简介：摘要目的探讨胸部超低剂量CT（ULDCT）应用深度学习重建（DLR）进行肺癌筛查的可行性，并比较其与ULDCT混合迭代重建（Hybrid IR）及常规剂量CT（RDCT）Hybrid IR的图像质量和结节检出率。方法前瞻性纳入2020年10月至2021年3月在北京协和医院因肺结节接受胸部CT检查的患者。对患者分别进行胸部RDCT（120 kVp，自动管电流）和ULDCT（100 kVp，20 mA）扫描，并采用Hybrid IR（AIDR 3D）重建RDCT图像，采用AIDR 3D和DLR（AICE）重建ULDCT图像。记录辐射剂量和结节数。使用主气管及左肺上叶的客观噪声、信噪比（SNR）、肺部总体及结节的主观图像评分评估图像质量。主观评分由2名经验丰富的放射科医师采用Likert 5分制评分。采用配对t检验比较ULDCT与RDCT辐射剂量的差异。采用单因素方差分析或Friedman检验对3种重建方法的定量指标、客观图像噪声及主观评分进行比较。结果共纳入45例，男17例、女28例，年龄32~74（55±11）岁。ULDCT的辐射剂量为（0.17±0.01）mSv，显著低于RDCT［（1.35±0.41）mSv，t=15.46，P<0.001］。ULDCT-AICE、ULDCT-AIDR 3D及RDCT-AIDR 3D图像在气管CT值、气管噪声、气管SNR、肺实质噪声及肺实质SNR的总体差异均有统计学意义（P<0.05），其中ULDCT-AICE的气管及肺实质图像噪声、气管CT值显著低于ULDCT-AIDR 3D（P<0.05），与RDCT-AIDR 3D差异无统计学意义（P>0.05）。RDCT-AIDR 3D、ULDCT-AIDR 3D、ULDCT-AICE总体图像质量和肺结节图像质量主观评分差异有统计学意义（χ²=50.57、117.20，P<0.001），其中ULDCT-AICE总体图像质量和肺结节图像质量主观评分优于ULDCT-AIDR 3D（P<0.05），与RDCT-AIDR 3D差异无统计学意义（P>0.05）。RDCT-AIDR 3D、ULDCT-AIDR 3D、ULDCT-AICE方法检出结节的数量一致，均为72个。结论胸部ULDCT采用DLR重建可显著降低辐射剂量，且与Hybrid IR相比，能够有效降低图像噪声并提高SNR，并对肺结节的显示良好，图像质量及结节检出效果不弱于目前临床中常规使用的RDCT Hybrid IR。

简介：摘要目的通过建立深度学习模型，探索多模态影像对脑胶质母细胞瘤放疗靶区自动勾画效果的影响。方法收集30例脑胶质母细胞瘤患者的电子计算机断层扫描(CT)序列和磁共振成像(MRI)的对比增强T1加权序列(T1C)以及T2液体衰减反转恢复序列(T2-FLAIR)，对每例病例的原发肿瘤靶区(GTV)及其对应的临床靶区1(CTV1)和临床靶区2(CTV2)根据RTOG标准进行人工勾画，并设计4种不同的数据集：CT数据集(仅含30例CT序列的单模态数据)、CT-T1C数据集(包含30例CT序列和T1C序列的双模态数据)、CT-T2-FLAIR数据集(包含30例CT序列和T2-FLAIR序列的双模态数据)和CT-MRIs数据集(包含30例CT序列、T1C序列和T2-FLAIR序列的三模态数据)。使用每种数据集中的25例对改进后的3D U-Net进行训练，并用剩余5例进行测试。评价测试样本中GTV、CTV1和CTV2的自动勾画效果，定量评估指标包括Dice相似系数(DSC)，95% Hausdorff距离(HD95)和相对体积误差(RVE)。结果该3D U-Net模型在多模态影像CT-MRIs上获得最好的GTV自动分割结果，与在单模态影像CT的自动分割结果相比(DSC: 0.94 vs. 0.79, HD95: 2.09 mm vs. 12.33 mm and RVE: 1.16% vs. 20.14%)，DSC(t＝3.78，P<0.05)和HD95 (t＝4.07, P<0.05)的差异有统计学意义；在多模态影像CT-MRIs的CTV1和CTV2自动分割结果(DSC: 0.90 vs. 0.91, HD95: 3.78 mm vs. 2.41 mm, RVE: 3.61% vs. 5.35%)也均有较好的一致性，但与单模态影像CT的自动分割结果相比，两个靶区的DSC和HD95的差异均无统计学意义(P>0.05)。该模型对于GTV的上下界和CTV2临近的重要器官(如脑干和眼球)的自动勾画有一定的局限性。结论基于改进后的3D U-Net在多模态影像数据集CT-MRIs上对脑胶质母细胞瘤放疗靶区具有更好的分割效果，显示出较好的临床应用价值。

