

在线全文

学校读者我要写书评

暂无评论

基于CNN-LSTM的胸腹表面呼吸运动预测研究

作者：朱梦雨哈尔滨理工大学

学位级别：硕士

在对胸腹部肿瘤进行放射治疗的过程中,胸腹部的器官组织会随着呼吸运动而不断变化位置。最终呼吸运动导致肿瘤移出放射靶区或者健康组织进入放射靶区,从而影响放射治疗的精度。预测呼吸运动,获得肿瘤实时位置信息,是实现动态跟踪放疗提... 详细信息

在对胸腹部肿瘤进行放射治疗的过程中,胸腹部的器官组织会随着呼吸运动而不断变化位置。最终呼吸运动导致肿瘤移出放射靶区或者健康组织进入放射靶区,从而影响放射治疗的精度。预测呼吸运动,获得肿瘤实时位置信息,是实现动态跟踪放疗提高放疗效果的有效手段。目前呼吸运动预测研究主要有模型预测算法和无模型预测算法。模型算法需要事先对模型进行假设和评估,由于模型的参数固定不变,不能根据呼吸运动的改变而调整,导致预测结果与实际呼吸运动误差较大。无模型算法不需要提前知道呼吸运动的变化规律,能够根据呼吸运动自动调节参数,精度得到提高。为了进一步提高预测精度,提出了一种基于CNN-LSTM的胸腹表面呼吸运动预测方法,主要研究内容如下:呼吸信号采集与预处理。首先选取FASTRAK搭建胸腹表面呼吸运动数据采集装置,并采集300组的呼吸运动数据,然后对数据进行预处理,采用箱型图方法去除数据中的脉冲噪声,使用S-G平滑滤波器对数据进行平滑去噪处理,划分处理后的数据集。将CNN与LSTM相结合,搭建CNN-LSTM呼吸运动预测模型。首先分别介绍CNN网络和LSTM网络的基本原理;然后搭建CNN-LSTM呼吸预测模型,将预处理后的数据切分成固定大小的样本,调整呼吸数据的空间结构作为CNN层输入,利用CNN网络提取呼吸信号三维坐标的特征信息和时序特征,囊括呼吸运动信号的全局特征;利用LSTM网络对特征信息进行建模、分类,挖掘到呼吸运动信号中更深的时序特征,实时预测呼吸运动,提高呼吸运动预测精度。训练CNN-LSTM呼吸运动预测模型。首先制定模型训练策略,包括配置开发环境,制定训练流程;然后选择模型参数,选择Re LU函数作为激活函数,选择均方误差作为损失函数,选择Adam作为参数优化器,选择Dropout方法进行正则化;最后基于网络搜索法模型调参并确定模型参数。完成预测实验。首先确定均方根误差RMSE和平均绝对百分误差MAPE作为呼吸运动预测的评价指标;然后将基于论文方法与未加入CNN的LSTM方法、BP神经网络、支持向量回归以及高斯过程回归的预测结果进行对比,对比结果为:论文方法的预测结果RMSE平均值为0.0218mm,MAPE的平均值为0.2052mm,均小于其他四种预测算法模型,证明论文提出的基于CNN-LSTM预测模型可以提高呼吸运动预测精度。

关键词：胸腹部肿瘤放疗呼吸运动预测 CNN LSTM