简介:摘要目的探讨应用智能计算(IC)法对住院患者进行风险评估的准确性,旨在构建更具优势的住院风险评估系统。方法以天津市第五中心医院医院信息系统(HIS)为平台研发"搜索引擎"程序,自动抓取患者信息,应用IC法自动生成营养风险筛查2002量表(NRS 2002)评分、评估静脉血栓栓塞症(VTE)风险的Caprini评分和Padua评分、房颤脑卒中危险分层管理评分(CHA2DS2-VASc评分)以及房颤患者抗凝出血风险评分(HAS-BLED评分)。采用随机对照研究方法,按照各项评分适用条件,分别随机选取100例次应用IC法进行评分,定义为IC组;用与上述例次对应的同一患者相同时间的资料进行人工评分,定义为传统计算(TC)组。绘制Bland-Altman散点图分析两种方法计算各风险评分的一致性,比较两组评分消耗时间的差异。结果两组评分Bland-Altman散点图显示,NRS 2002评分、Caprini评分、Padua评分、CHA2DS2-VASc评分和HAS-BLED评分的95%一致性界限(95%LoA)分别为-0.46~0.41、-0.49~0.52、-0.50~0.41、-0.67~0.60、-0.44~0.43分,均P>0.05。在NRS 2002评分、Caprini评分、Padua评分、CHA2DS2-VASc评分和HAS-BLED评分中,分别有95%、96%、97%、97%、95%的点落在各自95%LoA内,且所有95%LoA内点均在临床可信区间内(-0.5~0.5分)。IC组计算NRS 2002评分、Caprini评分、Padua评分、CHA2DS2-VASc评分和HAS-BLED评分所消耗时间均明显短于TC组〔分别为0.72(0.71,0.73)s比361.02(322.41,361.02)s,0.72(0.72,0.73)s比196.68(179.99,291.20)s,0.72(0.72,0.73)s比105.75(92.32,114.70)s,0.72(0.71,0.72)s比72.66(56.24,84.20)s,0.72(0.71,0.72)s比51.30(38.88,57.15)s,均P<0.001〕。结论在上述5项住院风险评分中,IC法与TC法的评分结果存在良好的一致性,而IC法计算速度更快,值得临床信任与推广。
简介:摘要:腰部助力外骨骼是一种辅助人体腰背部发力,从而减轻人体的腰部负担的机器人。腰部助力外骨骼通过处理传感器感知的人体信号,经过控制算法实现助力效果。本文首先总结了腰部助力外骨骼在国内外的研究现状,其次将腰部助力外骨骼系统的控制策略按照控制的信号不同进行了分类并分别对不同外骨骼的控制策略的定义以及优势和应用展开了详细描述,最后对腰部穿戴式助力外骨骼的发展前景与待解决的问题进行了展望与总结。希望给与研究人员在外骨骼控制领域的灵感,促进我国在外骨骼领域的发展。
简介:摘要近年来,CT图像算法中基于深度学习的图像重建(DLIR)技术不断发展,日益成熟,目前已经逐步应用于临床实践中。DLIR算法较常规迭代重建算法具有在降低辐射剂量和图像噪声的同时不改变图像纹理,保持或提高解剖细节显示能力、总体图像质量和医生诊断信心的众多优势。因此,笔者重点就DLIR算法的原理、优劣势及其在人体各系统的临床应用进展进行综述,旨在进一步提高对DLIR算法的认识,并对其可能的应用情景提供借鉴。
