基于区域建议策略的视盘定位方法

视盘定位对利用眼底图像进行眼科疾病的计算机辅助诊疗十分重要。提出一种基于区域建议策略的视盘定位方法。首先,将眼底图像从像素域映射到特征域,在得到的特征图上利用区域建议策略生成视盘的初始候选区域;然后,按照一定准则对候选区域进行采样,构建全连接层对其进行深层特征提取,并利用损失函数的约束实现候选区域的位置精修;最后,通过置信度阈值的过滤对视盘可见性进行判断,若视盘可见,则将置信度最大的候选区域中心作为该眼底图像的视盘坐标,从而实现视盘的正确定位。在3个公开的眼底图像数据库(DRIVE(40张)、MESSIDOR(1 200张)和STARE(400张))中进行实验,定位准确率分别为100%、99.9%和98.8%。实验证明,该方法能够实现视盘的准确、快速、鲁棒定位,优于现有的视盘定位方法,且预先进行视盘可见性的判断更符合实际应用的要求,能够辅助眼底疾病的诊断处理。     

基于CNN算法的稳态体感诱发电位的特征识别

脑-机接口研究可为瘫痪病人的康复带来一种新的治疗方法。已有研究表明对手指或者正中神经施加一定频率的体感刺激,会引发相同频率且具有空间特异性的稳态体感诱发电位。为优化基于稳态体感诱发电位的脑-机接口的性能,通过快速傅里叶变换寻找12个健康被试的个人左手特定共振频率,采用事件相关谱扰动进行时频分析,检测其稳态体感诱发电位信号。基于共振频率对实验诱发的脑电信号进行1 Hz带通滤波,获得特定频带的数据,采用卷积神经网络(CNN)学习算法对其进行分类,并与采用共空间模式和支持向量机的特征提取及特征分类的方法(CSP+SVM)进行比较。所有被试的结果显示:基于共振频率滤波方法,采用CNN学习算法获得的离线分类准确率均高于85%,并且CNN学习算法的分类准确率显著性优于CSP+SVM的分类准确率(91.8%±5.9% vs 77.4%±8.5%,P<0.05)。因此,在基于稳态体感诱发电位的脑机接口的特征识别中,CNN学习算法相比传统使用的机器学习分类算法(如共空间模式+支持向量机)能够显著提升分类准确率,提高脑机接口的整体性能。     

ARIMA模型、BP神经网络及其组合模型在卫生政策评估中的实证比较:以公立医院价格改革为例

目的:探索不同反向事实构建方法对医院财务数据预测的效率,以期对政策进行更有效的评估。方法:借助R软件,用南京市公立医院A在2011—2016年的药品收入、医疗服务收入建立测试数据集,分别用ARIMA模型、BP神经网络、ARIMA+BP组合模型进行预测并与实际拟合,并比较改革前后补偿率。结果:三个模型对药品收入的均方根误差分别为692.82、501.44、380.80,医疗服务收入的均方根误差分别为184.04、215.63、168.65,组合模型预测效率更高。用组合模型计算改革后A医院药品收入净损失为12 044.03万元,医疗服务收入净增长为18 532.60万元,为药品收入损失的153.87%。结论:医院财务数据因其线性与非线性的组合特征,使用组合预测模型的预测效果最佳。但在实际应用中,ARIMA模型操作简单,与组合模型预测趋势也较为一致,在实际卫生政策评估中也推荐使用。     

智能视频分析系统在防范药品差错中的初步构建

目的:药品差错存在于临床用药的各个环节,直接关系到患者的生命健康。利用人工智能技术,构建药品差错智能视频分析系统,保障临床用药安全。方法:根据视频监控,采用人工智能中的深度神经网络技术,实时分析识别监控视频中药品的名称、规格、剂型、厂家和数量,与HIS中处方/医嘱的药品信息进行对比,若有药品差错,实时报警提醒。结果:药品差错智能视频分析系统与医院HIS的处方/医嘱对接,适用于分析防范开具处方/医嘱后调剂、发药、配置和给药环节的药品差错。结论:基于人工智能的视频分析系统可防范临床药品差错,保障临床安全用药。     

