基于双线性卷积神经网络模型的阿尔茨海默病自动诊断

目的 探讨基于双线性卷积神经网络(BRNV)模型的阿尔茨海默病(AD)自动诊断.方法 选取AD神经成像倡议(ADNI)数据库中的AD(n=93)、轻度认知功能障碍(MCI,n=76)及正常认知(NC,n=100)受试者的核磁共振图像(MRI)作为数据集,预处理后按照8:2的比例分为训练集和验证集,同时另取ADNI中不同...     

基于深度学习的肺癌计算机辅助诊断

目的 比较不同传统深度学习模式在肺癌诊断和分类中的应用价值.方法 选取2016年1月至2017年11月在长沙市第一医院肿瘤内科接受治疗的33例患者为研究对象.获取非小细胞肺癌和小细胞肺癌活检标本,并进行染色.切片标本由2名经验丰富的病理学家进行诊断.采用多种深度学习方法区分癌症和非癌症活检.比较不同传统深度学习模式在肺...     

儿科肺炎X线诊断临床分析

目的:对儿科肺炎的X线征象及诊断的准确率进行分析,证实X线检查在儿童肺炎诊断中的确切价值。方法:以我院2011年3月-2012年3月进行诊治的120例儿童肺炎患者为研究对象,对其临床X线诊断数据及诊断的准确性进行回顾性分析。结果:对所有患儿进行X线诊断,患儿的X线检查结果显示,肺纹理增强108例,局限性肺气肿40例,肺门影增大92例,小病灶即浅淡小絮片阴影58例,心缘和横肠改变18例,大病灶或节段性病灶14例。与正常儿童的X线片有显著差异。结论:X线检查在儿童肺炎的诊断中表现呈现多样性,对患儿的诊断具有重要的价值。     

基于主动被动近邻算法的肺癌计算机辅助诊断

CT图像的肺癌计算机辅助诊断一般可分为三大模块,即：CT的图像处理、肺肿块的特征提取,以及使用智能分类器对肿块的分类和诊断.研究主要实现计算机CT图像辅助诊断的最后一个模块的计算机化,为医生在最后诊断环节上提供一些参考信息.项目首先需要收集病例,当拿到一个病例,并通过医生辨认出结节后,医生再提供辨认出结节的特征,包括大小、数目、毛刺、分叶等16个.研究共收集到204个恶性病例和46个良性病例,共250个病例,并确定了它们的特征.这些特征通过翻译,转换为一组数字信号,即以数字向量来表示病例.把250个向量输入到新开发的主动被动近邻算法中进行分类诊断,结果显示,对204个恶性病例和46个良性病例进行分类的准确度在90%以上.     

超声辅助诊断肺炎支原体肺炎的临床研究

肺炎支原体肺炎（MPP）为小儿呼吸系统常见疾病，近年来发病率明显增加。胸部X线作为MPP检查手段的地位不容忽视，但存在一定的缺陷，为完善MPP的影像学技术，我们应用B型超声对MPP的诊断进行了尝试。现将我院1999年1～11月进行了胸部X线及B超检查的54例MPP患儿的临床资料分析并报道如下。     

基于DenseUnet模型的核磁共振图像下肛提肌的自动分割

目的 基于盆底的核磁共振图像(MRI),构建深度学习自动分割模型,进行盆底MRI图像的智能分割研究,以提高肛提肌分割效率和精准度.方法 以DenseUnet模型为主干,搭建一个主要由编码器模块、上下文提取模块和解码器模块3部分组成的网络结构;在上下文提取模块中,通过使用空洞卷积和金字塔池化模块克服Unet较少利用上下文...     

儿科部分疑难病微机辅助诊断专家系统

本研究系采用专家决策、概率统计、模糊数学三者有机结合的综合模型,以人工智能为基础,用Prolog 语言编制的小儿部分疑难病微机辅助诊断专家系统,对小儿内分泌、遗传代谢、免疫缺陷3个系统较常见的26个病种的诊治编制了程序。经418例回顾性和前瞻性验证,本程序诊断正确率较临床医师高8.62个百分点,经统计学处理,二者差异显著(P<0.01)。初步实践证明,本专家系统对上述3系统26种病的诊治有一定的临床实用价值。     

儿科肺炎优质护理的临床体会

目的:分析研究儿科肺炎优质护理的应用效果。方法:随机选取南召县人民医院收治的67例肺炎患儿,随机划分为两组,A组37例采用常规护理,B组30例采用优质护理,对比两组患者的护理满意率。结果:A组患儿的护理满意率为96.7%,B组患儿的护理满意率为67.6%,差异有统计学意义(P<0.05)。结论:给予肺炎患儿优质护理,可显著提高临床护理满意情况,提高临床疗效。     

急性肺炎的临床放射诊断

肺炎的分类国际疾病分类法规定,必须按照病因学原则对肺炎进行分类,力求最有效地针对病因给予抗微生物疗法可视作分类的论据;肺炎通常可分为免疫缺陷、医院内感染和院外感染性肺炎;亦可分为原发性肺炎和继发性肺炎。     

基于计算机辅助诊断的人工智能在甲状腺TI-RADS分类中的临床应用价值

目的 探讨基于计算机辅助诊断的人工智能(安克侦CAD)在甲状腺TI-RADS分类中的临床应用价值.方法 培训成都4家三甲医院低年资超声医师进行TI-RADS分类,收集2019年11月至2020年1月经超声检查的甲状腺结节患者,纳入经细针穿刺和手术病理证实的甲状腺结节300个,其中恶性134个(44.67％),良性166...     

