学科分类
/ 1
7 个结果
  • 简介:摘要:建筑工程的功能性主要受到电气工程配电线施工质量的影响比较大,为了保障电气工程施工质量的安全性和可靠性,我们一般对不同配电线进行不同程度的分析,采取科学合理的施工方法。随着城市的发展速度日益加快,建筑行业也在不断的发展,其中电气工程的应用占有着十分重要的位置,想要建筑工程功能性的完善就必须保障电气施工质量,做好电气工程施工质量管理工作。

  • 标签: 电气工程配电线路 施工质量 管理控制
  • 简介:摘要:配电线工程关系着电能的供给,是极为关键的一个基础设施,必须保证其能够平稳运行,才有利于电能供给工作的安全和高效。因此,需要重点分析好输配电线路施工项目特点,并且根据其特点,对工程项目的建设风险进行预测,并且做好相应的风险管理,从而降低项目事故的发生率,从而保障电力系统的正常工作。

  • 标签: 配电线路 基础设施 建设措施
  • 简介:摘要:随着我国国民经济的发展与进步,对电量的需求与日俱增,我们日常生活的每一天都离不开电力的支持,所以,我们要节约电能,科学、合理利用每一度电充分为人类服务,如果配电线处理不当总是会发生漏电现象,造成电能的损失,所以,要提高电网的专业化管理水平和安全运行水平,明确常见的配电线故障问题,并研究出具体的解决措施。

  • 标签: 配电线路 常见故障 防范措施
  • 简介:摘要:近几年,科技的飞速进步也直接推动着电力的发展,为了使电力配电更好的实现现代化要求,满足人们的用电需求,电力配电系统逐渐朝着自动化的方向发展。配电自动化就是结合先进的配电技术,通过数据的传输和科学的管理方式下的一种新型的电力运行系统。配电系统自动化可以保证电力系统的安全运行、减少电力工作人员的工作量,从而降低电路运营的所需成本,达到最终节约成本的目的。配电自动化需要计算机的配合,在原本人工控制的基础上添加计算机自动管理。主要任务就是对电力流向进行控制,电力的使用效果进行分析,然后精确的计算出电力消耗的能量。

  • 标签: 电力系统 配电自动化 管理
  • 作者: 杨静文 贾平一 邱立新 陆丞 姜婷
  • 学科: 医药卫生 >
  • 创建时间:2021-04-09
  • 出处:《中华口腔医学杂志》 2021年第04期
  • 机构:北京大学口腔医学院·口腔医院修复科 国家口腔疾病临床医学研究中心 口腔数字化医疗技术和材料国家工程实验室 口腔数字医学北京市重点实验室 100081,北京大学口腔医学院·口腔医院第四门诊部 国家口腔疾病临床医学研究中心 口腔数字化医疗技术和材料国家工程实验室 口腔数字医学北京市重点实验室100025
  • 简介:摘要目的检验视觉模拟评分法(visual analogue scale,VAS)用于前牙种植美学效果评价的可重复性,探讨影响VAS与粉白美学指数(pink esthetic score/white esthetic score,PES/WES)评分相关性的因素。方法2018年1月至2019年8月于北京大学口腔医学院·口腔医院修复科、种植科和第四门诊部招募医师和就诊于北京大学口腔医学院·口腔医院修复科的牙列缺损患者作为受试者(共108名),其中熟悉PES/WES评分的口腔种植专科医师35名[种植医师组,男性25名,女性10名,(37.3±4.5)岁],不熟悉PES/WES评分的口腔修复、牙周、正畸或口腔颌面外科专业医师34名[口腔医师组,男性24名,女性10名,(36.1±4.2)岁],患者39例[患者组,男性28例,女性11例,(45.4±8.3)岁]。以20例2016年12月至2017年12月于北京大学口腔医学院·口腔医院修复科就诊并完成上颌单颗前牙种植修复的患者[男性12例,女性8例,(43.7±6.4)岁]修复后上前牙口内正面照片各1张(共20张照片)为评价内容,嘱受试者用VAS进行美观性评价,0为不美观,10为非常美观。1个月后再次评价,使用卡方检验对两次VAS结果进行可重复性评价。同时,通过随机数字表法随机抽取13名种植医师组医师对相同照片进行PES/WES评分;PES评分要素为近龈乳头丰满度、远龈乳头丰满度、龈缘弧度、根面凸度以及牙龈颜色质地;WES评分要素为牙冠形态、轮廓、颜色、表面纹理、透明度和个性化特征。使用Pearson相关分析评估VAS分值与PES/WES分值及其评分要素分值的相关性,同时分析各组VAS分值与PES/WES的相关性。结果PES分值为(7.5±1.8)分,WES分值为(7.6±1.9)分,总分为(15.1±3.4)分。种植医师组VAS总分为(6.8±1.8)分。患者组两次VAS结果的可重复性不佳(Kappa=0.012,P>0.05);种植医师组和口腔医师组两次VAS结果的可重复性均较好(Kappa=0.727和0.556,P<0.01)。VAS总分与PES/WES总分为弱相关(r=0.27,P<0.01)。VAS总分与PES/WES各评分要素均为弱相关(P<0.01),相关性较大的是牙冠颜色(r=0.20)和牙冠形态(r=0.22)。种植医师组、口腔医师组和患者组VAS总分与PES/WES总分的相关系数依次减小[r分别为0.49(中等相关)、0.25(弱相关)、0.12(未通过显著性检验)]。结论VAS评分与PES/WES评分的相关性强弱受评分者对美学评价指标认知程度的影响。两种评分系统结合用于医师评估种植修复整体美学效果具有可行性和必要性。

