简介:摘要目的开发一款放疗计划自动分析系统,通过智能解析Pinnacle3治疗计划系统(TPS)的治疗计划底层数据,实现放疗计划剂量参数的自动化分析。方法将12例接受放射治疗的食管癌患者的治疗计划纳入研究。自动分析系统自动检索Pinnacle3 TPS数据库,获取12例治疗计划原始数据,并自动解析底层原始数据,重建轮廓、射野和剂量参数,并重新计算剂量分布和"剂量-体积"直方图。通过与在线TPS中原始计划输出体积和剂量数据进行对比,来评估新系统重新计算体积和剂量数据的准确性。结果自动分析系统成功解析治疗计划的底层数据,并重建治疗计划参数。新系统计算轮廓的体积与原计划的体积偏差≤0.1%;重新计算GTV、PGTV、CTV和PTV的Dmax、Dmean、D95和D50等参数,与原计划的剂量偏差≤1.0%;重新计算ROIs的Dmax和Dmean,与原计划的剂量偏差<5%。结论自动分析系统可直接分析Pinnacle3 TPS治疗计划的底层数据,重建治疗计划,计算轮廓体积和剂量参数,与原计划的剂量偏差满足临床要求。
简介:摘要目的研发针对常见眼病的智能问答系统,并调查和评估其在互联网医院平台的应用效果,为医疗服务模式和技术创新提供借鉴。方法利用自然语言处理技术研发常见眼病智能问答系统,通过对预先录入的结构化知识进行解析分词和关键词采集绑定等处理,经过搜索引擎为用户提供准确的问答内容。并通过功能、性能测试,完成互联网医院的部署。收集2020年2月1—29日期间使用常见眼病智能问答系统的数据资料,对患者的人口学信息、问诊时间、咨询疾病类别、咨询内容、服务评价等进行分析。结果在中山大学中山眼科中心互联网医院成功研发出具有智能导诊服务和眼病术后智能咨询模块的常见眼病智能问答系统,测试结果表明智能问答系统的可重复性为100.0%,准确性为99.8%,可24 h持续在线服务。2020年2月1—29日期间中山眼科中心互联网医院常见眼病智能问答系统总服务患者6 462人次,其中男3 082人次,占47.7%,女3 380人次,占52.3%。患者的平均年龄为32.3岁。1 135例患者使用了智能导诊服务,占17.6%,5 375例患者使用了眼病术后智能咨询模块,占82.4%。平均每日使用常见眼病智能问答系统的患者为223人次,最高每小时服务74人次。分别有25.6%(38/148)和36.4%(54/148)的患者对常见眼病智能问答系统的服务效率表示非常满意和比较满意;24.3%(36/148)和37.8%(56/148)的患者对常见眼病智能问答系统的服务质量分别表示非常满意和比较满意。结论常见眼病智能问答系统具有较高的可重复性和准确性。基于互联网医院平台的智能问答系统应用可满足患者24 h医疗咨询需求,降低医院交叉感染风险和医务人员的工作压力。
简介:摘要目的建立并应用智能化护理体系文件管理系统,为临床护士提供床旁指导,规范临床护理服务。方法建立智能化护理体系文件管理系统,并在临床成功应用,其功能包括上传管理、智能检索、跨专科共享、多终端查阅、阅读痕迹管理、个体化文件修订提醒及文件效期管理等。收集人工管理纸质版体系文件和智能化系统管理电子体系文件时文件管理耗时、文件检索时间、文件管理中问题发生率的情况,评价智能化护理体系文件管理系统的应用效果。结果文件管理员领取、回收文件年均耗时原来为(492.68 ± 14.04)min与(195.43 ± 8.12)min,系统建立后可直接在电脑上做文件更新和作废处理,彻底节省了领取与回收的时间;检索目标文件耗时由原来的(82.72 ± 7.47)s下降至(44.75 ± 5.28)s,差异有统计学意义(t值为34.242,P<0.01);病区文件缺失平均发生率为2.78%,版本不一致平均发生率为5.56%,系统上线后,文件统一管理、同步更新,杜绝文件缺失及版本不一致的情况;不再需要打印纸质文件,显著降低耗材成本。结论通过智能化护理体系文件管理系统的建立及应用,合理优化文件管理流程,有效提高文件使用的准确性与便捷性,降低文件管理的人力与耗材成本,提高文件管理的效率与质量。
