血浆纤维蛋白原Clauss测定法和PT演算法比较

纤维蛋白原(fibrinogen，Fg)是临床常用的凝血检测项目。其测定方法众多。我科使用CA-50血凝仪检测Fg有Clauss测定法和PT演算法两种测定方法。现将两法测定结果作一比较。     

基于决策树算法的热毒宁注射液金银花青蒿醇沉过程质量控制研究

目的基于决策树算法,深入挖掘热毒宁注射液金银花青蒿醇沉过程(金青醇沉)数据并探究潜在生产规律,提升该过程质量控制水平。方法依托数字化中药提取工厂数据平台收集205批金银花和青蒿浸膏(金青浸膏)历史数据并整合成数据矩阵。将数据集随机划分为训练集和测试集后分别采用分类与回归树(classification and regression tree,CART)、随机森林(random forests,RF)和TreeNet算法建立金青醇沉过程模型,比较各模型性能并基于历史数据划分关键变量控制范围。结果 RF和TreeNet模型性能较好且性能接近,综合各模型分析结果得出醇提罐料液比及金银花浓缩收率为重要的影响因素,对重要变量进行依存度分析并优选批次,并以优选批次的金银花分配浸膏质量及加醇量做控制图,密度为1.11 g/cm3的金银花浸膏分配控制范围为557.92～639.62 kg,加醇量的控制范围为3.370～3.828 m3;密度为1.12 g/cm3的金银花浸膏的控制范围为540.4～616.9 kg,加醇量的控制范围为3.317～3.859 m~3。结论决策树算法建立的金青浸膏醇沉过程模型能够有效地挖掘潜在的生产过程规律,为生产过程的质量控制提升提供技术支撑。     

以生存时间为疗效指标的临床试验转组研究中RPSFT法与BW法进行处理效应估计的性能比较

目的:本文介绍等级结构保留失效时间模型(rank preserving structural failure time models,RPSFT)和BW法(the method of Branson and Whitehead)在临床试验转组研究中的应用,并对两种方法进行比较。方法:以部分对照组受试者在试验中途转至试验组为例,采用计算机模拟试验,查看不同截尾率、转组率水平下,RPSFT法和BW法估计试验药疗效的效果。以及探讨与传统的ITT法相比,RPSFT法和BW法的检验效能和Ⅰ类错误控制情况。结果:RPSFT法和BW法估计试验药疗效的准确性高,与传统的分析方法比较,引入的偏倚小。随着转组率和截尾率增大,RPSFT法与BW法的偏倚逐渐增大,估计的试验药疗效低于真实疗效,但RPSFT法的偏倚比BW法小。两种方法估计的均方误差(MSE)十分接近。当截尾率较大(40%)时,RPSFT法的MSE比BW小。随着转组率增大,两种方法的Ⅰ类错误不断升高,普遍高于0.05。与ITT法相比,RPSFT法与BW法的检验效能受转组率的影响小,下降趋势缓慢。结论:在估计试验药疗效的临床试验中,若存在对照组受试者转组到试验组的情况,统计分析以ITT法分析为主,RPSFT法和BW法作为辅助分析方法。RPSFT法和BW法相比,当截尾率和转组率均较高时,参数估计优先考虑选择使用RPSFT法。     

基于深度学习的宫颈原位腺癌图像识别方法

  目的  基于深度学习算法构建宫颈原位腺癌(cervical adenocarcinoma in situ, CAIS)病理图像诊断模型。  方法  回顾性收集2019年1月至2021年12月中国医科大学附属盛京医院病理科保存的CAIS患者病变组织、慢性宫颈炎患者正常宫颈管腺体病理切片。图像采集后,均按4∶3∶3的比例随机分为训练集、验证集和测试集。使用训练集、验证集数据对VGG16、VGG19、Inception V3、Xception、ResNet50和DenseNet201共6种网络模型进行迁移学习训练和参数调试,构建可识别CAIS病理图像的卷积神经网络二分类模型,并将模型进行组合,构建集成学习模型。基于测试集数据,采用运算时间、准确率、精确率、召回率、F1值、受试者操作特征曲线下面积(area under the curve,AUC)对模型识别CAIS病理图像的性能进行评价。  结果  共入选符合纳入和排除标准的CAIS患者病理切片104张、慢性宫颈炎患者正常宫颈管腺体病理切片90张。共收集CAIS、正常宫颈管腺体病理图像各500张,其中训练集、验证集、测试集图像分别400张、300张、300张。6种模型中,ResNet50模型的准确率(87.33%)、精确率(90.00%)、F1值(86.90%)及AUC(0.87)均最高,召回率(84.00%)居第2位,运算时间较短(2062.04 s),整体性能最佳,VGG19模型次之,Inception V3与Xception模型的性能最差。6种集成学习模型中,ResNet50与DenseNet201集成模型的整体性能最优,其准确率、精确率、召回率、F1值、AUC分别为89.67%、84.67%、94.07%、89.12%、0.90,VGG19与ResNet50集成模型次之。  结论  通过深度学习算法构建CAIS病理图像识别模型具有可行性,其中ResNet50模型的整体性能较高。集成学习可提高单一模型对病理图像的识别效果。     