基于组织修复的脑肿瘤图像配准方法

本文研究一种基于组织修复方式实现脑肿瘤磁共振图像与正常脑磁共振图像准确配准的方法。首先在BraTS2018数据集使用分割网络分割脑部肿瘤，然后根据肿瘤分割掩膜，使用组织修复网络模拟生成肿瘤区域内缺失的正常组织以替换肿瘤区域。最后，将修复后的脑图像与标准的正常脑图像配准。我们通过对修复前后图像和正常图像配准结果来评估我们的方法有效性。配准实验结果表明，我们提出的方法降低了脑肿瘤图像中病理变异对配准结果的影响，与传统的直接配准的算法相比，本文所提出的方法能获得更准确的配准结果，可以有效模拟生成正常组织替换肿瘤区域，从而提高脑肿瘤图像与正常大脑图像的配准准确度。     

基于空洞卷积U-Net模型的胰腺自动分割方法研究

目的 探讨一种空洞卷积U-Net模型对胰腺组织精准分割的可行性.方法 通过对标准U-Net模型进行改进,得到一种多尺度空洞卷积U-Net模型,以100例放疗定位CT中包含完整胰腺的盆腔肿瘤患者的影像和结构信息为研究对象,对两种U-Net模型进行训练和测试,最终比较两者的分割精度.分割精度量化指标分别是戴斯相似性系数(DSC)、杰卡德相似性系数(JSC)、豪斯多夫距离(HD)和平均表面距离(ASD).结果 与标准U-Net模型分割结果比较,该研究的空洞卷积U-Net模型的DSC均值达到0.87,JSC、HD和ASD均值也分别为0.78、9.85 mm和1.62 mm,且差异有统计学意义(P＜0.05).结论 基于标准U-Net模型搭建的空洞卷积U-Net模型能够更准确的分割健康胰腺组织,对改进辅助诊断系统和提高放射治疗效果有着重要的意义.     

2型糖尿病患者亚临床动脉粥样硬化的多层人工神经网络分类预测模型的构建

背景　现阶段我国2型糖尿病（T2DM）患者数量较多,亟须开发简单、有效的亚临床动脉粥样硬化发生风险评估工具。目的　依据多项指标构建预测T2DM患者亚临床动脉粥样硬化的多层人工神经网络分类模型并验证其预测准确性。方法　选取2010年1月至2016年12月在安徽医科大学第三附属医院住院的T2DM患者3 627例,均行双侧颈动脉彩色多普勒超声检查,其中检出亚临床动脉粥样硬化者2 196例（观察组）,未检出亚临床动脉粥样硬化者1 431例（对照组）。比较两组患者一般资料、实验室检查指标及脂肪肝发生情况并据此构建多层人工神经网络分类模型。从3 627例T2DM患者中随机选取3 027例患者作为训练集,其余600例患者作为测试集,验证多层人工神经网络分类模型的预测准确性。结果　两组患者体质指数、舒张压、有吸烟史者所占比例、有饮酒史者所占比例、饮酒量、直接胆红素、总蛋白、天冬氨酸氨基转移酶、血尿酸、三酰甘油、低密度脂蛋白胆固醇/高密度脂蛋白胆固醇比值、促甲状腺激素、游离三碘甲状腺原氨酸、游离甲状腺素、糖化血红蛋白、空腹血糖、空腹C肽、HOMA-C肽指数、严重脂肪肝所占比例比较,差异无统计学意义（P>0.05）;观察组患者女性所占比例、收缩压、有高血压病史者所占比例、球蛋白、总胆汁酸、尿素氮、血肌酐、胱抑素C、尿微量白蛋白排泄率、总胆固醇、低密度脂蛋白胆固醇、高密度脂蛋白胆固醇、白细胞计数、中性粒细胞计数、糖化血红蛋白、空腹血糖高于对照组,年龄、吸烟量大于对照组,病程、吸烟时间、饮酒时间长于对照组,有糖尿病家族史者所占比例、总胆红素、间接胆红素、白蛋白、丙氨酸氨基转移酶、肾小球滤过率、三酰甘油/高密度脂蛋白胆固醇比值、淋巴细胞计数、红细胞计数、血红蛋白、脂肪肝发生率低于对照组（P<0.05）。结合临床实际,将上述49项指标作为输入变量构建多层人工神经网络分类模型;在测试集上,Logistic模型预测T2DM患者亚临床动脉粥样硬化的准确率为59%,而多层人工神经网络分类模型隐藏层数为3时预测T2DM患者亚临床动脉粥样硬化的准确率为76%。结论　本研究构建的多层人工神经网络分类模型对T2DM患者亚临床动脉粥样硬化的预测准确率较高,可作为T2DM患者亚临床动脉粥样硬化发生风险评估工具。     

