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
共找到3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：
床旁超声诊断少量气胸1例 被引量：5
1
作者 黄道政 黄振飞 +6 位作者 庞静 施莹 林森 梁伟杏 王首红 吴岩 覃铁和 《实用医学杂志》 CAS 北大核心 2016年第10期1728-1728,共1页
患者男,65岁,因＂吸入性肺炎、感染性休克、多器官功能障碍综合征（MODS）＂于2015年12月1日入住ICU。既往有鼻咽癌、放疗病史。入室后予气管切开、机械通气、抗感染、液体治疗及维护内环境稳定等处理。
关键词 超声诊断 多器官功能障碍 感染性休克 吸入性肺炎 液体治疗 内环境稳定 呼吸机参数 机械通气 超声检查 气管切开
在线阅读 下载PDF
眼底阅片人工智能系统在糖尿病视网膜病变筛查中的临床价值评价 被引量：16
2
作者 李萌 王耿媛 +7 位作者 夏鸿慧 唐晓颖 冯子卿 姚永屿 黄义劲 范卫 袁哲 袁进 《中华实验眼科杂志》 CAS CSCD 北大核心 2019年第8期663-668,共6页
目的比较基于眼底阅片的人工智能(AI)系统与医生阅片在糖尿病视网膜病变(DR)筛查中的诊断效率和准确性,评价AI系统的临床应用价值。方法采用诊断试验研究方法,取2017年3月至2018年11月肇庆市高要区人民医院眼科就诊患者彩色眼底照片1368... 目的比较基于眼底阅片的人工智能(AI)系统与医生阅片在糖尿病视网膜病变(DR)筛查中的诊断效率和准确性,评价AI系统的临床应用价值。方法采用诊断试验研究方法,取2017年3月至2018年11月肇庆市高要区人民医院眼科就诊患者彩色眼底照片13683张作为图像库,通过迁移学习+NASNet架构算法,对2~3位眼科高级职称医生精确标注的4465张彩色眼底照片(正常彩色眼底照片2510张,DR彩色眼底照片1955张)学习,建立针对DR的AI系统(ZOC-DR-V1)。1000张确诊的彩色眼底照片(正常彩色眼底照片300张,不同程度DR彩色眼底照片700张),分别交由AI系统组和医生组(包含眼科医生组和内分泌科医生组,均包含初级、中级和高级职称),分别进行阅片,记录AI系统和医生组的单张阅片时间和总耗时,比较AI系统与不同级别医生阅片准确率和效率的差异。将1000张图片以第500张为界分成前段和后段2个阅片阶段,分别统计医生组和AI系统组的分段诊断符合率和分段平均阅片时间。结果眼科AI系统(ZOC-DR-V1)完成训练后测试集的诊断符合率为94.7%,受试者工作特征曲线(ROC)曲线下面积(AUC)为0.994。在人机对抗中,内分泌组初、中、高级职称医生诊断符合率分别为94.0%、91.4%和93.4%,眼科组初、中、高级职称医生诊断符合率分别为92.7%、94.4%和95.6%,AI系统诊断符合率为95.2%。AI系统与眼科高级医生阅片诊断符合率比较,差异无统计学意义(χ^2=0.182,P=0.749)。内分泌科组初、中、高级职称医生单张平均阅片时间分别为(4.63±1.87)、(3.74±3.47)和(5.71±3.47)s,总耗时分别为1.29、1.04和1.58h;眼科医生组初级、中级、高级职称医生单张阅片时间分别为(7.25±6.58)s、(5.18±5.01)和(5.18±3.47)s,总耗时分别为2.02、1.44和1.44h;AI系统单张平均阅片时间和总耗时分别为(1.62±0.67)s和0.45h。AI系统单张平均阅片时间明显少于各医生组,差异均有统计学意义(均P<0.01)。内分泌科初级职称、眼科初级职称和眼科中级职称医生前段与后段阅片区间诊断符合率比较,差异均有统计学意义(χ^2=11.986、6.517、10.896,均P<0.05);内分泌科中级职称和高级职称医生、眼科初级职称医生后段阅片区间的平均阅片时间较前段明显缩短,差异均有统计学意义(t=4.175、8.189、5.160,均P<0.01);AI系统分段阅片诊断符合率及平均阅片时间均保持稳定,差异均无统计学意义(χ^2=3.151,P=0.103;t=0.038,P=0.970)。结论基于眼底阅片的眼科AI系统诊断符合率可达眼科专业高级职称医生水平,且平均阅片时间短,阅片质量稳定,可为大规模DR人群筛查提供新的方法与平台。 展开更多
关键词 人工智能 糖尿病视网膜病变/诊断 筛查 阅片
在线阅读 下载PDF
基于迁移学习的糖尿病视网膜病变辅助诊断算法
3
作者 黄义劲 吕俊延 +3 位作者 李萌 夏鸿慧 袁进 唐晓颖 《中华实验眼科杂志》 CAS CSCD 北大核心 2019年第8期603-607,共5页
目的研究基于迁移学习的糖尿病视网膜病变(DR)诊断算法在小样本训练数据集中的应用。方法采用广东省肇庆市高要区人民医院拍摄的4465幅彩色眼底照片作为完整数据集。使用固定预训练参数和微调预训练参数的模型训练策略作为迁移学习组,... 目的研究基于迁移学习的糖尿病视网膜病变(DR)诊断算法在小样本训练数据集中的应用。方法采用广东省肇庆市高要区人民医院拍摄的4465幅彩色眼底照片作为完整数据集。使用固定预训练参数和微调预训练参数的模型训练策略作为迁移学习组,将其与非迁移学习的随机初始化参数的策略对比,并将这3种策略应用在ResNet50、Inception V3和NASNet 3种深度学习网络的训练上。此外,从完整数据集中随机划分出小样本数据集,研究训练数据的减少对不同训练策略的影响。采用诊断模型的准确率和训练时间分析不同训练策略的效果。结果取不同网络架构中的最优结果。微调预训练参数策略取得的模型准确率为90.9%,高于固定预训练参数策略的88.1%及随机初始化参数策略的88.4%。固定预训练参数策略的训练所需时间为10min,少于微调预训练参数策略的16h及随机初始化参数策略的24h。在训练数据减少后,随机初始化参数策略得到的模型准确率平均下降8.6%,而迁移学习组准确率平均下降2.5%。结论结合迁移学习中的微调策略和NASNet架构的新型识别算法在小样本数据集下仍保持高准确率,具有高度的鲁棒性,可用于DR的有效筛查。 展开更多
关键词 糖尿病视网膜病变 迁移学习 NASNet 医疗图像分类 人工智能
在线阅读 下载PDF
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
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部