期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于CT图像推断钝力性颅脑损伤成伤机制的logistic回归分析
被引量：
4
1
作者
孙雪阳
杨琦帆
+8 位作者
朱运良
王彦斌
董贺文
杨明真
田志岭
万雷
邹冬华
于笑天
刘宁国
《法医学杂志》
CAS
CSCD
2022年第2期217-222,共6页
目的研究加、减速性颅脑损伤的CT影像学特征与损伤程度的关联性。方法收集典型加、减速性颅脑损伤案例299例,按致伤方式分为加速性颅脑损伤组与减速性颅脑损伤组,将蛛网膜下腔出血(subarachnoid hemorrhage,SAH)和格拉斯哥昏迷指数(Glas...
目的研究加、减速性颅脑损伤的CT影像学特征与损伤程度的关联性。方法收集典型加、减速性颅脑损伤案例299例,按致伤方式分为加速性颅脑损伤组与减速性颅脑损伤组,将蛛网膜下腔出血(subarachnoid hemorrhage,SAH)和格拉斯哥昏迷指数(Glasgow coma scale,GCS)与位于受力点同侧以及对侧的颅骨骨折、硬脑膜外血肿(epidural hematoma,EDH)、硬脑膜下血肿(subdural hematoma,SDH)、脑挫伤作为筛选指标,使用χ^(2)检验预筛选和二分类logistic回归分析二次筛选,选出与加、减速性致伤方式关联性最强的指标。结果经χ^(2)检验,受力点同侧的颅骨骨折、EDH,受力点对侧的EDH、SDH、脑挫伤,SAH,GCS,与加、减速性致伤方式具有关联性(P<0.05)。经二分类logistic回归分析,得出受力点同侧EDH[比值比(odds ratio,OR)为2.697]、受力点对侧脑挫伤(OR为0.043)以及GCS(OR为0.238)有统计学意义(P<0.05)。结论受力点同侧EDH、对侧脑挫伤以及GCS可以作为判别加、减速性致伤方式的关键指标,受力点同侧颅骨骨折、对侧SDH、对侧EDH以及SAH判别加、减速性致伤方式的作用相对较弱。
展开更多
关键词
法医学
加速性脑损伤
减速性
脑
损伤
LOGISTIC回归
计算机断层扫描
致伤方式
在线阅读
下载PDF
职称材料
基于深度学习的颅脑损伤机制自动化鉴别
被引量：
4
2
作者
杨琦帆
孙雪阳
+7 位作者
王彦斌
田志岭
董贺文
万雷
邹冬华
于笑天
张广政
刘宁国
《法医学杂志》
CAS
CSCD
2022年第2期223-230,共8页
目的应用卷积神经网络Inception_v3模型进行基于颅脑CT图像的加、减速性损伤自动鉴别,探讨深度学习技术在法医学颅脑损伤成伤机制推断中的应用前景。方法收集190例加、减速性脑损伤的影像学资料作为实验组,另选取130例正常颅脑的影像学...
目的应用卷积神经网络Inception_v3模型进行基于颅脑CT图像的加、减速性损伤自动鉴别,探讨深度学习技术在法医学颅脑损伤成伤机制推断中的应用前景。方法收集190例加、减速性脑损伤的影像学资料作为实验组,另选取130例正常颅脑的影像学资料作为对照。将上述320例影像学资料根据随机抽样的方法分为训练验证集和测试集。采用准确率、精确率、召回率、F1值及AUC值评估模型分类性能。结果模型在训练过程和验证过程中对3种图像(加速性损伤、减速性损伤及正常颅脑)分类的最高准确率分别为99.00%、87.21%,满足要求。使用优化后的模型对测试集数据进行测试,该模型在测试集中的三分类准确率为87.18%,识别加速性损伤的精确率、召回率、F1值及AUC值分别为84.38%、90.00%、87.10%、0.98,识别减速性损伤的各值分别为86.67%、72.22%、78.79%、0.92,识别正常颅脑的各值分别为88.57%、89.86%、89.21%、0.93。结论Inception_v3模型在基于颅脑CT图像区分加、减速性损伤中具有应用潜力,有望成为推断头部致伤方式的一种辅助工具。
展开更多
关键词
法医学
加速性脑损伤
减速性
脑
损伤
图像分类
深度学习
卷积神经网络
受试者操作特征曲线
Inception_v3模型
在线阅读
下载PDF
职称材料
题名
基于CT图像推断钝力性颅脑损伤成伤机制的logistic回归分析
被引量：
4
1
作者
孙雪阳
杨琦帆
朱运良
王彦斌
董贺文
杨明真
田志岭
万雷
邹冬华
于笑天
刘宁国
机构
郑州大学基础医学院法医学系
司法鉴定科学研究院
中国合格评定国家认可中心
出处
《法医学杂志》
CAS
CSCD
2022年第2期217-222,共6页
基金
中央级公益性科研院所项目(GY2020Z-4,GY2021G-4)
2021年度中国科技期刊卓越行动选育高水平办刊人才子项目-青年人才支持项目(2021ZZ052807)
+4 种基金
国家自然科学基金资助项目(82171872)
上海市法医学重点实验室资助项目(21DZ2270800)
上海市司法鉴定专业技术服务平台资助项目(19DZ2292700)
司法部司法鉴定重点实验室资助项目
上海市法医学重点实验室暨司法部司法鉴定重点实验室开放课题(KF202120)。
文摘
