期刊文献+
共找到33篇文章
< 1 2 >
每页显示 20 50 100
联合瘤内及瘤周异质性的MRI影像组学预测高级别胶质瘤原位复发空间模式的价值
1
作者 王瀚苇 曾琳岚 +6 位作者 赵咪咪 李轩 谢欢 李晓光 易良 吴毅 王舒楠 《陆军军医大学学报》 北大核心 2025年第14期1577-1586,共10页
目的建立并验证基于瘤内及瘤周异质性的多模态MRI影像组学模型,预测高级别胶质瘤(high-grade gliomas,HGGs)原位复发空间模式。方法回顾性分析陆军特色医学中心2012-2021年采用最大范围安全切除并术后放疗联合替莫唑胺治疗后原位复发的H... 目的建立并验证基于瘤内及瘤周异质性的多模态MRI影像组学模型,预测高级别胶质瘤(high-grade gliomas,HGGs)原位复发空间模式。方法回顾性分析陆军特色医学中心2012-2021年采用最大范围安全切除并术后放疗联合替莫唑胺治疗后原位复发的HGGs患者临床及影像资料。2名放射科医师通过连续性随访MRI资料独立评估HGGs原位复发空间模式,分为切除腔内复发和切除腔外复发。采用完全随机法将患者按7∶3的比例分为训练集与验证集。在训练集中采用Pearson或Spearman相关性分析以及最小绝对收缩与选择算子分析,对瘤内及瘤周影像组学特征进行筛选及影像组学评分计算。采用Logistic回归分析建立影像组学模型,利用校准图、Hosmer-Lemeshow检验和受试者操作特征曲线下面积(AUC)评估模型效能,并在验证集中进行验证。结果本研究共纳入121例原位复发HGGs患者,其中切除腔内复发组54例,切除腔外复发组67例,按7∶3的比例分为训练集(n=84)和验证集(n=37)。在训练集中,切除腔外复发组的影像组学评分为0.424(0.278,0.573),高于切除腔内复发组[-0.030(-0.226,0.248),P<0.001]。同时,验证集中切除腔外复发组的影像组学评分[0.369(0.258,0.487)]高于切除腔内复发组[0.277(0.103,0.322),P=0.033]。通过Logistic回归分析建立的影像组学模型具有良好的校准效果,在预测原位复发空间模式方面表现良好,训练集AUC值为0.844(95%CI:0.749~0.914),验证集AUC值为0.706(95%CI:0.534~0.844)。结论联合瘤内及瘤周异质性的多模态影像组学模型可预测HGGs原位复发的空间模式,为HGGs的个体化治疗提供依据。 展开更多
关键词 胶质瘤 影像组学 瘤内 瘤周 复发
在线阅读 下载PDF
适应中国人群的乳腺钼靶X线图像分类辅助系统设计
2
作者 孙常晋 童飞 +5 位作者 吴毅 王雨婷 罗俊捷 龚滟 邱明国 乔梁 《陆军军医大学学报》 北大核心 2025年第1期92-99,共8页
目的构建适应中国人群的乳腺钼靶图像分类辅助系统,探讨人工智能技术在国内辅助乳腺癌早期筛查的潜力。方法为复现当前文献中的主流深度学习方法,利用乳腺X线筛查数字数据库子集(curated breast imaging subset of digital database for... 目的构建适应中国人群的乳腺钼靶图像分类辅助系统,探讨人工智能技术在国内辅助乳腺癌早期筛查的潜力。方法为复现当前文献中的主流深度学习方法,利用乳腺X线筛查数字数据库子集(curated breast imaging subset of digital database for screening mammography,CBIS-DDSM)、乳房X线图像分析学会数据库(mammographic image analysis society database,MIAS)等国际公开数据集分别进行模型训练,并在华教科技有限公司提供的中国人群乳腺钼靶图像数据集(Chinese breast mammography dataset,CBMD)上进行测试和模型性能比较;针对中国人群数据在公开数据集训练模型性能测试不理想的问题,结合中国人群数据特点,提出基于滑动窗口调窗机制的优化策略,设计二阶段迁移学习方法,以提升模型的整体性能,并进行系统研发。结果使用滑动窗口调窗机制及二阶段迁移学习后的CBMD训练模型,以中国人群数据集为测试集,其准确度从默认窗口下公开数据集训练模型的0.50提升至0.80,精度从0.54提升至0.82,灵敏度从0.52提升至0.80,F1值从0.52提升至0.80,AUC值从0.51提升至0.89。结论本研究引入滑动窗口调窗机制和二阶段迁移学习策略,显著提升了乳腺钼靶图像分类模型在中国人群数据集上的性能,初步达到适应中国人群的乳腺钼靶图像辅助分类的目的。 展开更多
关键词 乳腺钼靶 深度学习 X射线 计算机辅助
在线阅读 下载PDF
基于深度学习的MRI影像女性尿控解剖元件及相关结构的自动分割
3
作者 张子沁 吴毅 +4 位作者 张小勤 徐洲 雷玲 王延洲 王艳 《陆军军医大学学报》 北大核心 2025年第14期1568-1576,共9页
