简介：[摘要]目的：查究基于深度学习的肺炎病灶分割算法在新冠肺炎中的应用效果。方法：抽选肺炎CT影像与分割病灶模型36例，肺炎CT影像测试模型6例，CT影像测试分类模型28例，非肺炎/肺炎CT影像训练模型108例，基于深度学习，对新冠肺炎疑似患者14例的CT影像进行病灶分割分析，并进行对比分析。结果：基于深度学习的肺炎病灶分割在新冠肺炎中的应用，病灶分切部位的特异性是97.2%，灵敏度是95%，新冠肺炎阳性患者的病灶密度、受累肺叶数量均与阴性患者间的数据差异性较大，在统计学方面存在意义（P＜0.05）。结论：致。

简介：[摘要]目的：查究基于深度学习的肺炎病灶分割算法在新冠肺炎中的应用效果。方法：抽选肺炎CT影像与分割病灶模型36例，肺炎CT影像测试模型6例，CT影像测试分类模型28例，非肺炎/肺炎CT影像训练模型108例，基于深度学习，对新冠肺炎疑似患者14例的CT影像进行病灶分割分析，并进行对比分析。结果：基于深度学习的肺炎病灶分割在新冠肺炎中的应用，病灶分切部位的特异性是97.2%，灵敏度是95%，新冠肺炎阳性患者的病灶密度、受累肺叶数量均与阴性患者间的数据差异性较大，在统计学方面存在意义（P＜0.05）。结论：致。

简介：摘要：本研究聚焦于CT图像处理算法在肿瘤检测与定位中的应用。通过系统性的文献回顾和实验研究，我们探讨了不同的CT图像处理算法在肿瘤诊断中的效果及应用前景。研究发现，基于深度学习的算法在提高检测准确性和定位精度方面具有显著优势。这一研究旨在为医学影像领域提供先进的图像处理方法，推动肿瘤检测技术的进步。

简介：摘要目的探究银杏叶注射液对甲状腺癌术后伴甲减患者血清NF-κBp65及甲状腺功能影响。方法选取我院肿瘤科甲状腺癌患者76例，采用随机数字法将患者分为干预组和对照组。两组患者均已完成甲状腺手术，术后实施葡萄糖注射液配合葡萄糖酸钙注射液注射，治疗组患者在以上基础上行银杏叶注射液治疗。对比患者治疗前后血清NF-κBp65、甲状腺功能进行分析。结果治疗后两组NF-κBp65水平明显下降（P＜0.05），iPTH水平下降（P＜0.05）；与对照组相比，治疗组NF-κBp65水平较低（P＜0.05），PTH水平较高。结论银杏叶注射液可以有效缓解甲状腺癌术后伴甲减症状。

简介：本文采用细胞计数和中性红摄取法观察了BP－7，8－diol对XEM2（稳定表达了大鼠肝细胞色素4501Al）和V79（未表达P4501A1）细胞生长的作用，目的为建立体外细胞毒模型，结果表明，在1.0、2.5、5.0μmol·L^-1不同浓度下，BP－7，8－diol对XEM2细胞产生很强的毒性，其毒性具有浓度和时间依赖性，在相同的浓度下BP－7，8－diol对V79细胞并没有影响，同时也发现，细胞色素P450酶抑制剂－αNF对BP－7，8－diol引起的细胞毒具有保护作用，这些结果说明，BP－7，8－diol对XEM2细胞毒性是通过细胞色素P4501A1的作用引起的。

简介：目的：探讨Friedewald公式的准确性及其在临床中的应用价值。方法：随机选297例不同浓度低密度脂蛋白胆固醇（LDL-C）患者．将其分为三组；TG〈4．52mmol／L者171例，2．25～4．51mmol／L者78例，TG〉4．52mmol／L者48例，比较自动分析测定法与应用Friedewald方法计算的结果。结果：当TG水平〈2．25mmol／L，2．25～4．51mmol／L时，测定法与计算法高度相关（r分别为0．97，0．89，P均〈0．01），当TG〉4．52mmol／L时，计算结果与测定的结果相比有比较显著差别，计算偏差接近15％，其r仅为0．78．P〈0．05。结论：按Friedewald公式计算血LDLC浓度在低TG浓度条件下有一定的临床应用价值。

