-
MDT和互联网可视化平台在头颈部恶性肿瘤临床教学中的应用
编辑人员丨6天前
头颈部肿瘤是异质性最高的恶性肿瘤之一,多学科综合诊疗(MDT)是个体化精准诊疗和疾病全程管理的核心.MDT诊疗也是头颈部肿瘤重要的教学模式,但在实际教学中受到时空限制.通过构建基于互联网、医院HIS/PACS/LIS/EMR系统、医疗可视化大屏、口腔内窥镜、远程会诊平台及其他可接入的音视频终端等组成的互联网可视化平台,将其应用于头颈部肿瘤MDT临床教学中,让医学生和临床规培学员通过联网可视化平台参与头颈部肿瘤MDT,深度学习这一异质性最大的恶性肿瘤,为临床医学教学模式提供新的途径.
...不再出现此类内容
编辑人员丨6天前
-
准确识别门急诊药品包装盒的YOLO-V5深度学习预测模型的建立及初步应用
编辑人员丨6天前
目的 开发能够准确识别门急诊药品包装盒的YOLO-V5 深度学习预测模型,以期实现药师药品调配"零差错".方法 共收集门急诊药房136 类药品的包装盒图像2 560 幅,并对不同类别的药品进行标注,制作深度学习数据集.将标注好的图像按照41 分为训练集和测试集.采用YOLO-V5 深度学习算法对数据进行训练,训练500 轮回,批量大小4,学习率0.01.以精确度(Pr)和均值平均精确度(mAP)作为模型性能的主要评价指标.结果 YOLO-V5 的4 个子模型在训练集中的Pr均达到1.00.YOLO-V5x模型的mAP_0.5为0.95,高于YOLO-V5s(0.94)、YOLO-V5l(0.94)和YOLO-V5m(0.94),YOLO-V5l和YOLO-V5x模型的mAP_0.5:0.95 均为0.85,高于YOLO-V5m和YOLO-V5s(0.84).YOLO-V5x的训练耗时(82.56 h)和模型大小(166.00 MB)均高于其他3 个模型.YOLO-V5s的单幅图片检测速度11 ms,是4个模型中速度最快的.结论 YOLO-V5 能够精准识别门急诊药品包装盒信息.人工智能辅助药师发药系统的部署是辅助药师实现药品调配"零差错"的可行方法.
...不再出现此类内容
编辑人员丨6天前
-
基于深度学习的皮肤烧烫伤创面图像分割与分类及检测的研究进展
编辑人员丨6天前
烧烫伤是常见的皮肤受损致伤原因,需高度重视.既往依靠烧伤专科医师临床经验判断,较难准确评估不同创面深浅等情况,由于光线、创面污秽等原因可能导致评估出现偏差.近年来,基于高级编程语言的深度学习在烧烫伤创面精准评估中的重要性逐步提高.本文通过回顾近几年不同研究人员将深度学习用于烧烫伤创面自动化诊断的研究进展,聚焦于创面图像分割、分类和检测三个关键方向,对不同深度学习技术在其中的应用进行总结和归纳,进一步探讨深度学习在患者烧烫伤创面自动化诊断方面面临的挑战,并对其未来应用前景进行展望.
...不再出现此类内容
编辑人员丨6天前
-
基于结构磁共振的深度学习模型评估肝硬化及肝性脑病患者的脑龄改变
编辑人员丨6天前
目的:基于深度学习及全脑T 1高分辨MRI建立脑龄预测模型,依此探讨肝硬化及肝性脑病(HE)患者大脑衰老趋势,并试图揭示肝硬化及HE加速大脑衰老的具体损伤区域。 方法:横断面研究。从来自全球的8个公开数据库中选取3 609名健康个体的全脑T 1高分辨MRI数据作为训练集搭建基于3D全卷积神经网络的脑龄预测模型。通过计算实际年龄和预测脑龄间平均绝对误差(MAE)和皮尔逊相关系数( r)、决定系数( R 2)来评价模型的预测效果。再从公开数据库中的人类连接组计划中制作一个测试集( n=555)来测试模型的准确性。招募2013年12月至2020年5月于天津市第一中心医院就诊的136例肝硬化患者作为病例组(无HE肝硬化组79例和伴HE肝硬化组57例),同期向社会招募70名健康者作为健康对照组。计算所有受试者的预测脑龄与实际年龄差值(Brain-PAD)、数字连接试验-A(NCT-A)和数字-符号试验(DST)评分,评估健康对照组、无HE肝硬化组及伴HE肝硬化组3组间大脑衰老程度及认知功能,并采用网络遮挡敏感性分析来评估各脑区在脑龄预测中的重要性。 