检索结果-维普期刊中文期刊服务平台

基于生成式对抗网络的冠状动脉CT血管成像运动伪影去除的初步研究被引量：6: 1; 作者张璐陈强 +3 位作者蒋蓓蓓丁珍红张丽解学乾《上海交通大学学报（医学版）》 CAS CSCD 北大核心 2020年第9期1229-1235,共7页; 目的·探讨生成式对抗网络(generative adversarial network,GAN)去除冠状动脉(冠脉)CT血管成像(CT angiography,CTA)运动伪影的作用。方法·纳入行单心动周期扫描多时相重建的冠脉CTA受检者,随机选取约80%作为训练组,其余作为... 展开更多; 关键词人工智能生成式对抗网络冠状动脉CT血管成像运动伪影; 在线阅读下载PDF 职称材料

钙化斑块对冠状动脉CTA诊断准确性的影响被引量：15: 2; 作者许丽雪李芳 +6 位作者罗南郭宁化冰刘清波贺毅王振常杨正汉《中国医学影像学杂志》 CSCD 北大核心 2020年第10期741-745,共5页; 目的以冠状动脉造影(CAG)为参考标准,分析不同钙化负荷对视觉与深度学习(DL)算法诊断冠状动脉CT血管成像(CCTA)管腔狭窄准确性的影响。资料与方法对110例同时行CAG与256排CCTA的住院患者进行回顾性分析。采用视觉法与DL算法诊断CCTA主... 展开更多; 关键词冠状动脉狭窄冠状血管血管造影术体层摄影术螺旋计算机深度学习钙化负荷; 在线阅读下载PDF 职称材料

基于深度学习技术的非门控胸部CT冠脉钙化积分系统的准确性评价被引量：2: 3; 作者闫玉辰胡磊 +3 位作者王焰彭宙锋孙建清查云飞《放射学实践》 CSCD 北大核心 2023年第3期273-278,共6页; 目的:评价基于深度学习(DL)技术的非门控胸部CT冠脉钙化积分系统的准确性。方法:本研究回顾性纳入1441例因常规体检而行非增强胸部CT平扫的中老年患者。所有患者图像分别导入GE后处理工作站smartscore钙化积分软件以及基于深度学习的非... 展开更多; 关键词冠状动脉钙化深度学习非门控钙化积分管电压; 在线阅读下载PDF 职称材料

人工智能在CT预测新型冠状病毒肺炎转归中的价值被引量：5: 4; 作者吕志彬关春爽 +5 位作者闫铄陈七一李晶晶张羽君陈步东谢汝明《首都医科大学学报》 CAS 北大核心 2020年第3期340-344,共5页; 目的探讨人工智能(artificial intelligence,AI)在CT预测新型冠状病毒肺炎(COVID-19)转归中的价值。方法分析2020年1月25日至2020年2月17日首都医科大学附属北京地坛医院确诊的普通型COVID-19肺炎首诊胸部CT、首次复查胸部CT的影像资料6... 展开更多; 关键词人工智能新型冠状病毒肺炎体层摄影术 X线计算机; 在线阅读下载PDF 职称材料

CT重建算法对基于深度学习非门控冠脉钙化积分模型评价心血管风险分层的影响被引量：1: 5; 作者孙安朱一白 +2 位作者史亮萧毅刘士远《放射学实践》 CSCD 北大核心 2023年第4期419-425,共7页; 目的:以门控CT为标准,探讨基于深度学习的非门控冠状动脉钙化积分(DL-CACS)模型在不同CT重建算法下对心血管风险分类效能。方法:回顾性将在本院同时接受门控心脏CT和非门控低剂量胸部CT(LDCT)检查的549例患者纳入本研究。根据扫描方式(... 展开更多; 关键词冠状动脉钙化体层摄影术 X线计算机深度学习心血管风险分层; 在线阅读下载PDF 职称材料