简介:摘要深度学习图像重建算法是目前CT图像重建领域最为前沿的技术,随着算法的不断优化和模型泛化性的提升,适用人群和全身各部位的临床应用也在不断拓展,在疾病诊治中发挥了重要作用。深度学习图像重建算法能够降低图像噪声、消除伪影、避免“过度平滑”的视觉感观,提升主观诊断效能,并有助于CT检查中辐射剂量的降低。此外,深度学习图像重建算法不影响CT图像重建的速度,能够满足临床工作流的需求。随着对深度学习图像重建算法的不断探索以及临床应用的拓展,可以挖掘深度学习图像重建算法的潜在优势,提升CT临床应用的能力。
简介:摘要目的基于随机森林算法构建儿童重症腺病毒肺炎(severe adenovirus pneumonia,SAP)的临床预测模型,并对其进行验证。方法采用观察性研究设计,回顾性分析2019年1月至2021年1月天津市儿童医院收治的542例腺病毒肺炎患儿的临床、实验室及影像学资料。将研究对象随机分为训练集和验证集(8∶2)。训练集通过随机森林算法筛选SAP的预测因子建立预测模型,并通过列线图将预测模型可视化表达。在验证集中利用受试者工作特征(ROC)曲线和敏感性、特异性、误判率、混淆矩阵对其进行验证。结果训练集患儿439例,其中重症型187例(42.60%),验证集患儿103例,其中重症型44例(42.71%)。训练集中单核细胞百分比(M%)、PLT、AST、IL-6、热峰、肺部大片炎性实变、肺部斑片状阴影是影响SAP的独立预测因子。模型区分度验证发现训练集和验证集的ROC曲线下面积分别为0.95(95%CI:0.92~0.98)和0.92(95%CI:0.82~0.99)。训练集的准确度、灵敏度、特异性、阳性预测值和阴性预测值分别为0.994、1.000、0.987、0.998、1.000;验证集的分别为0.752、0.990、0.514、0.945、0.857。结论该预测模型具有较好的判别能力,早期的临床及血液学指标有助于提高儿童SAP的识别和筛选,具有一定的临床价值。
简介:摘要目的基于机器学习算法构建3种不同的经外周静脉置入中心静脉导管(PICC)相关性血栓风险预测模型,并比较模型性能,为评估及预防PICC相关性血栓提供依据。方法基于最佳证据和专家函询形成PICC相关性血栓风险因素调查表。采取便利抽样法,选取2016年1月—2020年10月在江苏大学附属医院行PICC置管的626例患者为研究对象收集临床资料,基于机器学习算法,分别采用支持向量机(SVM)、XGBoost和Logistic回归方法构建3种不同的PICC相关性血栓风险预测模型,并进行评价和比较。模型评价指标包括马修斯相关系数(MCC)、F1分数、受试者工作特征曲线下面积(AUC)及Brier得分。结果共30个变量纳入研究,预测因子包括患者的人口学资料、患者病情、治疗因素、导管相关性因素4个方面。测试集上验证后的模型,在MCC、F1分数上,Logistic回归预测模型得分低于XGBoost、SVM预测模型;在AUC上,Logistic回归预测模型得分等于SVM,小于XGBoost;在Brier得分上,Logistic回归预测模型得分高于XGBoost、SVM预测模型。结论基于机器学习算法XGBoost、SVM预测模型性能在敏感性及准确性上优于传统Logistic回归模型。血栓预测因子有助于指导临床医务人员识别高风险患者,降低PICC相关性血栓发生率。
