排序方式: 共有56条查询结果,搜索用时 15 毫秒
31.
目的 建立并评价基于机会性CT检查的骨质疏松筛查分类和骨密度值预测的深度学习神经网络模型。方法 以定量计算机断层扫描(Quantitative Computed Tomography,QCT)骨密度测定为标准,将199例机会性CT检查数据用于建立密集卷积网络的深度学习神经网络的骨密度二分类模型和骨密度值预测回归模型,以五折交叉验证和随机分组的方法进行测试,并以来自不同设备的42例机会性CT检查病例进行独立测试,计算和评价模型的性能参数。结果 受试者工作特征(Receiver Operating Characteristic,ROC)曲线显示:骨密度二分类模型的测试集和独立测试集的ROC曲线下面积均值分别为0.974、0.938,测试集的F1得分、召回率、精准度、特异性、准确度均≥0.91,独立测试集的上述评价参数均>0.862。在训练集、测试集和独立测试集上,骨密度值预测回归模型的平均绝对误差分别为1.42、8.52和13.89,均方根误差分别为1.93、10.80、20.36,预测值与QCT骨密度值呈极强正相关。结论 基于机会性CT检查的深度学习神经网络模型对骨密度正常和降低具... 相似文献
32.
33.
34.
1病例介绍
患者女,26岁。因体检时发现右下纵隔包块占位,于2013年4月30日来我院就诊。患者无胸闷、气促,无恶心、呕吐,无腹痛、腹胀、腹泻等不适,以"右下纵隔肿瘤"入住我院。术前全身情况良好,浅表淋巴结未扪及,血常规、生物化学检查、肿瘤标志物等各项指标均正常。 相似文献
35.
目的探讨GE light speed 8 smart prep技术在CT血管造影中的准确应用。方法采用GE light speed 8 Smart Prep软件对35例患者进行颅脑CTA检查。结果 总结出GE light speed 8运用smart prep的技术要点。 相似文献
36.
目的:探讨胰腺寡囊性浆液性囊腺瘤的MSCT表现。方法:回顾分析7例经病理证实的胰腺寡囊性浆液性囊腺瘤的MSCT表现。结果:2例位于胰头、3例位于胰体、2例位于胰尾。4例为分叶状,2例为类圆形,1例形态不规则。4例为多囊,3例为单囊。囊腔大小17~61mm,平均34mm。4例可见较薄(厚度<2mm)分隔。所有病例均未见钙化及纤维瘢痕。囊壁均为均匀菲薄(厚度<2mm)。2例可见主胰管扩张。结论:胰腺寡囊性浆液性囊腺瘤的特征性表现包括:病灶多位于胰头部、分叶状轮廓、薄而均匀的分隔、缺乏中心瘢痕及钙化、囊壁菲薄、与胰管不相通。 相似文献
37.
故障现象一开机作胃肠检查。在透视过程中机器突然不出射线。操作面板显示屏显示错误代码"03HJ"。根据其提示,按下"reset"键再行透视,故障依旧。故障分析与检修该机装有故障诊断程序,在分析和检修中按显示的错误代码参照机器技术资料上的错误查询(fault finding)及解释,"03HJ"代码(mA-function unit isconcerned)表示故障与毫安功能单元相关。根据提示,首先检查与管电流相关的单元电路。毫安控制板(EZ119),灯丝逆变器及其相关电路。 相似文献
38.
目的探讨下肢动脉硬化闭塞症(ASO)的腔内介入治疗方法和疗效。方法对21例下肢ASO患者行经皮血管成形术(PTA)和PTA后选择性支架置入术,观察术前和术后7天踝肱指数(ABI)的变化,随访6~24个月观察疗效。结果 21例的23条肢体有20条腔内介入治疗成功,单纯PTA12条,PTA后支架置入8条,术后死亡1例。介入治疗成功者术后7天ABI均较术前明显升高。有随访结果的16例,14例达到保肢目的,平均临床疗效评分结果介于较好到好之间。结论腔内介入治疗能安全、有效地改善下肢动脉硬化闭塞症的缺血症状,在各项临床治疗手段中占有重要地位。精细的介入操作、全面的围手术期处理和术后随访有助提高腔内介入治疗的成功率和中、远期疗效。 相似文献
39.
目的:探讨CT、MRI在胫骨平台骨折临床诊断及AO分型中的应用效果。方法:对67例胫骨平台骨折患者临床资料进行回顾性分析。所有患者均给予CT及MRI医学影像检查,之后经外科手术证实为胫骨平台骨折。记录所有患者CT、MRI诊断及AO分型结果,与手术确诊结果进行对比后给予统计学分析并得出结论。结果:CT符合率仅为73.13%,显著低于MRI符合率95.52%(P<0.05);两种方法 C1型、C3型检出率差别较大(P<0.05),其他AO分型CT、MRI检出率对比结果无显著性差异(P>0.05)。结论:应用MRI检查胫骨平台骨折符合率略高于CT检查,临床医生应准确掌握胫骨平台骨折特征,对疑似病例及时给予医学影像检查,尽快确诊病情并制定针对性的治疗方案,保障患者疗效及预后。 相似文献
40.
目的 建立基于多参数MRI(mpMRI)和影像组学特征的机器学习模型,评价其诊断临床显著性前列腺癌(CSPC)的价值。方法 结合纹理分析、MR动态增强定量分析、前列腺影像报告与数据系统(PI-RADS)评分和部分临床资料建立Logistic回归(LR)、逐步回归(SR)、经典决策树(cDT)、条件推断树(CIT)、随机森林(RF)和支持向量机(SVM)模型,运用ROC曲线和决策曲线分析法(DCA)评价上述模型和变量的重要性。结果 验证组中RF模型诊断CSPC的AUC大于SVM、cDT、SR模型(P均<0.05),RF模型与LR、CIT模型诊断CSPC的AUC差异无统计学意义(P均>0.05),其余各模型间诊断CSPC的AUC差异无统计学意义(P均>0.05)。概率阈值为16%~91%时,RF模型的净获益最大,优于其他模型;概率阈值为23%~91%时,SVM模型的净获益仅次于RF模型而优于其他模型。前列腺特异性抗原密度(PSAD)和部分纹理分析参数的重要性较高。结论 RF模型诊断CSPC优于其他模型,SVM模型次之。PSAD和纹理分析相关参数诊断CSPC的重要性高于PI-RADS评分和动态增强MRI定量参数。 相似文献