检索结果-维普期刊中文期刊服务平台

基于DAEUnet和ConvNeXt网络的食管癌智能分割与分期诊断模型构建: 1; 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... 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 职称材料

体外心肺复苏救治心脏骤停患者的病例系列报道被引量：14: 2; 作者张现普叶茂亭 +4 位作者刘欣唐令凤陈娅廖云姝何萍《第三军医大学学报》 CAS CSCD 北大核心 2019年第1期7-12,共6页; 目的描述性总结体外心肺复苏(extracorporeal cardiopulmonary resuscitation,ECPR)救治心脏骤停患者的预后及实践经验。方法观察2012年1月至2017年12月陆军军医大学第一附属医院体外膜肺氧合(extracorporeal membrane oxygenation,ECMO... 展开更多; 关键词体外心肺复苏心脏骤停体外膜肺氧合常规心肺复苏; 在线阅读下载PDF 职称材料

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: 3; 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... 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 职称材料

危重患者在体外膜肺氧合支持下院间转运的病例系列报道被引量：9: 4; 作者张世新夏梅 +5 位作者吴蔚何萍唐令凤陈娅廖云姝陈巧《第三军医大学学报》 CAS CSCD 北大核心 2019年第1期13-18,共6页; 目的总结我院体外膜肺氧合(extracorporeal membrane oxygenation,ECMO)团队对10例外院危重患者实施ECMO支持下院间转运的临床结果和经验。方法收集2016年6月至2018年1月我院ECMO团队对10例外院危重患者实施ECMO支持下院间转运的临床资... 展开更多; 关键词体外膜肺氧合体外生命支持系统院间转运危重患者; 在线阅读下载PDF 职称材料

题名基于DAEUnet和ConvNeXt网络的食管癌智能分割与分期诊断模型构建: 1; 作者熊铃焰王润媛张方红杨有吴毅吴蔚武书磊; 机构重庆国家应用数学中心山西省肿瘤医院胸外科重庆师范大学计算机与信息科学学院陆军军医大学(第三军医大学)生物医学工程与影像医学系数字医学教研室陆军军医大学(第三军医大学)第一附属医院心外科; 出处《陆军军医大学学报》北大核心 2025年第10期1135-1144,共10页; 基金重庆市教委科学技术研究项目(KJZD202200504)。; 文摘目的基于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。; 关键词食管癌增强CT 智能分割 ConvNeXt T分期诊断; Keywords esophageal cancer enhanced CT intelligent segmentation ConvNeXt T-stage diagnosis; 分类号 R735.1 [医药卫生—肿瘤] R445 [医药卫生—影像医学与核医学] TP391.7 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名体外心肺复苏救治心脏骤停患者的病例系列报道被引量：14: 2; 作者张现普叶茂亭刘欣唐令凤陈娅廖云姝何萍; 机构陆军军医大学(第三军医大学)第一附属医院心外科; 出处《第三军医大学学报》 CAS CSCD 北大核心 2019年第1期7-12,共6页; 基金军事医学与战创伤救治临床新技术计划(SWH2016JSTSYB-51) 西南医院军事医学重大领域技术创新计划重点项目(SWH2017ZDCX2002)~~; 文摘目的描述性总结体外心肺复苏(extracorporeal cardiopulmonary resuscitation,ECPR)救治心脏骤停患者的预后及实践经验。方法观察2012年1月至2017年12月陆军军医大学第一附属医院体外膜肺氧合(extracorporeal membrane oxygenation,ECMO)团队救治的全院(胸心外科、急救部、心内科、麻醉科、重症医学科)ECPR患者的临床资料,对ECPR组成、团队配合、患者生存率及并发症等进行回顾性分析。结果 13例ECPR患者,年龄16～69岁,中位年龄44岁,其中男性8例。原发疾病包括急性心肌梗死、暴发性心肌炎、外科术后等。均采用股动静脉插管的V-A ECMO模式,从心脏骤停到ECMO建立运转时间26～83 min,中位时间46 min;ECMO支持时间为27～189 h,中位时间为111 h;ECMO撤机后到出院时间0～21 d,中位时间7 d。7例成功撤机,4例存活出院。13例患者中插管部位渗血3例(23. 08%),5例(38. 46%)急性肾功能衰竭,脑死亡1例(7. 69%),2例(15. 38%)肺部感染,1例(7. 69%)心包填塞,插管侧下肢出院轻度跛行1例(7. 69%),多器官功能衰竭3例(23. 08%)。无截肢、肢体缺血坏死并发症发生。结论熟练有效的ECMO和常规心肺复苏团队配合,尽量缩短从心脏骤停到ECMO转流的时间,是保证ECPR救治成功率的重要因素。; 关键词体外心肺复苏心脏骤停体外膜肺氧合常规心肺复苏; Keywords extracorporeal cardiopulmonary resuscitation cardiac arrest extracorporeal membrane oxygenation conventional cardiopulmonary resuscitation; 分类号 R541.78 [医药卫生—心血管疾病] R654.1 [医药卫生—外科学]; 在线阅读下载PDF 职称材料