目的 基于深度学习方法,运用自动分割模型分割MRI影像下女性尿控解剖元件结构,提高分割效率和准确率。方法 以来自陆军军医大学生物医学工程与影像医学系的49例女性盆底肌肉MRI图像(其中不同程度的盆腔脏器脱垂病例30例,正常人19例)作... 目的 基于深度学习方法,运用自动分割模型分割MRI影像下女性尿控解剖元件结构,提高分割效率和准确率。方法 以来自陆军军医大学生物医学工程与影像医学系的49例女性盆底肌肉MRI图像(其中不同程度的盆腔脏器脱垂病例30例,正常人19例)作为数据集对模型进行训练和测试,按照8∶2的比例划分为训练集和测试集,最终选取17例正常人和22例盆腔脏器脱垂病例作为训练集,4例正常人和6例盆腔脏器脱垂病例作为测试集。将训练集放入UNet、UNet+++、Dense UNet以及UNet++模型分别训练,再将测试集放入网络中进行精度测试,选取精度最高的模型作为主干网络。结果 在UNet、UNet+++、Dense UNet以及UNet++模型的训练下,4个模型得到尿道压肌、尿道括约肌主体部、膀胱壁、膀胱腔、尿道黏膜下层5种结构的平均Dice相似性系数分别为61.82%、57.94%、57.63%和62.76%,交并比分别为49.74%、46.59%、46.07%和49.44%,准确率分别为61.74%、55.03%、59.23%和61.91%。结果显示UNet++的3个指标基本高于UNet、UNet+++、Dense UNet的指标,表明UNet++总体分割精度最优。结论 利用UNet、UNet+++、Dense UNet以及UNet++模型对女性盆底尿道压肌、尿道括约肌主体部、膀胱壁、膀胱腔、尿道黏膜下层5种结构进行了自动分割,其中UNet++总体分割精度最优。 展开更多
关键词 深度学习 图像分割 智能辅助诊断 核磁共振图像
在线阅读 下载PDF
人工智能在医学图像处理中的研究进展与展望 被引量:21
4
作者 吴毅 张小勤 《第三军医大学学报》 CAS CSCD 北大核心 2021年第18期1707-1712,共6页
目前,世界总体已进入老龄化社会,患各种疾病的人越来越多,有限的医疗资源难以满足当今社会的医疗需求。人工智能在医疗领域的应用早期包括信息咨询、电子病历等,后期在基于影像、病理等数据的基础上对皮肤病、肺结节等方面的智能诊断进... 目前,世界总体已进入老龄化社会,患各种疾病的人越来越多,有限的医疗资源难以满足当今社会的医疗需求。人工智能在医疗领域的应用早期包括信息咨询、电子病历等,后期在基于影像、病理等数据的基础上对皮肤病、肺结节等方面的智能诊断进展迅速。人工智能在类似这些领域的广泛应用可以适当地缓解医疗资源紧张、临床医生负担重等问题。本述评从人工智能辅助医学图像分割、疾病的智能诊断和智能预后评估三个方面,分析近几年国内外人工智能在医学图像处理中的研究和应用,探讨医学人工智能的研究进展,并对今后的研究方向进行展望,为未来人工智能辅助医学图像处理提供借鉴,加快医疗资源数字化,节约医疗成本,提高医疗效率。 展开更多
关键词 人工智能 医学图像分割 智能诊断 智能预后评估
在线阅读 下载PDF
基于机器学习的多模态数据建立Ⅰ期非小细胞肺癌患者术后复发预测模型
5
作者 张地 吴毅 +7 位作者 徐瑜 王帅 胡玥 陈滑维 胡那娜 何容 童雪玲 李梦侠 《陆军军医大学学报》 北大核心 2025年第14期1602-1611,共10页
目的 基于术前胸部CT影像组学特征联合临床信息构建机器学习模型,用于预测手术切除的Ⅰ期非小细胞肺癌患者术后5年复发风险。方法 回顾性纳入2014年1月至2019年12月陆军特色医学中心经手术病理确诊的Ⅰ期非小细胞肺癌患者217例(入组标... 目的 基于术前胸部CT影像组学特征联合临床信息构建机器学习模型,用于预测手术切除的Ⅰ期非小细胞肺癌患者术后5年复发风险。方法 回顾性纳入2014年1月至2019年12月陆军特色医学中心经手术病理确诊的Ⅰ期非小细胞肺癌患者217例(入组标准筛选自778例初筛病例),其中术后5年内复发53例,未复发164例。将病例按8∶2比例随机分为训练集(173例)和验证集(44例)。以肺癌原发灶主体作为感兴趣区域(ROI)提取影像组学特征,建立影像模型;同时基于患者人口学资料及术前检验等指标建立临床模型。进一步融合两类特征构建融合模型,并通过模型性能比较筛选最优预测模型。结果 本研究通过平扫CT影像特征筛选,最终纳入7个影像组学特征用于影像模型构建。在6种机器学习模型中,自适应增强算法(adaptive boosting, Adaboost)的训练集曲线下面积(AUC)为0.866(95%CI 0.808~0.923),准确度和特异度分别为0.832、0.884;验证集AUC为0.806(95%CI0.630~0.983),准确度和特异度分别为0.795、0.971,综合比较预测性能最好。基于单因素及多因素Logistic回归分析筛选了4个临床特征参与构建临床模型,在训练集中AUC为0.874(95%CI 0.821~0.928),准确度和特异度分别为0.827、0.891;验证集中AUC为0.813(95%CI 0.677~0.948),准确度和特异度分别为0.636、0.600。进一步通过特征级融合策略整合影像组学与临床特征后,融合模型在训练集AUC达到0.953(95%CI 0.924~0.983),准确度和特异度分别为0.884、0.860;在验证集AUC达到0.852(95%CI 0.729~0.976),准确度和特异度分别为0.682、0.629,预测效能得到进一步提升。结论 融合术前CT影像组学特征与临床风险因素构建的联合模型,可为评估Ⅰ期非小细胞肺癌患者术后5年内的复发风险提供依据。 展开更多
关键词 非小细胞肺癌 机器学习 计算机断层扫描 Ⅰ期 5年复发风险
在线阅读 下载PDF
破而后立:骨骼系统中破骨细胞新功能解析 被引量:13
6
作者 董世武 胡文辉 《陆军军医大学学报》 CAS CSCD 北大核心 2022年第1期79-88,共10页