肺炎支原体抗体检测对儿科临床诊断意义的探讨

肺炎支原体（mycoplasma pneumoniae,MP）引起的主要疾病有原发性非典型肺炎（细支气管炎、支气管周围间质性肺炎）、咽炎和支气管炎等。患儿血清标本肺炎支原体总抗体（MP-Ig）和肺炎支原体抗体IgM（MP-IgM）作为诊断肺炎支原体感染的常规实验室指标。选择2008年9月至2009年4月我院收治的272例患儿,回顾性总结儿科临床这两种诊断方法联合应用,检测结果的阴性符合率和阳性符合率变化,报告如下。     

肺炎克雷伯杆菌肺炎的CT诊断

目的探讨肺炎克雷伯杆菌肺炎的CT表现特点,以提高对肺炎克雷伯杆菌肺炎诊断准确性。方法搜集我院经临床和微生物学检查确诊的肺炎克雷伯杆菌肺炎病人25例,对其CT征象进行分析,包括发病部位、数目、病变边缘、病变内部情况以及治疗后随访情况等。结果 25例病人中,病变位于右肺者16例,左肺者7例,累及双肺者2例;病变表现为单发实变者21例,多发斑片状实变者4例;表现为典型"钟乳石"征者5例;病变内见空洞者14例。结论肺炎克雷伯杆菌肺炎的CT表现具有一定特点,病变多位于右肺,特别是右上肺,空洞及"钟乳石"征为具有提示诊断意义的征象。     

球形肺炎的CT诊断

探讨球形肺炎的ＣＴ表现特征，以便与其他球形病变鉴别。方法：对１２例经证实的球形肺炎患者的ＣＴ、Ｘ线检查及临床资料进行回顾性分析。结果：１２例球形肺炎的主要ＣＴ表现是：病变两侧缘垂直于胸膜，呈刀切样边缘，病灶呈方形；附近胸膜显著增厚；病变肺门侧血管纹理增粗、扭曲。结论：ＣＴ检查对球形肺炎的诊断和鉴别诊断有重要价值。     

基于深度卷积神经网络的脑部图像疾病类别特征库构建

介绍深度卷积神经网络基本理论,阐述基于深度卷积神经网络的脑部图像视觉特征提取,设计一种适用于脑部疾病图像的分类器,进而实现脑部图像疾病类别特征库构建,为基于脑部图像疾病类别特征库开展临床辅助决策等应用提供可能。     

基于残差注意力卷积神经网络的糖尿病无创检测研究

目的：降低糖尿病大范围筛查的医疗成本,减轻血糖检测对患者心身的伤害,同时为高风险糖尿病人群提供一种无创、准确、高效、经济的糖尿病检测方法。方法：采用残差注意力卷积神经网络对糖尿病受试者面部图像进行有监督的机器学习,预测受试者未来糖尿病的发病风险;为评估该方法的应用效果,本实验招募了384例糖尿病受试者和137例血糖正常的健康志愿者,比较残差注意力网络与其他卷积神经网络的糖尿病无创检测性能。结果：采用56层残差注意力网络构建的糖尿病无创检测模型在实验中表现出的预测能力最强,准确率高达94.28%,特异性为92.94%,F1值达95.88%。结论：该预测模型检测方法耗时短、成本低且支持大范围筛查及远程诊疗,具有较强的糖尿病检测能力。     

深度卷积神经网络模型辅助下结直肠息肉检测系统对初级医师结直肠小息肉检出率的影响

目的·探究基于人工智能（artificial intelligence,AI）技术中深度卷积神经网络（deep convolutional neural network,DCNN）模型构建的计算机辅助检测（computer-aided detection,CADe）系统对缺乏电子结肠镜操作经验的初级医师结直肠息肉检出率的影响。方法·选取上海交通大学医学院附属同仁医院内镜中心数据库2019年1月—2020年12月的结肠镜图像及2021年1月—3月的结肠镜视频。将筛选出的图像和视频分为数据集1 (5 908张图像)和数据集6 (360条短视频),数据集1分为数据集1a (4 906张图像)、数据集1b (300张图像)和数据集1c (702张图像);其中,数据集1c为从视频数据集6中截取的图像。数据集2～5分别为公共数据集CVC-ClinicDB、CVC-ColonDB、ETIS-Larib Polyp DB和KVASIR,共包含2 188张图片。数据集1a和数据集2～5为模型训练集,数据集1b和数据集1c为模型测试集。将10名经过培训且无结肠镜操作经验的初级医师随机分为AI辅助组（A组,...     

人工智能辅助新型冠状病毒肺炎诊断及预后预测模型相关进展

新型冠状病毒(SARS-CoV-2)的传染性极强,多数感染者最初表现为无症状,这会导致SARS-CoV-2进一步扩散与传播;而进入重症阶段的患者会出现病情恶化甚至死亡.因此,建立可以早期准确诊断与预后预测的模型有望改善患者临床结局,对于大流行的防控至关重要.人工智能(AI)是计算机领域的一个重要组成部分,已被广泛应用于...     

计算机辅助诊断的临床研究进展

计算机辅助诊断是医学诊断学与人工智能技术结合的产物，在诊断学各个领域的应用报道日益增多，显示出良好的诊断效果。本文在简要介绍计算机辅助诊断技术的基础上，主要介绍了其在临床诊断、影像学诊断、实验诊断方面的研究进展，对计算机辅助诊断的不足和发展趋势也作了简单讨论。     

计算机辅助诊断在医学影像诊断中的应用

自德国物理学家伦琴发现X线以来,医学影像学已有100余年的发展历史,近30年来发展迅速,各种新技术不断涌现,其在临床的应用范围不断扩大,在疾病的诊治和研究中也居重要作用,已成为医学领域中发展最快的学科之一。