简介:摘要目的研发基于深度卷积神经网络(DCNN)的综合胃镜智能质控系统,并前瞻性评估该系统的临床可行性。方法针对胃镜检查中胃黏膜观察完整度、胃黏膜可视度、胃镜检查时长、胃癌可疑病变检测等质控目标分别设计胃镜扫查部位识别模型、胃黏膜可视度识别模型、体内外识别模型和胃癌检测模型4个DCNN模型。通过多中心回顾性纳入98 385张白光胃镜图像进行模型训练与测试。计算各模型的准确度、灵敏度、特异度,并绘制ROC曲线。整合模型形成多功能的综合智能质控系统,于山东大学齐鲁医院消化内镜中心前瞻性、连续纳入100例行常规胃镜检查的患者,进一步评估智能质控系统在实际临床应用中的可行性。记录系统各质控功能的运行情况(平均错误提示或正确率)和检查结束后病变检出情况。结果胃镜扫查部位识别模型识别各部位的准确度、灵敏度、特异度分别为98.40%~99.85%、61.95%~100.00%、98.65%~100.00%,ROC AUC值为0.997 6~1.000 0;胃黏膜可视度识别模型识别黏膜可视度的准确度、灵敏度、特异度分别为97.02%~98.27%、85.14%~99.28%、93.72%~100.00%;体内外识别模型判断体内外的准确度、灵敏度、特异度分别为97.27%、99.85%、94.50%,ROC AUC值为0.961 5;胃癌检测模型检测胃癌的准确度、灵敏度、特异度分别为95.92%、95.64%、96.05%,ROC AUC值为0.975 9。智能质控系统可行性评估结果示,在胃黏膜观察完整度质控中,系统平均错误填充0.32次/例;在胃黏膜可视度质控中,系统平均错误提示0.47次/例;胃镜检查时长智能计时正确率为96.00%;在胃癌可疑病变检测中,系统平均错误提示0.36次/例。最终共检出胃癌3例,胃高级别上皮内瘤变1例,系统均可准确识别、定位。结论胃镜智能质控系统可在实际检查中对胃黏膜观察完整度、胃黏膜可视度、胃镜检查时长、胃癌可疑病变检测进行准确质控,使精准、高效的胃镜质控成为可能。
简介:摘要目的评估基于计算机视觉技术开发的眼底图像质量评估系统的准确性。方法选取2016至2017年在“上海糖尿病眼病研究”中由上海市各社区卫生服务中心的工作人员采用免散瞳眼底照相机拍摄的787例2型糖尿病患者的2 397幅彩色眼底像图片作为测试数据集。患者年龄(69.65±19.09)岁,男性384例,女性403例。根据眼底图像预处理、成像质量评价、内容检测和评估结果输出4个模块开发眼底图像质量评估系统。将2 397幅彩色眼底像图片输入该系统自动进行图像质量评价和视盘、黄斑识别,并根据图像质量判断规则对图像进行合格与否的判断并分类。同时由12位专业眼底图片阅片医师对此数据集的图像质量进行人工分类,其中合格1 846幅,不合格551幅。将系统判断结果与人工判断结果进行比对分析。结果眼底图像质量评估系统可对输入的彩色眼底像图片自动进行眼别和眼位识别,并进行图像质量评估,之后直观输出评估结果。每幅眼底图像评估时间<1 s。1 846幅人工判断为图像质量合格的图片,经系统判断亦为合格者1 788幅(96.86%);551幅人工判断为不合格的图片经系统判断结果亦为不合格者550幅(99.82%)。图像质量不合格原因为图像过暗(62幅,11.27%)、图像过亮(51幅,9.27%)、黄斑区不清晰(59幅,10.73%)、黄斑视盘未见(36幅,6.54%)、未见眼底结构(125幅,22.73%)、图像模糊(175幅,31.82%)、图像有遮挡(42幅,7.64%)。系统评估与人工判断结果总体一致率为97.54%。结论该眼底图像质量评估系统对眼底图像质量的评估结果与专业阅片医师判断结果一致性高,具有客观性。(中华眼科杂志,2020,56:920-927)
简介:摘要:目的:研究分析全智能水处理系统对口腔综合治疗台水路的消毒效果以及其水样的具体毒性,致力于为口腔临床用水提供安全智能化的管理系统。方法:选择 5台以全智能水处理系统水作为供水来源的口腔综合治疗台为观察组,另选取 5台以市政水作为供水来源的口腔综合治疗台为对比组,最终对观察组安装前后口腔综合治疗台水样品的综合因素进行分析对比。结果:在对口腔综合治疗台管道进行彻底化的消毒之后,对比组的细菌在一周之内可以滋生到( 3.1±1.03) ×103CFU/ml,而观察组则在在< 100CFU/ml左右,差异具有统计学意义( P<0.05)。结论:运用全智能水处理系统可以减少口腔水路的微生物感染,从而为患者提供安全健康的用水。