简介：摘要目的基于深度学习方法开发眼前节相干光层析成像术（AS-OCT）图像分析系统，并评价其对常见角膜病变及特征的自动识别与定位效果。方法收集2011年1月至2019年8月于青岛眼科医院就诊的患者4 026例（5 617只眼），男性1 977例，女性2 049例，年龄（45±23）岁，将其AS-OCT图像作为训练集，由临床医师人工标注角膜上皮缺损、角膜上皮增厚、角膜变薄等16种特征的类型和位置，以及角膜上皮层和基质层的组织分层，用于训练基于深度卷积神经网络算法构建的AS-OCT图像特征识别模型和角膜分层模型。再收集1 709幅患眼AS-OCT图像作为验证集，由模型对特征和角膜分层情况进行识别，并与人工标注结果相比，通过准确度、灵敏度和特异度来评价角膜特征检测模型，采用模型标注区域与人工标注区域的重合率（Dice系数）来评价角膜分层模型。结果5 617幅训练集人工对角膜特征的标注结果（训练数量）为角膜上皮缺损1 472例、角膜上皮增厚2 416例、角膜变薄2 001例、角膜前凸780例、角膜增厚2 064例、上皮下水泡358例、上皮下混浊486例、角膜溃疡1 010例、基质混浊3 635例、后弹力层褶皱1 060例、后弹力层脱离137例、角膜后沉积物665例、角膜穿孔176例、角膜异物127例、LKP术后299例、PKP术后234例。验证集中1 709幅图像中1 596幅被人工标注特征，角膜特征检测模型对16种特征的检测结果与人工标注结果相比，平均灵敏度为96.5%，平均特异度为96.1%；15幅图像存在特征漏检，漏检率为0.93%。角膜分层模型对于角膜上皮层和基质层分割的平均Dice系数分别为0.985及0.917。结论该系统可为医师提供AS-OCT图像中角膜特征的类型和位置信息，准确率较高，可以帮助眼科医师提升诊断效率及准确性。（中华眼科杂志，2021，57：447-453）

简介：无

简介：摘要目的研究分析大面积深度烧伤伴双手深度烧伤的临床治疗方法。方法选取2013年4月-2015年4月我院收治的大面积深度烧伤伴双手深度烧伤患者30例，对所有患者手烧伤情况评估后采取相应的个体化治疗方法。结果30例患者60只手中有23例患者46只手外形和功能恢复满意，4例患者8只手部分残缺，但能够自理生活；3例患者6只手因坏死而截除，需要他人照顾。结论对于大面积深度烧伤伴双手深度烧伤患者需要尽可能的保护手功能，根据不同患者的相应伤情采取合适手术方式，术后需进行有效手功能康复治疗。

简介：摘要目的对麻醉深度指数（CSI）在全麻手术期间麻醉深度监测的应用价值进行评测。方法ASAⅠ或Ⅱ级患者共44例，按随机原则分为试验组、对照组两组各22例患者。试验组患者调节麻药的剂量参考CSI进行改变，对照组患者则按照临床麻醉药物使用的经验进行调节。对患者的心电图、心率、舒张压、收缩压、SPO2以及CSI进行常规监测；记录并统计两组患者的苏醒时间和不良反应发生的情况；计算CSI对于OAA/S的等级相关系数。结果经过统计分析，试验组患者的苏醒时间显著短于对照组患者，与统计学意义相符（P＜0.05），试验组患者的不良反应发生情况明显优于对照组患者（P＜0.05）；CSI与OAA/S评分具有明显的等级相关性。结论麻醉深度指数（CSI）应用于全麻手术期间的麻醉深度监测具有理想的效果，有利于帮助麻醉医师判断患者全麻的深度，指导麻醉用药。

简介：

简介：摘要目的探索深度学习技术识别喉返神经（recurrent laryngeal nerve，RLN）在经胸乳入路腔镜甲状腺手术（endoscopic thyroidectomy，ETE）中的应用价值。方法收集2020年2月至2021年8月北京协和医院基本外科进行的经胸乳入路ETE视频。经2名甲状腺医师的筛选后，符合条件的手术视频根据一位高年资医师的意见分为低辨识度及高辨识度组，经过抽帧、标注、审核与校对后，按照随机数方法以5:1的比例分为训练集及测试集，统一输送至D-Linknet模型进行训练。根据交并比计算测试集中的灵敏度、精确率及平均Dice系数。结果46个视频共153 520帧图片纳入了本研究。其中训练集共39个视频131 039帧，测试集共计7个视频22 481帧。交并比阈值为0.1及0.5时，高辨识度组中灵敏度及精确率分别为92.9%/72.8%及85.8%/67.2%，而在低辨识度组中则分别为47.6%/54.9%及37.6%/43.5%，平均Dice系数在两组中分别为0.781及0.663，证实了该模型对RLN具有较好的识别能力。结论基于深度学习的人工智能RLN识别在经胸乳入路ETE视频中可行，有可能帮助外科医生降低手术中误损伤风险，提高手术安全性。

