模体材料论文（精选4篇）
模体材料论文 篇1
1 引言
医用直线加速器的绝对剂量校准也称“标定”或“刻度”，是放疗科肿瘤放射治疗质量保证和质量控制(quality assurance and quality control,QA&QC)的重要环节之一[1]，根据胡逸民教授主编的《肿瘤放射物理学》，对加速器产生的所有X射线与电子线，在特定条件下，测量cGy/MU(1 MU=1 cGy)的关系，允许精度为±2%[2]，也就是100 MU在标准测量条件下参考点吸收剂量Dw测量值必须在98～102 c Gy之间。本文结合本科室实际，探讨使用不同的模体材料如水、固体水校准加速器绝对剂量时，分析2组测量校准值的差异，指导科室绝对剂量校准的QA&QC工作。
2 材料与方法
2.1 设备
IBA公司生产的Dose1绝对剂量仪，Farmer FC65-G石墨指型电离室，电离室内半径3.1 mm，使用30 cm×30 cm×30 cm水箱，气压计，温度计;PTW公司生产的固体水模，厚度分别为l、2、5、10 mm的固体水模块若干，其大小均为20 cm×20 cm，其中包括带有电离室插孔的2 cm厚测量探头板1块，测量点深度为0.7 cm;测量加速器为Varian 21EX直线加速器，能量挡分别为6、15 MV X射线，6、9、12、16、20 MeV电子线。
2.2 测量方法
2.2.1 对X射线的测量条件
射野10 cm×10 cm,SSD=100 cm,MU=100,6 MV X线测量深度为5 cm,15 MV X线测量深度为10 cm，使用固体水模测量时6 MV X线需在测量探头板放置4.3 cm的固体水，15 MV X线需放置9.3 cm的固体水。
2.2.2 对高能电子线的测量条件
SSD=100 cm,MU=100，采用15×15限光筒，6、9 MeV电子线测量深度为1 cm,12、16、20 MeV电子线测量深度为2 cm，使用固体水模测量时，6、9 Me V需在测量探头板放置0.3 cm的固体水，12、16、20 Me V需放置1.3 cm的固体水。
读取温度、气压值，输入剂量仪，出束并读取Mout值，在校准点测得的读数需根据该能量射线的百分深度剂量曲线或百分深度量表反算至参考点处，取连续3次结果求平均值记录。
3 结果
Varian加速器热机2 h以上，保证剂量出束稳定性，剂量仪预热30 min以上，并自动检测本底进行本底修正。测量结果见表1。其中比对值=(固体水模结果-水结果)/水结果。
4 讨论
质量保证和质量控制工作是放射治疗效果的保证，而剂量监测系统的稳定与准确则是实现治疗疗效的重要条件之一[3]。目前国内放疗单位对加速器的绝对剂量检测多为每周1次，测量模体多为30 cm×30 cm×30 cm水模体，而固体水模相对于水模体，其测量更为简捷、省时。从表1可以看出，固体水模与水模体绝对剂量测量差值最大为5.6%，最小为0.1%，这主要与测量的有效测量点、固体水模有效厚度有关。
使用圆柱形电离室在水模体中校准绝对剂量时，其圆柱形电离室的有效测量点并非在它的几何中心上，对于加速器产生的高能X射线，其有效测量点向射线入射方向移动0.6 r,r为电离室内半径，而对于加速器产生的高能电子线，其有效测量点向射线入射方向移动1.5 r;对于一般常用的30 cm×30 cm×30 cm水模体，其水箱壁上的刻度线是以电离室的几何中心为起点，线间隔为1 cm，在其表面整数标尺上方均有0.6 r及0.5 r标识，保证了6 MV在5 cm处测量，15 MV在10 cm处测量，6、9 Me V在1 cm处测量，12、16、20 MeV在2 cm处测量;对于固体水模测量，单纯使用固体水模体厚度叠加，保证测量深度与水模体时相同，但此测量深度相同是以测量探头板为基础的，实际是测量所使用的探头板电离室插孔中心到测量面距离0.7 cm，未有0.6 r或0.5 r标识，既对于6 MV来说，固体水模测量实际深度相当于4.8 cm(FC 65-G,r=3.1 cm,0.6 r≈2 mm),5 cm处的PDD为84.58%，4.8 cm处的PDD为86.86%，相差2.7%，实际测量相差3.7%;加之固体水模的有效厚度比水小[4]，即测量误差在2%以内。而对于电子线的测量误差则主要是有效厚度的误差。
