-
农村慢性病共病老年人再就业困境及优化路径
编辑人员丨2天前
目的:分析贵州省农村慢性病共病老年人再就业困境及影响因素,并提出优化路径.方法:于2023年1月—3月选取贵州省普定县、贞丰县、威宁县、大方县、三都县患有两种及以上慢性疾病的18名60岁以上再就业农村老年人为研究对象进行深度访谈,应用扎根理论研究法,通过开放编码、主轴编码、选择编码,运用NVIVO 11软件进行资料分析,并开展理论饱和度检验.结果:共纳入18名农村慢性病共病老年人,分析发现贵州省农村慢性病共病老年人具有强烈的再就业意愿,但面临不能利用信息化手段获取健康信息、健康行为不规范、再就业范围局限等困境,其影响因素为经济负担、心理因素、管理规范性、自然环境、年龄、学习能力等,其中年龄大和学习能力下降是无法获取健康信息和健康行为不规范的重要原因.结论:应从制度层面、社会层面、个人层面积极采取措施,优化农村慢性病共病老年人再就业路径.
...不再出现此类内容
编辑人员丨2天前
-
深度学习重建算法改善腹部门静脉期CT图像质量的应用价值
编辑人员丨2天前
目的:探究深度学习重建算法(Deep learning image reconstruction,DLIR)、传统滤波反投影(Filered back-projec-tion,FBP)及自适应迭代重建算法(Adaptive statistical iterative reconstruction-veo,ASIR-V)对改善腹部门静脉期CT图像质量差异及临床获益.方法:前瞻性纳入45例行腹部增强CT扫描患者,其中包括18例肝硬化失代偿期患者,对门静脉期图像进行FBP、30%ASIR-V、80%ASIR-V及DLIR-H重建,并测量比较4组重建图像肝脏、脾脏、脾静脉、门静脉及左右支CT值、噪声、信噪比(Signal-to-noise ratio,SNR)及对比信噪比(Contrast-to-noise ratio,CNR);比较各重建算法图像主观评价,包括18例肝硬化失代偿期患者交通支血管.结果:4组重建算法图像CT值无统计学差异(P>0.05),噪声、SNR、CNR均有统计学差异,两两比较 FBP 与 30%ASIR-V,80%ASIR-V 与 DLIR-H 在 CNR、SNR 值中无统计学差异(校正 P<0.008),80%ASIR-V 与 DLIR-H算法在SD值无统计学差异(校正P<0.008),余均有统计学差异.主观评价DLIR图像整体质量、对比度、失真伪影与其他各组有显著性差异(校正P<0.008),仅图像噪声与80%ASIR-V无显著性差异(校正P≥0.008).DLIR交通支血管轮廓、清晰度与各组有显著性差异(校正P<0.008),噪声与80%ASIR-V无显著性差异(校正P≥0.008).结论:DLIR算法降低腹部CT图像噪声,改善图像质量具有优势,尤其是肝硬化失代偿期微小血管结构,该重建算法可能为患者的精准诊断、风险评估提供更多信息.
...不再出现此类内容
编辑人员丨2天前
-
基于层级和全局特征结合的蛋白质序列EC编号预测
编辑人员丨2天前
酶功能的识别对理解生命活动的机制、推进生命科学的发展有重要作用.然而现有的酶EC编号预测方法,并未充分利用蛋白质序列信息,在识别精度上仍有所不足.针对上述问题,本研究提出一种基于层级特征和全局特征的 EC 编号预测网络(EC number prediction network using hierarchical features and global features,ECPN-HFGF).该方法首先通过残差网络提取蛋白质序列通用特征,并通过层级特征提取模块和全局特征提取模块进一步提取蛋白质序列的层级特征和全局特征,之后结合两种特征信息的预测结果,采用多任务学习框架,实现酶EC编号的精确预测.计算实验结果表明,ECPN-HFGF方法在蛋白质序列EC编号预测任务上性能最佳,宏观F1值和微观F1值分别达到95.5%和99.0%.ECPN-HFGF方法能有效结合蛋白质序列的层级特征和全局特征,快速准确预测蛋白质序列EC编号,比当前常用方法预测精确度更高,能够为酶学研究和酶工程应用的发展提供一种高效的思路和方法.
