检索历史 清除

【中文期刊】 耿介文 王思敏  等 《中国脑血管病杂志》 2024年21卷9期 577-586页 ISTICPKUCSCDCA

【摘要】 目的 基于卷积神经网络创建一种半自动的颅内囊状动脉瘤分割技术.方法 回顾性连续纳入2017年7月至2020年7月"中国颅内动脉瘤计划"数据库中首都医科大学宣武医院的单中心数据,所有数据在分析前均进行了匿名处理.收集所有患者的基线资料,包括

【关键词】 颅内囊性动脉瘤； 分割模型； 神经网络；

【中文期刊】 菅影超 王虹  等 《中国医学计算机成像杂志》 2024年30卷2期 259-266页 ISTICPKUCSCD

【摘要】 目的:通过CT图像层间插值的方法提高图像质量,从而保证放疗中患者摆位验证的精度.方法:采用基于深度卷积神经网络(DCNN)算法,利用图像层间的关联信息重建中间层图像.应用卷积层、膨胀卷积层、池化层和上采样层交织的端到端的神经网络对CT图像

【关键词】 摆位验证； 深度卷积神经网络； 生成对抗神经网络；

【中文期刊】 杨帆 段建峰  等 《保健医学研究与实践》 2024年21卷9期 56-61页 ISTIC

【摘要】 目的 比较经皮经肝胆管引流术(PTCD)、经内镜鼻胆管引流术(ENBD)治疗不同分型肝门部胆管癌(HCCA)所致黄疸的临床疗效,以期为临床治疗决策提供参考.方法 选取西安交通大学附属汉中市三二〇一医院2020年1月-2021年2月收治的

【关键词】 经皮经肝胆管引流术； 经内镜鼻胆管引流术； 肝门部胆管癌；

【中文期刊】 陈美宁 刘懿梅  等 《中国医学物理学杂志》 2024年41卷3期 265-272页 ISTICCSCD

【摘要】 目的:评估不同级别肿瘤中心医师对鼻咽癌调强放疗计划靶区和危及器官勾画的个体化差异,为多中心放疗临床试验的质量控制提供数据参考.方法:随机抽取12例不同TMN分期的鼻咽癌患者,3名同一市级肿瘤中心医师以手工方式勾画每例患者的靶区(GTVnx

【关键词】 鼻咽癌； 调强放射治疗； 器官勾画；

【中文期刊】 杨可璠 毛善平  《卒中与神经疾病》 2024年31卷1期 32-35页 ISTIC

【摘要】 目的 探讨无症状性颈动脉狭窄(Asymptomatic carotid artery stenosis,AC AS)患者在风险条件下的决策特点.方法 应用简易智能精神状态检查量表(Mini-mental state examination

【关键词】 无症状颈动脉狭窄； 风险决策； 认知功能；

【中文期刊】 曾志鹏 左国平  《现代肿瘤医学》 2024年32卷11期 2040-2045页 ISTICCA

【摘要】 目的:基于人工智能算法研究直肠壁的自动勾画以及自动勾画直肠壁效果分析.方法:搜集2020至2023年在浏阳市人民医院接受放疗的191名宫颈癌患者的CT数据,由两位经验丰富的妇科医生进行直肠壁勾画,导出dicom数据及RT结构,运用

【关键词】 人工智能算法； 自动勾画； 直肠壁；

【中文期刊】 郝逸航 黄美畅  等 《口腔疾病防治》 2023年31卷9期 641-646页 ISTIC

【摘要】 目的 研究人工智能应用于根尖周囊肿病理诊断的效果,初步探索人工智能在口腔病理学领域中的应用.方法 以87例根尖周囊肿的病理图像作为研究对象,构建U-net型结构的神经网络,将87幅根尖周囊肿的HE图像和标注图像分为训练集72幅图和测试集

【关键词】 根尖周囊肿； 病理诊断； 影像诊断；

【中文期刊】 菅影超 马善达  等 《中国医学计算机成像杂志》 2022年28卷6期 669-675页 ISTICPKUCSCD

【摘要】 目的:研究一种基于CT图像层间插值的方法,用于放射治疗过程中的患者摆位验证,从而提高放疗精度.方法:采用一种基于3D卷积和膨胀卷积神经网络(3D CNN-DCNN)算法,利用相邻图像层之间的关联信息重建中间层图像.采用U-Net网络架构,

【关键词】 摆位验证； 膨胀卷积神经网络； U-Net；

【中文期刊】 陈洪涛 高艳  等 《中国医学装备》 2022年19卷7期 17-21页 ISTIC

【摘要】 目的:在图像分割的深度学习算法Unet网络基础上建立双通道Unet(DUnet)深度学习结构模型,以提高前列腺器官图像自动分割的准确性.方法:选取100例受检者的前列腺核磁扫描图像,其中50例来自医院图像资料系统,50例来自国际医学图像

【关键词】 双通道Unet(DUnet)； 相干增强扩散； 边缘强化；

【中文期刊】 陈洪涛 郑芳  等 《中国医学物理学杂志》 2022年39卷6期 719-725页 ISTICCSCD

【摘要】 目的:通过图像边缘强化以及改进Unet深度学习网络结构提高前列腺自动分割的准确性.方法:随机选取我院50例检查者前列腺核磁扫描图像,以及MICCAI Grand Challenge数据库50例前列腺图像,其中81例作为训练集,10例作为

【关键词】 Unet； Unet-TIC； CED；