简介:摘 要 科研水平的高下是区分医院质量和竞争力高低的重要因素,传统的科研开展的方式和效率显得越来越不能适应大数据和人工智能时代的到来,因此医疗机构,尤其是高水平医院非常需要构建一套依托医院自身医疗数据高效率高质量的建设数据智能算法训练平台支撑高水平的科研开展。本文介绍了作者参与多家医疗机构的科研大数据平台和专科病种数据库建设的体会,并针对当下各地医院在建设提升自身的医疗数据智能化水平中面临的问题和开展过的工作,提出了自身的见解,并结合自身的工作经验,提出了高水平医院医疗数据智能算法训练平台的详细建设路径思路,并提供了建设重点的切入点,适用于医院加以建设,并支撑广泛的实际应用场景。
简介:摘要利用神经网络进行心电图识别时,存在神经网络网络结构、初始权值以及网络的动量因子、学习参数难以确定,易陷入局部极小、过拟合等问题。遗传算法具有很强的全局寻优能力,能以较大的概率找到全局最优解,提出一种改进的GA-BP混合训练算法,优化神经网络的权值和结构,应用于自动识别心电图,收到良好的效果。
简介:目的与滤波反投影法(FBP)相比,观察正弦图确认的迭代重建算法(SAFIRE)可否改善肥胖患者冠状动脉CTA(CTCA)图像质量及有效降低辐射剂量。方法连续收集49例接受CTCA的肥胖患者,对其中39例使用常规序列扫描(120kV,A组),分别选用FBP(FBP亚组)和SAFIRE(SAFIRE亚组)重建;对另10例使用低剂量扫描序列(100kV,B组),SAFIRE重建。比较各组间主观(冠状动脉评分)和客观图像质量(图像噪声,SNR,CNR)的差异。结果SAFIRE亚组的图像噪声、SNR、CNR比均优于FBP亚组和B组(P〈0.05),但FBP亚组的图像主观评分与B组差异无统计学意义。B组的有效辐射剂量[(4.36±0.75)mSv]明显小于A组[(8.83±1.74)mSv](P〈0.01)。结论与FBP相比,SAFIRE可显著提高相同剂量水平的CTCA图像质量,并能在降低约50%辐射剂量的条件下保证图像质量。
简介:摘要:本文研究了一种基于三维图割算法的肝脏分割方法,旨在解决肝脏CT图像分割的挑战。该方法首先利用三维图割算法对CT图像进行肝脏区域分割,通过定义能量函数和使用图割算法,将图像分割为肝脏和背景两个区域。然后,通过快速迭代的方式,对单张肝脏分割结果进行迭代,最终实现对整个肝脏的准确分割。该方法的关键创新点在于利用三维图割算法进行分割,这种算法能够考虑图像中的三维信息,提高分割的准确性和连续性。同时,通过快速迭代的方式,能够快速完成肝脏的分割,减少计算时间和资源消耗。该方法能够实现快速、准确且自动化的肝脏分割。与传统的分割方法相比,该方法具有更高的自动化程度和分割准确性。通过获取完整的肝脏图像信息,该方法为后续的重建和医学诊断提供了有力的辅助。
简介:摘要:近年来,社会进步迅速,我国的现代化建设的发展也有了进步。随着现在经济水平的提升,越来越多的人注重身体的体检。CT体检对于病变尤其是对早期病变的筛查体现的尤为重要。身体康健的人群的体检相比于门诊患者的检查,他们更注重检出的阳性病变,并且体检人群的检查具有一定的周期性,大幅度的剂量辐射很容易给身体带来无法逆转的损伤。近年来随着螺旋CT检查的普及和其对于微小病灶检出的敏感性,螺旋CT在胸部疾病的检查中越来越广泛,可是由于CT的辐射剂量相较于普通X线摄影要高出很多,在检查出微小病变的同时,较高的放射剂量也成为了诱发人体疾病的潜在危险因素。于是,在保证图像质量满足临床要求的前提下减少放射剂量已经成为当下热门的研究热点。降低辐射剂量的方法有很多如降低管电压、减低管电流、自动管电流调制技术、增加螺距等等,但都会出现图像噪声大的特点。