结果:训练集中该脑龄预测模型的实际年龄和预测脑龄间MAE=2.85, r=0.98, R2=0.96;测试集中,MAE=4.45, r=0.96, R2=0.92。在本地数据集中,健康对照组该模型的MAE=3.77, r=0.85, R2=0.73。两组肝硬化患者NCT-A用时均长于健康对照组,而DST得分则均低于健康对照组,差异均有统计学意义(均 P<0.001)。健康对照组Brain-PAD为(0.8±4.5)岁,无HE组Brain-PAD为(6.9±8.1)岁,伴HE组为(10.2±7.7)岁,3组间差异有统计学意义( P<0.001),且两两组间比较差异亦均有统计学意义(均 P<0.05)。肝硬化患者视觉网络、躯体运动网络的预测重要性占比增加,伴HE组较无HE组占比进一步增加。 结论:肝硬化患者的认知功能减低,大脑加速衰老,这些改变在HE患者中更加明显。各脑区在预测脑年龄中的重要性差异为识别肝硬化和HE加速大脑衰老的特定损伤区域提供了新思路。
...不再出现此类内容
编辑人员丨6天前
-
肺癌流行病学研究年度进展2022
编辑人员丨6天前
肺癌是全球发病率和死亡率最高的恶性肿瘤之一,严重危害人类的健康。本文对2022年1月1日至12月10日国内外肺癌流行病学领域的研究进展进行综述。研究发现,随着肺癌病因学研究的深入和精准医学的开展,全球肺癌的发病率和死亡率得到了一定程度的控制;大规模人群队列和生物银行的建设推动了肺癌的病因学研究,阐明肺癌发病与吸烟、空气污染、慢性病共病、饮食和生活习惯等因素的关联对肺癌一级预防策略的制定具有积极意义;高通量组学检测技术的发展推动了罕见胚系变异、嵌合基因组变异、“表观时钟”、循环细胞游离DNA(cfDNA)甲基化和血浆代谢物等新型生物标志物的发现,有助于优化肺癌个体化风险评估模型和提高肺癌早期筛查效果;深度学习等人工智能算法可揭示影像组学特征与临床诊疗数据之间的深层关系,提升肺癌的筛查效能。上述研究发现为肺癌精准防治工作的有效开展提供了技术支撑和理论依据。
...不再出现此类内容
编辑人员丨6天前
-
基于生成对抗网络的放疗剂量分布研究
编辑人员丨6天前
目的:探讨利用深度学习在图像处理上的优势与放疗结合是否会使放疗过程更加智能化。方法:生成对抗网络(GAN)是一种利用神经网络的生成模型,输入相关特征可生成高质量剂量分布图像。先使用随机无条件GAN进行模拟分布数据的验证,再使用条件GAN(cGAN)训练肿瘤病例的DICOMRT数据,利用靶区和器官轮廓信息直接生成剂量分布图。结果:对于理想数据验证,GAN生成模拟分布效果优良,通过提取靶区轮廓和真实剂量切片数据使用cGAN训练,得到病例计划靶体积和危及器官的剂量分布。结构中预测值与真实剂量之间最大值和平均值的绝对误差评价表现为[3.57%,3.37%](计划靶体积)、[2.63%,2.87%](脑)、[1.50%,2.70%](临床靶体积)、[3.87%,1.79%](大体肿瘤体积)、[3.60%,3.23%](危及器官-1)、[4.40%,3.13%](危及器官-2)。结论:利用GAN模型可以生成模拟分布数据,同时结合先验知识的cGAN模型可以建立靶区和器官信息与剂量分布之间的关系。通过输入靶区和器官轮廓信息直接快速生成对应的剂量分布,是剂量预测的一种有效尝试。
...不再出现此类内容
编辑人员丨6天前
-
人工智能在胰腺癌中的应用及展望
编辑人员丨6天前
胰腺癌是一种高度恶性的消化系统肿瘤,缺乏典型的早期症状,且具有高度侵袭性。多数胰腺癌患者就诊时已无根治性手术切除的机会,总体预后极差。近年来,人工智能在医学领域的应用迅速发展,机器学习和深度学习是其中运用最广泛的人工智能方法。基于人工智能技术建立的各种模型被运用到胰腺癌患者的早期筛查、诊断、治疗、预后预测等方面。三维可视化和增强现实导航技术在胰腺癌手术中亦得到了发展和运用。本文就人工智能技术在胰腺癌中的应用现状进行简要总结,并对其应用前景进行展望。
...不再出现此类内容
编辑人员丨6天前
-
人工智能技术在胃癌诊疗中的应用与进展
编辑人员丨6天前
