基于灰度共生矩阵和人工神经网络的肺癌CT图像的分类研究

目的研究小细胞肺癌（SCLC）和非小细胞肺癌（NSCLC）的分类问题。方法217例肺癌患者．其中男性165例．殳性52例;年龄35～80岁,平均年龄61．5岁。其中SCLC108例,NSCLC109例。提取患者764幅肺癌CT图像的灰度共生矩阵,选取对比度、熵、能量和逆差矩4个特征值,借助临床确诊结果,利用多层前向（BP）、径向基函数（RBF）人工神经网络对特征进行训练测试。结果BP人工神经网络对10％的78例样本进行测试,SCLC42例预测正确．NSCLC33例预测正确．3例预测失败。RBF神经网络对10％的78例测试样本进行测试,SCLC42例预测正确．NSCLC36例预测正确、类似方法对样本总数的70％进行训练,用30％的230例进行测试;BP人工神经网络有209例预测正确。正确率为90．9％：其中SCLC111例预测正确,正确检出率为88．8％;NSCLC98例预测正确,正确检出率为93.3％。RBF人工神经网络有216例预测正确．正确率为93．9％,其中SCLC117例预测正确,正确率为93．6％;NSCLC99例预测正确,止确检出率为94.3％。可见BP、RBF人1二神经网络对SCLC和NSCLC均具有90％以上的正确率,高于人工诊断结果。结论基于灰度共生矩阵的对比度、熵、能量和逆差矩4个特征值能反映SCLC和NSCLC的有效特征参量．通过人工神经网络能达到分类目的,辅助临床治疗。     

iRoot BP Plus在成熟恒牙活髓保存治疗中的疗效分析

目的 评价iRoot BP Plus用于成熟恒牙活髓保存治疗(直接盖髓术和部分活髓切断术)的临床疗效.方法 选取120例共120颗因龋露髓成熟恒牙牙髓炎患者,随机分为A(直接盖髓术)、B(部分活髓切断术)和C(根管治疗术)3组,每组40例,术后第3、6、12个月复查,综合评价3组的疗效、发生不良反应和患者满意度的差异.结果 3组患牙治疗效果均较好:术后3个月,A、B、C组的治疗成功率分别是92.5％、97.5％、95.0％;术后6个月,3组分别是90.0％、95.0％、92.5％;术后12个月,3组分别是90.0％、95.0％、90.0％.在不同时间段,3组之间治疗的成功率和术后不良反应发生率的差异均无统计学意义(P>0.05).A、B两组的患者综合满意度明显高于C组(P<0.05).结论 iRoot BP Plus用于因龋露髓的成熟恒牙活髓保存治疗,疗效可靠,可以避免根管治疗所产生的术后并发症,值得临床推广.     

基于皮肤镜图像智能分析的早期蕈样肉芽肿诊断模型构建

  目的  比较基于皮肤镜图像的卷积神经网络(convolutional neural network, CNN)二分类模型在蕈样肉芽肿(mycosis fungoides, MF)与炎症性疾病鉴别诊断中的应用价值。  方法  回顾性纳入2016年1月至2020年12月北京协和医院皮肤科门诊确诊的早期MF患者和临床表现与之相似的炎症性皮肤病患者,并按4∶1的比例随机分为训练集和测试集。使用训练集患者的皮肤镜图像对6种经典网络结构利用迁移学习进行训练,以构建CNN二分类模型。同时,在测试集中随机挑选每例患者1幅图像,并结合皮损的临床图像,由13名皮肤科医师对疾病归类进行判读。比较CNN二分类模型与皮肤科医师对测试集病例早期MF与炎症性疾病鉴别诊断的性能,结果以曲线下面积(area under the curve, AUC)、灵敏度、特异度、Kappa值等表示,并采用受试者工作特征(receiver operating characteristic, ROC)曲线进行可视化分析。  结果  共纳入48例早期MF患者(皮肤镜图像402幅)和96例炎症性皮肤病患者(皮肤镜图像557幅),其中训练集117例(皮肤镜图像772幅),测试集27例(皮肤镜图像187幅)。测试集中,皮肤科医师鉴别诊断早期MF与炎症性皮肤病的灵敏度和特异度分别为70.19%(95% CI: 59.68%~80.70%)和94.74%(95% CI: 91.77%~97.71%),Kappa值为0.677(95% CI: 0.566~0.789)。按图像分类时,CNN二分类模型对早期MF与炎症性皮肤病鉴别诊断的AUC为0.87(95% CI: 0.84~0.89),灵敏度和特异度分别为75.02%(95% CI: 70.19%~79.85%)和82.02%(95% CI: 79.30%~84.87%),Kappa值为0.563(95% CI: 0.507~0.620);按病例分类时,CNN二分类模型对早期MF与炎症性皮肤病鉴别诊断的AUC为0.97(95% CI: 0.95~0.99),灵敏度和特异度分别为87.50%(95% CI: 78.55%~96.45%)和93.85%(95% CI: 88.93%~98.77%),Kappa值为0.920(95% CI: 0.884~0.954)。ROC曲线显示,按病例分类时网络结构为EfficientNet-B0的CNN二分类模型诊断早期MF的AUC为0.99,灵敏度和特异度分别为88.9%和100%,且13名皮肤科医师诊断的灵敏度和特异度均值对应点位于曲线右下方。  结论  基于皮肤镜图像智能分析的CNN二分类模型可实现对早期MF与炎症性皮肤病的精确分类,对二者的鉴别诊断能力优于皮肤科医师的平均水平。     

