简介:摘要对于电力网络的运行而言,除了保证其运行过程中的稳定性和安全性。从应用功能的角度分析,还应当注意保证线路固定区段的供电效果,在配电网络中,线路末端的电压偏低的问题,是配电网络运行中的一个比较常见的问题。基于解决这一问题的目的,可以在配电台区建立一个低压状态下的智能调压控制系统。从而随时对线路上的电压情况进行监测和掌握,当电压值出现异常情况是,即可通过系统调节的方式保证用户的电力正常供应。本文就针对配电台区的低压智能调节系统建设中所需要应用到的关键技术进行分析和研究。
简介:摘要目的建立基于深度学习光相干断层扫描(OCT)图像眼底病变的眼底智能辅助诊断系统,初步评估其应用价值。方法诊断性试验研究。2016年至2019年期间于浙江大学医学院附属第二医院眼科中心就诊的25 000例患者的25 000张OCT图像作为眼底智能辅助诊断系统的训练集和验证集。其中,黄斑前膜、黄斑水肿、黄斑裂孔、脉络膜新生血管(CNV)、老年性黄斑变性(AMD)各5 000张。训练集、验证集分别为18 124、6 876张。通过迁移学习Attention ResNet结构算法,对OCT图像进行特征性病变识别,通过特定程序提取疾病特征,根据目标病变的统计特征,将给定的图像与其他类型的疾病进行区分。初步形成黄斑前膜、黄斑水肿、黄斑裂孔、CNV、AMD的模型算法,建立5种模型的眼底智能辅助诊断系统。应用受试者工作特征曲线及曲线下面积(AUC)、灵敏度、特异性评估眼底智能辅助诊断系统中各模型辅助诊断的性能。结果眼底智能辅助诊断系统中,黄斑前膜模型辅助诊断的灵敏度、特异性分别为93.5%、99.23%,AUC为0.983 7;黄斑水肿辅助诊断的灵敏度、特异性分别为99.02%、98.17%,AUC为0.994 6;黄斑裂孔模型辅助诊断的灵敏度、特异性分别为98.91%、99.91%,AUC为0.996 2;CNV模型辅助诊断的灵敏度、特异性分别为97.54%、94.71%,AUC为0.987 5;AMD模型辅助诊断的灵敏度、特异性分别为95.12%、97.09%,AUC为0.985 3。结论基于深度学习OCT图像眼底病变的眼底智能辅助诊断系统对于辅助诊断黄斑前膜、黄斑水肿、黄斑裂孔、CNV、AMD的诊断性能较高。