简介：摘要目的探究深度学习算法（DLR）在胰腺低剂量CT扫描中改善图像质量的价值。方法前瞻性收集2020年8月至12月在北京协和医院进行腹部胰腺增强检查的68例患者，采用随机区组法分为正常剂量组和低剂量组，各34例，正常剂量组扫描管电压为120 kV，低剂量组管电压为100 kV。所有患者均行平扫、动脉期、实质期、延迟期扫描。低剂量组4期图像分别采用滤波反投影（FBP）、混合模型迭代算法（AIDR）和DLR 3种方法重建图像，正常剂量组4期图像均采用AIDR重建图像，分别记为LD-FBP、LD-AIDR、LD-DLR、RD-AIDR。测量胰腺的CT值、噪声值（SD），计算信噪比（SNR）、对比噪声比（CNR），不同重建方法图像间各参数的比较采用单因素方差分析，两两比较采用LSD法；对每组图像进行主观评分，多组间比较采用Kruskal-Wallis检验。结果正常剂量组和低剂量组患者胰腺平扫、动脉期、实质期、延迟期不同重建方法图像间胰腺CT值、SD、SNR、CNR差异均有统计学意义（P均<0.05）。实质期和延迟期图像LD-FBP、LD-AIDR、LD-DLR图像CT值均高于RD-AIDR图像（P均<0.05）；4期图像间SD、SNR两两比较差异均有统计学意义（P均<0.05）；4期LD-FBP、LD-DLR与RD-AIDR的CNR差异有统计学意义（P均<0.05），RD-AIDR的CNR优于LD-FBP，LD-DLR优于RD-AIDR。DLR算法对胰腺4期图像的SD、SNR、CNR均有改善，其中对SNR的改善增强图像更为显著，对CNR的改善平扫期和延迟期更为显著。胰腺4期不同算法重建图像主观评分差异均有统计学意义（P均<0.001）。LD-DLR与RD-AIDR评分差异无统计学意义（平扫、动脉期、实质期、延迟期Z值分别为1.00、2.24、0.45、1.34，P值分别为0.317、0.025、0.655、0.180）。结论DLR技术可以在降低胰腺CT辐射剂量的同时改善图像质量，满足诊断需求，在胰腺低剂量增强CT检查中可降低噪声，提高图像的信号SNR和CNR。

简介：摘要目的分析"直接分解"和"迭代分解"两种双能锥束CT(DECBCT)分解算法对于不同尺寸模体图像质量和物质分解精度的影响。方法利用CatPhan604模体和定制套环组合，模拟不同尺寸的患者成像部位，在Edge加速器锥形束CT(CBCT)系统上分别获取高能140 kVp和低能100 kVp的CBCT，并分别利用两种算法进行DECBCT的物质分解。分别计算了CTP682模块中各插件的电子密度(ED)和对比度噪声比(CNR)，用于评估两种算法的分解精度和输出图像质量。结果基于模体手册中提供的真值，两种算法的ED准确度均较高，其中仅最小尺寸模体的4种插件材料存在统计学差异(z＝-4.21、4.30、2.87、5.45，P<0.05)，但平均相对误差均<1%。迭代分解算法的CNR显著优于直接分解，相对提高比例为51.8%~703.47%。模体尺寸的增大会显著降低ED的精度，相对误差最大增幅为2.52%。大尺寸模体也会降低迭代分解的图像质量，CNR最大降幅达39.71。结论在不损失电子密度计算精度的前提下，相比于直接分解，迭代分解算法在不同尺寸模体的DECBCT构建中显著降低了图像噪声，提高了对比度。

简介：摘要目的为解决双着丝粒染色体人工分析费时费力的问题，探索人工智能技术，提出一种实现双着丝粒染色体自动识别的算法，从而实现快速高通量生物剂量估算。方法结合人工智能和图像处理技术，基于MATLAB软件，通过研究图像预处理、阈值分割、二值化处理、区域标识、卷积神经网络和双着丝点识别算法，定义模糊隶属度函数来描述每条染色体属于双着丝粒染色体的程度，设定判别阈值，实现双着丝粒染色体自动识别。结果通过对1 471张染色体图像进行算法检验，与人工识别相比，双着丝粒染色体细胞检出率达到了70.7%。结论本算法对双着丝粒染色体自动识别进行了初步研究，并达到了较好的效果。

