-
题名中晚期原发性肝癌患者TACE术后早期复发危险因素
被引量：60
- 1
-
-
作者
邓林
孙文杰
高知玲
杨冠华
任涛
陈勇
-
机构
宁夏医科大学临床医学院
宁夏医科大学总医院放射科
宁夏医科大学总医院放射介入科
-
出处
《中国介入影像与治疗学》
北大核心
2020年第2期65-69,共5页
-
基金
国家自然科学基金(61761039)
宁夏科技攻关重点研发项目(2018BFH03021)
宁夏留学人员创新创业项目(2017-659)
-
文摘
目的观察中晚期原发性肝癌(HCC)患者TACE术后早期复发危险因素。方法对42例中晚期原发性HCC患者行TACE治疗,术后随访6个月,对比分析早期复发与未复发患者之间的差异。结果术后6个月中,23例HCC早期复发(复发组),19例未复发(无复发组)。复发组白蛋白>35 g/L者占比低于未复发组(P<0.05),甲胎蛋白(AFP)>400 ng/ml者占比及谷氨酰基转移酶(ALT)水平均高于未复发组(P均<0.05)。未复发组肿瘤病理分化程度较高(P<0.05),复发组瘤灶相对较多、肿瘤最大径较大,ADC值和包膜完整比例低于未复发组(P均<0.05)。多因素Logistic回归分析结果显示,AFP>400 ng/ml者占比(OR=3.313,P=0.041)、肿瘤分化程度(OR=1.463,P=0.038)、瘤灶数量(OR=2.216,P=0.028)及肿瘤ADC值(OR=0.025,P=0.003)是TACE术后HCC早期复发的独立危险因素。结论TACE术后中晚期HCC早期复发与AFP、肿瘤分化程度、瘤灶数量及ADC值独立相关。
-
关键词
癌
肝细胞
化学栓塞
治疗性
复发
-
Keywords
carcinoma
hepatocellular
chemoembolization
therapeutic
recurrence
-
分类号
R735.7
[医药卫生—肿瘤]
R815
[医药卫生—放射医学]
-
-
题名新型冠状病毒肺炎的深度学习诊断方法综述
被引量：2
- 2
-
-
作者
马金林
裘硕
马自萍
陈勇
-
机构
北方民族大学计算机科学与工程学院
图像图形智能信息处理国家民委重点实验室
北方民族大学数学与信息科学学院
宁夏医科大学总医院放射介入科
-
出处
《计算机工程与应用》
CSCD
北大核心
2022年第12期51-65,共15页
-
基金
北方民族大学中央高校基本科研业务费专项(2021KJCX09,FWNX21)
宁夏自然科学基金(2020AAC3215)
北方民族大学“计算机视觉与虚拟现实”创新团队。
-
文摘
新型冠状病毒肺炎的高感染率导致其在全球范围内迅速传播,常用的逆转录-聚合酶反应(RT-PCR)检测方法存在耗时、假阴性率偏高和医学用具不足的缺陷,因此开发高效、准确、低成本的影像检测技术对新型冠状病毒肺炎的诊断和治疗至关重要。随着人工智能在医学领域的成功应用,深度学习技术成为辅助检验和识别新型冠状病毒肺炎的有效方法。对近年来涌现的新型冠状病毒肺炎的深度学习诊断方法进行了研究和总结:介绍了深度学习方法使用的两种新型冠状病毒肺炎数据集;介绍了基于VGGNet、Inception、ResNet、DenseNet、EfficientNet和CapsNet模型的六种深度学习诊断方法;介绍了三种深度学习与其他机器学习方法结合的诊断方法;对基于深度学习的新型冠状病毒肺炎诊断方法的研究趋势进行了展望。
-
关键词
新型冠状病毒肺炎
深度学习
X射线
CT
轻量化
-
Keywords
COVID-19
deep learning
X-ray
CT
lightweight
-
分类号
R563.1
[医药卫生—呼吸系统]
-
-
题名基于ConA-FPN的肝脏肿瘤检测算法
被引量：2