对于6、9 MeV在1 cm处测量，需在测量探头板放置0.3 cm的固体水，由1个1 mm和1个2 mm叠加组成;12、16、20 MeV需放置1.3 cm的固体水，由1个1 cm、1个1 mm和1个2 mm叠加组成;对于6 MeV和9 MeV测量厚度，中间有2个空气层，固体水模板并不能完全衔接，尤其是对于厚度较小的1 mm及2 mm厚固体水模，制造工艺要求更高，质量较小，衔接相对于1 cm厚的叠加误差会更大;加之电子射线独特的物理特性，即射线在到达参考深度时剂量最大，且有一平坦过程，而一过此区域后剂量突然下降，衰减梯度很快，一般不在超过平坦区外位置测量，但6 MeV和9 MeV校准点测量深度在1 cm处，实际6 MeV参考深度在1.5 cm处，9 MeV参考深度在2.2 cm处，即有一定的测量误差，所以6 MeV和9 MeV校准以在水模体中测量为准。而对于12、16、20 MeV的电子线，放置1.3 cm的固体水，1 cm的固体水模放置在上面，减少了空气层厚度，与水模体的测量误差随能量的增加逐渐减小。
综上所述，加速器在标准定标条件下的绝对剂量校准永远是放射治疗的基础和前提保证[5]。根据对加速器绝对剂量校准不同模体材料的剂量偏差的分析，在常规的治疗保证检验时(即绝对剂量校准)，可以使用固体水模代替水测量，提高测量效率;但仅限高能X射线和大于10 MeV的电子线，且每年至少有1次应在水模体中进行测量。
参考文献
[1]杨瑞峰,黄辉,何涛.Siemens primus E医用直线加速器的剂量校准[J].医疗卫生装备,2009,30(4):115-117.
[2]胡逸民.肿瘤放射物理学[M].北京:原子能出版社,1999:627.
[3]赵庆军,卜伟平,戴丹.医用直线加速器剂量检测系统重复性的检测与数据自动化分析处理[J].医疗卫生装备,2006,27(11):80.
[4]吴万全.对高能光子束输出剂量的测算[J].医用放射技术杂志,2007(7):23-25.
[5]胡杰,陶建民,张莹,等.直线加速器高能电子束剂量校准时应注意的若干问题及对策[J].中国医疗器械杂志,2010,34(2):94-96.
模体材料论文 篇2
一、“4R”课程模体下隐性课程资源的内 涵
1.隐性课程资源的内涵
广义的课程资源是指有利于实现课程目标的各种因素, 包括直接的因素和间接的因素;狭义的课程资源仅指形成课程的直接因素[1]。
隐性课程资源顾名思义是指那些以潜在的方式对教育教学活动施加影响的课程资源, 如价值观、校风、社会风气、学风、家庭氛围、师生关系等, 因其具有课程形态的隐含性、施加影响的陶治性、课程内容和实施方法的不确定性、社会适应功能的强制性以及对学生发展影响的持久性等特点, 可以说对于人的智力发展和非智力因素发展都起着不可忽视的作用[2]。与显形课程资源不同, 隐形课程资源的作用方式具有间接性和隐蔽性的特点, 它们不能构成教育教学的直接内容, 但是它们对教育教学活动的质量起着持久的潜移默化的影响[3]。
2.“4R”课程模体下隐性课程资源的内涵
隐性课程资源的开发对于“4R”课程模体的建构有着举足轻重的意义, 它可以扩展教学内容、改变学生地位、转变教师的观念。“4R”课程模体下的隐性课程资源是一种能够接受的丰富课程资源, 这种隐性课程资源观促使教师意识到课程资源包括教学中的“干扰”、有效的教学对话、教学情境等教材以外的文本性和非文本性课程资源。
二、隐性课程资源流失的表现
“4R”课程模体是由多尔在后现代主义课程观中提出来的, 这种课程模体具有丰富性、回归性、关联性和严密性的特征。“4R”课程模体强调自身的全面性和开放型, 这就为“4R”课程模体下隐性课程资源的开发提供了可能。而在当前的课程资源中, 隐性课程资源却处于十分尴尬的境地, 这主要表现在以下几个方面。
1.对教学中出现的“干扰”处理不当
“4R”课程模体是一种开放的系统, 后现代主义认为, 过程———尤其是自组织过程———是后现代转变性教育学的根本要素[4]。自组织系统的展开需要“干扰”的刺激。“干扰”课程资源就是存在于课堂教学过程中的随时、随机、动态的活动信息, 它承载了课堂进程中的经验、感受、见解、问题、困惑等。
