简介:摘要目的探讨基于DWI和液体衰减反转恢复序列(FLAIR)的深度学习技术构建预测急性卒中发病时间模型的效果。方法回顾性分析于2017年1月至2020年5月在南京市第一医院就诊且发病时间明确的急性卒中患者324例。采用7∶3比例按照完全随机法将患者分为训练集226例,测试集98例;再根据发病时间将患者分为≤4.5 h和>4.5 h两组。由医师对DWI图像上急性梗死区及FLAIR相应的高信号区进行轮廓勾勒标注。利用InceptionV3模型作为图像特征提取的基本模型,构建并验证基于单序列(DWI、FLAIR)和多序列(DWI+FLAIR)的深度学习预测模型。比较人工识别、单序列模型及多序列模型预测急性卒中发病时间的ROC曲线下面积(AUC)、准确度等性能。结果发病时间≤4.5 h患者中94例(94/207)存在DWI-FLAIR不匹配,发病时间>4.5 h患者中28例(28/117)存在DWI-FLAIR不匹配。ROC分析显示人工识别DWI-FLAIR不匹配预测急性卒中发病时间的AUC为0.607,准确度为60.2%。基于单序列的深度学习预测模型显示FLAIR序列预测急性卒中发病时间的AUC为0.761,准确度为71.4%;DWI序列预测急性卒中发病时间的AUC为0.836,准确度为81.6%;基于多序列(DWI+FLAIR)深度学习模型预测急性卒中发病时间的AUC为0.852,明显优于人工识别(Z=0.617,P=0.002)、基于FLAIR序列深度学习模型(Z=2.133,P=0.006)和基于DWI序列深度学习模型(Z=1.846,P=0.012)。结论基于DWI和FLAIR的深度学习模型预测急性卒中发病时间明显优于人工识别,可为未知发病时间的卒中患者提供静脉溶栓治疗指导。
简介:摘要目的通过深度学习(DL)PET图像重建方法,提升不同采集时间18F-脱氧葡萄糖(FDG)PET图像质量。方法回顾性分析2020年9月至10月间山西医科大学第一医院核医学科45例恶性肿瘤患者[男20例、女25例,年龄(52.0±13.6)岁]PET图像。选择原始列表模式PET数据的短时30 s/床位PET图像作为输入,采用Unet网络,以全剂量标准采集时间(3 min)PET图像为模型判别标准,建立DL图像重建模型,以预测全剂量PET图像。分别对DL、30 s、90 s和120 s 4组图像进行图像质量评估及定量分析。采用5分法主观评估4组的图像质量。分别测量各组图像肝本底及肿瘤病灶定量参数:最大标准摄取值(SUVmax)、平均标准摄取值(SUVmean)、标准差(SD)、信噪比(SNR)、对比度噪声比(CNR)及一阶纹理特征(偏度、峰度、均匀度和熵)。采用Kappa检验、χ2检验、单因素方差分析(最小显著差异t检验)进行数据分析。结果4组图像质量评分具有高度一致性(Kappa=0.799,P<0.001),DL组评分≥3分共6例,30 s、90 s和120 s组评分≥3分别有4、7和8例(χ2=125.47,P<0.001)。DL组肝SD明显低于30 s组(0.26±0.07与0.43±0.11;F=3.58,t=-7.91,P<0.05),SNR高于30 s组(11.04±4.36与5.41±1.41;F=10.22,t=5.40,P<0.05);DL组肝SD及SNR与90 s组一致(0.39±0.16, 8.46±3.34;t值:-0.87和2.17,均P>0.05)。在18个高摄取肿瘤病灶中,DL组病灶SNR及CNR均高于30 s组(60.21±29.26与38.38±16.54,22.26±15.85与15.41±9.51;F值:13.09和7.05,t值:5.20和4.04,均P<0.001)。4组肝一阶纹理特征差异有统计学意义(F值:4.30~9.65,均P<0.05),但DL组与120 s组间差异无统计学意义(t值:-1.25~0.15,均P>0.05)。结论DL重建模型能较好地改善短帧PET图像质量,可以满足临床诊断、疗效评估和组学研究的需求。
简介:摘要目的探讨单次大深度氦氧潜水对潜水员肺功能的影响。方法2019年4月,采用便利抽样法选取防险救生二支队15、5及6名男性潜水员分别参加80 m、100 m和120 m氦氧潜水,在潜水前、潜水结束后即刻及潜水结束后24 h检测肺功能指标。结果80 m氦氧潜水后即刻,潜水员的第1秒时间肺活量/用力肺活量(FEV1.0/FVC)、25%肺活量的呼气流量(MEF25%)低于潜水前,差异有统计学意义(P<0.05);100 m和120 m氦氧潜水后即刻,潜水员的FEV1.0、FEV1.0/FVC、呼气峰值流量(PEF)、75%肺活量的呼气流量(MEF75%)具有降低趋势,但差异无统计学意义(P>0.05),潜水后24 h恢复至接近潜水前。结论单次大深度氦氧潜水可引起潜水员暂时性的呼气及小气道功能障碍,该障碍可在潜水后24 h恢复。
