并行磁共振成像GRAPPA-SENSE技术

并行磁共振成像技术已在MRI领域被广泛应用。本研究提出一种新的并行成像方法,命名为GRAPPA-SENSE。此法应用GRAPPA (generalized autocalibrating partially parallel acquisitions)算法内插出部分K空间中心未采集数据,生成更为精确的SC-SENSE (self-calibrating sensitivity encoding)重建算法所需的线圈敏感度函数。标准水模实验证明此方法可改善图像质量。     

基于内容的短信分类技术

研究了一种基于改进贝叶斯算法的短信分类方法。对中文文本短信,采用文档频度(DF)的特征项提取方法,借助自建短信语料库对改进的贝叶斯分类器进行了实验测试。实验结果表明：改进的分类器可以提高正常短信的通过率,并可以根据新的训练集训练出个性化的分类器,适应短信变化,满足用户的个性化需求,还结合黑白名单过滤机制实现对短信的过滤,减少了正常短信的误判率。     

基于小波递归神经网络的间歇过程迭代学习优化控制

针对间歇过程提出了基于小波神经网络的迭代学习优化控制算法,实现产品终点质量指标的控制。小波递归神经网络用于建立提供长期预测的间歇过程模型。由于模型误差以及未知干扰的影响,基于预测模型得到的控制变量在实际应用中得不到期望的终点质量指标。利用间歇过程的重复特性,采用迭代学习优化控制改善批次间的产品质量,根据以前批次的模型预测误差均值来修正神经网络模型预测输出,继而计算出下一个批次的控制输入。随着批次的进行,模型误差逐渐消失,控制输入达到最优控制。仿真实验结果验证了该算法的有效性。     

薄层高分辨CT重建技术诊断颅底骨折的应用

目的对比CT常规扫描与薄层骨算法重建扫描在颅底骨折诊断中的价值。方法对90例创伤性颅底骨折患者进行回顾性对比分析。所有检查均采用GE Lightspeed VCT64层扫描机,均先行头颅CT常规扫描,层厚、层距均为10 mm,再行薄层颅底扫描骨算法重建,层厚、层距均为1 mm～3 mm.结果90例颅脑创伤均有颅底骨折的临床体征,但头颅CT常规扫描仅有28例显示骨折线,而薄层骨算法重建扫描颅底90例均见明确骨折线,其中48例见多发骨折,并且对中颅窝、前颅窝极不容易直接显示骨折的部分区域也可清楚显示。结论薄层颅底扫描骨算法重建明显优于头颅CT常规扫描,它可以明确显示颅底骨质损伤情况,为临床诊断提供可靠而客观的影像学资料。     

小野条件下肺介质中光子剂量算法的比较研究

目的 评估用于放疗剂量计算的笔形束(PB)算法、卷积叠加(CS)算法在小野条件下肺介质中的计算精度.方法 建立一包含肺介质的水模体,分别用PB算法、CS算法和蒙特卡罗(MC)模拟计算1 cm×1 cm到7 cm×7 cm射野条件下该模体中的深度剂量和离轴比,并以MC模拟为标准比较深度剂量和离轴比曲线的扩展半影(自定义为10%～90%等剂量线之间的宽度).结果 CS算法和MC模拟的深度剂量一致性很好,在射野大于3 cm×3 cm时,差异在2%以内.PB算法高估了深度剂量,射野越小越明显;CS算法和MC计算的离轴比是一致的,均呈发散状,且射野越大越发散,而PB算法相对内收,且随射野变化不明显.结论 CS算法在肺介质中的计算精度很高,笔形束算法计算精度一般,在射野很小的情况下要慎用.     