简介：摘要目的用机器学习算法建立IgA肾病与非IgA肾病鉴别诊断模型。方法采用回顾性研究的方法，收集2019至2020年昆明医科大学第一附属医院、云南省第一人民医院和昆明市延安医院肾脏内科经肾脏病理确诊的患者共260例，其中原发性IgA肾病130例，非IgA肾病130例。收集包括性别和年龄等在内的28项临床资料和实验室常规检测结果，IgA肾病组与非IgA肾病组的男女构成比分别为59∶71和 64∶66，年龄分别为37.20（21.89，53.78）、43.30（27.77，59.18）岁。将260例患者随机地分为训练集（70%，182例）和测试集（30%，78例）。分别使用决策树、随机森林、支持向量机、极限梯度提升算法建立原发性IgA肾病与非IgA肾病的鉴别诊断模型。以真阳性率、真阴性率、假阳性率、假阴性率、准确率、受试者特征工作曲线下面积（AUC）、精确率、召回率和F1评分综合评估各模型的效能并选择性能最佳的模型。采用 SPSS 25.0对数据进行分析，P<0.05为差异有统计学意义。结果采用决策树、支持向量机、随机森林和极限梯度提升算法建立鉴别诊断模型的准确度分别为67.95%、70.51%、80.77%和83.33%；AUC值分别0.74、0.76、0.80和0.83；判断为原发性IgA肾病的F1评分分别为0.73、0.72、0.80和0.83。综合以上评价指标极限梯度提升算法模型的效能最高，该模型诊断为IgA肾病的敏感度、特异度分别为89%、79%，其变量重要性由高到低分别为血白蛋白、IgA/C3、血肌酐、年龄、尿总蛋白、尿白蛋比、高密度脂蛋白、尿素。结论成功建立IgA肾病与非IgA肾病的鉴别诊断模型。采用极限梯度提升算法建立的模型临床性能最佳。

简介：摘要目的探讨基于改进Demons算法的三维肺部医学影像配准。方法获取1例肺部疾病患者一个呼吸运动周期内十个时相的肺部CT影像资料，根据均方误差确定实验所需时相影像，最终确定第10时相为最大吸气相，第6时相作为最大呼气相，应用混合层次配准模型进行影像配准，以最大吸气相作为参考影像，以最大呼气相作为浮动影像，完成全局图像间非刚性配准，然后应用改进Demons算法进行局部优化配准，采用的算法策略为多分辨率策略，对比配准前后影像间的均方误差值。结果配准后全局影像间的均方误差值为10.7418，较配准前的21.9306明显降低，局部影像间的均方误差值为3.8935，较配准前的13.0452明显降低。结论基于改进Demons算法能够对三维肺部医学影像进行有效配准。

简介：

简介：摘要目的探讨机器学习算法在肝细胞癌微血管侵犯(MVI)术前预测中的应用价值。方法采用回顾性描述性研究方法。收集2015年5月至2018年12月福建医科大学孟超肝胆医院收治的277例肝细胞癌患者的临床病理资料；男235例，女42例；年龄为(56±10)岁，年龄范围为33～80岁。患者术前均行磁共振成像检查。227例肝细胞癌患者通过计算机产生随机数方法以7∶3比例分为训练集193例和验证集84例。应用逻辑回归列线图，支持向量机(SVM)、随机森林(RF)、人工神经网络(ANN)和轻量级梯度提升机(LightGBM)机器学习算法构建MVI术前预测模型。观察指标：(1)训练集及验证集患者临床病理资料分析。(2)影响训练集患者肿瘤MVI危险因素分析。(3)机器学习算法预测模型构建及其术前预测肿瘤MVI准确性比较。正态分布的计量资料以±s表示，组间比较采用配对t检验。计数资料以绝对数表示，组间比较采用χ2检验。单因素和多因素分析采用Logistic回归模型。结果(1)训练集及验证集患者临床病理资料分析：训练集和验证集患者性别(男，女)分别为157、36例和78、6例，两组比较，差异有统计学意义(χ2＝6.028，P<0.05)。