在“4R”课程模体中“干扰”是一种重要的隐性课程资源, 在这里它主要包括教学中的问题和意外。学生在学习过程中因思考和疑问而提出的问题有时会给教师带来一些超出备课范畴的“意外”, 每个教师在课堂上都会不可避免地遇到这些突如其来的“意外”, 如何恰当处理它们成为教师们共同面对的问题[5]。然而在现实的教学中, 教师面对这些教学中的意外也总是束手无策, 甚至感到恐惧, 没有认识到这些“干扰”是不能提前规划、算计和回避的, 更不用说对这些隐性资源进行开发了。教师在教学中不能捕捉教学契机, 也不能对自己的教学行为进行调整。
教师在教学过程中缺乏对教学中存在问题的认识, 解决问题前总会让学生作好充分的知识准备, 给出的问题条件是完备的, 在解决这类问题时学生并不需要多少思考, 因而学生在面临具体意外问题时总是束手无策, 教师在面对那些准备之外的问题时也总是惊慌失措。
2.对教学情境的忽视
“4R”课程模体并非只有教师参与, 它还涉及很多其他因素, 我们把这些因素统称为教学情境。对教学情境的忽视首先表现为情境意识的缺失, “情境意识”是根据“课程意识”而引申出来的一个词语, 它是指教师能根据教学情境灵活作出反应[6]。教学过程中, 大多教师认为教学情境是预设的, 很少意识到“4R”课程模体下课程资源的不确定性及课程资源是存在于教师与学生、学生与学生的一定情境之中的。
不少教师对教学情境的认识比较模糊, 不能创设开放的教学情境, 打击了学生的学习兴趣, 学生课堂参与度低下, 从而影响了“4R”课程模体下隐性课程资源的开发和利用。这主要表现在:一方面, 把教学情境等同于上课的开头导入, 没有认识到教学情境不只存在于课堂教学的伊始, 而应充满整个课堂教学;另一方面, 把教学情境等同于教学场景。这样, 教学情境就在无形中流失, 不仅没有为我们的课堂教学服务, 反而分散了学生的注意力。
3.教学中有效对话的缺失
在以往的课程模体中, 教师是教学的主体, 是教学活动中的主导, 学生是教学活动的跟随者。教学不是为学生服务, 而是学生配合教师教学的进行, 这种配合有时甚至不是自愿的配合, 而是被动的配合。教学过程中的对话缺乏生成性, 这种对话只追求热闹的形式, 却忽视了对话的精神和意义, 使师生之间的对话成为虚假。
虽然师生在课堂中也进行了对话, 但却陷入了对话的误区, 这些对话大多是脱离文本进行的, 并没有让学生从中获得有利于他们身心发展的沟通。对话只是停留在浅层, 并没有结合学生的实际生活或已有经验, 师生对文本的对话也就不能够深入下去, 对话的形式往往是师问生答, 使对话仅仅成了一种传授知识的手段, 失去了它应有的价值。生本对话也具有虚伪性, 生本对话是在教师的意愿下进行的, 学生的倾听与言说的权利被剥夺导致了学生在生本对话过程中主体性的丧失。学生之间缺乏有效的对话。现行的教学体系仍是以教师为中心的, 学生在课堂交往中往往处于被动状态, 其交往形式主要是教师与全班学生、学生个体的单向交往, 教师与小组、学生个体与个体、群体与个体、群体与群体的多向立体交往严重缺乏[7]。
三、隐性课程资源的开发与利用
1.妥善处理教学中的“干扰”
“4R”课程模体具有很强的现场性, 面对富有价值的“干扰”资源, 教师不应拘泥于预设的教学规程, 而应独具慧眼, 将弹性灵活的成分、始料未及的干扰性课程资源, 及时捕捉并纳入课堂临场设计的范畴中。这样, 学生的个性才能得到张扬, 学习效果才能得到优化, 从而真正让课程呈现出灵动的生机和跳跃的活力, 打造优质高效的“4R”课程模体。
首先, 要意识到“干扰”是一种隐形的课程资源。“干扰”因素的出现在恒定性教学中被当作一种教学病症, 在“4R”课程模体中却是一种隐性课程资源。“干扰”因素有时不是一种偶然, 反而恰恰是一种必然, 因为无论我们对教学过程进行了怎样缜密的计划与组织, “干扰”因素无法避免, 也不能完全被控制, 是必然会出现的。
其次, 开发和利用“干扰”课程资源离不开教师的教育机智。“4R”课程模体中, 教师面临着大量的“干扰”, 这些“干扰”不能提前规划与算计, 也不是能避免和压制的, 这就需要发挥教师的教学机智, 及时调整自己的教学行为, 对这些“干扰”资源进行充分的利用。教师在教学中应该认识到, 这些“干扰”既符合学生的认知习惯及思维特点, 也符合“4R”课程模体的理念。