人工智能(AI)是生物医学领域过去十年中发展最快的新技术领域之一。以影像组学、机器学习和深度神经网络等为代表的AI技术,因其能从医学资料中高通量地获取特征信息、分析特征数据并挖掘揭示数据与医疗结果之间的潜在联系,愈发被研究者青睐。胃癌在我国具有较高的发病率和死亡率,而将AI技术和内镜、影像、病理及测序分析等相结合的检查手段,已经在胃癌的辅助诊断、疾病分期和预后以及疗效预测等方面取得了重要的进展。AI在医疗行业中的应用极大提升了高通量数据的有效利用率,加速了疾病诊疗的智能化进程,但同时也在医学伦理、患者隐私和医疗AI的法律主体地位等方面产生了许多问题。未来,合理地规划和管理AI技术,有望为推动医学发展及重塑医疗行业提供强大的动力。
...不再出现此类内容
编辑人员丨6天前
-
基于深度学习的上颌骨缺损虚拟重建与临床验证
编辑人员丨6天前
目的:通过训练生成对抗网络(generative adversarial network,GAN)模型,构建一种包括跨中线上颌骨缺损的虚拟重建方法,以期为临床提供参考。方法:收集2015年6月至2022年6月于四川大学华西口腔医院影像科就诊的汉族成年口腔疾病患者CT资料,选择100例健康上颌骨及15例上颌骨缺损(5例单纯单侧缺损、5例单侧缺损并累及颧骨、5例跨中线缺损)CT数据。应用Mimics软件在健康上颌骨数据及其附近区域创建球型模体并模拟上颌骨缺损,分别为单纯单侧缺损、单侧缺损并累及颧骨、跨中线缺损,以原始图像为虚拟重建的正确参照;人工缺损与正确参照配对后分为训练集(70例)、验证集(20例)以及测试集(10例),前两者用于训练GAN模型,测试集用于评估GAN性能。15例上颌骨缺损CT数据导入训练完成后的GAN模型中进行虚拟重建,对单侧缺损分别采取镜像和基于GAN的方式进行虚拟重建,而对跨中线缺损仅采取基于GAN的方式进行虚拟重建,重建结果分为镜像重建组(10例)、单侧缺损GAN重建组(10例)和跨中线缺损GAN重建组(5例)。对测试集、镜像重建组、单侧缺损GAN重建组进行定量评价,定量指标为Dice相似性系数(Dice similarity coefficient,DSC)和95%豪斯道夫距离(95% Hausdorff distance,HD95),对各组结果进行单因素方差分析和Tukey检验。对测试集、镜像重建组、单侧缺损GAN重建组和跨中线缺损GAN重建组进行定性评分,对各组总分进行Kruskal-Wallis检验和事后检验(Bonferroni校正法)。结果:测试集、镜像重建组、单侧缺损GAN重建组DCS(分别为0.891±0.049、0.721±0.047、0.778±0.057)和HD95[分别为(3.58±1.51)、(5.19±1.38)、(4.51±1.10)mm]的总体差异均有统计学意义( F=28.08, P<0.001; F=3.62, P=0.041);其中,测试集DSC显著大于镜像重建组( P<0.05),测试集HD95显著小于镜像重建组( P<0.05)。测试集、镜像重建组、单侧缺损GAN重建组、跨中线缺损GAN重建组定性总分[分别为8(1)、6(2)、6(2)和4(2)分]的总体差异有统计学意义( H=18.13, P<0.001);两两比较显示,测试集总分显著高于镜像重建组( P<0.05)。 结论:本项研究提出的基于GAN的虚拟重建方法,其单侧缺损虚拟重建效果优于镜像技术,亦可实现跨中线上颌骨缺损的虚拟重建。
...不再出现此类内容
编辑人员丨6天前
-
脑电分析技术在临床麻醉中的应用
编辑人员丨6天前
脑电图(electroencephalogram, EEG)是一种无创脑部活动测量技术,能够一定程度反映脑的功能状态,目前已被广泛应用于临床麻醉深度监测。由于脑电量化指标在麻醉监测中存在缺陷,原始EEG的研究已重新成为热点。近年来,基于EEG的临床麻醉监测研究进展迅速,寻找更准确、更全面、更方便快捷的脑电活动评价方法是人们努力的方向。文章通过介绍脑电图谱分析(频谱分析、时频分析)、功能连接分析以及人工智能(机器学习等)分析方法的原理与特点,探究麻醉过程中的大脑状态变化,并强调脑电分析技术对临床麻醉监测的意义,对脑电分析技术及其在临床麻醉深度监测中的应用进行综述。
...不再出现此类内容
编辑人员丨6天前