我院药品不良反应/事件主动监测系统构建

目的：构建药品不良反应/事件主动监测系统,为临床提供用药安全信息,及时发现并快速上报药品不良反应（adverse drug reaction,ADR）/事件（adverse drug event,ADE）,实现基于该系统的ADR/ADE真实世界研究条件。方法：联合"触发器原理"与"贝叶斯置信传播神经网络法"挖掘医院信息系统的ADR/ADE信号,由药师负责建立规则、布局功能模块以及对效果进行评估验证,由软件工程师负责编写计算机程序实现。结果：建立了较全面的监测规则,实现了实时预警与回顾性研究数据快速提取,完成了ADR/ADE主动监测平台的搭建。结论：ADR/ADE实时预警有利于及时处置,减少药品危害,并提高上报效能,快速筛选数据的功能为上市后药品安全性再评价提供便利,对建立药品安全性监测与评价信息技术平台有重要意义。     

超声结合BP神经网络技术诊断女童中枢性性早熟

目的探讨超声结合人工神经网络技术在女童中枢性性早熟诊断中的应用价值。方法选用170例性早熟女童进行常规超声检查子宫、卵巢,以其中130例的子宫体积、卵巢体积以及双侧卵巢最大卵泡内径为输入变量,以中枢性性早熟或非中枢性性早熟为输出变量,建立反向传播(BP)神经网络,并对另40例性早熟病例分类。结果利用BP神经网络结合常规超声检查对中枢性性早熟诊断的敏感性、特异性和准确率分别为95.0%、85.0%、90.0%。结论神经网络结合超声检查对中枢性性早熟的诊断和鉴别诊断具有较大的价值。     

G3BP1和G3BP2蛋白在早期胃癌组织中的表达及临床意义

目的观察早期胃癌组织中GTP酶激活蛋白SH3功能区结合蛋白G3BP1和G3BP2的表达变化并探讨其意义。方法选择早期胃癌组织89例和正常对照组织35例,采用免疫组织化学方法检测两组G3BP1蛋白和G3BP2蛋白的表达情况。结果早期胃癌组和正常组G3BP1的阳性率分别为87.64%和60.00%,G3BP2阳性率分别为86.51%和54.28%,两组比较差异有统计学意义(P=0.000,0.000);早期胃癌G3BP1和G3BP2的表达均与幽门螺杆菌感染相关(P=0.000);早期胃癌组织中G3BP1与G3BP2表达呈正相关(rs=0.252,P=0.017)。结论早期胃癌组织中G3BP1和G3BP2呈高表达,可能与幽门螺杆菌感染紧密相关,两指标异常表达可能在早期胃癌的发生和发展中起重要作用。     

基于卷积神经网络的智能医疗护理研究

为了提高智能医疗护理水平,减少护理工作量,节约医院成本。提出一种基于卷积神经网络的病人体态行为特征提取算法,该算法采用双网络模型设计,包括病人检测网络模型和病人体态行为特征提取模型,应用该算法到病人体态行为检测系统中,从而实现对病人的识别监控,提高智能医疗护理水平。最后,通过开源框架平台,对病人行为检测系统进行测试,实验结果表明,测试数据集合越大,病人体态行为特征提取精度越高,对病人体态行为类别的平均识别率97.6%,从而验证了系统的有效性和正确性。     

iRoot BP Plus根管倒充填联合Bio-Oss植骨在治疗慢性根尖周病变中的临床效果

目的 探讨显微根尖外科手术中iRoot BP Plus倒充填和Bio-Oss植骨在治疗慢性根尖周病变的临床效果。方法 选取2015年10月～2018年1月期间收治的慢性根尖周炎共计126颗患牙作为研究对象,按是否进行iRoot BP Plus根管倒充填和Bio-Oss植骨修复缺损分为三组。术后复查,通过临床检查和X线片评定结果,分析临床疗效。结果 术后12个月根尖手术中行iRoot BP Plus和Bio-Oss联合应用组治疗成功率达97.62%,iRoot BP Plus治疗组未行Bio-Oss植骨组的治疗成功率达80.95%,而单纯根尖手术治疗组治疗成功率仅为54.76%,组间差异有统计学意义(P0.05)。结论 显微根尖外科手术中iRoot BP Plus倒充填联合Bio-Oss植骨具有良好的临床效果。     

基于深度学习的中孕期胎儿超声筛查切面自动识别

目的本研究利用深度学习方法,基于深度卷积神经网络模型,对中孕期胎儿超声筛查图像的31个标准切面进行自动识别。方法采集孕20~24周胎儿超声筛查切面图像共76260张(包含31个切面),将其划分为训练集68386张,测试集7874张。在Vgg16网络模型上进行模型微调,加载数据集进行训练。将训练好的模型在测试集进行验证。结果该模型对于胎儿超声筛查切面的识别正确率为94.8%。结论该方法能够准确识别胎儿超声筛查图像的每个切面,为胎儿超声图像的自动质量控制解决方案打下了坚实的基础。     

神经网络法探究膀胱体积剂量在宫颈癌病人放射治疗中的应用

目的 在宫颈癌调强放射治疗中根据患者膀胱和计划靶区空间位置关系应用神经网络预测膀胱剂量体积V40Gy和V45Gy。方法 从33例宫颈癌放疗患者中,随机选取其中30例患者作为训练集,其余3例作为预测集,应用BP神经网络得到预测集患者膀胱剂量体积V40Gy和V45Gy,并与真实值进行比对。结果 预测集中3例宫颈癌患者膀胱剂量体积V40Gy和V45Gy的预测值与真实值间误差较小,其中V40Gy预测值较真实值误差在3.06%以内,V45Gy预测值较真实值误差在3.10%以内。结论 BP神经网络可以用来预测宫颈癌调强放疗患者膀胱的剂量体积V40Gy和V45Gy。