骨骼系统为支撑身体、协调躯体运动、控制矿物质稳态和造血提供了重要的基础。破骨细胞是由单核/巨噬细胞造血谱系前体细胞融合而成的特化细胞,在骨稳态和健康维持中至关重要。已有大量实验证实其细胞形成和功能失调与骨质疏松症、骨折... 骨骼系统为支撑身体、协调躯体运动、控制矿物质稳态和造血提供了重要的基础。破骨细胞是由单核/巨噬细胞造血谱系前体细胞融合而成的特化细胞,在骨稳态和健康维持中至关重要。已有大量实验证实其细胞形成和功能失调与骨质疏松症、骨折愈合、骨关节炎和原发性/转移性骨肿瘤等密切相关。一直以来,破骨细胞作为“噬骨者(bone eaters)”被聚焦于探讨其在骨稳态和疾病中的角色。近年来,随着单细胞标记和检测技术的快速发展并在骨领域中的广泛应用,新的“破骨细胞亚型”概念及其功能不断得到解析和完善。骨微环境稳态是破骨细胞及其主导的细胞网络共同活动的结果;从细胞网络出发,系统阐释破骨细胞与骨/关节疾病的内在关系,才能更好地理解疾病的本质。“破而后立”——是本课题组所提出通过调控破骨细胞来重建骨微环境稳态、以延缓骨/关节疾病进程的新理念。同时,将“破骨细胞”概念引入传统组织工程骨与软骨构筑技术,有望实现骨/软骨疾病干预和再生修复的综合应用。 展开更多
关键词 破骨细胞 骨骼系统 H型血管 血管相关破骨细胞 osteomorph 骨与关节疾病
在线阅读 下载PDF
基于DAEUnet和ConvNeXt网络的食管癌智能分割与分期诊断模型构建
7
作者 熊铃焰 王润媛 +4 位作者 张方红 杨有 吴毅 吴蔚 武书磊 《陆军军医大学学报》 北大核心 2025年第10期1135-1144,共10页
目的基于DAEUnet和ConvNeXt网络,通过迁移学习策略构建食管癌智能分割和T分期诊断模型。方法收集2018年1月至2022年4月共126例确诊为食管癌患者Dicom原始数据,其中100例来源于陆军军医大学第一附属医院胸外科,26例来自山西省肿瘤医院胸... 目的基于DAEUnet和ConvNeXt网络,通过迁移学习策略构建食管癌智能分割和T分期诊断模型。方法收集2018年1月至2022年4月共126例确诊为食管癌患者Dicom原始数据,其中100例来源于陆军军医大学第一附属医院胸外科,26例来自山西省肿瘤医院胸外科,数据增强后共计60275张,搭建DAEUnet食管癌智能分割网络,并在此基础上构建ConvNeXt、Swin Transfoemr以及ResNet 3个分类网络进行食管癌T分期诊断。结果基于DAEUnet网络食管癌智能分割Dice相似系数(Dice similarity coefficient,DSC)为0.82,食管癌、主动脉、正常食管、纵隔淋巴结、心脏各个部位DSC分别为72.4%、87.5%、79.3%、60.5%、96.8%;在3个食管癌T分期诊断模型中,ConvNeXt模型效果最好,T1~T4期的精确度分别为0.65、0.727、0.889、0.92,曲线下面积(AUC)=0.892,优于ResNet和Swin Transformer网络。结论基于DAEUnet和ConvNeXt网络的食管癌智能分割与T分期诊断模型,能够提高食管癌T分期的准确性与治疗效率。 展开更多
关键词 食管癌 增强CT 智能分割 ConvNeXt T分期诊断
在线阅读 下载PDF
ARNI与ACEI/ARB对高血压性心脏病患者左心室舒张功能影响的比较研究
8
作者 杨浩 何宜 +6 位作者 王芳娟 周婷 刘涛 廖品亮 李华康 李永勤 胡厚源 《陆军军医大学学报》 北大核心 2025年第11期1235-1242,共8页
目的探究血管紧张素受体-脑啡肽酶抑制剂(angiotensin receptor-neprilysin inhibitor,ARNI)与血管紧张素转换酶抑制剂(angiotensin-converting enzyme inhibitor,ACEI)/血管紧张素受体拮抗剂(angiotensin receptor blocker,ARB)对高血... 目的探究血管紧张素受体-脑啡肽酶抑制剂(angiotensin receptor-neprilysin inhibitor,ARNI)与血管紧张素转换酶抑制剂(angiotensin-converting enzyme inhibitor,ACEI)/血管紧张素受体拮抗剂(angiotensin receptor blocker,ARB)对高血压性心脏病(hypertensive heart disease,HHD)患者左心室舒张功能的改善方面是否存在差异。方法本研究为回顾性队列研究,收集2021年1月至2024年12月在陆军军医大学第一附属医院心血管内科就诊的HHD患者的临床资料,包括患者的基本信息、超声心动图各项指标及常规检验等。共纳入517例HHD患者,根据治疗方案的不同,将患者分为ARNI组(n=117)和ACEI/ARB组(n=400)。通过1∶1倾向性评分匹配(propensity score matching,PSM),卡钳值为0.02,匹配后ARNI组与ACEI/ARB组的患者各89例。利用超声心动图检测反映左心室舒张功能障碍(left ventricular diastolic dysfunction,LVDD)的各项指标,包括左心房容积指数、二尖瓣环室间隔部位舒张早期峰值速度(室间隔e’)、二尖瓣环侧壁部位舒张早期峰值速度(侧壁e’)、三尖瓣反流速度和E/e’,并在治疗期间进行随访及复查上述指标。