简介:摘要目的探究深度学习算法(DLR)在胰腺低剂量CT扫描中改善图像质量的价值。方法前瞻性收集2020年8月至12月在北京协和医院进行腹部胰腺增强检查的68例患者,采用随机区组法分为正常剂量组和低剂量组,各34例,正常剂量组扫描管电压为120 kV,低剂量组管电压为100 kV。所有患者均行平扫、动脉期、实质期、延迟期扫描。低剂量组4期图像分别采用滤波反投影(FBP)、混合模型迭代算法(AIDR)和DLR 3种方法重建图像,正常剂量组4期图像均采用AIDR重建图像,分别记为LD-FBP、LD-AIDR、LD-DLR、RD-AIDR。测量胰腺的CT值、噪声值(SD),计算信噪比(SNR)、对比噪声比(CNR),不同重建方法图像间各参数的比较采用单因素方差分析,两两比较采用LSD法;对每组图像进行主观评分,多组间比较采用Kruskal-Wallis检验。结果正常剂量组和低剂量组患者胰腺平扫、动脉期、实质期、延迟期不同重建方法图像间胰腺CT值、SD、SNR、CNR差异均有统计学意义(P均<0.05)。实质期和延迟期图像LD-FBP、LD-AIDR、LD-DLR图像CT值均高于RD-AIDR图像(P均<0.05);4期图像间SD、SNR两两比较差异均有统计学意义(P均<0.05);4期LD-FBP、LD-DLR与RD-AIDR的CNR差异有统计学意义(P均<0.05),RD-AIDR的CNR优于LD-FBP,LD-DLR优于RD-AIDR。DLR算法对胰腺4期图像的SD、SNR、CNR均有改善,其中对SNR的改善增强图像更为显著,对CNR的改善平扫期和延迟期更为显著。胰腺4期不同算法重建图像主观评分差异均有统计学意义(P均<0.001)。LD-DLR与RD-AIDR评分差异无统计学意义(平扫、动脉期、实质期、延迟期Z值分别为1.00、2.24、0.45、1.34,P值分别为0.317、0.025、0.655、0.180)。结论DLR技术可以在降低胰腺CT辐射剂量的同时改善图像质量,满足诊断需求,在胰腺低剂量增强CT检查中可降低噪声,提高图像的信号SNR和CNR。
简介:摘要目的分析"直接分解"和"迭代分解"两种双能锥束CT(DECBCT)分解算法对于不同尺寸模体图像质量和物质分解精度的影响。方法利用CatPhan604模体和定制套环组合,模拟不同尺寸的患者成像部位,在Edge加速器锥形束CT(CBCT)系统上分别获取高能140 kVp和低能100 kVp的CBCT,并分别利用两种算法进行DECBCT的物质分解。分别计算了CTP682模块中各插件的电子密度(ED)和对比度噪声比(CNR),用于评估两种算法的分解精度和输出图像质量。结果基于模体手册中提供的真值,两种算法的ED准确度均较高,其中仅最小尺寸模体的4种插件材料存在统计学差异(z=-4.21、4.30、2.87、5.45,P<0.05),但平均相对误差均<1%。迭代分解算法的CNR显著优于直接分解,相对提高比例为51.8%~703.47%。模体尺寸的增大会显著降低ED的精度,相对误差最大增幅为2.52%。大尺寸模体也会降低迭代分解的图像质量,CNR最大降幅达39.71。结论在不损失电子密度计算精度的前提下,相比于直接分解,迭代分解算法在不同尺寸模体的DECBCT构建中显著降低了图像噪声,提高了对比度。
简介:摘要目的为解决双着丝粒染色体人工分析费时费力的问题,探索人工智能技术,提出一种实现双着丝粒染色体自动识别的算法,从而实现快速高通量生物剂量估算。方法结合人工智能和图像处理技术,基于MATLAB软件,通过研究图像预处理、阈值分割、二值化处理、区域标识、卷积神经网络和双着丝点识别算法,定义模糊隶属度函数来描述每条染色体属于双着丝粒染色体的程度,设定判别阈值,实现双着丝粒染色体自动识别。结果通过对1 471张染色体图像进行算法检验,与人工识别相比,双着丝粒染色体细胞检出率达到了70.7%。结论本算法对双着丝粒染色体自动识别进行了初步研究,并达到了较好的效果。
