为了增加植物工厂多层栽培模式中作物冠层内部气流扰动和简化通气管道施工工艺,该研究设计了一种集栽培床和通风管路于一体的导气栽培槽(cultivation bed integrated with draft-tube,CBT)。利用流体计算软件(computational fluid dynam...为了增加植物工厂多层栽培模式中作物冠层内部气流扰动和简化通气管道施工工艺,该研究设计了一种集栽培床和通风管路于一体的导气栽培槽(cultivation bed integrated with draft-tube,CBT)。利用流体计算软件(computational fluid dynamics,CFD)构建了CBT模型,通过模拟和实测入口速度为5.0 m/s时植物冠层内部的气流速度,得到栽培区域几何中心截面速度的模拟值与实测值分布趋势一致,计算模拟值与实测值的均方根误差为0.22 m/s,表明该模型能准确模拟气流速度。利用验证的模型模拟了不同进气速度对作物冠层内部气流分布的影响得到入口速度为6.0 m/s时,植物冠层空间适宜的气流区域体积占比最高,为56.3%,该入口速度下冠层区域的气流平均速度为0.15 m/s。根据模拟结果,选取6.0 m/s为CBT的入口速度,以成熟期生菜作为试验材料,在同一环境条件下对比CBT通风模式和传统通风模式(traditional ventilation control,TVC)下生菜冠层内部微环境,测试通风调温效果。结果表明,CBT处理的冠层内光期温度为22.4℃,低于TVC处理的23.7℃,暗期处理间温度差异不明显;CBT模式冠层内的光、暗期平均相对湿度分别为65.8%和71.6%,比TVC处理低11.4和3.0个百分点。由此可见,相比于传统通风模式,CBT对冠层内多种微环境参数调控起到了积极作用,降低环控要求,提高了空调温控效率,具有推广价值。展开更多
目的:探讨表观弥散系数(apparent diffusion coefficient,ADC)鉴别诊断脑膜瘤组织病理学分级的价值及其与Ki-67增殖指数的关系。方法:回顾并分析经术后病理学检查证实为脑膜瘤的51例患者资料,根据世界卫生组织(World Health Organizatio...目的:探讨表观弥散系数(apparent diffusion coefficient,ADC)鉴别诊断脑膜瘤组织病理学分级的价值及其与Ki-67增殖指数的关系。方法:回顾并分析经术后病理学检查证实为脑膜瘤的51例患者资料,根据世界卫生组织(World Health Organization,WHO)病理学分级分为低级别脑膜瘤(low-grade meningioma,LGM)组45例和高级别脑膜瘤(high-grade meningioma,HGM)组6例,计算平均ADC(ADC_(mean))、最小ADC(ADC_(min)),以及两者相对值(rADC_(mean)、rADC_(min))。比较两组ADC_(mean)、ADC_(min)、rADC_(mean)、rADC_(min)的差异。绘制受试者工作特征(receiver operating characteristic,ROC)曲线评估ADC各参数的鉴别诊断效能,并采用DeLong检验比较ROC曲线的曲线下面积(area under the curve,AUC)的差异。采用Spearman相关分析评估ADC各参数与Ki-67增殖指数之间的相关性。结果:LGM组的ADC_(mean)、ADC_(min)、rADC_(mean)及rADC_(min)均高于HGM组,组间差异有统计学意义(P<0.05)。4种ADC参数均有较好的诊断效能,DeLong检验显示AUC两两比较差异均无统计学意义(P>0.05),其中ADC_(min)的鉴别诊断效能最高,其最佳截断值为0.657×10^(-3)mm^(2)/s,灵敏度为66.67%,特异度为95.56%。ADC_(mean)、ADC_(min)、rADC_(mean)及rADC_(min)均与Ki-67增殖指数呈负相关(P<0.05)。结论:ADC有助于术前预测脑膜瘤的病理学分级及Ki-67增殖指数,可为临床诊疗提供支持。展开更多
文摘目的:探讨表观弥散系数(apparent diffusion coefficient,ADC)鉴别诊断脑膜瘤组织病理学分级的价值及其与Ki-67增殖指数的关系。方法:回顾并分析经术后病理学检查证实为脑膜瘤的51例患者资料,根据世界卫生组织(World Health Organization,WHO)病理学分级分为低级别脑膜瘤(low-grade meningioma,LGM)组45例和高级别脑膜瘤(high-grade meningioma,HGM)组6例,计算平均ADC(ADC_(mean))、最小ADC(ADC_(min)),以及两者相对值(rADC_(mean)、rADC_(min))。比较两组ADC_(mean)、ADC_(min)、rADC_(mean)、rADC_(min)的差异。绘制受试者工作特征(receiver operating characteristic,ROC)曲线评估ADC各参数的鉴别诊断效能,并采用DeLong检验比较ROC曲线的曲线下面积(area under the curve,AUC)的差异。采用Spearman相关分析评估ADC各参数与Ki-67增殖指数之间的相关性。结果:LGM组的ADC_(mean)、ADC_(min)、rADC_(mean)及rADC_(min)均高于HGM组,组间差异有统计学意义(P<0.05)。4种ADC参数均有较好的诊断效能,DeLong检验显示AUC两两比较差异均无统计学意义(P>0.05),其中ADC_(min)的鉴别诊断效能最高,其最佳截断值为0.657×10^(-3)mm^(2)/s,灵敏度为66.67%,特异度为95.56%。ADC_(mean)、ADC_(min)、rADC_(mean)及rADC_(min)均与Ki-67增殖指数呈负相关(P<0.05)。结论:ADC有助于术前预测脑膜瘤的病理学分级及Ki-67增殖指数,可为临床诊疗提供支持。
