简介:摘要基于算法学习数据内部规律,进而对同类数据进行预测和判断的过程为机器学习。在体外受精-胚胎移植技术领域,基于机器学习算法建立的模型不仅可预测周期助孕结局,也可帮助胚胎学家挑选优质胚胎。本文共筛选出基于机器学习算法的周期结局预测模型和胚胎质量评估模型30个,其中基于传统机器学习算法模型28个,基于深度学习模型2个。采用受试者工作特征曲线的曲线下面积(area under curve,AUC)评价模型效果,基于传统机器学习算法的模型效果多不理想(0.60<AUC<0.86),深度学习算法准确率则较高(AUC>0.90)。完善的预测和评估模型有望提高助孕周期效率、标准化胚胎选择流程。
简介:摘要临床教师教学能力和教学研究能力是影响医学教育人才培养质量的关键因素,科学设计的临床教师培训将会直接提高临床教师的教学能力和教学研究能力。2017年12月,齐齐哈尔医学院启动临床教师培训,设计了学习-研究-实践为一体的教师共同体(简称学习-研究-实践共同体),开展内容形式多样的临床教师培训。经过4期培训,共有332名临床教师完成培训,其中21.4%(71/332)的临床教师有自己主持的学院和省级教研项目;74.7%(248/332)的临床教师掌握了临床技能评估方法和临床教学规范;97.4%(323/332)的临床教师对培训效果感到满意。可见,基于学习-研究-实践共同体的临床教师培训有助于提高临床教师教学能力和教学研究能力,可以进一步推广。
简介:摘要目的通过训练生成对抗网络(generative adversarial network,GAN)模型,构建一种包括跨中线上颌骨缺损的虚拟重建方法,以期为临床提供参考。方法收集2015年6月至2022年6月于四川大学华西口腔医院影像科就诊的汉族成年口腔疾病患者CT资料,选择100例健康上颌骨及15例上颌骨缺损(5例单纯单侧缺损、5例单侧缺损并累及颧骨、5例跨中线缺损)CT数据。应用Mimics软件在健康上颌骨数据及其附近区域创建球型模体并模拟上颌骨缺损,分别为单纯单侧缺损、单侧缺损并累及颧骨、跨中线缺损,以原始图像为虚拟重建的正确参照;人工缺损与正确参照配对后分为训练集(70例)、验证集(20例)以及测试集(10例),前两者用于训练GAN模型,测试集用于评估GAN性能。15例上颌骨缺损CT数据导入训练完成后的GAN模型中进行虚拟重建,对单侧缺损分别采取镜像和基于GAN的方式进行虚拟重建,而对跨中线缺损仅采取基于GAN的方式进行虚拟重建,重建结果分为镜像重建组(10例)、单侧缺损GAN重建组(10例)和跨中线缺损GAN重建组(5例)。对测试集、镜像重建组、单侧缺损GAN重建组进行定量评价,定量指标为Dice相似性系数(Dice similarity coefficient,DSC)和95%豪斯道夫距离(95% Hausdorff distance,HD95),对各组结果进行单因素方差分析和Tukey检验。对测试集、镜像重建组、单侧缺损GAN重建组和跨中线缺损GAN重建组进行定性评分,对各组总分进行Kruskal-Wallis检验和事后检验(Bonferroni校正法)。结果测试集、镜像重建组、单侧缺损GAN重建组DCS(分别为0.891±0.049、0.721±0.047、0.778±0.057)和HD95[分别为(3.58±1.51)、(5.19±1.38)、(4.51±1.10)mm]的总体差异均有统计学意义(F=28.08,P<0.001;F=3.62,P=0.041);其中,测试集DSC显著大于镜像重建组(P<0.05),测试集HD95显著小于镜像重建组(P<0.05)。测试集、镜像重建组、单侧缺损GAN重建组、跨中线缺损GAN重建组定性总分[分别为8(1)、6(2)、6(2)和4(2)分]的总体差异有统计学意义(H=18.13,P<0.001);两两比较显示,测试集总分显著高于镜像重建组(P<0.05)。结论本项研究提出的基于GAN的虚拟重建方法,其单侧缺损虚拟重建效果优于镜像技术,亦可实现跨中线上颌骨缺损的虚拟重建。