简介：摘要目的构建全身麻醉患者围术期非计划低体温预测模型并应用于临床，验证其性能。方法纳入2016年1月至2020年9月浙江省某三级甲等医院19 068例手术患者数据，运用基于深度学习的人工智能技术构建模型，采用受试者操作特征曲线下面积和决策曲线检验模型的预测效果。于2020年10月至2021年3月纳入2157例手术患者对模型的预测准确率进行检验。结果建模组的手术患者中低体温发生率为13.89%（2 649/19 068），验证组手术患者低体温发生率为14.18%（306/2 157），预测模型的受试者操作特征曲线下面积为0.724（95% CI：0.707~0.741），灵敏度为0.516，特异度为0.823，截断值为0.175，实际应用的准确率为79.54%。结论本研究模型能够稳定的预测全身麻醉患者围术期非计划低体温的发生率，可为临床预防围术期非计划低体温提供参考。

简介：摘要影像组学模型建立在手工提取特征的基础上，而深度学习可以自动学习这些特征，两者结合的应用前景更加广阔，是目前影像学发展的热点和焦点。目前已有较多学者利用影像组学和深度学习对头颈部恶性肿瘤的影像学研究进行了深入讨论。笔者就深度学习和影像组学在头颈部恶性肿瘤分期、鉴别诊断、转移淋巴结的评估、肿瘤的基因型预测及预后的辅助判断等方面展开综述。

简介：摘要随着医学图像合成任务复杂度的提高和对临床放疗精度的需求，深度学习算法在伪CT图像合成与分析中的角色越发重要。本文根据图像的模态种类对基于深度学习方法下的伪CT图像合成技术进行归类与分析，并介绍其在放疗应用中的最新进展。

简介：摘要胸部CT扫描是肺癌早期筛查和诊断的主要检查手段，应用于胸部影像诊断领域的基于深度学习的计算机辅助诊断(CAD）系统可对CT图像上的肺结节进行检测和分类。深度学习技术可提高CAD系统的性能，尤其是在提高肺结节检测的准确率和降低假阳性率方面。笔者就CAD系统中的深度学习模型在肺结节中的应用现状和研究进展作一综述。

简介：中国企业大部分沿用粗放型的管理模式，即在渠道运作上采用大流通方式．所有市场的运作都依靠经销商来完成。这种模式曾经给企业带来了很多甜头，但随着时间的流逝，这种模式已经开始渐渐暴露出它的弊端。

简介：

简介：

简介：目的采样得到的脉搏波信号信噪比较低，这给后续研究带来了困难，因此消除噪声的干扰是准确进行相关医学测量的关键前提。本文提出一种基于小波变换的脉搏波阈值去噪改进算法。方法依据了高频系数方差在不同尺度下的分布特征，提出了一种自适应确定分解层数方法；针对恒定偏差与不连续问题，提出在阈值邻域范围内线性收缩至零的阚值函数。结论实验结果表明该方法可以快速有效地分离脉搏波信号和噪声，为准确监测脉搏波信号奠定了基础。

简介：比较分析了断口定量测算的各种方法，重点介绍体视学技术在定量断口学中的应用，例举了以立体对断口照片，按照体视学原理进行测算断口三维几何尺寸，求剖面截线及断口分维数的实验结果。

简介：

简介：更准确地对高分辨率可见光机场区域图像进行飞机目标的识别,提出了一种基于主成分分析（PCA-principalcomponentanalysis）和模板匹配的方法进行飞机识别。首先对图像进行均值滤波和直方图均衡化,并进行灰度直方图分析,判定图像中是否存在机场,在机场提取的基础上进行飞机图像分割,并对各个分割区域进行主成分分析,将其主轴旋转成水平方向,然后和模板库匹配,进行飞机识别。实验结果证明,该方法对飞机目标的识别是有效的。

简介：近年来，基于光子计数探测器成像的能谱CT（ComputedTomography）是辐射成像领域内的一个研究热点。通过设置不同的能量阈值，光子计数探测器可将不同能量的入射光子分能窗计数，使采集信号携带了能量信息。通过对多个能窗的CT数据进行解析，能谱CT不仅可以进行物质识别，还可以具有高信噪比、高分辨率等特点，并降低被测物体所受辐射剂量。本文从光子计数探测器、能谱CT重建算法和能谱CT系统三个方面对能谱CT的关键技术和研究现状进行阐述：①光子计数探测器的工作原理及标定方法，并讨论影响标定的因素；②能谱CT的多能分解方法和重建算法；③能谱CT系统平台及应用；最后总结了各个方向的研究内容及热点。