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。     

临床决策支持系统技术现状及质量评价思路初探

目的：我国监管部门对临床决策支持系统（CDSS）的法律责任和监管模式正在探索之中,如何更好地规范临床决策支持系统,使其发挥临床辅助作用,是监管科学的重要研究方向。本文主要探索临床决策支持系统的质量评价方法和检测手段。方法：通过调研临床决策支持系统的发展现状以及分析现有的具有一定影响力的临床决策支持系统的技术特性,在此基础上,讨论临床决策支持系统在医疗领域的发展趋势和所面临的挑战。并对临床决策支持系统在质量评价过程中需重点关注的内容进行比较全面的总结,包括分类方法、评价方法和伦理问题。结果与结论：临床决策支持系统正处于蓬勃发展期,相应的技术和业态也在不断形成中,目前来说,绝大多数临床决策支持系统并不能直接给出相应的决策,多数还是处于启发和帮助医护人员进行思考的阶段。对于监管和评价来说,面临的挑战主要来自于算法适应性、决策透明性、界面可用性、系统鲁棒性和可移植性等因素的评价。     

基于ID3算法的决策树对住院天数的预测

目的:寻找患者的指标对住院天数的影响规则,以便预测新住院患者的住院天数。方法:采用Microsoft SQL Server2005 Analysis Services中基于ID3算法的决策树技术对收集整理的84例心血管病住院患者的相关指标信息进行挖掘。结果:生成一棵具有5个叶结点的3级决策树,分析得到的5条规则能有效预测住院患者的住院天数。结论:采用本次研究方法中相关参数的配置挖掘本次研究对象是精确高效的。     

高密度骨算法在眼眶壁骨折诊断中的应用

目的:探讨高密度骨算法在眼眶壁骨折诊断中的应用价值.方法:收集近一年来因眼部外伤行CT检查,经高密度骨算法、多平面重组、三维容积重建图像重建最后确诊的66例眼眶壁骨折病例,对其影像表现进行回顾性分析.结果:66例眼眶壁骨折病例中:左侧眶壁骨折31例,右侧眶壁骨折25例,双侧眼眶壁骨折3例,复合型骨折7例.结论:高密度骨算法及多平面重组、三维容积重建是诊断眼眶壁骨折简单、有效和明确的检查方法.     

CollapsedCone光子束剂量计算方法研究

剂量计算是放射治疗计划系统的核心,与常用的笔形束剂量计算方法相比,collapsed cone卷积/叠加剂量计算方法具有更高的计算精度,为此我们研究了collapsed cone卷积/叠加剂量计算方法及加速算法,开发了一套基于collapsed cone卷积/叠加剂量计算方法的光子束放射治疗计划系统,并运用蒙特卡罗方法...     

生物序列比对算法与图形硬件加速研究

探索准确、高效、低成本、通用性并存的生物序列比对方法.将点阵图算法、启发式算法等各种序列比对算法中准确性最高的动态规划算法在计算机中实现,并通过流模型将其映射到图形硬件上,以实现算法加速;通过数据库比对搜索实例,进行比对时间和每秒百万次格点更新(MCUPS)性能值评测.结果表明,该加速算法在保证比对准确性的同时,能较大地提高比对速度.与目前最快的启发式算法相比,比对平均加速为18倍,最高加速可达28倍.     

LYSO闪烁晶体PET探测器设计及位置映射算法研究

目的分析LYSO闪烁晶体内光子的输运特性及正电子发射计算机断层扫描装置（positron emission tomography,PET）位置映射表的建立方法。方法在Linux fedora操作系统之上成功构建了GATE（geant4 application for tomographic emission）核医学仿真平台,模拟了LYSO闪烁晶体PET探测器内光子输运过程。并且基于仿真数据,分析了位置映射表。结果成功研制了8×8探测器模块,得到位置映射对照表。结论基于GATE进行探测器模块设计切实可行,得到的位置映射表对后期实际散点图的建立过程具有重要指导作用。     

基于深度学习的像素闪烁算法对高体质量指数患者低剂量腹部CT平扫图像质量的影响

目的 探讨基于深度学习的像素闪烁（PS）算法对体质量指数（BMI）≥ 25 kg/m²患者低剂量腹部CT平扫图像质量的影响。方法 选取59例接受腹部CT检查、BMI ≥ 25 kg/m²的患者,根据管电压分为A组（100 kVp,n=30）和B组（120 kVp,n=29）。根据不同重建算法和处理方式,将A组分为A1亚组（FBP）、A2亚组（FBP+PS）、A3亚组（50% ASiR-V）和A4亚组（50% ASiR-V+PS）;将B组分为B1亚组（FBP）和B2亚组（50% ASiR-V）。测量2组肝右叶、右侧竖脊肌CT值及SD值,计算肝脏SNR、CNR及容积CT剂量指数（CTDI_vol）,评价2名观察者间所测数值的一致性。结果 2名观察者所测数据的一致性良好（ICC值均> 0.80）。A组各亚组间肝脏及竖脊肌CT值差异无统计学意义（P > 0.05）;肝脏及竖脊肌SD值、肝脏SNR值差异有统计学意义（P均< 0.001）;两两比较SD_A4 < SD_A2 < SD_A3 < SD_A1,SNR_A4 > SNR_A2 > SNR_A3 > SNR_A1;A1与A3亚组间CNR值差异无统计学意义（P=0.078）,其余亚组间两两比较CNR_A4 > CNR_A2 > CNR_A3或CNR_A1（P均< 0.001）。A2亚组肝脏SD值较B1亚组、A4亚组较B2亚组明显降低,SNR及CNR值明显增高（P均< 0.001）。A组CTDI_vol明显低于B组（P均< 0.001）。结论 采用基于深度学习的PS算法可改善高BMI患者低剂量腹部CT平扫图像质量。     

基于Metropolis—SA算法的脑部磁共振血管造影图像分割

目的利用三维Markov随机场（MRF）模型分割脑部磁共振血管造影（MRA）。方法MRF的似然概率采用了瑞利分布和高斯混合分布函数,并利用最大期望（EM）算法精确估计出混合参数;先验概率采用Ising—MRF模型,并利用误差试探法估计出正则化参数。为避免利用迭代条件模式（ICM）进行图像分割时常陷入局部最优解,实验提出了基于Metropolis采样算法的模拟退火（SA）技术。结果实现了三维MRF的全局最优解,分割模型可分辨3个体素的细小血管。临床数据采用南方医院影像中心提供的患者TOF-MRA数据（1.5TGE MRI scanner）,空间分辨率0．43mm×0．43mm×0．50mm：原始数据的像素空间大小为512×512×128;实际采用的空间大小和分辨率分别为256×256×64和0．80mm×0．80mm×1．20mm。实验对每一套临床数据采用SA、ICM、MSA算法分别进行分割比较,分割结果存在有限差异,采用15步迭代计算的时间消耗分别为1029S、463S、560S。结论实验通过三维仿真数据分割结果表明,Metropolis—SA迭代求解算法能够实现更低的全局误差．并且实际脑部MRA数据的分割与最大密度投影相比较．反映出较好效果．     

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。