简介:摘要目的探讨深度学习重建(DLR)较混合迭代重建(Hybrid IR)在改善胸部低剂量CT(LDCT)图像质量方面的效果。方法回顾性分析2020年10月至2021年3月在北京协和医院行胸部LDCT体检或因肺内结节定期复查的77例患者。对所有入组患者的影像资料进行不同算法重建,获得标准级别Hybrid IR图像、标准和强级别DLR图像。在3种图像的肺实质、主动脉、肩胛下肌及腋下脂肪内选取感兴趣区并测量其CT值和标准差,用于计算信噪比(SNR)和对比噪声比(CNR)。同时,由2名影像医师按照Likert 5分量表法对图像质量进行主观评分,且记录肺磨玻璃结节(GGN)的数量,并对其显示情况进行评分。2名医师评分不一致时由第3名医师评分决定。采用Kruskal-Wallis非参数检验对3种图像的主观和客观评分进行分析,若总体存在差异,则用Bonferroni校正检验进行组内两两比较。结果3种图像在肺实质、主动脉、肩胛下肌及腋下脂肪处的CT值差异均无统计学意义(P均>0.05),而图像噪声、SNR和图像的CNR差异均有统计学意义(P均<0.05)。其中标准级别Hybrid IR图像、标准和强级别DLR图像的CNR分别为0.71(0.49,0.88)、1.06(0.78,1.32)和1.14(0.84,1.48)。标准级别和强级别DLR图像均较标准级别Hybrid IR图像的主观和客观噪声低及SNR和CNR高,差异均有统计学意义(P均<0.05)。在对主要解剖结构(肺裂、肺血管、气管和支气管、淋巴结、胸膜和心包)和GGN的显示上,标准级别和强级别DLR图像评分明显优于Hybrid IR图像,差异均有统计学意义(P均<0.05)。结论与Hybrid IR相比,DLR可以明显降低LDCT图像的噪声,且对GGN的显示良好,有助于在较低辐射剂量水平时保证图像质量,从而改善采用CT行肺癌筛查及肺结节随访的安全性。
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:摘要目的探讨自主学习教学模式在关节外科教学中的应用及效果。方法将2018年9月至2020年9月在解放军总医院第八医学中心实习的60名学生分为传统组(采用传统教学的方法)和自主学习组(采用自主学习教学模式),每组30名。比较两组学生一般情况、教学成绩(包括理论成绩和实践成绩)、能力评分(包括查阅文献能力、讲课能力、组织能力、沟通能力、团队合作能力)和主观评分(学习兴趣、教学满意度),并进行研究。采用SPSS 23.0统计软件进行独立样本t检验和卡方检验。结果自主学习组理论成绩[(87.63±7.01) vs. (79.56±7.08)]、实践操作成绩[(86.40±6.45) vs. (82.70±7.65)]、查阅文献能力[(16.33±2.45) vs. (14.50±2.27)]、讲课能力[(15.56±2.97) vs. (13.90±2.56)]、组织能力[(17.61±2.34) vs. (14.96±2.55)]、沟通能力[(17.06±1.91) vs. (14.53±1.96)]、团队合作能力[(16.23 ±1.71) vs. (14.76 ±2.32)],各项评分都高于传统组,学习兴趣各项指标和教学满意度(教学形式和教学效果)指标也高于传统组,差异有统计学意义(P<0.05)。结论应用自主学习的教学模式培养实习学生,有利于提高学生的学习积极性,提升教学质量,为教学改革提供了新思路。
简介:摘要目的观察阿司匹林对铝致痴呆模型大鼠空间学习记忆的影响,探讨阿司匹林改善铝致痴呆模型大鼠学习记忆功能障碍的作用。方法用腹腔注射三氯化铝的方法建立大鼠学习记忆障碍模型,并用阿司匹林进行实验性治疗。采用Morris水迷宫方法测试各组大鼠空间学习记忆能力的改变。结果大鼠经多次训练后,大鼠逃避潜伏期均呈缩短趋势,此现象表明大鼠空间学习记忆能力随训练次数增加而有所增强。但是大鼠在染铝后30d逃避潜伏期明显大于生理盐水对照组,两者比较差异有统计学意义(P<0.05);而用阿司匹林治疗组在治疗15d后逃避潜伏期明显小于模型组,两者比较差异有统计学意义(P<0.05)。结论阿司匹林对铝致痴呆模型大鼠学习记忆功能障碍有明显的改善作用。