采用Kaplan-Meier生成曲线比较2组患者在LVDD发生率方面的差异。采用多因素Logistic风险回归模型筛选与LVDD相关的危险因素。结果本研究的中位随访时间为412(309,736)d,经PSM后的中位随访时间为409(300,729)d。Kaplan-Meier生存分析结果显示,PSM前后ARNI组的LVDD发生率均低于ACEI/ARB组(P<0.05)。治疗后ARNI组的侧壁e’低于ACEI/ARB组[8.00(7.00,9.40)vs 9.00(7.10,10.30)cm/s,P<0.001];ARNI组的左心室后壁厚度低于ACEI/ARB组[12.20(10.80,12.80)vs 12.30(11.20,12.90)mm,P=0.048];多因素Logistic风险回归分析校正混杂因素后,结果显示,年龄增加(OR=1.082,P<0.001)、收缩压升高(OR=1.009,P=0.005)、左心室后壁厚度增加(OR=1.462,P<0.001)、左心房内径扩大(OR=1.081,P<0.001)及服用钙通道阻滞剂(OR=1.548,P=0.006)是LVDD的独立危险因素,与LVDD的发生风险呈正相关;而男性(OR=0.709,P=0.043)、体质指数(OR=0.933,P=0.006)则为保护性因素,与LVDD的发生风险呈负相关。结论在HHD患者中,ARNI在降低LVDD发生率方面优于ACEI/ARB组。 展开更多
关键词 血管紧张素受体-脑啡肽酶抑制剂 血管紧张素转换酶抑制剂/血管紧张素受体拮抗剂 高血压性心脏病 左心室舒张功能
在线阅读 下载PDF
颅脑CT影像深度学习预测脑出血破入脑室 被引量:2
9
作者 彭琦 陈星材 +3 位作者 刘静静 吴毅 胡荣 粘永健 《陆军军医大学学报》 CAS CSCD 北大核心 2023年第2期121-129,共9页
目的 探索深度学习技术在脑出血是否破入脑室自动分类方面的应用。方法 收集2010年1月到2020年12月陆军军医大学第一附属医院神经外科收治的1 027例自发性脑出血患者的颅脑CT影像,将每层图像划分到正常、未破入脑室、破入脑室3个类别,利... 目的 探索深度学习技术在脑出血是否破入脑室自动分类方面的应用。方法 收集2010年1月到2020年12月陆军军医大学第一附属医院神经外科收治的1 027例自发性脑出血患者的颅脑CT影像,将每层图像划分到正常、未破入脑室、破入脑室3个类别,利用DenseNet121、ResNet50、ResNet101、Swin-base、Vit-base与VGG16等6种典型的深度网络分别构建用于判断脑出血是否破入脑室的分类模型,并在内部数据集和外部数据集(CQ500)上分别进行测试。为增强深度学习网络的可解释性,利用EigenGradCAM方法制作热力图对深度模型的关注区域进行可视化。结果 利用精确率、召回率、特异性、阴性预测值与F1值评价深度模型性能,VGG16模型在内部测试集上,正常组分别取得0.983、0.977、0.984、0.978与0.980,未破入脑室组分别取得0.917、0.902、0.965、0.958与0.909,破入脑室组分别取得0.877、0.911、0.966、0.976与0.894;外部测试集上,正常组分别取得0.967、0.870、0.985、0.938与0.916,未破入脑室组分别取得0.827、0.939、0.902、0.967与0.879,破入脑室组分别取得0.938、0.906、0.970、0.954与0.922;内部测试集和外部测试集的准确率分别为0.940、0.905。基于EigenGradCAM方法制作的热力图表明VGG16能够合理关注到相关区域。结论 利用VGG16构建的深度模型在判断脑出血是否破入脑室方面取得了最优的预测性能,表明深度学习可以应用于脑室出血的判断。 展开更多
关键词 深度学习 CT 脑室出血 分类网络
在线阅读 下载PDF
个性化3D打印导板辅助重度脊柱后凸畸形手术矫正 被引量:1
10
作者 彭元昊 成凯 +5 位作者 朱浩天 王虹 刘康 王宇宁 丁焕文 吴毅 《陆军军医大学学报》 CAS CSCD 北大核心 2024年第21期2443-2450,共8页
目的评估在个性化3D打印导板引导下,行经椎体内截骨术、脊柱内固定术治疗重度脊柱后凸手术的矫形率、椎弓根钉位准确性和治疗效果。方法本研究为单中心非随机性临床试验研究,样本涵盖2018年12月至2023年6月期间接受经椎体内截骨术的19... 目的评估在个性化3D打印导板引导下,行经椎体内截骨术、脊柱内固定术治疗重度脊柱后凸手术的矫形率、椎弓根钉位准确性和治疗效果。方法本研究为单中心非随机性临床试验研究,样本涵盖2018年12月至2023年6月期间接受经椎体内截骨术的19例患者(男性8例,女性11例)。其中7例患者为导板组,采用计算机辅助设计(CAD)技术进行术前手术规划和术中个性化3D打印导板引导,12例患者为传统组,采用传统置钉矫正。术后评估包括后凸Cobb角、脊柱矫正率、钉位准确性和Oswestry功能障碍指数问卷调查(Oswestry Dysfunction Index,ODI)。结果研究纳入患者19例,平均年龄48.0岁。平均随访26.4(9~54个月)。所有患者均获得相对满意的矫正效果,导板组平均矫正率为96.83%,传统组为86.61%。导板组与传统组平均术中出血量(857 vs 1045 mL)和平均手术时间(344 vs 402 min)差异无统计学意义,平均住院时间(11 vs 18 d)差异具有统计学意义(P<0.05)。本研究共置钉278枚,其中导板辅助置钉70枚,97.1%为A级或B级;传统组置钉208枚,其中93.8%为A级或B级。术后CT/X线检查显示导板组与传统组后凸畸形矫正均达到一定程度矫正,2组的平均矫正角度(43.37°vs 36.10°)差异无统计学意义;而导板组的矫正率显著高于传统组(96.83%vs 86.61%,P<0.01);ODI评分导板组显著低于传统组(P<0.05)。结论在脊柱截骨术中,利用计算机辅助技术进行术前规划、手术模拟和个性化3D打印导板的辅助,能够改善术后矫形率,提高置钉的准确性,改善严重脊柱后凸畸形患者的生活质量。 展开更多
