搜索结果: 1-14 共查到“知识库 临床医学 深度学习”相关记录14条 . 查询时间(0.309 秒)
深度学习系统可预测糖尿病视网膜病变发病进程
糖尿病 视网膜 微血管并发症
2024/3/1
糖尿病视网膜病变（DR）是糖尿病最常见的微血管并发症。该病初期症状隐匿，病情严重时可能导致永久性视力损伤甚至失明。由于不同患者病情进展存在较大差异，每位糖尿病患者患DR的风险和时间难以准确预测。如何高效精准诊断DR并评估其进展风险一直是一大难点。
上海中医药大学王拥军教授团队建立的基于深度学习的腰椎间盘退变自动量化评估新方法发表在Nature Communications（图）
王拥军教授 上海中医药大学 腰椎间盘 脊柱退行性疾病
2023/6/30
在全球范围内，腰痛作为一个重大的公共卫生问题，给个人和社会带来沉重的负担。腰椎间盘退变被认为是引发这些脊柱退行性疾病的重要因素。然而，因为缺乏自动测量的方法，临床及相关研究大都局限于定性分析水平，缺乏自动化定量测量分析方法。
深度学习可以有效提取图像隐含特征,在医学影像识别方面的应用快速发展.由于糖尿病视网膜病变(Diabetic retinopathy,DR)诊断标准明确、分类体系成熟,应用深度学习诊断糖尿病视网膜病变近年来成为研究热点.本文从深度学习方法在DR诊断中的最新研究进展、DR诊断的一般流程、公共数据集、医学影像标注方法、主要实现模型、面临的主要挑战几方面,对深度学习方法在糖尿病视网膜病变诊断中的应用进行了...
基于深度学习的儿童骨龄智能评估模型构建及初步临床验证
骨龄 深度学习 人工智能 中华05
2020/3/4
构建基于深度学习的儿童骨龄人工智能（AI）评估模型，并进行初步的临床验证。回顾性连续纳入2018年3月至8月无锡市儿童医院儿童骨龄DR片5 000例，按年龄段等比例采样原则训练集纳入2 351例，验证集101例。由4名放射学专家采用中华05RUS-CHN法，双盲评估关键骨骺发育等级，取专家骨龄评测的均值为参考金标准。采用深度学习方法训练并建立骨龄评估AI模型，另选2名儿童影像住院医师人工测评验证集...
基于深度学习的乳腺X线摄影钙化检出系统评估
乳腺X线摄影 可疑钙化 钙化检测 深度学习
2020/3/4
探讨基于深度学习的乳腺X线影像钙化检出系统的价值。回顾性分析2013年1月至12月解放军总医院第五医学中心南院区乳腺X线常规检查1 431例患者的5 488幅影像，每例检查均拍摄头尾位（CC）及内外斜位（MLO）图像。通过低年资医师A独立阅片、高年资医师B审核的方式，建立钙化检出的参考标准。采用χ2检验研究不同因素（钙化形态、钙化分布、分类、美国放射学院腺体构成分类、患者年龄）对于深度学习和医师A...
利用深度学习模型判断基线胸部平扫CT肺结节的良恶性
肺结节 深度学习 随访
2020/3/4
基于深度学习肺结节良恶性鉴别诊断模型，探讨基线胸部平扫CT对肺结节良恶性的鉴别诊断价值。回顾性连续纳入东部战区总医院2009年5月至2017年6月在胸部平扫CT上表现为肺结节且有病理证实的130例患者，共纳入136个结节，其中恶性结节86个，良性结节50个。所有患者至少有2次及以上随访胸部平扫CT检查，其中第1次检查为基线检查，病理前最后1次检查为最终检查。使用Dr.Wise Lung Analy...