(2)影响训练集患者肿瘤MVI危险因素分析：训练集193例患者中，MVI阳性108例，MVI阴性85例。单因素分析结果显示：年龄、肿瘤数目、肿瘤直径、卫星病灶、肿瘤边界、甲胎蛋白(AFP)、碱性磷酸酶(ALP)和纤维蛋白原水平是影响肿瘤MVI的相关因素(比值比＝0.971，2.449，1.368，4.050，2.956，4.083，2.532，1.996，95%可信区间为0.943～1.000，1.169～5.130，1.180～1.585，1.316～12.465，1.310～6.670，2.214～7.532，1.016～6.311，1.323～3.012，P<0.05)。多因素分析结果显示：AFP>20 μg/L、肿瘤多发、肿瘤直径越大、肿瘤边界不光滑是影响肿瘤MVI的独立危险因素(比值比＝3.680，3.100，1.438，3.628，95%可信区间为1.842～7.351，1.334～7.203，1.201～1.721，1.438～9.150, P<0.05)，而年龄越大，MVI发生风险越低(比值比＝0.958，95%可信区间为0.923～0.994，P<0.05)。(3)机器学习算法预测模型构建及其术前预测肿瘤MVI准确性比较：①应用多因素分析结果筛选指标，包括年龄、AFP、肿瘤数目、肿瘤直径、肿瘤边界，构建逻辑回归列线图，SVM、RF、ANN及LightGBM机器学习算法预测模型，一致性分析结果显示逻辑回归列线图预测模型稳定性较好。逻辑回归列线图、SVM、RF、ANN、LightGBM机器学习算法预测模型训练集和验证集曲线下面积(AUC)分别为0.812、0.794、0.807、0.814、0.810和0.784、0.793、0.783、0.803、0.815，SVM、RF、ANN、LightGBM机器学习算法AUC分别与逻辑回归列线图AUC比较，差异均无统计学意义[(95%可信区间为0.731～0.849，0.744～0.860，0.752～0.867，0.747～ 0.862，Z＝0.995，0.245，0.130，0.102，P>0.05)和(95%可信区间为0.690～0.873，0.679～0.865，0.702～0.882，0.715～ 0.891，Z＝0.325，0.026，0.744，0.803，P>0.05)]。②应用RF、LightGBM机器学习算法自行筛选临床病理因素指标构建预测模型。根据指标对预测模型重要度排序，选择重要度>0.01的指标，包括年龄、肿瘤直径、AFP、白细胞(WBC)、血小板、总胆红素、天冬氨酸氨基转移酶、γ－谷氨酰转移酶、ALP和纤维蛋白原，构建RF机器学习算法预测模型；挑选重要度>5.0的指标，包括年龄、肿瘤直径、AFP、WBC、ALP和纤维蛋白原，构建LightGBM机器学习算法预测模型；由于ANN及SVM机器学习算法不具备筛选指标能力，应用单因素分析结果筛选指标，包括年龄、肿瘤数目、肿瘤直径、卫星病灶、肿瘤边界、AFP、ALP和纤维蛋白原水平，构建SVM、ANN机器学习算法预测模型。SVM、RF、ANN、LightGBM机器学习算法预测模型训练集和验证集AUC分别为0.803、0.838、0.793、0.847和0.810、0.802、0.802、0.836，分别与逻辑回归列线图AUC比较，差异均无统计学意义[(95%可信区间为0.740～0.857，0.779～0.887，0.729～0.848，0.789～0.895，Z＝0.421，0.119，0.689，1.517，P>0.05)和(95%可信区间为0.710～0.888，0.700～0.881，0.701～0.881，0.740～0.908，Z＝0.856，0.458，0.532，1.306，P>0.05)]。结论机器学习算法可用于术前预测肝细胞癌MVI，但其应用价值尚需多中心大样本数据进一步验证。