关键词 脊柱后凸 导板 3D打印 计算机辅助设计 病例系列
在线阅读 下载PDF
人工智能在乳房外Paget病病理诊断及鉴别中的应用
11
作者 朱一维 吴哲 +5 位作者 陈星材 粘永健 罗娜 张恋 吴毅 翟志芳 《陆军军医大学学报》 CAS CSCD 北大核心 2024年第16期1897-1905,共9页
目的建立乳房外Paget病(extramammary Paget’s disease,EMPD)组织病理诊断的人工智能(artificial intelligence,AI)诊断模型,并评价其对EMPD诊断及鉴别诊断的效能。方法收集2003年9月至2023年2月于陆军军医大学第一附属医院皮肤科就诊... 目的建立乳房外Paget病(extramammary Paget’s disease,EMPD)组织病理诊断的人工智能(artificial intelligence,AI)诊断模型,并评价其对EMPD诊断及鉴别诊断的效能。方法收集2003年9月至2023年2月于陆军军医大学第一附属医院皮肤科就诊并行皮肤组织活检术,且病理明确诊断为EMPD、Bowen病、皮肤鳞状细胞癌(squamous cell carcinoma,SCC)以及表皮增生肥厚为主要病理特征的非肿瘤性皮肤病患者的病理资料。以EMPD为主要研究对象,与Bowen病、SCC以及非肿瘤性皮肤病病理图像进行鉴别,通过ResNet101、DenseNet121深度学习神经网络对4种疾病的组织病理进行分类诊断并评价模型效能。结果ResNet101诊断模型诊断EMPD、Bowen病、SCC及非肿瘤性皮肤病的20倍组织病理图像的AUC值分别为0.97、0.98、1.00、0.96,准确度为(0.925±0.011);40倍组织病理图像AUC值分别为1.00、0.99、1.00、0.97,准确度为(0.943±0.017)。DenseNet121诊断模型诊断EMPD、Bowen病、SCC及非肿瘤性皮肤病的20倍组织病理图像的AUC值分别为0.98、0.95、0.99、1.00,准确度为(0.912±0.034);40倍组织病理图像AUC值分别为0.99、0.96、1.00、1.00,准确度为(0.971±0.012)。表示分类诊断模型能够将EMPD与Bowen病、SCC及非肿瘤性皮肤病等的低倍组织病理图像进行有效区分。ResNet101计算量为786.6 M、参数量为4.5 M,DensNet121计算量为289.7 M、参数量为0.8 M。结论本研究建立的组织病理图像人工智能诊断模型对EMPD的诊断及鉴别诊断具有较高效能,并推荐DenseNet121为皮肤病理图片的诊断模型。 展开更多
关键词 乳房外PAGET病 人工智能 诊断模型 病理诊断
在线阅读 下载PDF
基于fNIRS的大脑前额叶皮层在不同脑力负荷下的激活模式研究 被引量:5
12
作者 桑林琼 王莉 +6 位作者 乔梁 张静娜 李鹏岳 尚光荣 张晔 王倩楠 邱明国 《陆军军医大学学报》 CAS CSCD 北大核心 2022年第3期210-216,共7页
目的利用功能性近红外光谱成像技术(functional near-infrared spectroscopy,fNIRS)探讨大脑双侧前额叶皮层(prefrontal cortex,PFC)在不同脑力负荷下的激活模式。方法选取本校在校学生34例(男性17例,女性17例),分别进行3种负荷水平的n-... 目的利用功能性近红外光谱成像技术(functional near-infrared spectroscopy,fNIRS)探讨大脑双侧前额叶皮层(prefrontal cortex,PFC)在不同脑力负荷下的激活模式。方法选取本校在校学生34例(男性17例,女性17例),分别进行3种负荷水平的n-back(n=1、2、3)认知记忆任务试验,采用fNIRS检测被试大脑双侧PFC的含氧血红蛋白(HbO_(2))的相对含量和时间特性。结果随着负荷水平的增加,被试任务的正确率显著下降,反应时逐步升高,在1-back时显著低于2-back和3-back,但2-back和3-back之间差异无统计学意义。大脑双侧PFC的激活强度随着负荷水平增加呈现非线性增强,相比于1-back,2-back时左、右侧PFC的激活均增强,特别是右侧PFC激活显著增强(P<0.05),然而3-back时双侧PFC的激活程度与2-back、1-back时差异均无统计学意义。检测fNIRS信号的时间特性发现,左侧PFC在3-back时的血流动力学响应较强。结论fNIRS可以检测到不同脑力负荷下大脑双侧PFC在激活强度和血氧响应模式上均存在差异,随着脑力负荷增加,右侧PFC的功能激活显得较为重要。 展开更多
关键词 功能近红外光谱成像技术 脑力负荷 脑激活 前额叶皮质