简介:摘要目的探讨Cranibot智能开颅手术机器人系统在开颅手术中应用的精确性、效率性及安全性。方法应用解放军总医院第一医学中心神经外科和北京理工大学智能机器人研究所联合研发的Cranibot智能开颅手术机器人系统分别进行3种实验对象的随机分组对照实验研究,包括8个3D打印的PVC颅骨模型、5只家猪离体头颅、5只在体巴马小型猪头颅。每种实验对象对称选择左、右侧各2个部位进行钻孔开颅,每个部位钻孔4个,形成一个方形骨瓣;随机选择头颅一侧的1个部位开颅为实验组,另一侧对称的部位开颅为对照组。实验组由机器人进行开颅,对照组由同一组操作者进行开颅。分别观察和测定两组的钻孔位置误差、开颅用时及组织损伤发生率。结果颅骨模型实验中,实验组的开颅钻孔位置误差和开颅用时分别为(1.87±0.66)mm、(6.64±1.15)min;对照组的相应指标分别为(3.14±0.73)mm、(8.06±1.10)min ,差异均有统计学意义(均P<0.05)。家猪离体头颅实验中,实验组的开颅钻孔位置误差和开颅用时分别为(3.13±0.35)mm、(7.79±1.21)min,对照组的相应指标分别为(3.83±0.42)mm、(9.05±1.15)min,差异均有统计学意义(均P<0.05)。在体小型猪头颅实验中,实验组的开颅钻孔位置误差和开颅用时分别为(3.26±0.51)mm、(11.83±0.92)min;对照组的相应指标分别为(4.39±0.75)mm、(26.10±1.62)min,差异均有统计学意义(均P<0.05)。实验组总的组织损伤发生率为5.6%(2/36),对照组总的组织损伤发生率为16.7%(6/36),两组比较差异无统计学意义(P>0.05)。结论Cranibot智能开颅手术机器人系统能够提高开颅手术的精确性和效率性,但在安全性方面的验证需要进一步大样本的研究。
简介:摘要目的利用大数据开发人工智能辅助结直肠息肉性质鉴别系统(简称人工智能息肉鉴别系统)并进行临床验证。方法2018年6月至2019年6月前瞻性收集16家参研中心的结直肠息肉内镜图像,由主治医师及以上职称的结肠镜医师在结直肠息肉内镜图像中标注息肉的基本信息(位置、大小、形态、病理活组织检查结果),并圈出息肉轮廓以供人工智能息肉鉴别系统开发。以息肉病理活组织检查结果为金标准,分别计算白光模式、窄带成像技术(NBI)模式、白光联合NBI模式,以及结肠镜医师对息肉性质鉴别的灵敏度、特异度、阳性预测值、阴性预测值和准确度。应用McNemar检验和Kappa检验进行统计学比较。结果共收集15 441张合格结肠镜图像,其中白光模式图像9 109张,NBI模式图像6 332张。在实验室水平,白光模式和NBI模式对息肉性质鉴别的灵敏度、特异度、阳性预测值、阴性预测值、准确度分别为90.3%、98.3%、89.8%、98.4%、97.2%和90.5%、92.5%、92.3%、90.6%、91.5%。临床验证阶段纳入56例结直肠息肉患者,共78枚息肉。白光模式和NBI模式对息肉性质鉴别的灵敏度、特异度、阳性预测值、阴性预测值、准确度分别为70.3%、82.1%、78.8%、74.4%、76.3%和78.4%、87.2%、85.3%、81.0%、82.9%。结肠镜医师、白光模式和NBI模式的判断结果分别与病理检查结果比较差异均无统计学意义(均McNemar检验,P均>0.05),但是一致性一般,Kappa值分别为0.632、0.525和0.657(P均<0.01)。白光与NBI模式串联与病理检查结果比较的Kappa值为0.575,两者的一致性一般,但两者比较差异有统计学意义(McNemar检验,P=0.004)。结论建立的人工智能息肉鉴别系统具有一定辅助诊断作用,但准确性仍有待提高。