简介:摘要:钢板在冷却过程中由于上下表面温度不均与及横向、纵向不均匀导致的钢板上翘下扣、瓢浪的问题较多。冷却过程中的板形控制,利用厚板产线现有设备条件,通过精细调节钢板的ACC水量、水比、头尾及边部遮蔽等控制参数进行试验,达到返红工艺要求与不平度要求。跟踪钢板在ACC过程及上冷床缓冷过程板形变化,根据金相显微组织,制定相应ACC工艺及现场板形调整方案;针对厚规格(≥40mm)的普板和低合金钢种钢板出现上翘情况,增大水比进行调整,设置范围1.6~1.8;桥梁钢、高建钢、管线钢等专用钢类的减小水比,前 10 组水比设置 1.7,后 10 组设置 1.3 左右进行工艺实验;总结适用于重庆钢铁厚板产线厚规格钢板的生产工艺控制技术,同时满足工艺要求与不平度要求,达到平直度控制要求。
简介:摘要目的基于人工智能(AI)建立并验证≤20 mm孤立性肺结节(SPN)良恶性预测模型。方法收集2018年11月至2020年5月在厦门大学附属中山医院接受手术切除并获得明确病理诊断的≤20 mm SPN患者279例(338个SPN),回顾性分析其临床特征(年龄、性别、吸烟史、恶性肿瘤史及家族恶性肿瘤史)、影像特征(最大径、最小径、实性占比、体积、分叶征、毛刺征、空泡征、空洞征、胸膜凹陷征)、及影像组学特征(最大CT值、最小CT值、平均CT值、中位数CT值、CT值标准差、偏度、峰值、能量、熵)。采用完全随机法将SPN按8∶2比例分为训练集(271个)和验证集(67个)。训练集数据中,首先使用最小收缩和选择算子(LASSO)回归方法对临床特征、影像特征及影像组学进行筛选,再进行多因素logistic回归分析筛选出≤20 mm SPN良恶性相关的独立危险因素,并实现列线图预测模型构建。最后将测试集数据传入该模型进行验证,绘制ROC曲线和校准曲线,评估模型预测价值。结果训练集中271个≤20 mm SPN,其中良性81个、恶性190个。经LASSO回归及多因素logistics回归分析筛选得出年龄、性别、最大径、空泡征、实性占比5个因素为预测最大径≤20 mm SPN良恶性的独立预测因子, 构建预测模型为:P=ex/(1+ex),x=-2.583+0.027×年龄+1.519×性别+0.127×结节最大径-2.132×实性占比+1.720×空泡征。该模型预测≤20 mm的SPN为恶性的ROC曲线下面积为0.850, 灵敏度为73.7%,特异度为82.7%,准确度为82.3%。验证集67个SPN,其中良性22个、恶性45个, 预测模型的AUC为0.882,灵敏度为82.2%,特异度为81.8%,准确度为85.1%。训练集和验证集预测模型的校准曲线与理想曲线重合度良好(训练集:P=0.688,验证集:P=0.618)。结论基于AI建立的≤20 mm SPN的良恶性预测模型可获得预测概率并具有良好的诊断效能。