在线阅读 下载PDF
基于近红外功能成像技术的大脑冲突监测功能研究 被引量:3
13
作者 张晔 王莉 +4 位作者 张静娜 李鹏岳 王倩楠 桑林琼 邱明国 《第三军医大学学报》 CAS CSCD 北大核心 2021年第7期622-628,共7页
目的运用近红外功能成像技术研究反应时不同的两组被试在冲突监测任务下大脑血氧反应的差异,探讨大脑冲突监测功能的神经机制。方法选取28名本校在校学生作为健康被试,其中男性16名,女性12名,年龄17~20(18.79±0.55)岁。运用近红外... 目的运用近红外功能成像技术研究反应时不同的两组被试在冲突监测任务下大脑血氧反应的差异,探讨大脑冲突监测功能的神经机制。方法选取28名本校在校学生作为健康被试,其中男性16名,女性12名,年龄17~20(18.79±0.55)岁。运用近红外功能成像技术(functional near-infrared spectroscopy, fNIRS)采集被试Stroop任务下大脑的血氧浓度变化量。根据他们在Stroop任务中的反应时分为快组和慢组,每组14名。通过nirsLAB软件进行数据分析,对比两组被试大脑血氧反应的差异,并计算被试行为学指标与其大脑血氧浓度变化的相关关系。结果 Stroop任务主要激活的脑区位于双侧背外侧前额叶(dorsolateral prefrontal cortex, DLPFC)和额极区。相比慢组,Stroop任务下快组的脱氧血红蛋白(Hb)浓度变化显著降低(P<0.05),主要位于左侧DLPFC和额极区。同时,Ch4通道Hb的浓度变化值与被试反应时呈现正相关关系(r=0.422 3,P=0.025 2)。结论实验结果验证了DLPFC在冲突监测功能中的核心作用,同时发现左侧额极区的Hb浓度变化可以作为反映大脑冲突监测功能的重要指标。 展开更多
关键词 近红外脑功能成像 冲突监测 STROOP任务 血氧浓度
在线阅读 下载PDF
基于静息态功能磁共振的肌萎缩侧索硬化症大脑功能网络研究 被引量:1
14
作者 王倩楠 张静娜 +6 位作者 乔梁 胡俊 张晔 王莉 桑林琼 李鹏岳 邱明国 《陆军军医大学学报》 CAS CSCD 北大核心 2022年第16期1592-1598,共7页
目的探讨肌萎缩侧索硬化症(amyotrophic lateral sclerosis,ALS)脑功能网络异常模式,为ALS早期诊断及预后评估寻找客观影像学标记。方法于2015年5月至2018年3月在陆军军医大学第一附属医院神经内科招募确诊ALS患者25例;同时招募年龄、... 目的探讨肌萎缩侧索硬化症(amyotrophic lateral sclerosis,ALS)脑功能网络异常模式,为ALS早期诊断及预后评估寻找客观影像学标记。方法于2015年5月至2018年3月在陆军军医大学第一附属医院神经内科招募确诊ALS患者25例;同时招募年龄、性别匹配的26例健康志愿者作为对照组,均行3.0T磁共振扫描仪采集静息态(functional magnetic resonance imaging,fMRI)扫描,构建大脑大尺度功能网络。基于图论理论进行网络差异分析,经双样本t检验比较两组脑功能网络的全局和节点属性,并将ALS患者脑功能连接及网络参数与认知及运动功能评分进行Pearson相关分析。结果与健康对照组相比,ALS患者大脑前、后脑区之间功能网络连接显著增强(P<0.05);左侧眶内额上回-缘上回功能连接降低并与修订版ALS功能量表(revised ALS functional rating scale,ALSFRS-R)评分呈正相关(r=0.512,P=0.008)。与健康对照组相比,ALS患者标准化特征路径长度降低,额叶、枕叶等脑区节点效率及节点度增加(P<0.05),扣带回及苍白球等结构的节点效率及节点度降低(P<0.05)。结论应用静息态功能磁共振数据可反映ALS患者脑功能网络连接异常改变,左侧眶内额上回-缘上回功能连接值可作为一种客观影像学标记,用于对ALS的早期诊断及预后评估。 展开更多
关键词 肌萎缩侧索硬化症 静息态功能磁共振成像 图论 功能连接
在线阅读 下载PDF
基于增强CT图像和Swin Transformer网络的食管癌T分期智能诊断模型的构建与评估 被引量:6
15
作者 王润媛 陈星材 +7 位作者 吴蔚 姚洁 郭美 马晋峰 曹锡梅 粘永健 吴毅 崔慧林 《陆军军医大学学报》 CAS CSCD 北大核心 2023年第16期1770-1778,共9页
目的基于增强CT图像和Swin Transformer网络,拟构建食管癌T分期智能诊断模型。方法收集2018年1月至2022年4月在陆军军医大学第一附属医院和山西省肿瘤医院胸外科经病理证实为食管癌的150例患者的45000张术前增强CT图像。经过UperNet Swi... 目的基于增强CT图像和Swin Transformer网络,拟构建食管癌T分期智能诊断模型。方法收集2018年1月至2022年4月在陆军军医大学第一附属医院和山西省肿瘤医院胸外科经病理证实为食管癌的150例患者的45000张术前增强CT图像。经过UperNet Swin网络自动分割和肿瘤体积的计算,使用ResNet50、Swin Transformer和VIT 3个网络进行食管癌T分期智能诊断模型的构建。使用精准率、召回率、F1-score、特异度以及阴性预测值(negative predictive value,NPV)等指标在150例内部数据集上评价模型性能,描绘混淆矩阵和ROC曲线。结果在3个食管癌T分期诊断的模型中,Swin Transformer模型结合肿瘤体积、病理信息等特征的分期诊断效果最好,T1~T4期的精准率分别为1.00、0.67、0.83、1.00,AUC为0.861,优于ResNet50和VIT分期诊断模型,它们的精准率分别为0.13、0.27、0.59、0.81和0.03、0.14、0.56、0.75,AUC分别是0.611和0.542。结论与ResNet50和VIT网络比较,Swin Transformer网络能够更精准进行食管癌智能T分期诊断。 展开更多