再次, 要捕捉教学契机。对于“4R”课程模体的“干扰”课程资源的开发也十分重要。教师要能够随着课堂教学进行的实际情况, 随时捕捉学生的问题、课堂意外等精彩瞬间, 及时灵活地调整教学策略, 充分利用这些“干扰”课程资源, 使课堂问题、课堂意外等这些隐性课程资源得到开发。
2.进行有效对话
在“4R”课程模体中, 意义是通过对话生成的。课程中的对话有师生对话、生生对话、教学主体 (老师或学生) 与文本 (或作者) 的对话, 其中师生对话对学生的发展影响甚大。教学中的师生对话将已扭曲了的师生关系复归至原位, 将知识的复制变为意义的建构。“4R”课程模体下的对话教学, 不仅是一种以对话为原则、以对话精神为主导的教学形态, 更是一种隐性的课程资源。此时, 教学对话已经不仅是教学策略或方法了, 更重要的是一种教学思想与生活方式, 它实际上反映的是教学关系的平等性, 它意在指出教学对学生发展的积极作用是通过师生共同协商及学生的主动选择与认同而实现的, 不是通过教师对学生施加某种影响来完成的[8]。
教师在教学过程中挖掘这些“对话”资源要做到以下几点:首先, 要营造课堂文化氛围, 激起学生的对话欲望;其次, 在对话环境里, 教师要淡化自己的角色意识, 不凌驾于教学过程之上, 放下自己的架子, 将自己的经验、思考等与学生分享, 当然也不能为了突出学生的主体地位, 而对学生的“言说”不加任何调控和引导, 致使学生的讨论长时间游离于文本之外或者纠缠在作品中一些琐碎的无关紧要的问题上;再次, 要立足于文本进行深度对话, 所有的对话都应是师生围绕文本进行的而不应脱离文本无方向、无目标地随波逐流、信马由缰。完善人、发展人是任何对话教学的共同指向和归宿, 因而对话教学应是有效的, 应该指向一定的教学目的。
3.开放性教学情境的创设
开放的教学情境的创设, 能激发学生的求知欲望, 发挥教师和学生的主体作用, 促进学生主动探索及独立解决问题等能力的发展。情境的创设并不只是为了课堂气氛的活跃, 关键是为学生的主动学习与探索服务。在“4R”课程模体的指导下, 教师要提出符合学生认知水平、富有启发性的问题, 以创设开放的教学情境, 为学生提供自主发展的空间及亲身感受、体验的机会, 使学生的认知水平、情感态度与价值观得到提升, 在课程学习中得到和谐统一。
“4R”课程模体中开放式教学情境的创设, 主要是创设一种民主、和谐、开放的教学氛围。从教学活动的开始, 教师就应让学生自主地思考, 鼓励学生大胆地发表自己的看法, 敢于质疑, 以培养他们的探究精神。
创设开放式教学情境, 不单是在新课教学的起始阶段, 而且应体现在整个教学活动中。首先, 开放性的教学情境一定是含有问题的情境, 以有效地引发学生的思考。情境中的问题要具备目的性、适应性和新颖性。其次, 开放性的教学情境一定要具有形象性。强调情境创设的形象性, 其实质是要解决形象思维与抽象思维、感性认识与理性认识的关系。
四、结语
“4R“课程模体是一种全新的课程理念, 它正在从比较成熟的理论研究走向实践的探索。
“4R”课程模体下的隐性课程资源具有多样性、丰富性、不确定性的特点。这种课程模体的建构离不开隐性课程资源的开发, 这就需要不断更新、与时俱进的课程资源。要引进和创建新课程资源, 以“4R”课程模体为指导, 以实际课程需要为依据, 发挥教师和学生的主观能动性, 并需要通过妥善处理教学中的“干扰”、进行有效对话及开放性教学情境的设置实现转变, 通过对隐性课程资源的开发来建构“4R”课程模体。
摘要：隐性课程资源是“4R”课程模体中的一个核心概念, 课程资源是课程模体建构的关键, 因而“4R”课程模体对课程资源中流失的隐性课程资源进行开发的呼吁也越来越强烈。隐形课程资源的流失主要表现在:对教学中出现的“干扰”的处理不当;对教学情境的忽视以及教学中有效对话的缺乏。为促使“4R”课程模体的建构, 本文主要从干扰、对话、情境这几个方面进行探究, 并提出“4R”课程模体下隐性课程资源开发的策略。
关键词：课程资源,隐性课程资源“4R”课程模体
参考文献
[1]吴刚平.课程资源的开发与利用.全球教育展望, 2001 (8) .