  • 标签: 美学,牙科 牙种植 问卷调查 视觉模拟评分法 粉白美学指数
  • 简介:摘要目的利用衰减全反射傅里叶变化红外光谱仪(ATR-FTIR)分析敏感性皮肤与正常皮肤角质层成分的差异,探讨该技术在敏感性皮肤发生机制研究的应用价值。方法自2018年12月至2019年2月,招募在上海市居住≥ 6年的148例志愿者,通过问卷调查、乳酸刺痛试验和辣椒素试验,将受试者分为正常皮肤组和敏感性皮肤组;同时,记录乳酸刺痛试验和辣椒素试验受试者的总刺痛评分和总灼痛评分。应用ATR-FTIR检测角质层成分,包括天然保湿因子(NMF)、角质层脂质、游离脂肪酸(FFA)和β/α比值;同时应用其他无创技术测量经表皮失水率(TEWL)、角质层含水量、角质层脂质、皮肤pH值和3种周围感觉神经纤维的电流感觉阈值和浅表皮肤血流灌注量等皮肤生理参数。分析角质层成分与总刺痛评分和总灼痛评分的Spearman相关系数,以及与皮肤生理参数的Pearson相关系数。结果73例志愿者完成全部试验,其中敏感性皮肤组34例,男15例,女19例,年龄(41.8 ± 8.9)岁;正常皮肤组39例,男19例,女20例,年龄(42.8 ± 9.4)岁。敏感性皮肤组和正常皮肤组角质层NMF分别为30.90 ± 7.38、37.01 ± 8.77(t = 3.193,P < 0.01),FFA分别为14.90 ± 6.75和20.45 ± 11.76(t = 2.422,P < 0.05),β/α值分别为3.17 ± 1.03和2.67 ± 0.56(t = -2.595,P < 0.05),角质层脂质两组差异无统计学意义(t = 1.458,P > 0.05)。皮肤生理参数,敏感性皮肤组TEWL显著高于正常皮肤组(t = -3.496,P < 0.001),而5 Hz电流感觉阈值和表皮致密度显著低于正常皮肤组(P < 0.05),角质层脂质差异无统计学意义(P > 0.05)。相关分析显示,NMF、FFA和β/α与TEWL(r值分别为-0.405、-0.562、0.503,均P < 0.01)和总刺痛评分(rs值分别为-0.401、-0.285、0.316,P < 0.01或0.05)均呈良好的相关性,同时,表皮致密度与NMF(r = 0.402,P < 0.01)和β/α比值(r = -0.369,P < 0.05)也呈良好的相关性。但NMF、FFA和β/α与角质层脂质、3种感觉神经纤维的电流感觉阈值、浅表皮肤血流灌注量及表皮厚度之间均无相关性(均P > 0.05)。结论敏感性皮肤与正常皮肤角质层NMF、FFA和β/α存在显著差异,且NMF、FFA和β/α与部分角质层屏障功能生理参数之间具有良好的相关性。因此,ATR-FTIR是一种有效评价敏感性皮肤屏障功能的手段。

  • 标签: 皮肤生理学过程 皮脂 敏感性皮肤 角质层屏障 衰减全反射傅里叶变化红外光谱
  • 作者: 杨静文 杨宗瀚 李健 刘云松
  • 学科: 医药卫生 >
  • 创建时间:2023-03-15
  • 出处:《中华医学教育杂志》 2023年第01期
  • 机构:北京大学口腔医学院·口腔医院,修复科 国家口腔医学中心 国家口腔疾病临床医学研究中心 口腔生物材料和数字诊疗装备国家工程研究中心 口腔数字医学北京市重点实验室,北京 100081,清华大学计算机系,北京 100084
  • 简介:摘要目的采用人工智能人脸识别技术(简称人脸识别技术)实时评估医学生课堂专注度,评价其在应用的可靠性。方法2021年10月,选取北京大学口腔医学院2018级五年制和八年制口腔医学专业80名学生为研究对象,收集其在牙体解剖学8个课时的课堂录像,采用人脸识别技术对录像资料转换的图片(每秒抽取1帧)进行人脸分析,用随机函数抽取全部图片数据的1/5作为检测数据集并输出其识别"专注"学生的人脸数量,同时由授课教师肉眼观察学生面部状态以进行"专注"学生的人工识别,计算人脸识别的准确率和查全率。通过Wilcoxon检验和组内相关系数(intraclass correlation coefficient,ICC)进行数据分析。结果对21 600张图片的"专注"学生进行人脸识别,4 320张图片作为检测数据集,人脸识别的准确率为90.4%(41 288/45 668),查全率为81.4%(41 228/50 648)。人脸识别(378 830人次)和人工识别(345 689人次)专注"学生的差异无统计学意义(P=0.109);二者呈中等程度相关(ICC=0.65,P=0.026)。结论人脸识别技术能够有效判断医学生在课堂上的专注程度,可以为实时评估教学效果提供有效技术支持。

  • 标签: 学生,医科 实时评估 专注度 教学评价 人脸识别 人工智能