...不再出现此类内容
编辑人员丨2天前
-
基于YOLO神经网络和迁移学习的结直肠息肉内镜图像分割
编辑人员丨2天前
目的 基于YOLOv8神经网络开发针对结直肠息肉内镜图像的语义分割模型.方法 收集2018年6月至2024年2月期间的结直肠息肉内镜数据,包括静态图像和视频.所有样本均经过病理学验证,分为锯齿状病变和腺瘤性息肉两类.使用LabelMe工具进行了图像的多边形标注,并转换为YOLO模型兼容的格式.利用这些数据,进行了不同规模的YOLO神经网络模型的迁移学习和微调训练.模型的性能在验证集和测试集上进行了评估,包括精确率(Precision)、检测速度、准确率(ACC)、平均交并比(mIoU)等指标.结果 本研究开发了 5种不同版本大小的YOLOv8语义分割模型,包括v8n、v8s、v8m、v8l、v8x.其中YOLOv8l在速度(107.5帧/s)和精确率(94.50%)达到了最佳平衡,在内部验证集中YOLOv8l的准确率达0.924,mIoU达83.06%,Dice系数达0.941.在外部测试集中,准确率为0.902,mIoU为80.08%,Dice系数为0.923.结论 基于YOLOv8l构建的结直肠息肉语义分割模型具有良好地预测性能,能够自动对息肉进行定位和分类,并精确描述息肉的像素级轮廓.
...不再出现此类内容
编辑人员丨2天前
-
胃早癌超级微创非全层切除术中组织夹-牙线可变角度牵引法的应用
编辑人员丨2天前
目的:牵引方法可加快胃早期肿瘤超级微创非全层切除的速度,缩短术者的学习曲线,探讨采用组织夹-牙线可变角度牵引法作为胃肠早期肿瘤经内镜非全层切除过程中的牵引方法。方法:采用回顾性研究的方法,纳入2022年1月至2023年6月于解放军总manbet官网登录 第一医学中心开展的早期胃癌行超级微创病灶非全层切除术的18例患者,采用同级别专家进行操作,分为牵引组和非牵引组各9例,分别记录其黏膜下剥离时间(SDT)、黏膜下剥离速度(SDS)、术中固有肌层暴露、固有肌层缺损度分级(MPD)、术中出血量、整块切除、治愈性切除、手术费用及手术器械使用情况。结果:9例采用可变角度牵引法,9例未采用牵引法。两组整块切除率和治愈性切除率均为100%。牵引组SDT为28.00(21.00,34.00) min,非牵引组为56.00(40.00,85.00) min,差异有统计学意义( P<0.05);牵引组SDS为(0.58 ± 0.21) cm 2/min,非牵引组为(0.23 ± 0.10) cm 2/min,差异有统计学意义( P<0.05)。牵引组固有肌层暴露8例,非牵引组6例;牵引组术中固有肌层损伤MPD-0级8例,MPD-Ft级1例;非牵引组MPD-0级4例,MPD-Pt级1例,MPD-Ft级4例。两组术中出血量、住院费用、手术费用和住院时间比较差异均无统计学意义( P>0.05)。两组无严重不良事件发生。 结论:可变角度牵拉法加快了胃早癌非全层切除的SDT和SDS,固有肌层与黏膜层充分分离,剥离深度更深,固有肌层损伤率低,术中出血量少,未增加医疗费用,该方法可以成为超级微创手术的辅助治疗技术。
...不再出现此类内容
编辑人员丨2天前
-
基于计算机深度学习经皮椎板间脊柱内镜手术视野的多元素识别网络模型的研究
编辑人员丨2天前
目的:探讨基于计算机深度学习经皮椎板间脊柱内镜下手术视野的多元素识别网络模型的研究及应用价值。方法:回顾性队列研究。纳入2021年9月—2022年3月徐州中心manbet官网登录 脊柱外科行经皮椎板间脊柱内镜下腰椎间盘切除术的腰椎间盘突出患者62例,其中男34例、女28例,年龄27~77(50.0±14.7)岁。收集患者内镜手术视频,选取4 840张经皮脊柱内镜手术视野图片(包含各种组织结构及手术器械)建立图片数据集,按照2∶1∶2分为训练集、验证集和测试集,开发8种基于实例分割的卷积神经网络模型(模型的分割头部分别为Solov2、CondInst、Mask R-CNN及Yolact,主干网络分别设置为ResNet101、ResNet50)。采用边框检测、轮廓分割的均值平均精度(mAP)及图像实时识别的每秒帧数(FPS)来衡量各模型对(神经、黄韧带、髓核等)解剖结构,以及(内镜钳、高速金刚石磨钻等)手术器械的分类、定位及图像实时识别的性能。结果:(1)8种卷积神经网络模型在图像边界框检测的精度方面由高到低依次为Mask R-CNN(ResNet101)、CondInst(ResNet101)、CondInst(ResNet50)、Mask R-CNN(ResNet50)、Yolact(ResNet101)、Yolact(ResNet50),其中,Mask R-CNN(ResNet101)模型精度最高(mAP=68.7%),Yolact(ResNet50)精度最低(mAP=49.7%)。