“光子杯”CT新技术征文通知

<正>在过去的四十年中,随着X射线球管、探测器技术、CT系统设计、图像重建算法以及计算机技术的不断发展,CT图像质量得到了明显的提高。尤其是在最近十年里,随着从扫描环节到图像重建环节整个影像链的构建发生革命性的变化,CT得到了迅猛的发展,CT的扫描速度和诊断能力都发生了根本性的改进,大大拓展了CT在临床上的应用范围。现代高端CT在继承传统CT成像技术的同时,还不断创新推出CT先进的成像技术,如     

螺旋CT薄层骨算法重建技术对前颅窝骨折的诊断价值

目的:探讨螺旋CT薄层骨算法重建技术对诊断前颅窝骨折的诊断价值。方法:回顾分析47例脑外伤临床高度怀疑前颅窝骨折患者行CT常规扫描及薄层骨算法重建,并对其诊断结果进行分析、比较。结果:在对前颅窝骨折的CT诊断中,薄层骨算法重建阳性显示率为100%,与常规CT扫描的74.47%相比,2种方法比较有显著性差异。结论:CT薄层骨算法重建明显优于常规扫描,它可以明确显示前颅窝骨质损伤情况,为临床诊断提供可靠而客观的影像学资料。     

基于比率距离的自适应超声图像去噪方法

针对超声图像噪声的瑞利分布特性,使用一种新的自适应超声图像去噪方法,改进固定窗口包含边缘时无法做到沿边缘方向滤波的不足。采用可自由伸缩的自适应滤波窗口,首先针对瑞利分布的噪声引入比率距离,得到超声图像像素间的相似度距离,然后考虑像素的邻域图像块均值,解决相似度距离之间比较的问题,最后像素根据新的相似度距离进行八方向伸展,得到不规则形状的滤波窗口进行去噪。用仿真超声图像和临床超声图像进行实验,图像评价指标结果表明该算法优于经典算法,更适用于去除超声图像的斑点噪声,在去除噪声的同时能够较好地保留细节边缘。     

基于蒙特卡罗模拟的直肠癌术前容积调强放射治疗计划剂量验证

目的: 通过蒙特卡罗模拟评价基于各向异性解析算法（AAA）直肠癌术前容积调强放射治疗计划（VMAT）的剂量计算精度。方法: 选取20例基于AAA算法和RapidPlan模型优化的直肠癌术前VMAT计划,通过对比蒙卡模拟与治疗计划计算结果的平均DVH、靶区适形度（CI）、靶区均匀性（HI）和Gamma 3D通过率等参数,评估基于AAA算法的VMAT治疗计划剂量计算精度。结果: 两种Gamma 3D评估策略通过率的均值与标准差分别为97.58±0.47%（Max Dose）、92.46±1.76%（Local Dose）,且差异具有统计学意义（P<0.05）;对PTV和PGTV的CI、DMin、膀胱的D50%、DMean等不符合正态分布的参数做相关样本非参数检验,除PGTV的CI和Dmin外,差异均具有统计学意义（P < 0.05）;其他服从正态分布的参数做配对样本T检验,差异均具有统计学意义（P < 0.05）。结论: Rapidplan模型计划在低剂量区通过率较低,说明AAA算法射野边缘低剂量区计算偏差较大;靶区Dmin与算法的精度较为相关,CI和HI参数相对于蒙卡模拟结果有一定差异;AAA算法在股骨头和膀胱的D50%、DMean相对蒙卡模型有不同程度的低估。     

基于压缩感知理论的医学图像重构算法研究现状

压缩感知理论的提出促进了医学成像技术的发展。压缩感知是通过直接采集压缩后的数据,利用重构算法高精度恢复原信号,避免了传统的先采样再压缩造成的资源浪费。基于压缩感知的CT、MRI、US成像的重构算法对其应用于医学成像起着至关重要的作用。因此,对重构算法进行了着重介绍,并进行比较分析。