SPECT/CT图像配准测试方法

目的 提出SPECT/CT一体机中SPECT和CT图像配准精度的测试方法。方法 试验模体由立方体构形的8个点源构成,点源由放射性同位素和碘对比剂制备,在SPECT和CT上均可清晰成像,模体构形和尺寸可代表典型的临床应用条件。首先选用具有临床代表性的实验条件和参数,对模体分别行SPECT和CT成像。对图像分别进行分析,得到点源空间坐标,计算配准精度;以点源最大值像素点为中心,得到3个坐标方向的一维分布,分别计算分布重心作为对应方向的坐标值。结果 本文提出的方法在GE和Philips的主流SPECT/CT产品上进行验证,点源都可在SPECT和CT图像中完整成像,测试和分析方法的精度达0.1 mm以上。结论 该实验方法可为SPECT/CT产品性能评估和质量控制提供方法基础。     

基于人工智能的多模态影像辅助海马体自动勾画研究

目的:利用基于深度学习的人工智能算法,结合头颅MRI和CT的多模态影像,开发海马结构自动勾画技术,为头颅放疗过程中海马体的保护提供高效、准确的自动勾画方法。方法:收集清华大学第一附属医院放疗科从2020年1月~12月就诊的40例脑转移癌患者的定位头颅CT及MRI影像,分别在CT图像、CT-MRI配准图像的两个数据集上训练3D U-Net、3D U-Net Cascade、3D BUC-Net 3个深度学习模型,计算3个模型自动分割的左右海马体与对应的人工标注之间的Dice相似系数（DSC）和95%豪斯多夫距离（95 HD）,以及两者的体积作为模型的分割准确性的评估,并且以对同一大小patch图像的自动分割耗时作为模型效率的评估。结果:引入MRI图像信息对左右海马的自动分割精度有明显的提升;模型3D BUC-Net在CT-MRI数据集上对左右海马体的自动分割都取得最好分割结果（DSC:0.900±0.017,0.882±0.026;95HD:0.792±0.084,0.823±0.093）,而且该模型的分割效率更高。结论:模型3D BUC-Net能在多模态影像上实现高效、准确的海马区的自动勾画,为头颅放疗过程中海马区的保护提供方便。     

肝胆系统PET/MR成像检查规范专家共识

目前国内外尚缺乏关于肝胆系统一体化PET/MR标准化检查规范的探讨，无法满足日益增长的临床需求。国内相关专家结合国内外临床指南、专家共识和参考文献，以及在临床实践中获得的临床扫描经验，针对联影一体化PET/MR系统特点，对肝胆系统PET/MR检查的扫描方案进行了优化、细分及规范化，对临床适应证、扫描方案及图像质量控制等内容达成专家共识，以期规范一体化肝胆系统PET/MR检查方案，更好地为临床提供精确影像学证据。     

基于深度学习的多模态影像脑胶质母细胞瘤放疗靶区的自动勾画研究

目的 通过建立深度学习模型,探索多模态影像对脑胶质母细胞瘤放疗靶区自动勾画效果的影响。方法 收集30例脑胶质母细胞瘤患者的电子计算机断层扫描(CT)序列和磁共振成像(MRI)的对比增强T1加权序列(T1C)以及T2液体衰减反转恢复序列(T2-FLAIR),对每例病例的原发肿瘤靶区(GTV)及其对应的临床靶区1(CTV1)和临床靶区2(CTV2)根据RTOG标准进行人工勾画,并设计4种不同的数据集:CT数据集(仅含30例CT序列的单模态数据)、CT-T1C数据集(包含30例CT序列和T1C序列的双模态数据)、CT-T2-FLAIR数据集(包含30例CT序列和T2-FLAIR序列的双模态数据)和CT-MRIs数据集(包含30例CT序列、T1C序列和T2-FLAIR序列的三模态数据)。使用每种数据集中的25例对改进后的3D U-Net进行训练,并用剩余5例进行测试。评价测试样本中GTV、CTV1和CTV2的自动勾画效果,定量评估指标包括Dice相似系数(DSC),95% Hausdorff距离(HD95)和相对体积误差(RVE)。结果 该3D U-Net模型在多模态影像CT-MRIs上获得最好的GTV自动分割结果,与在单模态影像CT的自动分割结果相比(DSC: 0.94 vs. 0.79, HD95: 2.09 mm vs. 12.33 mm and RVE: 1.16% vs. 20.14%),DSC(t=3.78,P<0.05)和HD95 (t=4.07, P<0.05)的差异有统计学意义;在多模态影像CT-MRIs的CTV1和CTV2自动分割结果(DSC: 0.90 vs. 0.91, HD95: 3.78 mm vs. 2.41 mm, RVE: 3.61% vs. 5.35%)也均有较好的一致性,但与单模态影像CT的自动分割结果相比,两个靶区的DSC和HD95的差异均无统计学意义(P>0.05)。该模型对于GTV的上下界和CTV2临近的重要器官(如脑干和眼球)的自动勾画有一定的局限性。结论 基于改进后的3D U-Net在多模态影像数据集CT-MRIs上对脑胶质母细胞瘤放疗靶区具有更好的分割效果,显示出较好的临床应用价值。     

