简介:摘要目的研究和搭建人工智能深度学习网络,在两个公开的大脑MRI图像数据集上实现高准确率的MRI脑肿瘤的四分类。材料与方法提出一种多尺度残差网络的MRI脑肿瘤分类模型,实现脑肿瘤的四分类任务。模型包括多尺度输入、改进残差、下采样和双通道池化共四个模块。将Kaggle中正常人和Figshare中肿瘤患者的脑部MRI图像进行数据集组合,对提出的模型进行训练和性能评估,优化网络超参数,提高分类准确率。结果在352张MRI图像上测试模型,仅使用多尺度输入模块时,得到平均分类准确率为96.59%。添加下采样模块后,准确率达到98.58%。对比最大池化、均值池化和双通道池化,准确率分别为96.02%、97.16%、98.58%。多尺度残差网络对脑肿瘤具有很好的分类效果,对胶质瘤、脑膜瘤、垂体瘤和正常无肿瘤图像的分类准确率分别为99.14%、99.14%、99.42%和99.42%。结论MRI是一种典型的检查脑肿瘤的医学成像方法,但放射科专家手工对脑肿瘤进行准确分类极具主观性和不确定性。提出的多尺度残差网络能为脑肿瘤自动分类提供有效的方法,且该网络提高了MRI脑肿瘤分类的准确率,很好地解决了梯度消失问题,提升了模型的泛化能力。
简介:摘要:目的:在药品的生产过程中,压差是一个重要的参数,它可以反映设备内部的空气流动情况以及无菌环境的保持情况。为了确保药品的生产质量,需对产生波动的主要原因进行分析,并制定预防措施,保证生产环境的洁净程度。
简介:【摘要】 精神专科医院发展必须坚持和加强党的全面领导,健全现代医院管理制度。芜湖市第四人民医院充分发挥党建引领作用,将党建工作与业务工作有机融合,建设国家区域医疗中心,推动医院高质量发展,取得较好成效。
简介:摘要:目的:探讨收缩压(SBP)、舒张压(DBP)、脉压差(PP)及血压指数(BPI)与心房颤动发生之间的关系。方法:选取2023年5月—10月在苏州某体检中心的156例房颤患者及与其性别相同、年龄相近,且同时期在本体检中心体检的心电图正常人群156例作为对照组。收集一般临床资料,测量血压值,完善血常规、血生化检验,所有患者均进行心电图检查。结果:房颤组患者的舒张压、心率、血糖明显高于对照组(P<0.05),收缩压、PP、BPI、血小板、血小板压积、低密度脂蛋白胆固醇(LDL)明显低于对照组(P<0.05)。2组间年龄、性别差异均无 统计学意义。以是否患有房颤为因变量,SBP、DBP、PP、BPI、及其四分位数分段指标作为自变量纳入单因素二元Logistic回归分析。结果显示SBP、DBP、PP、BPI及PP与BPI的四分位数指标均为房颤发生的危险因素(P<0.05)。结论:收缩压下降、舒张压上升及脉压差降低、血压指数降低是房颤发生的危险因素