- 3
-
-
作者
马金林
毛凯绩
马自萍
邓媛媛
欧阳轲
陈勇
-
机构
北方民族大学计算机科学与工程学院
图像图形智能处理国家民委重点实验室
北方民族大学数学与信息科学学院
宁夏医科大学总医院放射介入科
-
出处
《计算机工程与应用》
CSCD
北大核心
2023年第2期161-169,共9页
-
基金
宁夏自然科学基金(2020AAC03215)
北方民族大学中央高校基本科研业务费专项(2021KJCX09,FWNX21)
+1 种基金
北方民族大学“计算机视觉与虚拟现实”创新团队项目
北方民族大学研究生创新项目(YCX20088)。
-
文摘
深度学习方法在病灶检测任务中被广泛应用,但因肝脏肿瘤较小和样本较少的问题,导致无法达到辅助诊断的准确率要求。针对以上问题,提出基于ConA-FPN的肝脏肿瘤检测算法,具体过程为:使用融合ResNet和注意力机制的特征金字塔替换Faster R-CNN中的特征提取网络;使用融合特征解决特征金字塔中的高层模块通道信息损失问题,通过添加CAG注意力机制解决了特征融合带来的特征混叠问题,增强模型对小肿瘤的检测能力;使用迁移学习和数据增强提升模型在小数据集上的检测能力和泛化能力。实验结果表明,ConA-FPN在LITS2017和3D-IRCADB上的平均精度达到87.43%,明显优于主流检测模型。
-
关键词
ConA-FPN
肝脏肿瘤
特征融合
小目标
小数据集
-
Keywords
ConA-FPN
liver tumor
feature fusion
small targets
small datasets
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名SMViT:用于新冠肺炎诊断的轻量化孪生网络模型
- 4
-
-
作者
马自萍
谭力刀
马金林
陈勇
-
机构
北方民族大学数学与信息科学学院
北方民族大学计算机科学与工程学院
宁夏医科大学总医院放射介入科
-
出处
《计算机科学与探索》
CSCD
北大核心
2023年第10期2499-2510,共12页
-
基金
国家自然科学基金(61462002)
宁夏自然科学基金(2022AAC03268,2020AAC03215,2020AAC02004)。
-
文摘
针对新冠肺炎的深度学习诊断模型存在的准确率不高、泛化能力较差和参数量较大的问题,基于ViT和孪生网络,提出了一种新冠肺炎诊断的轻量化孪生网络SMViT。首先,提出了循环子结构轻量化策略,使用多个具有相同结构的子网络构成诊断网络,从而降低网络的参数量;其次,提出ViT掩码自监督预训练模型,以增强模型的潜在特征表达能力;然后,构建新冠肺炎诊断的孪生网络SMViT,有效提升模型的诊断准确率,改善小样本下模型泛化能力较差的问题;最后,使用消融实验验证并确定了模型结构,通过对比实验验证模型的诊断性能和轻量化能力。实验结果表明:与最具竞争力的ViT架构的诊断模型相比,该模型在X-ray数据集上的准确率、特异度、灵敏度与F1分数值分别提高了1.42%、4.62%、0.40%和2.80%,在CT图像数据集上的准确率、特异度、灵敏度与F1分数值分别提高了2.16%、2.17%、2.05%和2.06%;在样本量较小时,模型具有较强的泛化能力;与ViT相比,SMViT模型具有更小的参数量和更高的诊断性能。
-
关键词
新冠肺炎诊断
孪生网络
ViT模型
自监督学习
轻量化模型
-
Keywords
diagnosis of COVID-19
siamese network
vision transformer
self-supervised learning
lightweight model
-
分类号
TP391.5
[自动化与计算机技术—计算机应用技术]
-