简介:摘要目的用机器学习算法建立IgA肾病与非IgA肾病鉴别诊断模型。方法采用回顾性研究的方法,收集2019至2020年昆明医科大学第一附属医院、云南省第一人民医院和昆明市延安医院肾脏内科经肾脏病理确诊的患者共260例,其中原发性IgA肾病130例,非IgA肾病130例。收集包括性别和年龄等在内的28项临床资料和实验室常规检测结果,IgA肾病组与非IgA肾病组的男女构成比分别为59∶71和 64∶66,年龄分别为37.20(21.89,53.78)、43.30(27.77,59.18)岁。将260例患者随机地分为训练集(70%,182例)和测试集(30%,78例)。分别使用决策树、随机森林、支持向量机、极限梯度提升算法建立原发性IgA肾病与非IgA肾病的鉴别诊断模型。以真阳性率、真阴性率、假阳性率、假阴性率、准确率、受试者特征工作曲线下面积(AUC)、精确率、召回率和F1评分综合评估各模型的效能并选择性能最佳的模型。采用 SPSS 25.0对数据进行分析,P<0.05为差异有统计学意义。结果采用决策树、支持向量机、随机森林和极限梯度提升算法建立鉴别诊断模型的准确度分别为67.95%、70.51%、80.77%和83.33%;AUC值分别0.74、0.76、0.80和0.83;判断为原发性IgA肾病的F1评分分别为0.73、0.72、0.80和0.83。综合以上评价指标极限梯度提升算法模型的效能最高,该模型诊断为IgA肾病的敏感度、特异度分别为89%、79%,其变量重要性由高到低分别为血白蛋白、IgA/C3、血肌酐、年龄、尿总蛋白、尿白蛋比、高密度脂蛋白、尿素。结论成功建立IgA肾病与非IgA肾病的鉴别诊断模型。采用极限梯度提升算法建立的模型临床性能最佳。
简介:摘要目的探讨应用深度学习图像重建(DLIR)算法对实验猪心肌动态CT灌注(CTP)图像质量的提升程度以及该算法对心肌血流量(MBF)计算的影响。方法麻醉状态下对5只家猪进行静息与负荷动态CTP扫描,扫描管电压均为100 kV,低剂量与高剂量管电流分别设置为150、300 mA。低剂量扫描数据图像重建采用传统滤波反投影(FBP)及DLIR 3种不同强度(低、中、高),高剂量扫描数据图像重建仅采用FBP。客观评价及主观评价(5分制)图像质量,客观评价包括图像噪声、信噪比(SNR)、对比噪声比(CNR)。采用线性回归对DLIR算法强度和图像质量的线性趋势进行检验。采用Shapiro-Wilk检验数据正态性,正态数据比较采用配对t检验,非正态数据比较采用Wilcoxon秩和检验。结果高剂量扫描方案与低剂量扫描方案平均有效辐射剂量分别为7.2、3.8 mSv,差异有统计学意义(t=282.50,P<0.001)。低剂量下获得的图像随着DLIR强度的升高图像噪声逐渐减低,图像SNR及CNR逐渐增高(F=60.10、35.87、41.41,P均<0.001)。低剂量下高强度DLIR图像与高剂量FBP图像的噪声分别为(31.7±3.1)、(38.2±1.2)HU,SNR分别为16.6±2.0、13.8±0.8,CNR分别为14.5±1.7、11.6±0.9,差异均有统计学意义(t值分别为5.70、4.15、5.68,P值均<0.05)。低剂量下高强度DLIR图像与高剂量FBP图像主观评分分别为(4.8±0.4)、(4.2±0.6)分,差异有统计学意义(Z=2.12,P<0.05)。低剂量下FBP图像与高强度DLIR图像计算MBF在静息状态下分别为(81.3±17.3)、(79.9±18.3)ml·100 ml-1·min-1,负荷状态下分别为(99.4±24.9)、(100.7±27.3)ml·100 ml-1·min-1,差异均无统计学意义(t值分别为1.10、0.89,P>0.05)。结论应用高强度DLIR算法有利于实现实验猪低剂量心肌动态CTP,可明显提升图像质量,同时对MBF计算无明显影响。