关键词 深度学习 食管癌 增强CT Swin Transformer T分期诊断
在线阅读 下载PDF
基于Vgg16-Unet模型的MRI图像下前列腺分区智能分割研究 被引量:5
16
作者 呼延若曦 吴哲 +5 位作者 许杉杉 崔慧林 曹锡梅 马晋锋 吴毅 顾玮 《陆军军医大学学报》 CAS CSCD 北大核心 2023年第13期1441-1449,共9页
目的基于前列腺核磁共振图像(MRI),构建深度学习智能分割模型,展开MRI图像下前列腺分区的智能分割研究。方法收集山西省肿瘤医院2018年1月至2020年10月33例经MRI扫描的前列腺癌患者T2WI本地数据,包括T1期6例,T2期15例,T3期9例,T4期3例... 目的基于前列腺核磁共振图像(MRI),构建深度学习智能分割模型,展开MRI图像下前列腺分区的智能分割研究。方法收集山西省肿瘤医院2018年1月至2020年10月33例经MRI扫描的前列腺癌患者T2WI本地数据,包括T1期6例,T2期15例,T3期9例,T4期3例。选取荷兰奈梅亨拉德堡德大学医学中心提供的前列腺MRI公开数据集中前列腺癌患者的T2WI序列数据,共379例数据,所有数据按照7∶1∶2的比例随机划分为训练集265例、验证集38例和测试集76例。在Unet模型基础上以Vgg16模型为编码器,使用多层卷积层的同时利用迁移学习策略,构建Vgg16-Unet模型,以医师手工勾画和标注的前列腺分区(前纤维基质带、中央带、外周带、移形带)为金标准,在测试集上,采用Dice相似系数(Dice similarity coefficient,DSC)、95%豪斯多夫距离(95%Hausdorff surface Distance,HD95)评估模型对前列腺分区的分割精度。结果模型在测试集上对前纤维基质带、中央带、外周带、移形带实现了较为准确的分割,其平均DSC分别为56.95%、47.28%、80.78%、90.63%,平均HD95分别为20.84、20.02、15.39、11.20 mm。模型智能分割与手工标注测量的体积一致性较好,其差值均位于95%一致性区间内。结论构建的Vgg16-Unet模型分割精度优于Unet、Unet++、ResUnet++3个Unet经典变种网络,能够显著提高前列腺癌MRI图像分割效率,减轻医师工作量。 展开更多
关键词 深度学习 前列腺肿瘤 智能分割 核磁共振成像
在线阅读 下载PDF
基于深度学习的MRI图像下前列腺癌T分期诊断研究 被引量:3
17
作者 许杉杉 呼延若曦 +6 位作者 吴哲 刘小兵 姚洁 崔慧林 马晋峰 吴毅 曹锡梅 《陆军军医大学学报》 CAS CSCD 北大核心 2023年第11期1229-1236,共8页
目的通过与Dense-Net、Res-Net和Vision-Transformer(ViT)网络比较,探讨Swin-Transformer(SwinT)网络在前列腺癌MRI图像T分期诊断中的优势。方法收集2018年4月至2022年1月期间山西省肿瘤医院和陆军军医大学第二附属医院共152例经病理活... 目的通过与Dense-Net、Res-Net和Vision-Transformer(ViT)网络比较,探讨Swin-Transformer(SwinT)网络在前列腺癌MRI图像T分期诊断中的优势。方法收集2018年4月至2022年1月期间山西省肿瘤医院和陆军军医大学第二附属医院共152例经病理活检证实的前列腺癌患者的MRI图像,包括T2WI和fT2WI两种序列共计3017幅。依据临床T分期报告,将患者图像分为2类:低中危组(T≤T2c)和高危组(T≥T3a),并将所有患者按照7∶1∶2的比例简单随机划分为训练集(n=107)、验证集(n=15)和测试集(n=30)用于训练智能T分期诊断模型。采用准确度、精确度、混淆矩阵、受试者工作特征曲线(ROC)以及ROC曲线下面积(AUC)等参数评估各网络的诊断效能。结果在低中危组和高危组的二分类中,Dense-Net、Res-Net、ViT以及SwinT网络模型训练集中精确率分别为0.587、0.410、0.600、0.680,以及AUC分别为0.630、0.477、0.648、0.708。SwinT网络模型热力图的注意力主要集中在前列腺区域,特征提取效果最好。结论相比Dense-Net、Res-Net及ViT网络,SwinT网络在前列腺癌MRI图像分类任务中取得了最优的预测性能,可用于前列腺癌T分期的智能诊断,提高诊疗效率。 展开更多
关键词 深度学习 前列腺癌 T分期诊断 分类 磁共振成像
在线阅读 下载PDF
基于XGBoost的COVID-19患者重症风险早期预测模型的建立与评价 被引量:9
18
作者 王铭 程振豪 +5 位作者 胡苗 唐铭成 徐福民 王莉 粘永健 刘凯军 《陆军军医大学学报》 CAS CSCD 北大核心 2022年第3期195-202,共8页
