简介：摘要目的探讨MR灌注成像进行脑转移瘤(BMs)亚靶区分割的可行性，为BMs患者基于血流灌注异质性引导个体化放疗提供参考。方法选取96例BMs放疗患者，肿瘤内部有坏死组55例，无坏死组41例，每位患者放疗前行CT模拟定位及MR模拟定位。应用MIM Maestro6.8.8软件分别在强化T1WI图像和T2 Propeller图像中勾画大体肿瘤体积(GTV)及肿瘤坏死区(GTVN)，二者相减得肿瘤实性区(GTVS)。应用三维动脉自旋标记(3D-ASL)灌注成像的脑血流量图确定高灌注区(GTVH)与低灌注区(GTVL)。比较有、无坏死组亚靶区体积、占比及各亚靶区相关性。结果有、无坏死组GTV分别为19.56、7.34 cm3，GTV与坏死的ROC曲线AUC达0.749。有坏死组GTVN、GTVS、GTVH、GTVL占GTV比分别为20.47%、79.53%、33.03%、46.50%(P<0.05)，其中GTVS与GTV的r值达0.963，GTVL与GTV、GTVS的r值分别达0.849、0.840，高于GTVH与GTV、GTVS的r值0.683、0.764(均P<0.05)。无坏死组GTVH占GTV比高于有坏死组(58.95%∶33.03%，P<0.05)，GTVL占GTV比略低于有坏死组(41.05%∶46.50%，P>0.05)。GTVH与GTV的r值高于GTVL与GTV的(0.776∶0.574，P<0.05)。结论MR-3D-ASL可以定量分析BMs肿瘤靶区内异质性血流灌注，可用于指导亚靶区分割及肿瘤局部亚靶区剂量提升。

简介：摘要目的尝试构建1个基于深度学习的内镜超声检查(endoscopic ultrasonography，EUS)质量控制系统，并验证其价值。方法从武汉大学人民医院消化内镜中心数据库中，回顾性收集2016年12月—2019年12月间的269个EUS检查资料，分为：(1)用于训练模型的训练数据集A，包含205个检查，其中16 305张图像用于分类训练，1 953张图像用于分割训练；(2)用于评估模型性能的测试数据集B，包含44个检查，其中1 606张图像用于分类验证，480张图像用于分割验证；(3)用于内镜医师与模型进行比较的数据集C，包含20个检查，共150张图像。EUS专家(具有10年以上的EUS操作经验)甲和乙通过讨论对训练集A和测试集B、C的所有图像进行分类和标注，其结果用作金标准。EUS专家丙和高年资EUS医师(具有5年以上的EUS操作经验)丁、戊对数据集C中的图像进行分类和标注，其结果用于与深度学习模型进行比较。主要观察指标包括分类的准确率、分割的Dice(F1指数)和一致性分析的Kappa系数。结果在测试数据集B中，模型分类的平均准确率为94.1%，胰腺分割的平均Dice为0.826，血管分割的平均Dice为0.841。在数据集C中，模型的分类准确率达到90.0%，专家丙、高年资医师丁和戊分别为89.3%、88.7%和87.3%；模型的胰腺和血管分割Dice系数分别为0.740和0.859，专家丙分别为0.708和0.778，高年资医师丁分别为0.747和0.875，高年资医师戊分别为0.774和0.789，模型与专家的水平相当。一致性分析结果显示，模型与内镜医师之间达成了较好的一致性(Kappa系数分别为：模型与专家丙间0.823、模型与高年资医师丁间0.840、模型与高年资医师戊间0.799)。结论基于深度学习的EUS分站和胰腺分割识别系统可以用于胰腺EUS的质量控制，具有与EUS专家相当的分类和分割识别水平。

简介：

简介：立体定向低分割适形放射治疗是使用立体定向定位体架系统，建立体部外坐标系，行CT定位薄层扫描图像，运用wimrt系统将肿瘤的大小、形态、邻近脏器的结构进行三维图像的重建，制定治疗计划。治疗设备为西门子直线加速器，能量为15MVX线。其设备先进，具有疗效好，治疗过程无痛苦、无流血、疗程短，易被病人接受等优点。我们自1999年9月以来，运用立体定向低分割适形放射治疗肝癌病人52例，治疗效果良好，现将治疗及护理方面的有关经验体会介绍如下。

