基于数据挖掘技术构建孤立性肺结节诊断模型

目的基于分类与回归决策树（CART）与人工神经网络（ANN）技术建立孤立性肺结节良恶性的诊断模型，探讨数据挖掘技术在孤立性肺结节影像学诊断中的应用。方法收集经病理学证实的58例孤立性肺结节（SPN）患者资料，分别提取12个临床指标和22个影像学指标作为鉴别SPN良恶性的输入指标，将各指标结果输入CART和ANN诊断模型。采用ROCKIT统计学软件绘制三组影像科医生、CART和ANN的受试者操作特征（ROC）曲线。结果CART对SPN良恶性诊断正确率最高，其次为ANN、高年资医生、中等年资医生和低年资医生。以上各组ROC曲线下面积分别为0．931、0．878、0．845、0．778和0．658。CART、ANN与高年资医生相比无显著性差异（P〉0．05）；但三组与中、低年资组医生相比有显著性差异（P〈0．05）；CART对SPN具有决策意义的诊断指标为年龄，其次为结节的毛刺征和咯血症状。结论数据挖掘的CART和ANN两种算法对评估孤立性肺结节的良恶性具有较高的准确性。     

毒性病理学中人工智能和机器学习的应用研究进展

毒性病理学是促进动物和人类健康发展最有价值的学科之一,药物非临床安全性评价毒性研究中对石蜡包埋、苏木精和伊红染色切片的组织病理学检查是毒性病理学评价的金标准。数字毒性病理学、人工智能(artificial intelligence, AI)尤其是机器学习(machine learning, ML)是全球颠覆性、快速发展的技术领域,其对组织病理学领域的影响正在迅速显现。组织病理学检查种类繁多算法的发展和应用,表明人工智能病理学平台可深度影响将来数字毒性病理学、精准医疗和个性化医疗。然而,与所有其他革命性的技术相同,人工智能病理学平台在实施和应用过程中存在诸多挑战。本文综述了人工智能和机器学习的发展、人工智能在毒性病理学中的应用、机器学习在数字毒性病理学中的应用以及人工智能对数字毒性病理学的影响,以期为我国毒性病理学中人工智能和机器学习的应用提供一定参考。     

人工神经网络在护理领域的应用研究进展

综述人工神经网络与循环神经网络的概念、优势,以及在护理不良事件、延续护理、慢病管理、护理管理、护理教育方面的应用现状,旨在提高我国护理研究者对人工神经网络算法的认知,并为护理人员应用该技术提供参考依据。     

人工智能在眼科疾病诊疗的应用现状

近年来，人工智能（artificial intelligence，AI）在医学领域的应用范围不断扩大，已成为医疗行业关注的焦点，在心血管疾病、乳腺癌、皮肤癌、糖尿病视网膜病变、白内障、青光眼及早产儿视网膜病变等诊疗中均有新进展。本综述旨在了解AI在眼科领域的应用现状、优势、进展及不足，为AI在眼科领域的进一步应用及推广提供更多信息。     

基于感知器的临床疾病诊断模型

目的:建立临床诊断的数学模型。方法:构建感知器神经网络,以癌症诊断为例,对50例非癌症患者和100例癌症患者的腺苷三磷酸酶(ATP酶)和琥珀酸脱氢酶(SDH酶)活性2项指标分组进行训练和仿真诊断。结果:2个检测样本的诊断正确率分别为96%和97.33%。结论:可以用感知器神经网络建立临床的疾病诊断系统。     

