基于bp-MRI和VB-Net的临床显著性前列腺癌自动分割和机器学习分类的研究

目的 评价基于双参数MRI的深度学习自动分割与机器学习分类模型,探索其在临床显著性前列腺癌（CSPC）诊断中的应用。方法 纳入409例前列腺患者MRI检查资料,在DWI、ADC和T₂WI中应用VB-Net模型分别进行病灶自动分割和腺体自动分割,生成感兴趣区（ROI）,病灶自动分割时将分割阈值设置为不同数值分别重复进行。分别提取病灶ROI和腺体ROI中的纹理特征,进行Lasso特征选择,建立、训练随机森林、支持向量机和Logistic回归模型并进行验证。结果 病灶分割中分割阈值分别为0.9、0.5、0.1时,假阴性率分别为0.462、0.273、0.182,假阳性率分别为0.134、0.419、0.661;当分割阈值设为0.5,病灶自动分割后进行纹理分析和机器学习分类,3种模型ROC曲线的AUC为0.76～0.792;腺体分割后进行纹理分析和机器学习分类,3种模型ROC曲线的AUC为0.827～0.855。结论 采用基于前列腺bp-MRI的VB-Net模型对CSPC病灶具有一定的自动分割、分类能力,结合进一步的机器学习能较好地诊断CSPC;VB-Net模型对腺体自动...     

缺血性脑损伤与神经细胞凋亡

一、神经细胞凋亡 细胞凋亡在神经系统的发育中起着重要的作用．外周和中枢神经系统发育过程中约有15％-85％的细胞死亡。这种死亡是细胞的凋亡而非细胞的坏死，其目的在于建立某种早期模式和清除某种细胞系，从而为形成更加复杂的神经网络而奠定基础。细胞凋亡有两方面的作用：一方面维持正常细胞的代谢，另一方面却破坏了人体的正常生理功能，如正常的组织细胞的发育或肿瘤的形成。     

一种动力型髋离断假肢控制系统研究

目的 探讨一种动力型髋离断假肢控制方法提升佩戴者步态对称性的可行性。 方法 通过九轴姿态传感器采集健康人体下肢步态运动学信息,使用BP神经网络建立穿戴髋离断假肢截肢者健侧-假肢侧运动学映射模型。将截肢者健侧腿的运动学信息实时传入该映射模型,生成髋离断假肢运动的目标轨迹,结合下肢假肢动力学模型,通过PID算法控制髋离断假肢电机运动,实现截肢者的实时步态分析和假肢的实时控制。记录截肢者穿戴动力髋离断假肢行走实验中的步长、步频及最大髋关节角度等数据,并结合步态对称性指标SⅠ、RⅠ、RⅡ对假肢控制效果进行评估。 结果 BP神经网络建立的截肢者健侧和假肢侧的运动学映射模型,综合关联度达到98.7%。相对于传统髋离断假肢,动力髋离断假肢髋关节的最大屈曲角度提升了105.5%,截肢者的步态对称性指标SⅠ和RⅡ分别提升了74.2%和72.2%。 结论 动力型髋离断假肢控制系统能提高假肢穿戴者的步态对称性。     

BP网络在麻醉深度监测算法上的应用

麻醉是临床手术中必不可少的环节,但麻醉的过深或过浅可能给病人带来伤害,因而对麻醉深度的监测具有较高的临床价值。脑电是目前检测麻醉深度最有潜力的方法,首先通过滤波等处理方式得到较为纯净的脑电信号,分析时域和频域的特征,计算相应的参数,并将该参数作为前向反馈神经网络的输入参数,选择合适的BP神经网络拟合得到一个能够评价麻醉深度的无量纲常数。使用BP神经网络拟合结果来表征麻醉深度准确率普遍在90%以上,反映了BP神经网络在麻醉深度监测上具有较高的应用价值。     

基于神经网络法反求耳结构弹性模量

目的通过耳结构的位移反算耳结构弹性模量。方法基于Patran软件建立耳结构有限元模型,使用Mat-lab建立计算耳结构反问题的BP神经网络。对耳结构有限元模型进行频率响应分析,得到鼓膜凸和镫骨足板的位移响应;把位移作为BP神经网络的输入、相对应的结构弹性模量作为输出,对网络进行训练。结果利用训练成熟的BP网络反算出耳结构的弹性模量,相对误差非常小。结论反算结果表明,所使用的反问题方法求解耳结构弹性模量是可行的,可为临床提供确定生物结构力学参数简捷有效的方法。     

基于PCA和Fisher判别分析的锋电位在线分类算法

目的 大脑神经元胞外单细胞动作电位(即锋电位)的检测与分类,是研究神经系统处理信息机制的关键.常用方法是实验完成后对记录到的数据进行离线检测与分类,然而当需要在短时完成大量数据的处理或无线传输时,则需实现锋电位的在线检测与分类.方法 为实现在线分类,本文在利用主成分分析法(principal component analysis,PCA)和K均值分类法对一定量数据进行预分类的基础上,提出使用PCA结合Fisher判别分析的方法,并与基于距离的模板匹配法、BP神经网络分类法进行了分类效果和算法复杂度的比较.结果 仿真结果表明,该方法相对于其它两种方法在分类效果和算法复杂度上都具有一定的优势.结论 此方法是实现锋电位在线分类的不错选择.     

