首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  免费   2篇
特种医学   2篇
  2022年   2篇
排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
【摘要】目的:评估深度学习方法在鼻咽侧位X线片上自动测量儿童腺样体肥大的可行性、准确性和可靠性。方法:X线图像被人工标注并分为训练、验证和测试数据集。利用训练集和验证集对多分类U-Net和Res U-Net深度学习网络进行训练,然后分别用两种方法对测试集图像进行分割。将两种方法的分割结果进行比较,选择出最佳的分割方法,并利用Matlab所构建的测量模型自动测量腺样体/鼻咽腔(A/N)比值。将自动测量方法(AMS)测得的A/N值分别与由主任医师、主治医师、住院医师手工测量的A/N值进行比较。以主任医师的测量结果为标准,计算AMS、主治医师、住院医师的准确率。结果:与U-Net相比,Res U-Net在测试集有更好的分割性能,并获得了总体上与主治医师水平相当,但比住院医师更准确的A/N结果。在对正常、中度肥大和病理性肥大腺样体的分级中,AMS的准确率分别为93.75%、93.02%和96.00%,主治医师的准确率分别为100%、83.72%和96.00%,而住院医师的准确率分别为68.75%、69.77%和84.00%。统计学分析结果显示,在正常组、中度肥大组以及病理性肥大组中AMS与主任医师、主治医师的测量结果差异均无统计学意义(P值均>0.05);AMS与住院医师在正常组和中度肥大组中的测量结果差异有统计学意义(P<0.05),在病理性肥大组中差异无统计学意义(P>0.05)。AMS所需的测量时间分别为主任医师、主治医师和住院医师手工测量时间的22%、21%和18%,AMS与主任医师、主治医师、住院医师的测量时间比较差异均有统计学意义(P值均<0.05)。结论:基于Res U-Net的自动测量方法可以快速测量腺样体A/N比值,达到主治医师的测量水平,且能够提高住院医师的测量水平,辅助各级医师减少测量所需时间,有助于临床快速、精确诊断。  相似文献   
2.
【摘要】目的:基于增强CT影像组学特征构建列线图预测模型对肝硬化患者肝储备功能进行Child-Pugh分级。方法:回顾性分析经临床证实的144例肝硬化患者,按照Child-Pugh评分标准分成Child-Pugh A级33例, B级60例,C级51例。构建Child-Pugh A vs Child-Pugh B/C及Child-Pugh A/B vs Child-Pugh C两个数据集,分别以8:2的比例随机分成训练集和测试集。在3期增强CT图像上手动勾画肝脏区域作为感兴趣区(ROI),于感兴趣区中提取并筛选特征。建立影像组学标签并构建列线图预测模型,将模型用于训练集及测试集,并绘制受试者工作特性曲线(ROC)评估其效能。结果:在Child-Pugh A vs Child-Pugh B/C数据集中,列线图在训练集与测试集中AUC分别为0.920和0.807,敏感度分别为0.933和0.741,特异度分别为0.846和0.826。在Child-Pugh A/B vs Child-Pugh C数据集中,列线图在训练集与测试集中AUC分别为0.880和0.821,敏感度分别为0.805和0.818,特异度分别为0.878和0.947。结论:基于不同肝脏储备功能肝硬化患者的腹部3期CT增强图像组学特征建立的列线图模型可作为预测Child-Pugh分级较为可靠的辅助诊断工具。  相似文献   
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号