简介:摘要目的分析不同剂量计算算法和不同射野设置对肺癌容积旋转调强计划(VMAT)的剂量学差异,为临床计划设计提供参考。方法选择20例肺癌患者,分别设计4组VMAT计划:基于各向异性解析算法(AAA)的2野2弧(2F2A_AAA)、基于外照射光子剂量算法(AXB)射的2野2弧(2F2A_AXB)、基于蒙特卡罗算法(MC)的2野2弧(2F2A_MC)、基于MC算法的1野2弧(1F2A_MC)。分别对不同算法、不同射野设置的计划,在靶区覆盖、高量控制、剂量均匀性指数(HI)、适形性指数(CI),以及危及器官(OARs)受照剂量进行评估。结果3组不同算法的2F2A计划靶区结果表明,2F2A_MC在PGTV的D1%和V95%(受到95%处方剂量所包绕的靶区相对体积)上均优于2F2A_AAA(D1%:t=-2.44,P=0.03;V95%:z=-2.04,P=0.04)和2F2A_AXB(D1%:t=2.34, P=0.03; z=-3.21,P<0.01)。2F2A_AXB在PGTV的CI表现上优于2F2A_AAA(z=-3.66,P<0.01),与2F2A_MC相当。就危及器官而言,2F2A_AXB和2F2A_MC全肺的V5 Gy上分别较2F2A_AAA减少了0.68%(z=-2.69,P=0.01)和3.05%(z=-3.52,P<0.01)。2F2A_AXB计划在全肺Dmean为1 776.44 cGy,均优于2F2A_MC(t=2.67,P=0.02)和2F2A_AAA(t=8.62,P<0.01)。2F2A_AXB的Body_5 mm在V20 Gy相较于2F2A_AAA和2F2A_MC分别减少了1.45%(z=-3.88,P<0.01)和2.01%(z=-3.66, P<0.01)。而不同射野设置的两组计划结果表明,1F2A_MC在PTV1的CI和PTV2的HI上均优于2F2A_MC(CI: t=2.61, P=0.02; HI: z=-2.20, P=0.03)。1F2A_MC在全肺Dmean相对于2F2A_MC增加了26.29 cGy(t=2.28,P=0.04)。结论在进行肺癌VMAT计划设计时,MC算法适用于靶区优先,AXB算法适用于危及器官优先;而仅有MC算法的情况下,靶区优先时推荐选择1F2A,危及器官优先时推荐选择2F2A。
简介:摘要目的基于方剂树形分析算法分析《伤寒杂病论》中桂枝类方的组方规律。方法收集《伤寒杂病论》中桂枝类方,运用古今医案云平台的方剂树形分析算法对每一层的方剂进行共现计算,以获取桂枝类方的分层树形结构图。结果纳入方剂79首,药物96味,总用药频次529次,涉及7种功效。高频药物包括桂枝、炙甘草、生姜、大枣等。主要功效包括解表、温通经脉、温阳利水等。方剂树形结构图共分为7层,包含最大项为桂枝、炙甘草、生姜、大枣、芍药、麻黄、葛根,侧支药物有茯苓、白术、泽泻、干姜等。结论方剂树形分析算法可串联药物之间的相关性,展示方剂里高频共现药物间的联系,可用于经方的学习。