简介:摘要目的基于深度卷积神经网络(DCNN)方法自动测量彩色眼底像上全局和局部豹纹分布密度。方法应用研究。将2021年5~ 7月于山东第一医科大学附属青岛眼科医院北部院区行近视手术的患者514例1 028只眼的1 005张彩色眼底像建立人工智能(AI)数据库。采用RGB颜色通道重标定方法(CCR算法)、基于Lab颜色空间的CLAHE算法、多重迭代照度估计的Retinex算法、具有色彩保护的多尺度Retinex算法对图像进行预处理。对比观察上述4种图像增强方法以及使用Dice损失、边缘重叠率损失和中心线损失对豹纹分割模型效果的影响。建立眼底豹纹分割模型识别全图范围内豹纹结构区域;构建眼底组织结构检测模型用于视盘及黄斑中心凹定位。计算视野范围内后极部豹纹密度(FTD )、黄斑区豹纹密度(MTD)、视盘区豹纹密度(PTD )。结果应用CCR算法图像预处理和训练损失组合后,豹纹分割模型的Dice系数、准确率、灵敏度、特异性、约登指数分别达到0.723 4、94.25%、74.03%、96.00%和70.03%。模型自动测量的FTD、MTD、PTD值与人工标注测量值平均绝对误差分别为0.014 3、0.020 7、0.026 7,均方根误差则分别为0.017 8、0.032 3、0.036 5。结论基于DCNN分割和检测方法能自动测量近视患者眼底全局和局部区域的豹纹分布密度,可以更准确地辅助临床监测和评估眼底豹纹改变对近视发展的影响。
简介:摘要:目的探讨不同麻醉深度对小儿术后认知功能障碍( POCD)影响。方法选择 2017年 1月到 2018年 1月期间,我院收治的骨科手术患儿 60例,年龄 6~ 8岁。根据不同麻醉深度分为三组: A组术中脑电双频谱指数( BIS)维持 50~ 59, B组术中 BIS维持 40~ 49, C组术中 BIS维持 30~ 39,每组 20例。三组患儿分别在术前 1d及术后 1、 3和 7d采用 MMES量表和 MoCA量表进行评估,统计患儿的 POCD发生率。结果三组术前 1d及术后 1、 3和 7d的 MMSE、 MoCA评分比较结果:不同时间点的 MMSE、 MoCA评分有差别( P<0.05),三组 MMSE、 MoCA评分有差别( P<0.05),三组 MMSE、 MoCA评分变化趋势有差别( P<0.05)。术后 1和 3d,三组 POCD发生率比较,差异无统计学意义( P>0.05)。结论低麻醉深度( BIS维持在 50~ 59)可提高小儿全身麻醉术的认知,减轻脑损伤。
简介:摘要目的分析不同麻醉深度对于老年肠癌手术患者应激反应的影响。方法选取2013年1月-2018年1月本院收治的老年肠癌手术患者50例作为研究对象,随机将患者分为观察组和对照组,每组各25例,对照组实行浅度麻醉治疗,观察组实行深度麻醉,对比两组患者应激反应水平和不良反应发生率。结果进行麻醉后72h,两组患者的纤维蛋白原及其去甲肾上腺素显著高于麻醉前,且对照组的纤维蛋白原和去甲肾上腺素指标显著高于观察组,两组差异存在统计学意义(P<0.05);观察组的患者不良反应发生率低于对照组,差异存在统计学意义(P<0.05)。结论进行深度麻醉治疗,能有效快速消除老年肠癌手术患者的疼痛,显著降低患者的应激反应水平,减少患者并发症的发生。
简介:摘要目的探讨大面积深度烧伤后期残余创面应用湿润烧伤膏(MEBO)治疗的临床疗效。方法回顾性分析2008年1月-2011年12月我院收治的95例大面积深度烧伤患者残余创面应用MEBO治疗的临床资料,总结分析治疗疗效。结果本组患者中,92例残余创面均在3w内愈合,另3例应用MEB0治疗后,创面缩小,但每例残余创面面积均在5%TBSA以上,经邮票植皮后治愈,随访6-12个月,愈合创面无明显瘢痕增生、挛缩,功能恢复较好。结论大面积深度烧伤残余创面应用以MEBO为主的治疗,可促进残余创面愈合,价格低廉、方法简便、患者痛苦少,治疗效果好,值得临床推广应用。
简介:摘要目的建立一种深度学习模型预测调强放疗(IMRT)的三维剂量分布。方法收集直肠癌术后IMRT患者共110例,随机数表法选择其中90例作为训练验证集并作9折交叉验证,剩下20例作为测试集。构建3D U-Res-Net模型,以CT影像、靶区和危及器官(OARs)的解剖结构以及射束信息作为输入,IMRT剂量作为输出训练该模型,并用来预测测试集病例的剂量分布。采用三维剂量分布以及剂量—体积直方图(DVH)剂量参数评估预测精确性。结果在三维剂量分布上,体素剂量的平均预测偏差为-2.12%~2.88%、平均绝对误差为2.55%~5.75%;等剂量面的Dice系数均在0.9以上,平均霍夫距离(HD95)和平均表面距离(MSD)分别0.61~1.54 cm和0.21~0.45 cm。对于DVH剂量参数,除膀胱Dmean (P=0.048)以外,其他剂量学参数差异均无统计学意义(P>0.05)。结论基于3D U-Res-Net模型可以实现直肠癌术后IMRT剂量分布预测,为自动计划设计奠定基础。