简介：摘要：目的：研究对脑转移瘤患者采取不同放疗分割方式对放疗后的影响。方法：于我院接受放疗治疗的脑转移瘤患者 48例，分为两组，对照组给予常规剂量分割方式，观察组给予低剂量分割方式，对比两组 S-100β蛋白水平和精神障碍情况。结果：经本文研究，观察组记忆力减退 1例（ 4.2%），计算能力减退 1例（ 4.2%），无意识下降、癫痫 0例（ 0%），合计 2例（ 8.3%）。观察组放疗 7d后血清 S-100β蛋白（ 1.46±0.48） μg/L，放疗 14d（ 1.62±0.56） μg/L。与对照组对比，差异显著（ P＜ 0.05）。结论：对脑转移瘤患者给予低剂量分割，可减少精神障碍的发生，患者 S-100β蛋白水平更低，对患者脑损伤更小，放疗安全性更高，临床放疗中应用更具优势，有助于患者生存期的延长。

简介：摘要目的将深度学习算法与商用计划系统整合，建立乳腺癌靶区和危及器官(OARs)自动分割平台并加以验证。方法入组在中国医学科学院肿瘤医院行保乳术后放疗的左、右乳腺癌患者各400例。基于深度残差卷积神经网络进行训练临床靶区(CTV)和OARs分割模型，建立端到端的基于深度学习的自动分割平台(DLAS)。使用42例左乳腺癌和40例右乳腺癌验证DLAS平台勾画的准确性。分别计算总体戴斯相似性系数(DSC)和平均豪斯多夫距离(AHD)。并计算相对层位置与每层DSC值(DSC_s)的关系，进行逐层分析。结果左/右乳腺癌全乳CTV平均总体DSC和AHD分别为0.87/0.88和9.38/8.71mm，左/右乳腺癌OARs平均总体DSC和AHD范围为0.86～0.97和0.89～9.38mm。对CTV和OARs进行逐层分析，达到0.90以上表示医生只需要较少修改甚至不用修改的层面，左右乳腺癌的CTV勾画占比约44.7%的层面，OARs自动勾画占比范围为50.9%～89.6%。对于DSC_s<0.7，在两侧边界区域(层位置0～0.2和0.8～1.0) CTV和除脊髓以外的感兴趣区域DSC_s值明显下降，且越靠近边缘降低程度越明显。脊髓采用全层勾画，未发现有特殊区域出现DSC_s明显下降。结论建立端到端的DLAS平台整合乳腺癌分割模型取得较好的自动分割效果。在头脚方向的两侧边界区域，勾画的一致性下降较明显，有待进一步提高。

简介：为了在超声波图像中提取颈动脉斑块边缘,我们提出了一种基于GVF-测地线模型的图像分割算法。由于超声波图像含有大量噪声,首先使用加权均值空间平滑滤波器对图像进行预处理;再人工画出初始轮廓,分别采用GVF-Snake模型、GVF-测地线模型和改进后的GVF-测地线模型对图像进行分割,比较其结果。实验结果表明,改进后的方法分割精度很高,能够在颈动脉斑块边缘提取中取得非常好的效果。

简介：对于二维灰度图像，基于灰度信息的图像信息熵分析法，由于没有考虑到图像的空间信息，存在着对图像信息描述不准确的问题。在进行图像分割时，若图像复杂到一定程度时，无法得到满意的效果。本文从空间信息和灰度信息出发，将图像的空间信息和灰度信息作为特征向量，对比较复杂的图像进行聚类分割，取得了满意的效果。经分析和实验验证，本文提出的基于空间信息和灰度信息的塔型模糊C－均值聚类（PFCM）图像分割方法与传统的非塔型聚类算法相比，具有收敛速度快，稳定性好等优点。同时，由于对初始聚类中心的合理初始化，消除了聚类分析中常见的死点问题。