简介:摘要目的探讨深度学习图像重建(DLIR)算法在低kV逆血流扫描下肢动脉CT血管成像(CTA)中对图像质量的影响。方法回顾性收集2021年1月至3月50例于福建医科大学附属协和医院因临床可疑下肢动脉疾病而行低kV逆血流扫描下肢动脉CTA患者的CT原始数据,分别使用具有3种混合权重的自适应统计迭代重建(ASIR-V)算法(ASIR-V 20%、ASIR-V 50%、ASIR-V 80%)、3种重建强度(高、中、低)的DLIR算法(DLIR-H、DLIR-M、DLIR-L)在0.625 mm上重建薄层轴面图像。在每组图像上测量近端腹主动脉、远端腹主动脉、左右髂总动脉、左右股动脉(上段)、左右股浅动脉(中段)、左右腘动脉的CT值、噪声(SD)值,并计算信噪比(SNR)和对比噪声比(CNR)。由两名医师采用4分法将下肢血管分成4个节段对图像的噪声和锐利度进行主观评价。统计学分析采用单因素方差分析评估图像质量主观评分及客观评价指标的差异。结果随着ASIR-V重建权重的增加和DLIR重建强度的增加,各测量层面的SD值逐渐降低,SNR值和CNR值逐渐增高(P均<0.05)。6种重建方式中,DLIR-H重建与ASIR-V80%重建具有较低的SD值及较高的SNR与CNR值(P均<0.05)。与ASIR-V20%和ASIR-V50%相比,DLIR-H组具有更低的SD值,更高的SNR和CNR值(P均<0.05);但DLIR-H组与ASIR-V80%相比,SD、SNR和CNR值的差异无统计学意义(P均>0.05)。主观评分结果显示,在腹主动脉-足部动脉全程,DLIR-H组噪声评分为最优,锐利度评分也明显高于ASIR-V80%(P均<0.05)。结论深度学习重建可以显著降低下肢动脉CTA图像的噪声,提升图像质量。在DLIR(H、M、L)3种深度学习重建算法中,DLIR-H的降噪效能以及在图像噪声和锐利度的平衡中表现最佳,具有最高的图像质量。
简介:摘要目的应用深度学习算法建立基于纸质版12导联体表心电图的人工智能模型,评估并比较其与心律失常专科医生对流出道室性心律失常起源部位定位的效能。方法收集2011年5月1日至2020年12月31日在首都医科大学附属北京朝阳医院、温州医科大学附属第二医院、浙江大学医学院附属邵逸夫医院、北京大学第三医院经射频消融术成功治疗的527例流出道室性心律失常患者的861份纸质版室性心律失常心电图。以术中成功消融靶点作为金标准,对以深度学习为基础的人工智能模型进行训练、验证及测试。两位心律失常专科医生根据经典定位流程图及临床经验对测试集心电图进行靶点判断。对比深度学习算法与人工判读的敏感性、特异性和准确性等。结果基于纸质版常规12导联体表心电图的扫描图像建立的人工智能模型的灵敏度、特异度、准确率、受试者工作特征曲线下面积、F1指数分别为94.0%、83.3%、93.0%、0.93和0.96。针对测试集,专科医生判读的平均灵敏度、特异度和准确率分别为95.7%、83.3%和94.6%。结论在流出道室性心律失常起源定位方面,基于纸质版心电图的深度学习算法表现出较高性能,与心律失常专科医生的判断水平相当。
简介:摘要目的探讨Eclipse13.6中剂量体积优化算法(DVO)和光子优化算法(PO)在左侧乳腺癌根治术后调强放射治疗计划中的剂量学差异。方法选取左侧乳腺癌根治术后放疗病例20例,并由同一名医生勾画靶区和危及器官。保持处方剂量、射野设置、优化参数不变,分别用PO和DVO算法优化,并统一用各向异性解析算法(AAA)进行剂量计算。比较两种优化算法在靶区剂量、适形度指数、均匀性指数、危及器官受量和机器跳数的差异。结果两种优化算法均基本能够满足临床要求。两种优化算法心脏平均剂量(Dmean)差异无统计学意义(P>0.05);PO算法在靶区D95和最大剂量(Dmax)、均匀性指数、适形度指数、机器跳数、心脏V30和V40、脊髓Dmax等方面均优于DVO算法,而患侧肺V5、V20和Dmean稍劣于DVO算法(均P<0.05)。结论对于左侧乳腺癌根治术后放疗计划,在不损失靶区受量情况下,选用PO算法可提高靶区适形度,降低心脏受量,加快计划执行速度。