基于卷积神经网络的移位型牙根折裂人工智能诊断的初步研究

目的:探讨卷积神经网络(convolutional neural network, CNN)在移位型牙根折裂(displaced root fracture, DRF)锥形束CT(cone beam computed tomography, CBCT)图像诊断中的应用价值。方法:筛查我院就诊的286例DRF患者的CBCT图像,分别采用自动截图和人工截图的方法获得兴趣区并人工标注阳性或阴性,使用ResNet 50分别进行训练并建立诊断模型,并计算两种截图方式所建立的诊断模型的准确率、特异度和灵敏度。结果:286名患者中,164名患者的CBCT图像用于自动截图,122名患者的CBCT图像用于人工截图。自动截图组中,训练集包括阳性图片184幅和阴性图片186幅,测试集包括阳性图片64幅和阴性图片66幅;人工截图组中,训练集包括阳性图片96幅和阴性图片114幅,测试集包括阳性图片32幅和阴性图片36幅。人工截图组模型诊断的准确率为98.5%、特异度为100%,灵敏度为96.9%,自动截图组模型诊断的准确率为90.0%,特异度为95.5%,灵敏度为84.4%。结论:卷积神经网络ResNet 50...     

基于口内数码照图像深度学习的牙周病早期筛查研究

目的:基于卷积神经网络(convolutional neural network, CNN)的深度学习技术构建人工智能(artificial intelligence, AI)牙周病早筛模型,辅助非牙周医生对牙周病进行早期筛查。方法:收集南昌大学第二附属医院口腔医学诊疗中心就诊的牙周非健康人群以及牙周健康人群的口内数码照和临床资料。基于VGG-16结构对口内数码照图像进行训练和测试,建立口腔九宫格、正位咬合、正位咬合(剔除无效背景)3种训练集模型。结果:共收集到578位研究对象的3869张口内数码照图像,其中牙周健康图像2230张,牙周非健康图像1639张。采用VGG-16结构建立3种训练集模型,对九宫格口内数码照、正位咬合口内数码照、正位咬合(剔除无效背景)口内数码照预测的准确度分别为66.62%、64.66%、77.44%,曲线下面积(area under curve, AUC)值分别为0.651、0.767、0.784。结论:本研究构建的VGG-16模型能有效通过对口内数码照图像识别,辅助非牙周医生对牙周病进行早筛。     

一种动力型髋离断假肢控制系统研究

目的:探讨一种动力型髋离断假肢控制方法提升佩戴者步态对称性的可行性。方法:通过九轴姿态传感器采集健康人体下肢步态运动学信息,使用BP神经网络建立穿戴髋离断假肢截肢者健侧-假肢侧运动学映射模型。将截肢者健侧腿的运动学信息实时传入该映射模型,生成髋离断假肢运动的目标轨迹,结合下肢假肢动力学模型,通过PID算法控制髋离断假肢...     

基于深度卷积神经网络的早产儿视网膜病变1～3期分期自动诊断

目的: 利用深度卷积神经网络(DCNN)对早产儿视网膜病变诊断分期中1～3期病变进行自动分类诊断。方法: 回顾性研究。选取2019年1月至2020年12月在嘉兴市妇幼保健院出生的1 885例早产儿所采集的12 219张眼底图像, 构建了早产儿视网膜眼底图像数据集。基于分割出眼底图像的视网膜血管以及分界线或嵴, 计算出感兴趣区域(ROI), 并从ROI分割图中提取特征, 采用五折交叉验证法训练分类器, 对早产儿视网膜病变中1～3期进行自动分类诊断。在测试集上对DCNN进行性能评估, 并与临床诊断结果进行一致性分析。结果: 本系统对ROP 1～3期及无ROP的诊断准确率达到了98%。在诊断无ROP图像时, 其敏感度和特异性分别达到了0.975 7和0.975 6;对ROP 1期、2期和3期图像的诊断, 敏感度分别为0.922 1、0.933 1和0.910 2, 特异性则分别为0.983 7、0.988 6和0.992 8。DCNN的诊断结果与临床诊断结果的Kappa一致性为0.905 9。结论: 基于DCNN的早产儿眼底病变分期诊断系统, 使用从ROI分割图中提取的特征训练分类器, 能够...     

基于脉搏波信号的无创血压测量的研究进展与展望

脉搏波蕴含着许多人体生理与病理的重要信息,大量研究通过光电容积描记法(photoplethysmography, PPG)来利用脉搏波特征参数进行无创血压监测。为此,我们总结了脉搏波的特征参数及利用其进行血压测量的基本原理。然后,我们对利用脉搏波特征参数进行血压测量的有线性回归(linear regression, LR)模型、随机森林(random forest, RF)模型、支持向量机(support vector machines, SVM)模型和神经网络模型及不同模型的优缺点和研究进展进行综述。最后,对基于脉搏波信号的无创血压测量的研究进行展望。     

基于神经网络的多聚脯氨酸二型结构预测

使用“机器学习方法”对稀有的多聚脯氨酸二型(PPII)的二级结构进行预测,在预处理蛋白质序列的基础上,使用生物信息学中常用的 BP神经网络预测 PPII二级结构.通过对不同输入窗口长度与不同隐层节点数的神经网络进行训练和测试,得出在输入窗口长度为 13 个氨基酸残基和隐节点数为15时预测效果最好,此时的预测精度可达73.8%.     