[2]罗宏忱.校园隐蔽课程资源初步开发.辽宁教育研究, 2004 (5) .
[3]徐继存, 段兆兵, 陈琼.论课程资源及其开发与利用.学科教学, 2002 (2) .
[4]小威廉姆E.多尔.后现代课程观.王红宇译.北京:教育科学出版社, 2000.
[5]陈吉利.课堂教学中“意外”的处理.教育理论与实践, 2009 (10) .
[6]王卫华.教学机智论[D].武汉:华中师范大学, 2009.
[7]宋秋前.课堂教学问题问诊与矫治.教育研究, 2001 (4) .
模体材料论文 篇3
但是迭代重建算法的种类比较多[1], 同一种迭代重建算法由于自身设置的不同对辐射剂量和影像质量的影响也是不一样的, 不同的报道对于同一部位辐射剂量和影像质量的影响也不一样[2,3]。因此本文用模体实验的方法探讨迭代算法的一种-自适应统计迭代重建算法 (Adaptive Statistical Iterative Recon, ASIR) 是否能在ASIR%=50%时, 在辐射剂量降低一半的情况下仍能保持影像质量。
1 材料与方法
1.1 设备与扫描参数
机型:Discovery CT750 HD, 模体:Catphan 500[4], 扫描温度23℃。扫描参数如下:管电压:120kV, 扫描类型:Helical, 探头覆盖:40mm, 旋转时间:0.4s, SFOV:Small body, 层厚:5.0mm, 螺距:0.516:1, 重建算法:Stand./Bone, 其中组A (常规剂量+FBP算法) 管电流为335mA, 组B (半剂量+FBP算法) 管电流为170mA, 组C (半剂量+ASIR算法) 管电流为170mA, ASIR%=50%。
1.2 影像的分析
实验中所得到的影像均在工作站上进行分析, 所用软件为AW4.4, 由两位副主任医师和一位主管技师对影像质量进行评价。评价空间分辨力时把窗宽调至最小, 调节窗位来分辨出一组最小的线对卡。评价密度分辨力时窗宽、窗位按下式计算:WL= (CTW+CTM) /2 WW= (CTM-CTW) +5SDMAS, WL:表示窗位;WW表示窗宽;CTW:表示水的CT值;CTM:表示低对比物质的CT值;SDMAX两种测量区中较大的那个的标准差。噪声水平由公式H=SD/k*100%计算得到, 公式中:H表示噪声水平;k=1000HU;SD表示感兴趣区得标准差, 感兴趣区得直径为模体影像直径的40%, 感兴趣区均放置在模块CTP486影像中央。
2 结果
2.1 空间分辨力
三种扫描条件下可分清的线对均为10lp/cm, 组A中对于线对的分辨能力较组B、组C略高, 结果如图1所示。
2.2 密度分辨力
1.0%的对比度下, 组A、组C可看到的最小球面的直径为4.0mm, 组B可看到的最小球面的直径为5.0mm, 在0.3%的对比度下, 组A、组C隐约可看到直径为15.0mm的最球面, 组B条件下该球面基本显示不清, 结果如图2所示。
2.3 CT值的线性及准确性
组A、组B、组C三种条件下所测的靶面的CT值之差在2个HU以内, 对组A、组B、组C三种条件下所测的CT值与模块内靶物质的电子密度进行线性拟合, 可知它们的相关性均为0.998, 结果如表二所示。
2.4 图像的一致性和噪声水平
组A、组B、组C三中扫描条件下感兴趣区的CT值分别为 (9.95±4.27) 、 (10.49±6.16) 、 (9.97±4.17) , 三组影像CT值之差在2个HU以内, 噪声水平分别为0.427%、0.616%、0.417%。
2.5 辐射剂量
组A的CTDIvol的值为17.49, 组B、组C条件下的CTDIvol的值约为8.87, 表示在其他参数不变的情况下随着毫安秒的减半, CTDIvol的值也变为了原来的一半。
3 讨论
迭代重建算法是CT领域的一个热门话题, 由于该种算法的计算量较大, 且受到计算机能力的限制, 因此早期的迭代重建算法很快所谓的分析重建算法所取代了, 典型的就是FBP算法[5]。但是这种算法无法消除由于光子的涨落所产生的量子噪声, 而且它会把来自各个方向上的散射线当作正常的穿透人体的射线进行计算, 结果增加了层面内的像素噪声。近年来, 由于计算机运算能力的发展, 迭代重建算法也用到了CT领域。
