临床用药“双十”公示促进合理用药的效果与思考

目的:探讨在临床用药"双十"公示的方法与效果。方法:在临床用药"双十"公示过程中建立管理协作组织,并通过用药培训、制度建设、行政监督、定期公布与考核进行系统管理。结果:通过"双十"公示活动,使药品费用占总费用由公示前的72.9%下降到公示后的54.3%;公示前后进入前十位的药品应用频度和月平均用药金额比较,有显著差异(P>0.05),公示后比公示前药品应用频度和平均费用得到有效改善;公示后(2005～2007年)月平均用药金额比较,无显著差异(P<0.05),经系统管理药品费用没有发生明显变化。结论:深入持续开展医院管理年的"双十"公示活动,对合理用药进行系统管理有重要意义。

多维小波框架级数的点态收敛

阐述了在多元情况下,借助高维对偶小波框架理论,将任一个函数展开成一小波框架级数,并讨论了该级数的点态收敛性,从而在点态意义下可用该级数逼近函数.

高维小波框架级数在L^2(R^d)中的一致收敛性

讨论了在多元情况下,利用对偶小波框架理论,对任意函数f∈L2(Rd)可将其展开成一小波框架级数,进一步研究该级数的一致收敛问题,从而在某些条件下可用该级数fs(x)很好的逼近f.

用于肿瘤调强放射治疗影像分析与转换的深度学习方法

癌症已成为严重威胁人类健康的主要公共卫生问题。60%~70%的癌症患者需要进行放射治疗。调强放疗是当前主要的临床放疗技术。对近几年基于深度学习的影像分析与转换方法在肿瘤调强放疗计划中的应用进展及关键技术进行综述,包括计算机断层扫描(CT)、锥形束CT(CBCT)、磁共振成像(MRI)、正电子发射断层扫描(PET)引导的肿瘤调强放疗技术应用现状与发展趋势,肿瘤CT/CBCT/MRI/PET影像放疗靶区分割、影像配准以及转换深度卷积神经网络、生成对抗网络的有监督或无监督学习方法,并对未来的研究方向进行展望。

肿瘤精确放射治疗剂量分布和疗效预测的机器学习方法综述

调强放疗(IMRT)是当前主要的肿瘤临床治疗技术,制定临床上可接受、可执行的IMRT计划的关键是放疗剂量计算、剂量分布预测和优化评估,同时还需要对各种肿瘤放化疗的疗效和毒副作用进行预测和评估。综述近几年机器学习方法在基于肿瘤影像进行的肿瘤放疗剂量分布预测和疗效预测中的研究进展,包括基于深度学习的剂量预测方法和基于深度学习、影像组学与逻辑回归的放化疗疗效预测方法;综述针对IMRT、立体定向放射治疗(SBRT)、容积弧调强放疗(VMAT)等不同治疗方法的应用进展;提出了未来研究的方向、内容和策略。

基于先验知识的头颈部肿瘤调强放疗计划多目标优化方法

头颈部肿瘤调强放射治疗计划本质上是目标函数个数大于20、优化变量数大于1000的复杂多目标优化问题,目前没有精确求其Pareto最优解集的有效方法。本文提出了一种新的有效近似求解方法。首先,根据71例头颈部肿瘤患者的放疗剂量先验知识,对各危及器官的线性EUD按相关系数进行R型聚类分析,将所有危及器官聚为3类;其次,将所有属于同类危及器官的线性EUD均值看作目标函数,联合肿瘤靶区的约束条件,构造一个维度较低的多目标优化模型;最后,通过基于角解的增强夹心算法逼近该低维、局部的Pareto前沿,并通过可视化导航方法快速选出一个调强放疗计划。对比传统的多目标调强放疗计划优化方法,该方法能显著减少目标函数的个数,极大程度地简化Pareto前沿。实验结果表明,本文方法可以将头颈部肿瘤调强放疗计划多目标优化模型中的20~21个目标函数减少到6~7个,并能有效确定其近似的Pareto前沿,找到与临床放疗计划质量相当、部分指标甚至更优的放疗计划。

医学图像分析深度学习方法研究与挑战

深度学习(Deep learning,DL),特别是深度卷积神经网络(Convolutional neural networks,CNNs),能够从医学图像大数据中自动学习提取隐含的疾病诊断特征,近几年已迅速成为医学图像分析研究热点.本文首先简述医学图像分析特点;其次,论述深度学习基本原理,总结深度CNNs在医学图像分析中的分类、分割框架;然后,分别论述深度学习在医学图像分类、检测、分割等各应用领域的国内外研究现状;最后,探讨归纳医学图像分析深度学习方法挑战及其主要应对策略和开放的研究方向.

无线通信系统在复杂地段施工中的应用

无线通信系统组网是一个比较复杂的系统工程,随着多年来无线应用技术的日渐成熟,使其得以广泛的应用。根据无线通信网络的特点,结合锦屏电站的实际情况,介绍无线通信网络在复杂地段的组建及应用。

提高公路隧道机电安装质量的方法

隧道机电工程相对于其他工程而言较为复杂,需要使用多项技术完成机电安装工作,工程量大,因此施工难度也相对较大。现介绍了公路隧道机电工程概况,提出了一些能够有效提高公路隧道机电安装质量的措施,具有一定的参考价值。