基于MR纹理特征的RBF神经网络在FIGOⅡ期宫颈癌宫旁浸润中的诊断价值

目的：探讨基于宫颈癌MR图像纹理特征,建立用于FIGOⅡ期宫颈癌诊断宫旁浸润的RBF神经网络分类预测模型。方法：纳入本院90例经手术或活检病理证实的FIGOⅡ期宫颈癌MR影像资料,其中FIGOⅡB期宫旁浸润组45例,FIGOⅡA期非宫旁浸润组45例。用Mazda软件提取宫颈癌MR图像的794种纹理参数,经过特征选择降维得到10种纹理参数特征,对其中具有统计学差异参数作为自变量,采用SPSS软件进行RBF神经网络预测模型的建立,并构建ROC曲线分析RBF预测模型的诊断效能。结果：成功建立了能够判断宫旁浸润与非宫旁浸润的RBF神经网络预测模型,经过10次反复随机法训练后验证后建立的RBF神经网络分类预测最佳模型的培训整体正确率为84.5%,训练整体正确率为84.4%,ROC模型曲线下面积分别为0.877。结论：基于MR图像纹理特征RBF神经网络预测模型对FIGOⅡ期宫颈癌能提高MR亚分期的准确性,有助于临床医师的临床决策。     

基于深度卷积神经网络的CT图像层间插值方法的初步研究

目的：研究一种基于CT图像层间插值的方法,用于放射治疗过程中的患者摆位验证,从而提高放疗精度。方法：采用一种基于3D卷积和膨胀卷积神经网络（3D CNN-DCNN）算法,利用相邻图像层之间的关联信息重建中间层图像。采用U-Net网络架构,通过编码部分的卷积层、膨胀卷积层、池化层和解码部分的上采样层、卷积层、膨胀卷积层,对CT进行端到端的学习。采集20例患者图像数据,采用留一交叉验证的方法训练验证模型,分别对神经网络和线性插值的预测CT与原始薄层CT进行对照比较。结果：3D CNN-DCNN的平均绝对误差（MAE）为34 HU,远小于线性插值的55 HU。除此之外,骨骼的Dice相似系数（DSC）为0.95,大于线性插值方法的0.89。结论：与传统线性插值方法相比,3D CNN-DCNN算法可以更准确的重建薄层CT,明显改善了插值伪影、图像失真和锯齿状现象。     

METTL3介导IGF2BP3 m6A修饰对儿童肝母细胞瘤细胞增殖、迁移的影响

目的 分析METTL3介导IGF2BP3 m6A修饰对儿童肝母细胞瘤细胞增殖、迁移的影响,为临床治疗应用提供依据。方法 采用q RT-PCR检测小儿肝母细胞瘤HuH-6中METTL3和IGF2BP3 mRNA的表达;Western blot检测METTL3和IGF2BP3蛋白表达。通过慢病毒转染,在HuH-6细胞中敲低METTL3,并通过免疫印迹验证METTL3蛋白表达,采用qRT-PCR与Western blot检测IGF2BP3的表达,m6A甲基化RNA免疫沉淀技术分析IGF2BP3 mRNA m6A修饰的情况;CCK-8和Transwell小室实验检测细胞增殖和迁移能力。结果 采用METTL3 sgRNA干预后会显著降低细胞METTL3表达水平（P <0.05）;sgRNA组细胞48 h和72 h时细胞增殖水平明显低于空载体组（P <0.05）;sgRNA组细胞24 h和48 h时细胞迁移明显低于空载体组,sgRNA组细胞侵袭水平明显低于空载体组;sgRNA组细胞中IGF2BP3蛋白及mRNA表达水平明显低于空载体组,且差异均有统计学意义（P <0.05）;sg...     

缺血性脑损伤与神经细胞凋亡

一、神经细胞凋亡 细胞凋亡在神经系统的发育中起着重要的作用．外周和中枢神经系统发育过程中约有15％-85％的细胞死亡。这种死亡是细胞的凋亡而非细胞的坏死,其目的在于建立某种早期模式和清除某种细胞系,从而为形成更加复杂的神经网络而奠定基础。细胞凋亡有两方面的作用：一方面维持正常细胞的代谢,另一方面却破坏了人体的正常生理功能,如正常的组织细胞的发育或肿瘤的形成。