基于人工神经网络模型的鼻咽癌VMAT计划质量控制方法

目的训练放疗计划个体化三维剂量预测模型,并使用该模型建立计划质量控制方法。方法回顾性分析99例已临床实施的早期鼻咽癌同步加量容积旋转调强放疗(VMAT)计划,提取7个几何特征,包括各危及器官(OARs)到PTV、加量靶区和外轮廓的最小距离,及4个坐标位置关系特征。训练(89例)并验证(10例)基于人工神经网络(ANN)的三维剂量分布预测模型;然后基于该预测模型建立放疗计划质量控制方法。以各危及器官剂量学参数D2%、D25%、D50%、D75%和平均剂量(MD)为质量控制指标,通过标准为人工计划和预测剂量差别≤10%。采用由低年资物理师设计的10例计划,对该质量控制方法进行测试。结果18个头颈部OARs的主要剂量学指标,预测剂量与专家计划结果差异无统计学意义。剂量预测结果与专家计划相比,D2%、D25%、D50%、D75%和平均剂量(MD)的差别均控制在1.2 Gy以内。由低年资物理师设计的10例计划均达到常规临床剂量限值的要求,而利用建立的质量控制方法检出1例计划的脊髓、脊髓危及器官的计划体积(PRV)、脑干和脑干PRV剂量限制有待改善。根据模型预测值重新优化计划后,脊髓和脑干D2%分别降低了8.4和5.8 Gy。结论提出了一种简单易行的放疗计划质量控制方法,能克服统一性剂量限值未考虑患者特异性的缺陷,可提高个体化计划质量和稳定性。     

电动吸切器腺样体切除术治疗慢性鼻窦炎的疗效及术后出血的影响因素分析

目的 基于人工神经网络模型,探讨电动吸切器腺样体切除术治疗慢性鼻窦炎的疗效及术后出血的影响因素。方法 回顾性分析2019年9月-2022年9月该院收治的343例慢性鼻窦炎患者的临床资料,将采用电动吸切器腺样体切除术治疗的患者设为观察组(275例),将采用腺样体刮除术治疗的患者设为对照组(68例)。按照随机数表法,将观察组患者以4∶1的比例,分为训练集(220例)和验证集(55例);根据术后是否出血,将训练集患者分为术后出血组(23例)和术后未出血组(197例)。分析电动吸切器腺样体切除术治疗慢性鼻窦炎的疗效,以及术后并发症发生情况。比较术后出血组和术后未出血组患者的临床资料,并分析患者术后出血的影响因素。通过Python 3.6软件,构建人工神经网络模型,并对模型的效能进行验证。结果 观察组治疗慢性鼻窦炎的总有效率明显高于对照组,差异有统计学意义(χ²=4.46,P=0.035)。观察组术后出血率、腺样体残留率和并发症总发生率明显低于对照组,差异均有统计学意义(χ²=8.90,P=0.003;χ²=8.43,P=0.00...     

人工智能在胰腺疾病诊断及治疗中的应用及展望

人工智能是计算机科学的一个分支,是一门新的技术科学。以强大的计算和学习能力而广泛应用于临床实践的各个领域。本文回顾了人工智能在胰腺疾病诊断及治疗中的应用,特别是在急性胰腺炎的严重程度及预后评估、胰腺癌的诊断和预后等方面。然而人工智能是以“大数据”为基础的,多中心数据库的建立仍需要我们进一步努力。此外,随着人工胰腺在糖尿病应用中的普及,人机关系在医疗实践中占的比重也会越来越大。人工智能技术将会给临床诊疗活动带来更多的便利。     

应用人工神经网络预测ESWL单次治疗肾结石的成功率

目的:建立预测ESWL治疗肾结石成功率的人工神经网络,并转化为临床应用。方法:2008年1月～2010年2月接受ESWL治疗的肾结石患者325例,将治疗前的临床资料共10项(性别、尿路刺激症、血尿、肾绞痛、结石位置、结石患侧、年龄、体重指数、病程时间、结石大小)纳入预测参数,建立人工神经网络。绘制预测拟概率的ROC曲线,计算曲线下面积(area under curve,AUC),计算约登指数,结合临床要求,得到适宜的概率分界值。结果:人工神经网络得到预测参数重要性的前5位依次是结石大小、病程时间、血尿、结石位置、体重指数。ANN的AUC为0.856,95%可信区间为0.774～0.917,与AUC为0.5进行显著性检验,P<0.001。确定概率分界值为0.595时,ANN的敏感度和特异度达到较为理想状态,分别为92%和60%。结论:人工神经网络预测ESWL单次治疗肾结石成功率有较好的准确性,选择恰当的概率分界值,可提高人工神经网络的预测效能。