题名基于生成式对抗网络的冠状动脉CT血管成像运动伪影去除的初步研究被引量：6: 1; 作者张璐陈强蒋蓓蓓丁珍红张丽解学乾; 机构上海交通大学附属第一人民医院放射科数坤(北京)网络科技有限公司上海交通大学附属第一人民医院合作交流部; 出处《上海交通大学学报（医学版）》 CAS CSCD 北大核心 2020年第9期1229-1235,共7页; 基金国家自然科学基金面上项目(81971612) 科技部国际合作项目(2016YFE0103000) +2 种基金上海市第一人民医院临床研究创新团队建设项目(CTCCR-2018B04,CTCCR-2019D05)。; 文摘目的·探讨生成式对抗网络(generative adversarial network,GAN)去除冠状动脉(冠脉)CT血管成像(CT angiography,CTA)运动伪影的作用。方法·纳入行单心动周期扫描多时相重建的冠脉CTA受检者,随机选取约80%作为训练组,其余作为验证组用于验证模型的准确性。研究运动伪影最明显的右冠状动脉(right coronary artery,RCA)中段,将截取图像分为配对的有伪影图像和无伪影清晰参考图像。根据训练组建立GAN模型;在验证组中,使用图像分割软件ITK-SNAP把血管影像从周围组织中分割出来,包括有伪影的、GAN生成的和参考图像。计算有伪影-参考图像(dice1)和GAN生成-参考图像(dice2)的Dice系数。通过比较dice1和dice2的差异,评估GAN去除运动伪影的效果。结果·纳入90例受检者,随机选取71例(11000张图像)为训练组,其余19例(3006张图像)为验证组。基于受检者,RCA中段dice1和dice2分别为0.38±0.19和0.50±0.23,差异有统计学意义(P=0.006);基于图像,RCA中段dice1和dice2分别为0.38±0.20和0.51±0.26,差异有统计学意义(P=0.000)。结论·GAN能够显著减少RCA中段的CTA运动伪影,有望成为去除冠脉CTA图像运动伪影的新方法。; 关键词人工智能生成式对抗网络冠状动脉CT血管成像运动伪影; Keywords artificial intelligence generative adversarial network coronary CT angiography motion artifacts; 分类号 R445.3 [医药卫生—影像医学与核医学]; 在线阅读下载PDF 职称材料

题名钙化斑块对冠状动脉CTA诊断准确性的影响被引量：15: 2; 作者许丽雪李芳罗南郭宁化冰刘清波贺毅王振常杨正汉; 机构首都医科大学附属北京友谊医院放射科数坤(北京)网络科技有限公司首都医科大学附属北京友谊医院心内科; 出处《中国医学影像学杂志》 CSCD 北大核心 2020年第10期741-745,共5页; 基金国家重点研究与发展计划(2019YFE0107800) 北京市科技计划(Z201100005620009)。; 文摘目的以冠状动脉造影(CAG)为参考标准,分析不同钙化负荷对视觉与深度学习(DL)算法诊断冠状动脉CT血管成像(CCTA)管腔狭窄准确性的影响。资料与方法对110例同时行CAG与256排CCTA的住院患者进行回顾性分析。采用视觉法与DL算法诊断CCTA主干管腔狭窄情况,以管腔狭窄≥50%作为诊断界值。冠状动脉各节段的钙化负荷通过视觉评估分为无、轻度、中度及重度钙化。采用受试者工作特征曲线比较各节段水平不同钙化负荷下两种方法的诊断效能。结果随着钙化负荷增加,从无钙化节段至重度钙化节段,两种方法对冠状动脉狭窄的诊断准确度显著减低,视觉法由94.5%降至78.3%(P<0.001),DL算法由93.3%降至58.7%(P<0.001)。在不同钙化负荷下,DL算法诊断CCTA主干管腔狭窄的曲线下面积与视觉法比较,差异均无统计学意义(P均>0.05)。结论不同钙化负荷下,DL算法对256排CCTA主干管腔狭窄的诊断效能与视觉评估相当。随着钙化负荷增加,两种方法的诊断准确性均降低。; 关键词冠状动脉狭窄冠状血管血管造影术体层摄影术螺旋计算机深度学习钙化负荷; Keywords Coronary stenosis Coronary vessels Angiography Tomography spiral computed Deep learning Segment calcification; 分类号 R445.3 [医药卫生—影像医学与核医学] R543.3 [医药卫生—心血管疾病]; 在线阅读下载PDF 职称材料

