基于卷积神经网络检测肺结节

Objective Major challenges in the current automatic detection of lung nodules from chest CT images are to improve the sensitivity and to reduce the false positive rate. A new scheme based on convolutional neural network was proposed in this study. Methods The method applied an automatic anatomy recognition (AAR) methodology based on fuzzy modeling ideas and an iterative relative fuzzy connectedness (IRFC) delineation algorithm for the segmentation of lung parenchyma in CT images. The segmented lung image was inputted into the conventional neural networks for feature extraction of pulmonary nodules. The network adopted position-sensitive score maps to express the location information of lung nodules. Results This method could obtain accurate segmentation of the lung parenchyma in the data set of Tianchi Medical AI Contest, and the accuracy, sensitivity, specificity and false-positive rate of lung nodules detected was 95.60%, 95.24%, 95.97% and 4.03%, respectively. Conclusion Detection of pulmonary nodules based on convolutional neural networks has high accuracy and efficiency, and good robustness.     

医疗器械生产企业智慧监管赋能路径研究

目的：研究医疗器械生产企业智慧监管赋能路径,助推医疗器械生产监管智慧化。方法：分析传统医疗器械生产企业监管方式存在问题及企业数字监管的必要性,采用静态、实时、过程、导入和学习5种路径进行智慧监管赋能,建设包含企业基础数据库、监督检查模块、政企通及数据对接4大基础功能的江苏省医疗器械生产监管平台,规范医疗器械市场秩序。结果：医疗器械生产监管平台能够监管人(人员)、机(设备)、料(材料)、法(规范)、环(环境)、测(检测)、安(安全)和流(流程)8类要素,实现生产管理规范化、生产流程立体化、生产状态可视化、监管上报自动化、监管模型数字化智慧化和运行机制合理化功能。分析平台已收录处置的10 979条不良事件数据,有助于提高医疗器械性能;已有介入人工生物心脏瓣膜等17项创新产品被国家药监局认定为创新医疗器械。结论：医疗器械生产监管平台能够实时动态地进行医疗器械企业生产相关质量控制,降低虚假记录产生的可能性,使医疗器械质量管理体系真正发挥控制产品质量的作用。     

基于自适应点扩散函数的锥束CT散射校正

目的 探讨基于自适应点扩散函数的方法对锥束CT散射校正的效果。方法 通过加入遮挡板的方法来获取投影图像部分区域散射分布;建立散射分布模型,利用遮挡区域散射分布,自适应地调整扩散函数模型参数,然后进行散射估计和校正;对遮挡区域进行修复,以减少断层重建噪声。结果 基于自适应点扩散函数的方法不需要重复扫描被测物体,能高效地对不同厚度和密度的物体进行锥束CT散射校正,可减少因散射造成的杯状伪影和条纹状伪影,与相比、杯状伪影从校正前的26.09%下降到1.26%,即减少约95.17%。结论 基于自适应点扩散函数的方法可有效进行散射校正、降低杯状伪影和条纹状伪影,校正后图像质量明显增加。