简介：摘要目的用精准自动勾画女性肠道器官的Dense V-Network模型对宫颈癌患者进行训练并评估。方法将Dense Net与V-Net2个网络模型进行融合，形成一种用于三维CT图像自动分割的Dense V-Network算法。160例宫颈癌患者CT数据被随机分为训练集130例用于调整模型参数，测试集30例用于评估自动分割效果。采用戴斯相似性系数(DSC)等8个参数定量评估分割效果。结果小肠DSC、杰卡德距离、体积差异性系数、敏感性指数、包容性指数、豪斯多夫距离、轮廓平均差异、质心偏差分别为0.86±0.03、0.25±0.04、0.10±0.07、0.88±0.05、0.85±0.05、(2.98±0.61) cm、(2.40±0.45) mm、(4.13±1.74) mm，结果优于单一算法(均P<0.05)。结论Dense V-Network算法可较为准确地分割肠道器官，医生修改审查简单易行，可用于临床。

简介：为解决血液白细胞显微图像自动识别中的图像分割问题,提出了一种基于活动轮廓的彩色白细胞图像自动分割方法,首先在Hue,Saturation,Intensitv(HSI)彩色空间中运用聚类分割得到细胞核,从而得到细胞所在的位置,然后用流域算法得到细胞大致的轮廓,最后将此轮廓作为初始轮廓,用梯度矢量流(GVF)外力及来自全局信息的区域力驱动,结合彩色信息,使得轮廓收敛于真实的细胞边界.实验结果表明,此方法能精确、有效地分割出单个以及部分重叠白细胞区域.

简介：摘要

简介：目的探讨食管癌后程加速超分割照射剂量并观察长期疗效和并发症。方法480例食管癌病人随机分为6个组，每组80例，采用6MVX线外照射，常规分割放射治疗组（A组），1次，d，2．0Gy／次，5次／wk，总剂量68—70Gy：超分割放射治疗组（B、C、D、E、F组）在前2／3疗程常规放疗40Gy，后1，3疗程改用后程加速超分割照射，2次/d，每次分别为1．2Cy、1．3Gy、1．4Gy、1．5Gy、1．6Gy，间隔≥6h，5d／wk，总剂量68—70Gy。结果A、B、C、D、E、F组5a生存率分别为11．3％、16．3％、25．6％、30．0％、27．5％和26．3％（x^2=0．84、5．10、8．59、6．76、5．91）；局部控制率分别为30．0％、41．3％、45．0％、47．5％、53．8％和50．0％（x^2=2．21、3．84、5．16、9．27、6．67）。其急性放射性食管炎及气管炎的发生超分割组明显于常规组。结论后程加速超分割放疗提高了病人的长期生存率，单次剂量为1．3Gy-1．5Cy，总剂量为68—70Gy时急性反应病人能耐受，并未增加晚期并发症。

简介：摘要：本文研究了一种基于三维图割算法的肝脏分割方法，旨在解决肝脏CT图像分割的挑战。该方法首先利用三维图割算法对CT图像进行肝脏区域分割，通过定义能量函数和使用图割算法，将图像分割为肝脏和背景两个区域。然后，通过快速迭代的方式，对单张肝脏分割结果进行迭代，最终实现对整个肝脏的准确分割。该方法的关键创新点在于利用三维图割算法进行分割，这种算法能够考虑图像中的三维信息，提高分割的准确性和连续性。同时，通过快速迭代的方式，能够快速完成肝脏的分割，减少计算时间和资源消耗。该方法能够实现快速、准确且自动化的肝脏分割。与传统的分割方法相比，该方法具有更高的自动化程度和分割准确性。通过获取完整的肝脏图像信息，该方法为后续的重建和医学诊断提供了有力的辅助。

简介：摘要 目的 分析大分割放射治疗恶性肿瘤骨转移所致癌性疼痛的效果。方法 随机选取48例我院收治的恶性肿瘤骨转移患者为研究对象，根据治疗方式的不同将其分成两组，观察组行大分割放射治疗，参照组行常规药物止痛，每组各24例患者。于治疗前后比较两组患者疼痛评分和治疗后的疼痛开始缓解时间。结果 与治疗前相比，两组患者的疼痛评分均有显著降低，但治疗后的组间差异无统计学意义（p>0.05）。观察组患者疼痛开始缓解时间短于参照组，组间差异具有统计学意义（p