(2)8种卷积神经网络模型在图像轮廓分割的精度方面由高到低依次Solov2(ResNet101)、Solov2(ResNet50)、Mask R-CNN(ResNet101)、CondInst(ResNet101)、Mask R-CNN(ResNet50)、CondInst(ResNet50)、Yolact(ResNet101)、Yolact(ResNet50)。其中,Solov2(ResNet101)精度最高(mAP=70.1%),Yolact(ResNet50)精度最低(mAP=55.2%)。(3)在图像实时识别方面,Yolact模型速度最快,其次为Solov2模型、Mask R-CNN模型,CondInst(ResNet101)速度最慢。结论:基于计算机深度学习的经皮椎板间脊柱内镜手术视野多元素识别模型可以实时识别和跟踪解剖组织及手术器械。其中,Mask R-CNN(ResNet101)模型可用作脊柱内镜操作虚拟教育工具,Solov2(ResNet101)模型可应用于脊柱内镜术中实时辅助系统。
...不再出现此类内容
编辑人员丨2天前
-
脑电分析技术在临床麻醉中的应用
编辑人员丨2天前
脑电图(electroencephalogram, EEG)是一种无创脑部活动测量技术,能够一定程度反映脑的功能状态,目前已被广泛应用于临床麻醉深度监测。由于脑电量化指标在麻醉监测中存在缺陷,原始EEG的研究已重新成为热点。近年来,基于EEG的临床麻醉监测研究进展迅速,寻找更准确、更全面、更方便快捷的脑电活动评价方法是人们努力的方向。文章通过介绍脑电图谱分析(频谱分析、时频分析)、功能连接分析以及人工智能(机器学习等)分析方法的原理与特点,探究麻醉过程中的大脑状态变化,并强调脑电分析技术对临床麻醉监测的意义,对脑电分析技术及其在临床麻醉深度监测中的应用进行综述。
...不再出现此类内容
编辑人员丨2天前
-
基于深度学习的CT图像重建算法临床初步应用进展
编辑人员丨2天前
近年来,CT图像算法中基于深度学习的图像重建(DLIR)技术不断发展,日益成熟,目前已经逐步应用于临床实践中。DLIR算法较常规迭代重建算法具有在降低辐射剂量和图像噪声的同时不改变图像纹理,保持或提高解剖细节显示能力、总体图像质量和医生诊断信心的众多优势。因此,笔者重点就DLIR算法的原理、优劣势及其在人体各系统的临床应用进展进行综述,旨在进一步提高对DLIR算法的认识,并对其可能的应用情景提供借鉴。
...不再出现此类内容
编辑人员丨2天前
-
基于深度学习宫颈癌靶区自动分割勾画临床研究
编辑人员丨2天前
目的:验证基于深度学习的宫颈癌靶区自动分割勾画临床适用性。方法:选取535例宫颈癌CT影像,参照RTOG及JCOG标准勾画宫颈癌临床靶区(CTV),经专家审查后作为参考勾画,用于自动分割勾画训练和测试。另从测试组中随机挑选根治4例及术后6例,分别由初、中、高级ManBetX万博官网地址下载 手动勾画CTV。统计Dice系数(DSC)、平均表面距离(MSD)和豪斯多夫距离(HD)用于自动分割勾画测试,以及比较ManBetX万博官网地址下载 手动勾画和自动勾画相对于参考勾画的准确性。同时,分别记录算法和手动勾画耗时。结果:数据经VB-Net网络训练得到根治CTV 1(dCTV 1)、dCTV 2、术后CTV 1(pCTV 1)自动分割模型,自动勾画结果与参考勾画具有较好的一致性(DSC:0.88、0.70、0.86;MSD:1.32、2.42、1.15 mm;HD:21.6、22.4、20.8 mm)。dCTV 1算法与三组ManBetX万博官网地址下载 勾画相近( P>0.05);dCTV 2及pCTV 1算法均优于初中级ManBetX万博官网地址下载 勾画( P<0.05),自动分割勾画耗时较手动勾画显著缩短。 结论:基于深度学习的宫颈癌靶区自动分割勾画准确性与高级ManBetX万博官网地址下载 手动勾画相当,应用于临床中将有助于大幅提高工作效率,具有提高勾画一致性和准确性的潜能。
...不再出现此类内容
编辑人员丨2天前
-
人工智能辅助支气管哮喘黏液栓的识别
编辑人员丨2天前
气道黏液栓是支气管哮喘(简称哮喘)的重要临床特征,和疾病预后有关。临床上,胸部CT是评估气道黏液栓的首选工具。目前CT影像的解读依赖于人工阅片,但哮喘患者的气道黏液栓多分布于中小气道,肉眼难以识别,同时人工阅片过度依赖于医生的经验,效率低下。近年来,深度学习和大数据技术不断进展,将人工智能(AI)辅助阅片技术引入临床应用,显著提高了黏液栓识别的效率和准确性。当下AI辅助气道黏液栓识别在囊性纤维化、慢性阻塞性肺疾病和哮喘等呼吸道疾病中均有应用,在黏液栓识别方面的高准确性以及与人工阅片的高一致性也得到证实。因此将AI技术应用于哮喘患者黏液栓的识别十分有意义。
...不再出现此类内容
编辑人员丨2天前