迭代重建算法较分析重建算法的优点是它可以大大降低由于辐射剂量的降低而增加的噪声[3]。商业上的迭代重建算法的种类非常多, 例如西门子的影像空间迭代重建算法 (Iterative Reconstruction in Image Space IRIS) [6]、东芝的自适应迭代剂量降低算法 (Adaptive Iterative Dose Reduction AIDR) 、飞利浦的iDose算法。不同的迭代重建算法对于辐射剂量和影像质量的影响是不一样的。GE (Milwaukee, WI, USA) 介绍了一种ASIR重建算法[7]。ASIR算法是以FBP算法得到的影像为基础, 然后在每个方向上利用统计学上的噪声模型进行逐步迭代重建, 利用这种算法甚至可以得到几乎没有噪声的影像 (100%ASIR) , 数学上ASIR的百分比就是在最后所形成的影像中由ASIR算法重建的影像的比例, ASIR算法重建的影像所占比例越高, 最后形成的影像的噪声就越小。该实验之所以选择ASIR%=50%是因为有一些学者认为ASIR%=50%左右的设置在多数部位的检查中是合适的, 以及来自一些模体实验认为ASIR%=50%左右的噪声频谱曲线最接近常规辐射下的噪声频谱曲线[8,9]。
由该实验结果可知, 组A影像的空间分辨力较另外两组略高, 这是由于该组的剂量较高导致该组影像原始噪声较低所致, 这与Yoshiko Sagara等人[3]所发现的在低剂量时ASIR算法重建的图像略有模糊是一致的。密度分辨力主要受噪声的影响, 由于组A、组C噪声较低, 因此他们的密度分辨力也比组B高。三种扫描条件下的影像靶面的CT值具有较高的一致性, 对三组影像CT值和靶物质的电子密度进行线性拟合, 可知他们的相关性均为0.998, 说明三种扫描条件下CT值均有较高的线性, 这是利用CT值来区分不同物质的基础。该实验中三种扫描条件下的影像CT值的差别在2个HU以内, 根据《中华人民共和国国家剂量检定规程-JJG1026-2007》[10]对于CT机质量检测影像一致性的规定, 据此我们认为该实验三组影像间具有较高的一致性。对于噪声水平的比较, 同样依据此标准该实验中组A、组C的噪声水平分别为0.427%、0.417%均在允许的标准范围内, 组B的噪声水平为0.616%, 超出了允许的噪声水平。这说明的ASIR算法可以降低由于受检者的辐射剂量的降低而增加的噪声。
该实验也存在不足, 其一就是该实验对于空间分辨力、密度分辨率的分析没有采取客观的指标, 因此没有比较ASIR算法是否在噪声的同时有助于空间分辨力的提高。其二该实验仅仅是一个物理层面的实验, 具体到受检者具体部位的扫描以及ASIR的设置对于诊断的影响仍需进一步的临床实验, 其三该实验仅仅比较了ASIR%=50%时ASIR重建算法对于图像质量的影响, 当ASIR%取更高的值对于图像质量的影响也需要进一步的研究。
4 结论
ASIR%=50%时, ASIR算法可以在辐射剂量降低一半的情况下保持较高的密度分辨力, 不影响CT值的线性及准确性, 不明显增加噪声水平, 由于辐射剂量的降低空间分辨力略有降低。
摘要：目的 探讨在半辐射剂量ASIR%=50%条件下自适应统计迭代重建算法 (Adaptive Statistical Iterative Recon, ASIR) 对影像质量的影响。方法 利用Discovery CT750 HD机型内的质控 (Quality Control, QC) 扫描协议分别在常规剂量和半剂量下对模体Catphan 500进行扫描, 然后分别用ASIR%=50%和ASIR%=0%条件下进行重建。把得到的影像分为三组, 分别为组A:常规剂量FBP重建条件下得到的影像, 组B:半剂量ASIR%=0%重建条件下得到的影像, 组C:半剂量ASIR%=50%重建条件下得到的影像, 比较三组影像的图像质量和辐射剂量。结果 组A的空间分辨力略高于组B、组C, 组B、组C空间分辨力差别不大;组A的密度分辨力与组C差别不大, 但均高于组B;三组靶面的CT值在2个HU以内, 与靶面的电子密度的相关性均为0.998;对影像的一致性进行测量, 其CT值的差异均在允许的范围内, 组A、组C噪声水平分别为0.427%、0.417%, 在允许的噪声水平之内, 组B的噪声水平为0.616%, 超出了允许的噪声水平。结论 ASIR算法可以在辐射剂量降低一半的情况下保持图像的质量基本不变。
关键词：自适应统计迭代重建算法,影像质量,计算机断层成像
参考文献
[1]Fleischmann D, Boas FE.Computed tomography-old ideas andnew technology[J].Eur Radiol, 2011, 21 (3) :510-517.