简介：【摘要】随着数字化和智能化的飞速发展，医疗行业也在不断变革和创新。智能医疗作为医疗行业数字化转型的一部分，正在深度渗透到各个领域，改变着居民的生活方式和医疗药物管理方式。本文将从医疗药物存放监管系统设计的重要性、系统结构总体设计、系统功能与实现等方面进行探讨，以期提升医疗药物存放监管的决策能力。

简介：摘要：本论文公开了一种糖尿病患者足部疼痛理疗康复设备，包括水箱和放置箱，放置箱的底部贯穿水箱并延伸至水箱的内部，放置箱的外表面与水箱的内壁固定连接，水箱的右侧固定连接有电机，电机的输出轴固定连接有主轴，主轴的左端贯穿水箱并延伸至水箱的内部，主轴的左端固定连接有锥齿轮I，放置箱的底部设置有副轴，本论文涉及康复器械技术领域。该糖尿病患者足部疼痛理疗康复设备，便于橡胶套左右运动，可将橡胶套放置在脚趾间，配合凸起I，可实现对脚趾进行按摩，按摩效果较好，便于患者康复，使用局限性较小，便于加热水，通过热气对患者脚步进行熏疗，配合凸起II对患者脚底进行按摩。

简介：在进行试验研究之前，需要根据研究目的制定一个完善的计划或方案，即试验设计。这样，不但可指导试验的顺利，而且有助于试验并确保以较少的人力、物力、财力和时间得到准确可靠的结果。其核心内容为试验设计的三要素、四原则和设计类型。本期我们将重点阐述试验设计中的三要素。

简介：摘要无论医学研究本身的样本量大小与变量多少，规范、科学地呈现统计结果对于正确解读研究结果都至关重要。一般情况下，一篇医学研究论文会围绕一个核心研究问题呈现统计分析结果。在采用图表呈现统计分析结果时，图表之间应体现严密的内在逻辑关系，并不是图表越多越好。本文根据研究设计类型阐述了相应统计分析流程，并介绍了常用统计分析方法的选择及可参考的统计报告规范。本文就医学研究统计分析框架及常用统计方法进行归纳举例，以帮助研究者合理分析数据，提高医学研究的科学性与可靠性。

简介：摘要目的探讨难以行常规分割放疗的局部晚期/晚期非小细胞肺癌(NSCLC)患者，45 Gy分15次大分割放疗的近期疗效和不良反应。方法回顾性分析2014—2018年间天津医科大学肿瘤医院64例无法手术的局部晚期/晚期NSCLC患者。使用Pinnacle 9计划系统设计计划，并采用调强放疗或容积旋转调强放疗行胸部大分割放疗(45 Gy分15次)。探讨其近期疗效、生存率和不良反应。结果中位随访时间为26个月。在可评价的58例患者中2例(3%)完全缓解，22例(38%)部分缓解，28例(44%)疾病稳定，6例(9%)疾病进展，局部控制率为90%。中位复发时间、总生存期分别为8.2、21.0个月，1、2、3年复发率分别为37%、28%、14%，总生存率分别为66%、43%、27%。放疗期间11例(17%)急性食管炎，12例(19%)急性肺炎，13例(20%)骨髓抑制，未发现≥3级食管炎和肺炎。结论45 Gy分15次大分割放疗在局部晚期/晚期NSCLC中安全有效，不良反应可控。

简介：图像分割的一个重要应用领域是医学图像的分割.我们针对医学图像的模糊特点和实际应用的要求,结合模糊连接度阈值分割和模糊C均值聚类两种分割方法的优点,提出一种新的交互式医学图像分割方法.首先计算整幅图像的模糊连接度,通过闽值分割提取出感兴趣的对象,并将模糊连接度作为图像的冗余特征;然后在由冗余特征和原图像特征构成的二维聚类空间中,利用模糊C-均值聚类方法优化上一步骤的分割结果,提高分割准确度.我们以CT和MR图像为实验对象进行了验证,实验结果表明这是一个有效的方法.