题名基于深度学习技术的非门控胸部CT冠脉钙化积分系统的准确性评价被引量：2: 3; 作者闫玉辰胡磊王焰彭宙锋孙建清查云飞; 机构武汉大学人民医院放射科数坤(北京)网络科技有限公司; 出处《放射学实践》 CSCD 北大核心 2023年第3期273-278,共6页; 基金国家自然科学基金资助项目(81871332) 国家自然科学基金资助项目(82171895)。; 文摘目的:评价基于深度学习(DL)技术的非门控胸部CT冠脉钙化积分系统的准确性。方法:本研究回顾性纳入1441例因常规体检而行非增强胸部CT平扫的中老年患者。所有患者图像分别导入GE后处理工作站smartscore钙化积分软件以及基于深度学习的非门控胸部CT智能钙化积分软件。按照解剖部位将两种方法获得的Agatston评分划分为冠状动脉总评分(TOTAL)、左主干(LM)评分、左前降支(LAD)评分、左回旋支(LCX)评分以及右冠状动脉(RCA)评分。采用Pearson相关系数分析两种方法下测得钙化积分相关性,同时对测得不同厂家、不同机型各分支钙化积分及总钙化积分的统计学差异评估以及对两种不同管电压下的钙化积分差异进行比较采用配对t检验;采用组内相关系数(ICC)对两种方法测得的钙化积分进行一致性检验,所有结果以P<0.05为差异有统计学意义。结果:Pearson相关系数显示两组方法测量所有机型下大部分TOTAL,LM、LCX、RCA的Agatston积分具有较好的相关性(P>0.05),两种方式所得钙化积分差异无统计学意义(P>0.05),但在LightSpeed VCT机型中两组RCA钙化积分差异具有统计学意义(P<0.05);120 kVp、100 kVp两种管电压下两组测得CACS大部分差异无统计学意义,但在Optima CT680 Series机型中120 kVp下两者TOTAL差异具有统计学意义(P<0.05);ICC分析发现两种方法下大部分所获的钙化积分具有较好的一致性(ICC:0.710~0.996),其中六中机型中两种方式下总钙化积分的组内相关系数分别为BrightSpeed(ICC:0.875,95%CI:0.833~0.905)、Revolution CT(ICC:0.834,95%CI:0.761~0.883)、LightSpeed VCT(ICC:0.763,95%CI:0.688~0.822)、Optima CT680 Expert(ICC:0.723,95%CI;0.590~0.815)、SOMATOM go.Top(ICC:0.967,95%CI:0.955~0.975)、uCT 550(ICC:0.988,95%CI:0.984~0.991)。结论:基于深度学习的钙化积分算法在不同CT机型及不同管电压的扫描条件下对冠脉分支钙化积分的评估均具有较高的准确性。; 关键词冠状动脉钙化深度学习非门控钙化积分管电压; Keywords Coronary artery calcification Deep learning Non-gating calcification score Tube voltage; 分类号 R814.42 [医药卫生—影像医学与核医学] R-05 [医药卫生]; 在线阅读下载PDF 职称材料

题名人工智能在CT预测新型冠状病毒肺炎转归中的价值被引量：5: 4; 作者吕志彬关春爽闫铄陈七一李晶晶张羽君陈步东谢汝明; 机构首都医科大学附属北京地坛医院放射科数坤(北京)网络科技有限公司; 出处《首都医科大学学报》 CAS 北大核心 2020年第3期340-344,共5页; 基金北京市卫生健康科技成果与适宜技术推广专项(2020-TG-001)。; 文摘目的探讨人工智能(artificial intelligence,AI)在CT预测新型冠状病毒肺炎(COVID-19)转归中的价值。方法分析2020年1月25日至2020年2月17日首都医科大学附属北京地坛医院确诊的普通型COVID-19肺炎首诊胸部CT、首次复查胸部CT的影像资料62例,其中,男性31例,女性31例。依据是否随病程发展为重型分为普通型组(51例)和转重型组(11例),应用AI技术定量分析组间差异。结果首次胸部CT转重型组患者肺炎病灶占整肺体积百分比3.3%,高于普通组1.3%,以病灶占整肺体积百分比2.0%为界值,诊断普通型转重型患者的敏感度(72.7%)、特异度(66.7%)最高,受试者工作特征(receiver operating characteristic,ROC)曲线下面积为0.744。复查CT两组患者病灶体积变化存在明显差异,与普通型组相比,转重型组病灶体积占比10.0%,明显增大,以增加的病灶占整肺体积百分比2.65%为界值,诊断普通型转重型的敏感度(90.9%)、特异度(78.4%)最高,ROC曲线下面积为0.896。两次CT比较两组患者病灶内部磨玻璃密度、实性密度成分比例变化差异有统计学意义(P<0.05)。结论人工智能在CT预测COVID-19转归中具有重要意义,可在早期对重症及危重症的发生进行预警,病灶占整肺体积百分比、病变短期内迅速进展可能对普通型COVID-19肺炎的预后产生重要影响。; 关键词人工智能新型冠状病毒肺炎体层摄影术 X线计算机; Keywords artificial intelligence COVID-19 tomography X-ray computed; 分类号 R563.1 [医药卫生—呼吸系统]; 在线阅读下载PDF 职称材料