题名基于增强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: 3; 作者王润媛陈星材吴蔚姚洁郭美马晋峰曹锡梅粘永健吴毅崔慧林; 机构山西医科大学基础医学院组织胚胎学教研室陆军军医大学(第三军医大学)生物医学工程与影像医学系数字医学教研室陆军军医大学(第三军医大学)第一附属医院胸外科陆军军医大学(第三军医大学)第一附属医院心外科山西省肿瘤医院普外科; 出处《陆军军医大学学报》 CAS CSCD 北大核心 2023年第16期1770-1778,共9页; 基金高校资助科技创新能力提升项目(2019XYY14) 国家自然科学基金面上项目(31971113) 重庆市英才项目(CQYC201905037)。; 文摘目的基于增强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。; 关键词深度学习食管癌增强CT Swin Transformer T分期诊断; Keywords deep learning esophageal carcinoma enhanced CT Swin transformer T staging of diagnosis; 分类号 R318 [医药卫生—生物医学工程] R730.44 [医药卫生—肿瘤] R735.1 [医药卫生—肿瘤]; 在线阅读下载PDF 职称材料

题名危重患者在体外膜肺氧合支持下院间转运的病例系列报道被引量：9: 4; 作者张世新夏梅吴蔚何萍唐令凤陈娅廖云姝陈巧; 机构陆军军医大学(第三军医大学)第一附属医院胸科陆军军医大学(第三军医大学)第一附属医院心外科; 出处《第三军医大学学报》 CAS CSCD 北大核心 2019年第1期13-18,共6页; 基金西南医院军事医学重大领域技术创新计划重点项目(SWH2017ZDCX2002)~~; 文摘目的总结我院体外膜肺氧合(extracorporeal membrane oxygenation,ECMO)团队对10例外院危重患者实施ECMO支持下院间转运的临床结果和经验。方法收集2016年6月至2018年1月我院ECMO团队对10例外院危重患者实施ECMO支持下院间转运的临床资料,对患者的转运距离、转运并发症及治疗结果进行总结。结果 10例ECMO患者的转运距离为3. 4～248. 0 km,平均72. 6 km。转运过程中1例静脉-静脉(V-V) ECMO患者静脉管道扭曲,影响ECMO流量;2例静脉-动脉(V-A)ECMO患者切口渗血。10例患者都安全到达我院。1例患者治愈出院;1例患者成功撤除ECMO,后因肺部感染、多器官功能衰竭死亡;1例患者死亡;2例患者家属最后放弃治疗,自动出院;另外5例供体均成功获取肝脏和(或)肾脏。结论在ECMO支持下院间转运危重患者可以安全地进行,并发症可控;相关人员应重视ECMO多学科团队建设并规范操作流程。; 关键词体外膜肺氧合体外生命支持系统院间转运危重患者; Keywords extracorporeal membrane oxygenation extracorporeal life support system inter-hospital transport critically ill patients; 分类号 R459.7 [医药卫生—急诊医学] R654.1 [医药卫生—外科学]; 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DAEUnet和ConvNeXt网络的食管癌智能分割与分期诊断模型构建	熊铃焰王润媛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	0	在线阅读下载PDF 职称材料
2	体外心肺复苏救治心脏骤停患者的病例系列报道	张现普叶茂亭刘欣唐令凤陈娅廖云姝何萍	《第三军医大学学报》 CAS CSCD 北大核心	2019	14	在线阅读下载PDF 职称材料
3	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	王润媛陈星材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	6	在线阅读下载PDF 职称材料
4	危重患者在体外膜肺氧合支持下院间转运的病例系列报道	张世新夏梅吴蔚何萍唐令凤陈娅廖云姝陈巧	《第三军医大学学报》 CAS CSCD 北大核心	2019	9	在线阅读下载PDF 职称材料