简介：摘要目的探讨化疗常用药物的配制及换算方法。方法根据药物剂量、规格制定药物的统一配制标准，规范护理操作。讨论换算错误，剂量不足，则延误治疗；剂量过大，则引起药物中毒，造成机体组织器官损害甚至危及生命。结果正确的化疗常用药物配制及换算方法保证了实际用药的准确性，保证了疗效。结论该简易换算法提高了静配中心护士的换算速度，也提高了护理工作效率。

简介：基于三维直方图的最大类间方差阈值法（三维Otsu）考虑了邻域均值和中值信息，抗噪性能较好，可以获得理想的分割结果，然而其计算复杂度非常高，效率低下。萤火虫算法（FireflyAlgorithm，FA）是一种新型的启发式算法。本文在介绍萤火虫算法基本原理的基础上，提出一种基于莱维飞行的分簇萤火虫算法（CBLFA），并用于改进三维Otsu阈值法的效率。实验结果表明该方法可以快速获得适合的闽值，适应度函数值总体上优于基本萤火虫算法和基本粒子群算法，是一种鲁棒性更强的三维Otsu阈值分割法。

简介：摘要目的比较18F-脱氧葡萄糖(FDG)PET/CT的4种重建算法对肺结节标准摄取值(SUV)的影响。方法回顾性收集2018年2月至2019年7月在山西医科大学第一医院行18F-FDG PET/CT检查的46例实性肺结节患者[男27例，女19例，中位年龄66(44～82)岁]的PET/CT图像，采用有序子集最大期望值迭代法(OSEM)、OSEM＋飞行时间(TOF)、OSEM＋TOF＋点扩散函数(PSF)及正则化算法(BSREM)进行图像重建(方法依次以G1～G4表示)，通过视觉和半定量方法分析肺结节及背景参数。根据肺窗所测结节直径，分为小结节(直径≤10 mm)和大结节(10 mm<直径≤30 mm)。行Kruskal-Wallis秩和检验及Bonferroni法分析不同算法间SUV的差异，行Spearman相关分析探讨SUV变化率(%ΔSUV)与结节直径的相关性，行受试者工作特征(ROC)曲线分析探讨SUV对肺结节良恶性的诊断效能。结果共114个结节，大结节55个，小结节59个。在视觉分析中，G4较G1～G3的小结节视觉检出率分别提高了55.93%(33/59)、44.07%(26/59)和20.34%(12/59)。在114个肺结节中，最大SUV(SUVmax)、平均SUV(SUVmean)在不同算法间比较差异有统计学意义(中位SUVmax ：2.65～5.29，中位SUVmean：2.05～2.99；H值：20.628和17.749，均P<0.001)，G4对G1的SUVmax(中位数分别为5.29和2.65)和SUVmean(中位数分别为2.99和2.05)有明显提升(均P<0.001)。%ΔSUVmax(中位数：4.45%～52.96%)、%ΔSUVmean(中位数：1.69%～47.56%)与结节直径呈负相关[9.75(6.20，16.58) mm；rs值：－0.371～－0.354、－0.371～－0.320，均P<0.001]。在59个小结节中，G4对G1的SUVmax(中位数分别为4.05和2.14)有明显提升(H＝18.327, P<0.001)，G4对G1和G3的SUVmean (中位数分别为2.31、1.26和1.53)有提升作用(H＝16.808，均P<0.05)。在55个大结节中，SUV在不同算法间的差异无统计学意义(H值：0.812～7.290，均P>0.05)。G1～G4的SUVmax诊断良恶性的最佳截断值分别为4.335、5.185、5.410、5.745，曲线下面积(AUC)分别为0.747、0.699、0.756和0.778，四者的SUVmean及SUVpeak最佳截断值对应的AUC也显示出类似趋势。结论在4种重建算法中，BSREM可明显提高图像质量和直径10 mm以下肺结节的SUVmax及SUVmean，其SUV良恶性诊断阈值应适当上调。

简介：目的研究多目标遗传算法（MOGA）在刺五加根提取工艺条件中的应用，并对其效果进行评价。方法利用Maflab2009a外挂SGALAB工具箱beta5008完成遗传算法的寻优；利用SPSS13．0软件进行统计分析。结果经过MOGA优化后，刺五加根及根茎中紫丁香苷、刺五加苷E的提取率的平均水平能达到0．104％、0．086％，提取工艺的最优提取条件为10倍的76％的乙醇、提取时间2．3h、提取次数3次。结论在保证多个目标都最优的前提下，MOGA搜索的Paret0非劣解比较理想，为刺五加根提取最优条件选择提供了合理的方法，可推广到其他药物的最优条件选择。

简介：数据挖掘（DataMining）是一个利用各种方法,从海量的有噪声的凌乱数据中,提取隐含和潜在的对决策有用的信息和模式的过程[1]。关联分析的目的是要寻找事物间的联系和规律,发现它们间的关联关系。数据挖掘中,关联分析的主要技术是关联规则,1993年由Agrawal等首次提出,有Apriori、GRI、Carma等经典算法。本研究应用Apriori算法探索慢性传染性疾病与用药之间关联关系，找出问题、分析、提出建议与对策，以供临床医师、药师参考。

简介：目的验证自适应噪声下旬子识别阈测试方法的可靠性，获得自适应噪声下语句识别阈算法的正常青年男性参考值。方法21名正常听力男性青年（平均年龄21±1．56岁）接受测试。采用嘈杂语噪声下汉语短旬识别测听材料，使用自行编制的自适应算法经言语测昕软件进行噪声下旬子识别阈测试。受试者每人每耳各测试2表。使用维验将获得的平均识别阈SNR‰与所采用材料的整体识别阈SNR50进行比较。结果自适应方法测得噪声下平均句子识别阈SNR50a为（-5．75±0．92）dB。左右耳识别阈之间无统计学差异（P=0．0796）。正常青年男性95％医学参考值范围为（-7．55dB，-3．95dB）。使用自适应算法获得的噪声下旬子识别阈略高于正常听力人群中通过多强度测试获得的识别阈（P〈0．0001）。结论该自适应噪声下语句识别阈算法快速、可靠，为临床提供了一种评价噪声下言语识别能力的测听方法。

简介：【摘要】目的：分析老年人利用丙泊酚于依托咪酯联合诱导麻醉对并发症发生率、BP指标的价值。方法：选取2019年12月至2020年11月实施麻醉治疗的老年人66例，随机分为观察组(丙泊酚+依托咪酯)和对照组(丙泊酚)各33例，对比效果。结果：观察组自主呼吸恢复时间、诱导后插管前血压、拔管时间、心率水平、术后睁眼时间均低于对照组(P