目的研究加、减速性颅脑损伤的CT影像学特征与损伤程度的关联性。方法收集典型加、减速性颅脑损伤案例299例,按致伤方式分为加速性颅脑损伤组与减速性颅脑损伤组,将蛛网膜下腔出血(subarachnoid hemorrhage,SAH)和格拉斯哥昏迷指数(Glasgow coma scale,GCS)与位于受力点同侧以及对侧的颅骨骨折、硬脑膜外血肿(epidural hematoma,EDH)、硬脑膜下血肿(subdural hematoma,SDH)、脑挫伤作为筛选指标,使用χ^(2)检验预筛选和二分类logistic回归分析二次筛选,选出与加、减速性致伤方式关联性最强的指标。结果经χ^(2)检验,受力点同侧的颅骨骨折、EDH,受力点对侧的EDH、SDH、脑挫伤,SAH,GCS,与加、减速性致伤方式具有关联性(P<0.05)。经二分类logistic回归分析,得出受力点同侧EDH[比值比(odds ratio,OR)为2.697]、受力点对侧脑挫伤(OR为0.043)以及GCS(OR为0.238)有统计学意义(P<0.05)。结论受力点同侧EDH、对侧脑挫伤以及GCS可以作为判别加、减速性致伤方式的关键指标,受力点同侧颅骨骨折、对侧SDH、对侧EDH以及SAH判别加、减速性致伤方式的作用相对较弱。
关键词
法医学
加速性脑损伤
减速性
脑
损伤
LOGISTIC回归
计算机断层扫描
致伤方式
Keywords
forensic medicine
acceleration brain injury
deceleration brain injury
logistic regression
computed tomography(CT)
injury manners
分类号
DF795.1 [医药卫生—法医学]
在线阅读
下载PDF
职称材料
题名
基于深度学习的颅脑损伤机制自动化鉴别
被引量：
4
2
作者
杨琦帆
孙雪阳
王彦斌
田志岭
董贺文
万雷
邹冬华
于笑天
张广政
刘宁国
机构
郑州大学基础医学院法医学系
司法鉴定科学研究院
中国合格评定国家认可中心
出处
《法医学杂志》
CAS
CSCD
2022年第2期223-230,共8页
基金
中央级公益性科研院所项目(GY2020Z-4,GY2021G-4)
2021年度中国科技期刊卓越行动选育高水平办刊人才子项目-青年人才支持项目(2021ZZ052807)
+4 种基金
国家自然科学基金资助项目(82171872)
上海市法医学重点实验室资助项目(21DZ2270800)
上海市司法鉴定专业技术服务平台资助项目(19DZ2292700)
司法部司法鉴定重点实验室资助项目
上海市法医学重点实验室暨司法部司法鉴定重点实验室开放课题(KF202120)。
文摘
目的应用卷积神经网络Inception_v3模型进行基于颅脑CT图像的加、减速性损伤自动鉴别,探讨深度学习技术在法医学颅脑损伤成伤机制推断中的应用前景。方法收集190例加、减速性脑损伤的影像学资料作为实验组,另选取130例正常颅脑的影像学资料作为对照。将上述320例影像学资料根据随机抽样的方法分为训练验证集和测试集。采用准确率、精确率、召回率、F1值及AUC值评估模型分类性能。结果模型在训练过程和验证过程中对3种图像(加速性损伤、减速性损伤及正常颅脑)分类的最高准确率分别为99.00%、87.21%,满足要求。使用优化后的模型对测试集数据进行测试,该模型在测试集中的三分类准确率为87.18%,识别加速性损伤的精确率、召回率、F1值及AUC值分别为84.38%、90.00%、87.10%、0.98,识别减速性损伤的各值分别为86.67%、72.22%、78.79%、0.92,识别正常颅脑的各值分别为88.57%、89.86%、89.21%、0.93。结论Inception_v3模型在基于颅脑CT图像区分加、减速性损伤中具有应用潜力,有望成为推断头部致伤方式的一种辅助工具。
关键词
法医学
加速性脑损伤
减速性
脑
损伤
图像分类
深度学习
卷积神经网络
受试者操作特征曲线
Inception_v3模型
Keywords
forensic medicine
acceleration brain injury
deceleration brain injury
image classification
deep learning
convolutional neural network
receiver operating characteristic(ROC)curve
Inception_v3 model
分类号
DF795.1 [医药卫生—法医学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于CT图像推断钝力性颅脑损伤成伤机制的logistic回归分析
孙雪阳
杨琦帆
朱运良
王彦斌
董贺文
杨明真
田志岭
万雷
邹冬华
于笑天
刘宁国
《法医学杂志》
CAS
CSCD
2022
4
在线阅读
下载PDF
职称材料
2
基于深度学习的颅脑损伤机制自动化鉴别
杨琦帆
孙雪阳
王彦斌
田志岭
董贺文
万雷
邹冬华
于笑天
张广政
刘宁国
《法医学杂志》
CAS
CSCD
2022
4
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