人工智能在眼部疾病中的应用及其挑战

随着人工智能技术的发展和普及,医学领域也出现了越来越多人工智能(AI)的身影。人工神经网络等新技术与临床的结合正成为研究热点,其中卷积神经网络(CNN)的深度学习算法在图像识别领域取得了巨大的成就,逐渐被用于糖尿病视网膜病变(DR)、年龄相关性黄斑变性(ARMD)、早产儿视网膜病变(ROP)、青光眼和白内障等多种眼科疾病的诊断和筛查中。目前针对不同眼科疾病,世界范围已有多个公开数据库,包括了眼底彩照、光学相干断层扫描(OCT)等多种图像资料,为眼科领域深度学习算法的训练和构建奠定了基础。同时算法本身也在不断优化,使相关AI产品的构建朝着更简便高效的方向发展,同时其临床运用也面临医学伦理和准入标准的问题。总之,深度学习算法的使用为几种常见眼科疾病的筛查诊断带来了巨大的改变也带来挑战,目前尚未大规模的投入临床应用中。本文针对人工智能在眼部疾病中的应用进展做综述,旨在总结这一领域的研究现状和现存问题,并提出对未来的展望。     

球面对称设计结合遗传神经网络优选黄芪-红花药对水提工艺

目的采用球面对称设计及遗传神经网络优选黄芪-红花药对的水提工艺。方法将黄芪-红花药对水提液中8种有效成分(羟基红花黄色素A、紫丁香苷、毛蕊异黄酮苷、脱水红花黄色素B、山柰酚-3-O-芸香糖苷、芒柄花苷、毛蕊异黄酮、黄芪甲苷)的含量进行赋权,以计算得到的综合得分作为水提工艺的评价指标。在单因素实验基础上,选择液料比、提取时间、提取温度3个因素,依据球面对称设计进行实验,并结合遗传神经网络模型进一步优选黄芪-红花药对水提工艺参数。结果球面对称设计得到的最佳提取条件为液料比20∶1、提取时间30 min、提取温度87℃、提取次数2次,其综合评分为4.877;以遗传神经网络得到的最佳提取条件为液料比22.7∶1、提取时间30 min、提取温度87℃、提取次数2次,经验证该条件下的综合得分为5.004。实验结果显示,遗传神经网络能够提高水提工艺条件的综合评分。结论球面对称设计和遗传神经网络能够优化黄芪-红花药对水提工艺参数,可为中药及其制剂中多种有效成分提取的工艺优选提供参考。     

精神分裂症患者白细胞中循环miRNA的表达及其临床意义

目的探讨白细胞中循环miRNA在精神分裂症SZ的表达水平及其诊断价值。方法收集90例SZ患者作为疾病组,90例双相情感障碍(BPAD)患者作为病例对照组,90例体检健康者作为健康对照组,采用实时荧光定量PCR检测各组白细胞中8个miRNA(miR-31-5p、miR-99b-5p、miR-107、miR-134-5p、miR-487b-3p、miR-181b-3p、miR-431-5p和miR-433-5p)的表达水平,并进行统计学分析,以验证差异表达的miRNA;绘制受试者工作曲线(ROC)曲线,建立人工神经网络(ANN)诊断模型,并分析其诊断价值。结果 SZ患者存在6个显著低表达的miRNA,其ROC曲线下面积(AUCROC)分别为miR-31-5p:0.931,miR-487b-3p:0.887,miR-99b-5p:0.869,miR-431-3p:0.763,miR-134-3p:0.756,miR-107:0.721;在ANN模型中,最优模型的AUCROC为0.960,敏感性86.7%,特异性95.6%。结论白细胞中6个差异表达的miRNA可能作为SZ诊断的非侵袭性生物学标志物,而ANN诊断模型可以提高miRNA对SZ的诊断价值。