目的 探讨临床放射组学列线图(CRN)和深度学习卷积神经网络(DCNN)对非典型肺错构瘤(APH)和非典型肺腺癌(ALA)的鉴别诊断价值。方法 从两家医疗机构回顾性收集307例患者。机构1的患者按照7∶3的比例随机分为训练集(n=184:APH=97,ALA=87)...目的 探讨临床放射组学列线图(CRN)和深度学习卷积神经网络(DCNN)对非典型肺错构瘤(APH)和非典型肺腺癌(ALA)的鉴别诊断价值。方法 从两家医疗机构回顾性收集307例患者。机构1的患者按照7∶3的比例随机分为训练集(n=184:APH=97,ALA=87)和内部验证集(n=79:APH=41,ALA=38),机构2的患者作为外部验证集(n=44:APH=23,ALA=21)。分别建立CRN模型和DCNN模型,并采用德隆检验和受试者工作特性曲线(ROC)对两种模型的性能进行比较。通过人-机竞赛评估人工智能(AI)在肺结节Lung-RADS分类中的价值。结果 DCNN模型在训练集和内、外部验证集中的曲线下面积(AUC)均高于CRN模型(0.983 vs 0.968、0.973 vs 0.953、0.942 vs 0.932),但差异无统计学意义(P=0.23、0.31、0.34)。在放射科医师-AI竞争实验中,AI倾向于下调APH组中更多的Lung-RADS类别,并肯定ALA中更多的Lung-RADS类别。结论 DCNN及CRN在区分APH和ALA方面具有较高价值,前者表现更优;AI在评价肺结节的Lung-RADS分类方面优于放射科医师。展开更多
文摘【目的】在“双碳”目标背景下,解决高风电渗透率系统建设带来的调峰安全性和经济性问题。【方法】采用电池储能系统削峰填谷的解决方案,提出了一种兼顾技术及经济性的锌溴液流电池(zinc-bromine flow battery,ZBB)储能的调峰优化控制方法。根据实际电池装置,对ZBB储能进行结构解析及数学模型构建。考虑调峰技术性效果,以调峰后的负荷曲线标准差最小为目标函数,提出一种考虑调峰效果的储能双向寻优控制策略。在此基础上,依据电网分时(time of use,TOU)电价政策,以技术性及经济性最优为目标函数,提出一种基于TOU电价机制的储能调峰经济模型,得出储能优化功率时序结果。最后,以东北某地区负荷及风电数据为例,对比验证所提策略的有效性。【结果】所提策略相较于原负荷,在日均负荷峰谷差、峰谷差率指标上分别降低了35.973%和34.205%,在调峰经济性优化方面提高了5.582%,且合并缓解了电网弃风消纳问题。【结论】所提策略在达到一定调峰效果的同时,在其全寿命周期内仍保持较好的调峰经济性。
文摘目的 探讨临床放射组学列线图(CRN)和深度学习卷积神经网络(DCNN)对非典型肺错构瘤(APH)和非典型肺腺癌(ALA)的鉴别诊断价值。方法 从两家医疗机构回顾性收集307例患者。机构1的患者按照7∶3的比例随机分为训练集(n=184:APH=97,ALA=87)和内部验证集(n=79:APH=41,ALA=38),机构2的患者作为外部验证集(n=44:APH=23,ALA=21)。分别建立CRN模型和DCNN模型,并采用德隆检验和受试者工作特性曲线(ROC)对两种模型的性能进行比较。通过人-机竞赛评估人工智能(AI)在肺结节Lung-RADS分类中的价值。结果 DCNN模型在训练集和内、外部验证集中的曲线下面积(AUC)均高于CRN模型(0.983 vs 0.968、0.973 vs 0.953、0.942 vs 0.932),但差异无统计学意义(P=0.23、0.31、0.34)。在放射科医师-AI竞争实验中,AI倾向于下调APH组中更多的Lung-RADS类别,并肯定ALA中更多的Lung-RADS类别。结论 DCNN及CRN在区分APH和ALA方面具有较高价值,前者表现更优;AI在评价肺结节的Lung-RADS分类方面优于放射科医师。