[2]Singh S, Kalra MK, Gilman MD, et al.Adaptive Statistical IterativeReconstruction Technique for Radiation Dose Reduction in ChestCT:A Pilot Study[J].Radiology, 2011, 259 (2) :565-573.
[3]Sagara Y, Hara AK, Pavlicek W, et al.Abdominal CT:Comparison ofLow-Dose CT With Adaptive Statistical Iterative Reconstructionand Routine-Dose CT With Filtered Back Projection in 53Patients[J].AJR, 2010, 195 (3) :713–719.
[4]Catphan 500, User manual.
[5]Shepp LA, Logan BF.The Fourier reconstruction of a headsection[J].IEEE Trans Nucl Sci, 1974, 21 (1) :21–34.
[6]Pontana F, Pagniez J, Flohr T, et al.Chest computed tomographyusing iterative reconstruction vs filtered back projection (Part 1) :Evaluation of image noise reduction in 32 patients[J].Eur Radiol, 2011, 21 (3) :627-35.
[7]Marin D, Nelson RC, Schindera ST, et al.Low-tube-voltage, high-tube-current multidetector abdominal CT:improved image qualityand decreased radiation dose with adaptive statistical iterativereconstruction algorithm--initial clinical experience[J].Radiology, 2010, 254 (1) :145-153.
[8]Hara AK, Paden RG, Silva AC, et al.Iterative reconstructiontechnique for reducing body radiation dose at CT:feasibilitystudy[J].AJR Am J Roentgenol, 2010, 195 (1) :126-131.
[9]Boedeker KL, McNitt-Gray MF.Application of the noise powerspectrum in modern diagnostic MDCT.Part II.Noise power spectraand signal to noise[J].Phys Med Biol, 2007, 52 (14) :4047–4061.
模体材料论文 篇4
在蛋白质结构中,2个平行的β-strand被较长的loop连接,loop中间包含α螺旋(α-helical),并且2个β折叠片之间存在氢键,形成的结构模体β-loop-α-loop-β叫做β-α-β模体,它是含有平行的β折叠(sheet)的蛋白质中的常见模体[1,5]。因此,对β-α-β模体的统计分析及预测是十分有意义的。
在本文中,对1423条相似性小于33%的蛋白质链中包含的β-α-β模体和非β-α-β模体作为训练集,5交叉检验预测总精度和相关系数分别是75.51和0.49。将此模型应用于另外1个独立检验集进行检验预测精度达到72.23%。
1 材料和方法
1.1 材料
数据库选取了EVA的1423个相似性小于33%的蛋白质作为训练集[4],同时选取了426个非冗余的蛋白质链组成,作为独立检验集。文中对训练集,获得二级结构为ECHCE模式的片断为3878个,利用PROMOTIF[3]获得β-α-β模体分别为1622个,与ECHCE模式相匹配的1459个片断确认为β-α-β,其余2419个确认为非β-α-β;对独立检验集,有257条蛋白质链中至少包含一个β-α-β模体,这个数据库中共得到310个β-α-β模体和480个非β-α-β模体。
1.2 最佳序列片段长度的选取
由于二级结构是形成蛋白质超二级结构的基础单元,而超二级结构的构象类型与连接肽所连接的二级结构单元的种类、连接肽的长度以及连接肽残基的构象密切相关,所以有必要对序列对应的每一种二级结构进行详细的统计和分析,过程如下:
由于Loop-α-Loop结构中含有6~29个氨基酸的序列数占83.6%,为保证大部分序列被选入,且所选取的序列两端β折叠至少含有2个氨基酸残基,序列总长确定为33个氨基酸残基。确定β-α-β模体的固定长时采取以Loop-α-Loop为中央标准位置对齐,选取时需满足:当序列总长大于33时,只保留Loop-α-Loop长小于等于29的序列。选取方式参考了Kuhn[2]、Kumar[4]和Cruz[3]等的对β发夹固定模式片段截取方法。
1.3 方法
1.3.1 矩阵打分算法(PCSF)