基于皮肤镜图像智能分析的早期蕈样肉芽肿诊断模型构建

  目的  比较基于皮肤镜图像的卷积神经网络(convolutional neural network, CNN)二分类模型在蕈样肉芽肿(mycosis fungoides, MF)与炎症性疾病鉴别诊断中的应用价值。  方法  回顾性纳入2016年1月至2020年12月北京协和医院皮肤科门诊确诊的早期MF患者和临床表现与之相似的炎症性皮肤病患者,并按4∶1的比例随机分为训练集和测试集。使用训练集患者的皮肤镜图像对6种经典网络结构利用迁移学习进行训练,以构建CNN二分类模型。同时,在测试集中随机挑选每例患者1幅图像,并结合皮损的临床图像,由13名皮肤科医师对疾病归类进行判读。比较CNN二分类模型与皮肤科医师对测试集病例早期MF与炎症性疾病鉴别诊断的性能,结果以曲线下面积(area under the curve, AUC)、灵敏度、特异度、Kappa值等表示,并采用受试者工作特征(receiver operating characteristic, ROC)曲线进行可视化分析。  结果  共纳入48例早期MF患者(皮肤镜图像402幅)和96例炎症性皮肤病患者(皮肤镜图像557幅),其中训练集117例(皮肤镜图像772幅),测试集27例(皮肤镜图像187幅)。测试集中,皮肤科医师鉴别诊断早期MF与炎症性皮肤病的灵敏度和特异度分别为70.19%(95% CI: 59.68%~80.70%)和94.74%(95% CI: 91.77%~97.71%),Kappa值为0.677(95% CI: 0.566~0.789)。按图像分类时,CNN二分类模型对早期MF与炎症性皮肤病鉴别诊断的AUC为0.87(95% CI: 0.84~0.89),灵敏度和特异度分别为75.02%(95% CI: 70.19%~79.85%)和82.02%(95% CI: 79.30%~84.87%),Kappa值为0.563(95% CI: 0.507~0.620);按病例分类时,CNN二分类模型对早期MF与炎症性皮肤病鉴别诊断的AUC为0.97(95% CI: 0.95~0.99),灵敏度和特异度分别为87.50%(95% CI: 78.55%~96.45%)和93.85%(95% CI: 88.93%~98.77%),Kappa值为0.920(95% CI: 0.884~0.954)。ROC曲线显示,按病例分类时网络结构为EfficientNet-B0的CNN二分类模型诊断早期MF的AUC为0.99,灵敏度和特异度分别为88.9%和100%,且13名皮肤科医师诊断的灵敏度和特异度均值对应点位于曲线右下方。  结论  基于皮肤镜图像智能分析的CNN二分类模型可实现对早期MF与炎症性皮肤病的精确分类,对二者的鉴别诊断能力优于皮肤科医师的平均水平。     

我院药品不良反应/事件主动监测系统构建

目的：构建药品不良反应/事件主动监测系统,为临床提供用药安全信息,及时发现并快速上报药品不良反应（adverse drug reaction,ADR）/事件（adverse drug event,ADE）,实现基于该系统的ADR/ADE真实世界研究条件。方法：联合"触发器原理"与"贝叶斯置信传播神经网络法"挖掘医院信息系统的ADR/ADE信号,由药师负责建立规则、布局功能模块以及对效果进行评估验证,由软件工程师负责编写计算机程序实现。结果：建立了较全面的监测规则,实现了实时预警与回顾性研究数据快速提取,完成了ADR/ADE主动监测平台的搭建。结论：ADR/ADE实时预警有利于及时处置,减少药品危害,并提高上报效能,快速筛选数据的功能为上市后药品安全性再评价提供便利,对建立药品安全性监测与评价信息技术平台有重要意义。     

超声结合BP神经网络技术诊断女童中枢性性早熟

目的探讨超声结合人工神经网络技术在女童中枢性性早熟诊断中的应用价值。方法选用170例性早熟女童进行常规超声检查子宫、卵巢,以其中130例的子宫体积、卵巢体积以及双侧卵巢最大卵泡内径为输入变量,以中枢性性早熟或非中枢性性早熟为输出变量,建立反向传播(BP)神经网络,并对另40例性早熟病例分类。结果利用BP神经网络结合常规超声检查对中枢性性早熟诊断的敏感性、特异性和准确率分别为95.0%、85.0%、90.0%。结论神经网络结合超声检查对中枢性性早熟的诊断和鉴别诊断具有较大的价值。