上海市区县疾病预防控制中心2002—2005年人力资源情况分析

[目的]评价2002—2005年上海市区县疾病预防控制中心人力资源的变化情况。[方法]对上海市19家区县疾病预防控制中心进行普查,从人员数量、编制、学历职称、专业、岗位等方面进行描述。[结果]上海区县疾病预防控制中心人员2005年较2002年递增了2.5%,在岗人员中专科以上学历者占62.8%。平均每家机构中正高级人员占0.8%,副高级人员占5.4%,中级人员占25.8%,助理(初级/师)级人员占41.6%。2005年在岗人员平均年龄为40.4岁,平均工作年限为21.5年。[结论]上海区县疾病预防控制中心在岗人员的学历、专业构成较全国优化,专业素质较高,年龄正处于具有一定工作经历的黄金时期。应重点解决好配置标准和人员准入标准,制定吸引、留住、稳定人才的措施和办法,优化机构运行机制和人才激励机制,加强疾病预防控制的能力建设。     

医联体智能化采集影像质量控制专家共识

目的 随着分级诊疗制度的推行,我国已成立诸多医联体,并通过云技术实现影像互通与协同诊断,但各医院影像质量控制标准和实现程度不一,导致在医联体内推行影像互通互认存在一定问题。为基于人工智能技术于5G影像云平台项目建设中形成医联体内影像质量控制,特达成此共识,旨在为建立医联体质量控制体系提供参考。     

上海市嘉定区初中学生焦虑状况调查及影响因素

目的分析上海市嘉定区初级中学学生（初中生）焦虑状况及其影响因素。方法采用儿童焦虑性情绪障碍筛查表（SCARED）对上海市嘉定区6所初级中学2011名学生的心理状况进行测评分析。结果焦虑情绪检出率为38．4％。不同年龄初中生人群焦虑情绪检出率的差异有统计学意义（P〈0．001）,14岁年龄组焦虑情绪检出率最高;不同生源地初中生人群焦虑情绪检出率的差异有统计学意义（P〈0．05）,外地学生居高。低年级、女生以及父母受教育程度较低与焦虑情绪发生有关（P〈0．05）。结论上海市嘉定区初中生焦虑情绪检出率较高,外地学生高于本地学生;低年级、女生以及父母受教育程度较低可能是焦虑情绪发生的危险因素。     

基于深度学习宫颈癌靶区自动分割勾画临床研究

目的 验证基于深度学习的宫颈癌靶区自动分割勾画临床适用性。方法 选取 535例宫颈癌CT影像,参照RTOG及JCOG标准勾画宫颈癌临床靶区(CTV),经专家审查后作为参考勾画,用于自动分割勾画训练和测试。另从测试组中随机挑选根治 4例及术后 6例,分别由初、中、高级医师手动勾画CTV。统计Dice系数(DSC)、平均表面距离(MSD)和豪斯多夫距离(HD)用于自动分割勾画测试,以及比较医师手动勾画和自动勾画相对于参考勾画的准确性。同时,分别记录算法和手动勾画耗时。结果 数据经VB-Net网络训练得到根治CTV1(dCTV1)、dCTV2、术后CTV1(pCTV1)自动分割模型,自动勾画结果与参考勾画具有较好的一致性(DSC:0.88、0.70、0.86;MSD:1.32、2.42、1.15 mm;HD:21.6、22.4、20.8 mm)。dCTV1算法与三组医师勾画相近(P>0.05);dCTV2及pCTV1算法均优于初中级医师勾画(P<0.05),自动分割勾画耗时较手动勾画显著缩短。结论 基于深度学习的宫颈癌靶区自动分割勾画准确性与高级医师手动勾画相当,应用于临床中将有助于大幅提高工作效率,具有提高勾画一致性和准确性的潜能。