期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
SWI参数联合ADC值在脑梗死患者溶栓治疗后出血转化诊断中的应用
1
作者 李红 赵新佳 杨晓莉 《医学影像学杂志》 2025年第1期151-153,共3页
目的探讨磁敏感加权成像(susceptibility weighted imaging,SWI)参数联合表观扩散系数(apparent diffusion coefficient,ADC)值对脑梗死(CI)患者溶栓治疗后出血转化(thrombolytic transformation,HT)的评估价值。方法选取收治的80例接... 目的探讨磁敏感加权成像(susceptibility weighted imaging,SWI)参数联合表观扩散系数(apparent diffusion coefficient,ADC)值对脑梗死(CI)患者溶栓治疗后出血转化(thrombolytic transformation,HT)的评估价值。方法选取收治的80例接受静脉溶栓治疗的CI患者,CI患者溶栓治疗后24 h复查头颅MRI,根据是否发生HT将其分为HT组(23例)和非HT组(57例)。行MRI扫描,SWI和弥散加权成像(DWI)序列,测量相位值(PV)和ADC值。于CI患者溶栓治疗后24 h复查头颅MRI,比较两组溶栓治疗前PV、ADC值的差异。结果HT组PV低于非HT组,ADC值高于非HT组,差异有统计学意义(P<0.05),溶栓治疗前PV与CI患者溶栓治疗后HT呈负相关关系,差异有统计学意义(r<0,P<0.05),ADC值与CI患者溶栓治疗后HT呈正相关关系,差异有统计学意义(r>0,P<0.05)。绘制受试者工作特征(ROC)曲线显示,溶栓治疗前PV、ADC值单独对CI患者溶栓治疗后HT均有一定预测价值,曲线下面积(AUC)分别为0.735、0.775,SWI参数(PV)联合ADC值联合预测的AUC为0.814,且联合预测价值最高,差异有统计学意义(P<0.05),灵敏度、特异度分别为69.6%、91.2%。结论PV联合ADC值对CI患者溶栓治疗后HT有一定预测价值。 展开更多
关键词 脑梗死 溶栓治疗 出血转化 磁共振成像
在线阅读 下载PDF
MRI与CT检查在股骨头坏死诊断中的临床价值 被引量:7
2
作者 赵新佳 骆海虎 +1 位作者 骆华峰 刘长志 《医学影像学杂志》 2023年第5期926-929,共4页
目的探讨MRI与CT检查在股骨头坏死诊断中的临床价值。方法选取80例股骨头坏死(累及122髋)患者,均行CT及MRI检查,对比CT及MRI检测的灵敏度、准确率及特异度等诊断效能。结果80例股骨头坏死(累及122髋),MRI灵敏度96.72%,特异度94.74%,准... 目的探讨MRI与CT检查在股骨头坏死诊断中的临床价值。方法选取80例股骨头坏死(累及122髋)患者,均行CT及MRI检查,对比CT及MRI检测的灵敏度、准确率及特异度等诊断效能。结果80例股骨头坏死(累及122髋),MRI灵敏度96.72%,特异度94.74%,准确率为96.25%;CT诊断效率中灵敏度87.70%,特异度84.21%,准确率86.88%。80例122髋中I期29髋,II期32髋,III期35髋,IV期26髋;MRI检测中I期符合率93.10%显著高于CT检查中的65.5%,差异有统计学意义(P<0.05)。29髋I期股骨头坏死患者中,MRI在线样征、骨髓水肿方面检出率高于CT检查,骨小梁结构模糊检出率低于CT检查,差异均具有统计学意义(P<0.05),单一囊变方面两种方法检出率相当。结论MRI成人股骨头坏死诊断方面与CT检查比较诊断准确率较高。 展开更多
关键词 股骨头坏死 体层摄影术 X线计算机 磁共振成像
在线阅读 下载PDF
网格级的车道线检测
3
作者 李芳芳 李玉旺 +2 位作者 侯雅楠 赵新佳 陈佳佳 《科技创新与应用》 2022年第30期77-80,84,共5页
车道线的检测有很多干扰因素,比如车道线被磨损、遮挡、光线亮度过高和过暗等影响车道线检测的准确率,这时就需要网络有较强的推测能力。为此,该文从分类的角度将车道线检测问题转化为对图像中的特定行进行分类,每一个类别代表车道线所... 车道线的检测有很多干扰因素,比如车道线被磨损、遮挡、光线亮度过高和过暗等影响车道线检测的准确率,这时就需要网络有较强的推测能力。为此,该文从分类的角度将车道线检测问题转化为对图像中的特定行进行分类,每一个类别代表车道线所在的一个位置。该方法可以预测输入图像中每行的车道线位置,是一种网格级的车道线检测方式。对图像整体进行行划分,每行再次划分为单元格,对行锚进行流动性特征点提取,并做标记,整合特征点形成完整车道线。该文选取3000张不同环境的图片作为本次实验的数据集进行训练和验证。测试表明该方法能够实现不同场景和环境下的端到端车道线实时检测。 展开更多
关键词 深度学习 车道线检测 无人驾驶 数据集 网络架构
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部