此算法分为下面3步介绍
1.3.1. 1 位置打分矩阵的构建
考虑到氨基酸频率计数时的标准偏差的影响,引入了伪计数[6]来计算折叠子的位置概率作为打分矩阵的矩阵元,公式如下:
其中,l表示参数的个数,j表示各种参数,Ni表示第i个位置上所有参数出现的总数,nij表示第i个位置上第j种参数出现的频数,P0j表示参数j出现的背景概率。
1.3.1. 2 位点保守性参量
位点的保守性参量反映了位点氨基酸的保守性,位点的保守性参量Ii,定义如下:
1.3.1. 3 矩阵的相似性打分函数
根据(1)的矩阵元定义和(2)位点的保守性参量定义,可以组合成下列的打分函数:
F(S)称为片段打分值。其中,pi,mi n和pi,max分别是位置概率矩阵的第i列上出现的最小值和最大值。Ii由公式(2)可以求得。
1.3.2 距离函数(DM)
距离函数(DM)可以衡量所研究的样品之间存在的相似性,已被成功的应用于蛋白酶的预测研究。距离函数的计算公式如下[9]:
其中P表示20维向量(f1,f2,….f20),fi表示第i个氨基酸(20个氨基酸)出现的概率,P·Pi表示P和Pi的点积,‖P‖和‖Pi‖分别是它们的模。可以证明0≤△(P,Pi)≤1。
序列片段P被预测为△(P,Pβ-α-β)和△(P,Pnon-β-α-β)中的最大值所属的类别,可以由下面的公式表示:
1.3.3 二次判别方法(DQ)
由Chou等人提出的二次判别方法(DQ)是协方差判别函数的应用。具体计算为:
ξ将给出片段所属类别。
使用QD方法预测β-α-β和非β-α-β,对任意一序列片段,组合由PWM方法得到的2个分值、DM方法得到的2个距离值,将这4个值作为QD的输入参数。
1.3.4 精确评价指标
为了评价预测的正确率和预测方法的可信度,精度(S)、相关系数(Mcc)、β-α-β模体的敏感性(Sn)、非β-α-β模体的敏感性(Sn N)、β-α-β模体的特异性(Sp)和非β-α-β模体的特异性(Sp N)如下计算:
p为真阳性样本序列数,r为真阴性样本序列数,u假阴性样本序列数,o为假阳性样本序列数。
2 结果与讨论
训练集5交叉检验的预测结果
2.1 QD方法的预测结果
为了进一步提高预测性能,组合上述计算的PCSF和DM值作为QD的输入参数,得到了较好的预测结果见表1。Mcc的值上升为0.49,总精度也提高到了75.51%,预测效果得到了改善。
2.2 独立检验集中β-α-β模体预测结果
为了检验预测方法,对独立检验集中的β-α-β和非β-α-β模体使用同样的方法进行预测。对独立检验集分别使用PCSF、DM和QD方法的预测结果见表2。
由表2的预测结果可以看出,独立检验集使用QD方法的预测结果好于PCSF和DM方法,独立检验集中的Mcc值0.43,预测总精度72.23%。
3 结论
本文使用的数据库包含的蛋白质结构类型有全β型、α+β型和α/β型,选择的数据库远远大于Taylor和Thornton在1983和1984年对β/α类的18个蛋白质中的62个β-α-β模体进行预测的数据库[5,6],而且本文进一步运用了距离函数,以组合向量为参数进行预测,预测效果得到了明显的改善。成功的预测指出:应用的参数包含了模体的序列信息和结构信息;距离函数的引入,更反映出了数学模型应用于蛋白质超二级结构是成功的;用打分函数和距离函数值来表示位点氨基酸组分信息,保证了序列片段的保守性。因此基于数学模型的组合向量的二次判别方法是一种预测酶蛋白质中复杂超二级结构的有效方法。
摘要：蛋白质超二级结构β-α-β模体是蛋白质的重要组成部分,所以蛋白质超二级结构β-α-β模体的研究有重要的生物学意义。根据蛋白质超二级结构的保守性,用打分值、距离函数值构成的向量来表示序列信息,通过二次判别方法对蛋白质中β-α-β模体进行识别,得到了较好的预测结果。
关键词：蛋白质结构预测,β-α-β模体,打分矩阵,距离函数,二次判别方法
参考文献
[1]阎隆飞,孙之荣.蛋白质分子结构[D].清华大学出版社,1999:43-59.
[2]Kuhn,M,Meiler,J.and Baker,D.Strand-loopstrand motifs:prediction of hairpins and diverging turns in proteins[J].Proteins:Struct Funct Bioinform,2004(54):282-288.
[3]Cruz,X,Hutchinson,E.G,Hepherd,A.S.et al.Toward predicting protein topology:an approach to identifying B hairpins[J].Proc Natl Acad Sci,USA,2002(99):11157-11162.
[4]Kumar,M,Bhasin,M.Bhair Pred:prediction ofβ-hairpins in a protein from multiple alignment information using ANN and SVM techniques[J].Nucl Acids Res,2005(33):154-159.
[5]Taylor,W.R,Thornton,J.M,Recognition of supersecondary structure in proteins[J].Mol Biol.1984 Mar15,173(4):487-512.