评估使用常规肺CT扫描数据训练的肺结节良恶性判别深度学习模型，在肺结节靶扫描CT图像上的良恶性分类效能。回顾性分析上海市胸科医院2016年1月至2018年12月间胸部CT扫描发现肺结节并行手术切除的患者923例，共搜集有病理检测报告且在常规扫描和靶扫描数据集上可对应的结节969个。使用基于常规扫描CT数据训练的深度学习良恶性分类模型，对于本研究中搜集的常规扫描和靶扫描数据集进行评测，评估指标包含两...
基于深度学习的自发性脑出血CT影像分割算法精准计算病灶体积的应用探讨
深度学习 图像分割 脑出血
2020/3/4
探讨深度学习技术在自发性脑出血CT影像分割和精准计算出血病灶体积的效果。回顾性分析天津医科大学总医院2016年4月至2018年4月影像及临床诊断为自发性脑出血的1 223例患者资料。分为实质内出血、脑室出血、蛛网膜下腔出血和混合型出血4种类型。采用完全随机法将患者分为训练集905例、验证集156例、测试集162例，实质内出血分别为498、107和100例。由医师对出血区域进行轮廓勾勒标注，作为金标...
探讨基于手腕部影像传统关注区域深度学习特征的人工智能骨龄评估技术可行性及效果。选取11 858例本院0~18岁骨龄检测影像数据，随机分成训练集（80%）和验证集（20%），应用深度学习等方法构建基于传统关注的17个特征区域定位模型及骨龄回归模型；另选取本院近期1 229例骨龄影像作为测试集检测其效能。采用平均精度均值（mAP）及平均绝对误差（MAE）分别评价模型定位及骨龄预测的准确性。
开发一种能够自动分辨前列腺多序列MR图像的人工智能（AI）工具。回顾性分析2017年5月至2018年12月华中科技大学同济医学院附属同济医院前列腺多序列MR图像。前列腺多序列MR图像的分类由ResNet18卷积神经网络（CNN）模型来实现。运用深度残差网络提升训练精度和测试精度。所使用的数据集包括19 146张7个前列腺MR序列图像（横断面T1WI、横断面T2WI、冠状面T2WI、矢状面T2WI、...
基于深度学习的心血管疾病风险预测模型
心血管疾病 风险预测 电子病历 深度学习
2020/6/15
心血管疾病的准确预测对其预防工作有着重大的意义，本文提出一种基于电子病历数据挖掘的模型研究心血管疾病的风险预测。该模型利用循环神经网络等技术对患者的历史电子病历数据进行表征学习，不仅能有效捕获电子病历数据中的时序特征，而且其特征工程无需人工干预。此外，在循环神经网络上嵌入的关注机制从每个患者的数据学到了一个上下文向量，该向量能有效增强深度模型的拟合能力和可解释性。
基于深度学习的医学图像分割研究进展
医学图像分割 深度学习 卷积神经网络 综述
2020/6/12
医学图像分割是医学图像定量分析的关键步骤之一，因此病灶分割对临床诊断有重要意义。针对传统分割方法中存在的过多依赖医学领域的先验知识和人为评估错误等问题，提出了基于深度学习的病灶分割方法。本文总结了卷积神经网络算法应用于医学图像病灶分割的研究进展。首先，论述卷积神经网络的基本结构及其常用架构；其次介绍深度学习在医学图像病灶分割中的应用，其中包括肺结节的检测和分类，脑肿瘤分割和乳腺病灶的分割；最后，分...
基于深度学习的X线诊断乳腺癌研究进展
乳腺肿瘤 乳房X线摄影术 深度学习 卷积神经网络
2020/2/14
乳腺癌是女性最常见的恶性肿瘤之一。乳腺X线摄影是诊断乳腺癌的重要手段，对早期病灶检出具有重要价值。近年来，深度学习因其高效率、高精度等特点成为医学领域的研究热点。已有研究将深度学习应用于X线诊断乳腺癌领域，证实其可提高诊断准确率、降低漏诊率。本文对深度学习在X线诊断乳腺癌中的研究进展进行综述。