题名CT重建算法对基于深度学习非门控冠脉钙化积分模型评价心血管风险分层的影响被引量：1: 5; 作者孙安朱一白史亮萧毅刘士远; 机构海军军医大学长征医院影像科海军军医大学东方肝胆医院医疗保障中心医学工程科数坤(北京)网络科技有限公司; 出处《放射学实践》 CSCD 北大核心 2023年第4期419-425,共7页; 基金国家自然科学基金面上项目(82271994) 国家自然科学基金面上项目(81871405) +3 种基金军委面上项目(22BJZ07) 上海长征医院青年启动基金(2022QN091)。; 文摘目的:以门控CT为标准,探讨基于深度学习的非门控冠状动脉钙化积分(DL-CACS)模型在不同CT重建算法下对心血管风险分类效能。方法:回顾性将在本院同时接受门控心脏CT和非门控低剂量胸部CT(LDCT)检查的549例患者纳入本研究。根据扫描方式(心电门控和非门控),将所有患者的图像资料分为A、B两组。对B组图像数据分别使用smooth、standard及sharp算法进行重建(作为B1、B2和B3组),并导入DL-CACS模型进行分析,获得CACS及心血管风险分类结果。以医师基于A组图像手工测量的CACS为标准,采用符合率、Bland-Altman法及组内相关系数(ICC)对3种CT重建算法下获得的DL-CACS进行分析。依据CACS(0、1~99、100~400和>400)将患者的心血管风险分为4个标准类别(1~4类,分别对应无、低、中和高风险),利用Kappa检验、受试者工作特征(ROC)曲线下面积(AUC)比较不同重建算法下DL-CACS与标准CACS对患者心血管风险分层的差异。结果:B1、B2和B3组的DL-CACS与A组之间的一致性均较好,其中以B1组最好[ICC=0.955(95%CI:0.947~0.962)]。B1、B2和B3组中模型所获得的心血管风险分层与A组之间的一致性均较好,Kappa值分别为0.839、0.827和0.770(P均<0.001),其中B1组评估高危患者的AUC最高(AUC=0.995,P<0.001)。Bland-Altman图(A组分别与B1、B2和B3组的CACS进行配对比较)显示,B1组与A组之间CACS平均差值为-0.173(95%CI:-1.748~1.402),B1组CACS超出95%一致性界限的患者数最少。结论:非门控DL-CACS模型在不同CT重建算法下均能准确地评估CACS及风险分层,而在LDCT时选择smooth重建算法,能最大程度地提高对冠脉钙化程度的评估准确性。; 关键词冠状动脉钙化体层摄影术 X线计算机深度学习心血管风险分层; Keywords Coronary artery calcification Tomography,X-ray computed Deep learning Cardiovascular risk classification; 分类号 R814.42 [医药卫生—影像医学与核医学] R543.3 [医药卫生—心血管疾病] R541.4 [医药卫生—心血管疾病]; 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	基于生成式对抗网络的冠状动脉CT血管成像运动伪影去除的初步研究	张璐陈强蒋蓓蓓丁珍红张丽解学乾	《上海交通大学学报（医学版）》 CAS CSCD 北大核心	2020	6	在线阅读下载PDF 职称材料
2	钙化斑块对冠状动脉CTA诊断准确性的影响	许丽雪李芳罗南郭宁化冰刘清波贺毅王振常杨正汉	《中国医学影像学杂志》 CSCD 北大核心	2020	15	在线阅读下载PDF 职称材料
3	基于深度学习技术的非门控胸部CT冠脉钙化积分系统的准确性评价	闫玉辰胡磊王焰彭宙锋孙建清查云飞	《放射学实践》 CSCD 北大核心	2023	2	在线阅读下载PDF 职称材料
4	人工智能在CT预测新型冠状病毒肺炎转归中的价值	吕志彬关春爽闫铄陈七一李晶晶张羽君陈步东谢汝明	《首都医科大学学报》 CAS 北大核心	2020	5	在线阅读下载PDF 职称材料
5	CT重建算法对基于深度学习非门控冠脉钙化积分模型评价心血管风险分层的影响	孙安朱一白史亮萧毅刘士远	《放射学实践》 CSCD 北大核心	2023	1	在线阅读下载PDF 职称材料