医药文本分类特征选择的研究

研究医药文本特点,提出了基于免疫克隆选择算法的医药文本分类特征选择方法。该算法引入Jeffries-Matusita距离设计亲和度,并利用相应的克隆算子确保算法快速收敛到全局最优解。实验结果表明,该算法在提高医药文本分类精度的同时,有效降低了特征维数。与基于BP神经网络特征选择和基于遗传算法特征选择的结果相比较,在有限代数内,该算法能收敛到更优的特征子集。     

体重指数正常患者80 kVp低剂量冠状动脉CTA成像联合全模型迭代重建与iDose4、FBP重建算法图像质量的对照

目的探讨80 kVp低剂量联合全模型迭代重建(IMR)冠状动脉CT血管造影(CCTA)成像在体重指数(BMI) 20～25 kg/m2患者中的应用价值。方法 256层螺旋CT回顾性心电门控CCTA扫描BMI 20～25 kg/m2的患者30例,行80 kVp扫描,分别采用IMR(A组)、iDose4算法(L4; B组)和滤波反投影(FBP; C组)重建。定量指标包括测量升主动脉根部及冠脉主要分支近、中、远段CT值及图像噪声,并计算对比噪声比(CNR)。定性的指标包括主观图像噪声、血管边缘锐利度、条纹伪影及总体图像质量,采用5分法;冠脉每个节段采用4分法进行图像质量评估,计算可评估节段数。结果 3组冠脉各节段CT值差异均无统计学意义(P> 0. 05)。IMR冠脉各节段图像噪声值(SD)均明显低于iDose4及FBP算法(P<0. 001)。IMR冠脉各节段CNR均明显高于iDose4及FBP算法(P<0. 001)。IMR各定性图像质量指标评分均显著高于iDose4及FBP算法(P<0. 001)。IMR组冠脉各节段平均分数及可评估节段数均明显高于iDose4组和FBP组(P<0. 001)。而不可评估节段数明显低于iDose4组和FBP组(P<0. 001)。结论对于BMI 20～25 kg/m2的患者,IMR技术较iDose4及FBP可显著提高80 kVp CCTA成像的定性和定量图像质量,并明显降低图像噪声。     

基于机器学习的2型糖尿病并发症预测模型研究

目的：利用统计学和机器学习方法,探究2型糖尿病并发症的影响因素,构建2型糖尿病并发症预测模型,对并发症的发生进行预测,为2型糖尿病并发症的预防和早期筛查提供理论参考。方法：以国家人口健康科学数据中心2009年的2型糖尿病患者数据为研究对象,对性别、年龄、尿常规检查和生化检查等信息进行单因素和多因素logistic回归分析,并构建XGBoost模型,进行2型糖尿病并发症的预测。结果：单因素和多因素Logistic回归模型与XGBoost模型显示,2型糖尿病并发症的发生与14项影响因素具有相关关系,模型预测准确率为82.85%。结论：模型预测的效果良好,具有一定的参考价值。     

基于YOLO算法和ResNet深度卷积神经网络的结直肠息肉检测（含视频）

目的 构建一个基于YOLO算法和ResNet网络的自动检测结直肠息肉的深度卷积神经网络（deep convolutional neural network,DCNN）模型,并测试其功能。 方法 选取武汉大学人民医院消化内镜中心数据库2018年1月—2019年3月的肠镜图像及视频并分为3个数据集（数据集1、3、4）,另以公共数据集CVC-ClinicDB（由西班牙巴塞罗那医院提供的29个结肠镜检查视频中提取的612帧息肉图像组成）作为数据集2。数据集1（2018年1—11月的肠息肉图像3 700张,无息肉图像1 000张）用于DCNN模型构建、训练与验证;数据集2和数据集3（2019年1—3月的肠息肉图像320张,无息肉图像400张）用于DCNN模型在图像中的测试;数据集4（2018年12月肠镜视频15个,包含33个息肉）,用于DCNN模型在视频中的测试。主要观察DCNN模型检测肠息肉的敏感度、特异度、准确率和假阳性率。 结果 DCNN模型在数据集2中检测肠息肉的敏感度为93.19%（602/646）;在数据集3中检测肠息肉的准确率为95.00%（684/720）,敏感度为98.13%（314/320）,特异度为92.50%（370/400）,假阳性率为7.50%（30/400）;在数据集4中检测息肉逐息肉个数的敏感度为100.00%（33/33）,逐帧准确率为96.29%（133 840/138 998）,逐帧敏感度为90.24%（4 066/4 506）,逐帧特异度为96.49%（129 774/134 492）,逐帧假阳性率为3.51%（4 718/134 492）。 结论 构建的DCNN模型可用于自动检测结直肠息肉,在静止肠镜图像及肠镜视频中均具有较高的敏感度与特异度,且在视频中测试的假阳性率低,可用于帮助内镜医师检测结直肠息肉。