目的利用新型冠状病毒病(corona virus disease 2019,COVID-19)患者的临床特征数据构建XGBoost预测模型,并评价预测模型对COVID-19患者重症进展风险早期预测的效能。方法对2020年2月10日至4月5日火神山医院病案系统内经实验室确诊的COVI... 目的利用新型冠状病毒病(corona virus disease 2019,COVID-19)患者的临床特征数据构建XGBoost预测模型,并评价预测模型对COVID-19患者重症进展风险早期预测的效能。方法对2020年2月10日至4月5日火神山医院病案系统内经实验室确诊的COVID-19患者进行筛选,共收集347例有完整医疗信息和实验室检查结果的患者数据。首先筛选出21个具有显著性差异的指标作为训练模型的输入特征;对构建的XGBoost模型进行贝叶斯优化以调整参数,并基于特征重要性筛选出最优特征组合;进一步分析各特征数值大小对预测结果的正负影响,利用SHAP(SHapley Additive exPlanation)对各特征重要性进行量化和归因;对XGBoost预测模型进行性能评价,并将其与其他机器学习方法进行对比,讨论其优势所在。结果本研究选取21个重症组与非重症组差异显著的特征进行训练和验证。在K最邻近(k-nearest neighbor,KNN)模型中具有10个特征的最优子集获得了验证集中4个模型中曲线下面积(area under curve,AUC)值的最高值。年龄、脉率、白细胞计数、中性粒细胞计数、C-反应蛋白、总胆红素、肌酐、D-二聚体(D-Dimer)越高,疾病重症风险越高;淋巴细胞计数、白蛋白水平越低,疾病重症风险越高。XGBoost与支持向量机的预测性能优于其他机器学习方法(在测试集上AUC值分别为0.9420、0.9594),其中XGBoost训练速度明显更优。结论基于XGBoost成功建立了预测模型,以最优特征子集实现了对COVID-19患者重症进展风险的早期预测。 展开更多
关键词 COVID-19 重症风险 预测模型 XGBoost SHAP
在线阅读 下载PDF
L1/2正则化的逐次高光谱图像光谱解混 被引量:3
19
作者 汤毅 粘永健 +2 位作者 何密 王倩楠 许可 《红外与激光工程》 EI CSCD 北大核心 2019年第7期286-294,共9页
由于高光谱遥感图像的混合程度较高,使得传统的非负矩阵欠逼近(Nonnegative Matrix Underapproximation,NMU)算法所提取的基本成分仍然"不纯",且易受噪声影响。针对这些不足,提出了一种基于L1/2正则化的软阈值NMU逐次光谱解... 由于高光谱遥感图像的混合程度较高,使得传统的非负矩阵欠逼近(Nonnegative Matrix Underapproximation,NMU)算法所提取的基本成分仍然"不纯",且易受噪声影响。针对这些不足,提出了一种基于L1/2正则化的软阈值NMU逐次光谱解混算法。首先,通过引入丰度的L1/2正则项来增强算法的地物区分能力,进而提高所分离地物的纯度;其次,利用软阈值惩罚函数代替NMU中的残差非负约束,通过调节惩罚因子来控制非负元素的数量,从而提高算法的抗噪性能。在仿真数据和实测数据上的实验结果表明,即使在有噪声的条件下,该算法也能得到较好的分离结果。 展开更多
关键词 高光谱遥感 光谱解混 非负矩阵欠逼近
在线阅读 下载PDF
二氯乙酸盐激活ROS-JNK通路增强索拉非尼对肝癌细胞增殖的抑制作用 被引量:1
20
作者 孙梁博 姚洁 +4 位作者 李涛 陈岺曦 闫小晶 何凤田 连继勤 《第三军医大学学报》 CAS CSCD 北大核心 2019年第17期1627-1634,共8页
目的探讨二氯乙酸盐(dichloroacetate,DCA)与索拉非尼(sorafenib)联合使用对肝癌细胞Hep3B增殖抑制的效果及可能机制。方法将Hep3B细胞分为对照组(DMSO)、DCA处理组(5 mmol/L)、索拉非尼处理组(10μmol/L)和联合组(5 mmol/L DCA联合10μ... 目的探讨二氯乙酸盐(dichloroacetate,DCA)与索拉非尼(sorafenib)联合使用对肝癌细胞Hep3B增殖抑制的效果及可能机制。方法将Hep3B细胞分为对照组(DMSO)、DCA处理组(5 mmol/L)、索拉非尼处理组(10μmol/L)和联合组(5 mmol/L DCA联合10μmol/L索拉非尼)4个组,处理24 h后,在显微镜下观察各组细胞形态;采用CCK-8检测细胞增殖,流式细胞仪检测细胞凋亡;通过Western blot检测凋亡相关蛋白PARP的表达和p-JNK的水平;采用活性氧(ROS)检测试剂盒检测细胞ROS的变化;用流式细胞仪检测加入抗氧化剂和阻断JNK通路后的细胞凋亡的变化。结果 DCA和索拉非尼联合处理24 h能够显著改变细胞形态,杀伤细胞。与对照组和单独用药组比较,联合组显著增强对肝癌Hep3B细胞的增殖抑制效果(P<0.05),明显增加Hep3B细胞中PARP的剪切与JNK的磷酸化水平,胞内ROS水平也明显升高;联合使用抗氧化剂NAC可显著抑制DCA和索拉非尼处理导致的JNK磷酸化水平升高和对Hep3B细胞的增殖抑制效果。结论 DCA和索拉非尼联合使用可显著抑制肝癌细胞Hep3B的增殖,其机制可能与激活ROS-JNK通路有关。 展开更多
关键词 二氯乙酸盐 索拉非尼 肝癌 细胞增殖 ROS-JNK通路
在线阅读 下载PDF
上一页 1 2 下一页 到第
使用帮助 返回顶部