PCB锡焊机器人技术综述

PCB锡焊机器人目前在电子制造业应用日益广泛。随着对焊接效率和质量要求的不断提高,对其系统设计、工艺、控制等技术提出了新的挑战。从锡焊机器人的构成与功能、锡焊工艺、控制技术和焊点图像检测四方面对锡焊机器人的关键技术进行归纳和总结,分析目前存在的主要技术问题,探讨未来的发展方向。

术前CT图像影像组学联合深度学习预测肝细胞癌经动脉化疗栓塞术后疗效的价值

目的探讨术前CT图像影像组学联合深度学习方法预测肝细胞癌(HCC)首次经动脉化疗栓塞术(TACE)疗效的价值。方法该研究为回顾性队列研究。回顾性收集2015年1月至2021年1月于哈尔滨医科大学附属第二医院行TACE治疗的HCC患者影像及临床信息。共纳入265例患者, 于初次TACE后1~2个月, 根据改良的实体瘤疗效评估标准(mRECIST)评估病灶术后改变, 分为有反应组(175例)和无反应组(90例)。采用随机数表法按8∶2的比例分为训练集(212例, 有反应组140例、无反应组72例)和测试集(53例, 有反应组35例、无反应组18例)。采用单因素和多因素logistic回归筛选临床变量, 构建临床模型。从术前CT图像中提取影像组学特征, 经降维构建影像组学模型。采用深度学习方法, 建立3种残差神经网络(ResNet)模型(ResNet18、ResNet50和ResNet101), 并对其效能进行比较和集成, 取最佳模型为深度学习模型。应用logistic回归将3个模型两两联合, 建立联合模型。采用受试者操作特征曲线在测试集中评价模型区分TACE后有反应与无反应的效能。结果在测试集中, 临床模型、影像组学模型区分TACE后有反应与无反应的曲线下面积(AUC)为0.730(95%CI 0.569~0.891)、0.775(95%CI 0.642~0.907), ResNet18、ResNet50和ResNet101的AUC分别为0.719、0.748、0.533, 将ResNet18、ResNet50集成获得深度学习模型, AUC为0.806(95%CI 0.665~0.946)。两两融合后, 深度学习-影像组学联合模型效能最高, AUC为0.843(95%CI 0.730~0.956), 优于深度学习-临床模型(AUC为0.838, 95%CI 0.719~0.957)和影像组学-临床模型(AUC为0.786, 95%CI 0.648~0.898)。结论联合影像组学和深度学习的联合模型可以在术前预测HCC患者行TACE的疗效, 具有较高的效能。

基于CT的影像组学结合腹部脂肪面积预测肝细胞癌微血管侵犯

目的 探索基于CT门静脉期的影像组学模型结合腹部脂肪面积参数构建的联合模型对肝细胞癌(HCC)微血管侵犯(MVI)的预测价值。方法 回顾性搜集134例经病理证实是否存在MVI的HCC患者的平扫及增强CT图像。根据随机分层抽样的原则将患者以7∶3的比例划分为训练集(n=93)和测试集(n=41),在CT平扫图像上测量所有患者的腹部脂肪面积,通过单因素及多因素逻辑回归构建脂肪模型。通过自动化特征提取算法提取门静脉期肿瘤的影像组学特征,采用Spearman相关性分析和最小绝对收缩和选择算子(LASSO)进行特征筛选,并分别构建六种机器学习模型,将性能较优模型联合腹部脂肪面积参数构建联合模型。采用受试者工作特征曲线(ROC)曲线下面积(AUC)来评估模型的预测效能,校准曲线来验证校准能力,决策曲线用于分析和比较模型的临床实用性,Delong检验评估各模型之间预测效能的差异。结果 单因素及多因素逻辑回归提示内脏及皮下脂肪面积参数均为HCC-MVI的独立危险因素,以此构建的脂肪模型在训练集和测试集的AUC值为0.747(0.648~0.845)和0.696(0.536~0.857)。基于门静脉期肿瘤提取的影像组学特征经过逐层特征筛选及降维方法后得到10个影像组学特征用于六种机器学习模型的构建,其中支持向量机(SVM)模型的预测性能较好,在训练集和测试集中的AUC值分别为0.904(0.844~0.965)和0.838 (0.717~0.959),与腹部脂肪参数联合后构建联合模型,并用列线图对其进行可视化。结果显示,联合模型在训练集中的性能0.925(0.872~0.978)显著高于影像组学模型(P=0.029)和脂肪模型(P=0.0054),测试集中该模型性能0.877(0.772~0.983)显著高于脂肪模型(P=0.0165),高于影像组学模型(P=0.207),校准曲线显示模型拟合良好,决策曲线提示联合模型较其他模型具有较好的临床实用价值。结论 基于CT门静脉期的影像组学特征联合腹部脂肪面积构建的联合模型对HCC-MVI具有较高的预测价值。

基于肿瘤及瘤周区域的影像组学在肝细胞癌微血管侵犯中的研究进展

肝细胞癌是全球第六大常见的恶性肿瘤,微血管侵犯是肝切除术后肿瘤复发的重要评估指标,术前准确识别微血管侵犯对于制定治疗策略和预测肝细胞癌患者的预后非常重要。影像组学将影像数据转化为高通量的定量信息,为微血管侵犯的术前预测提供了更多可能性。肿瘤及瘤周区域均包含较多与微血管侵犯相关的信息。因此该文从肿瘤及瘤周区域出发,阐述影像组学在术前无创预测肝细胞癌微血管侵犯的研究进展。

CT影像技术在腹内疝诊断中的应用

腹内疝是一种脏器或组织通过间隙疝出的疾病,临床上缺乏特异性症状,预后较差.腹内疝按照解剖学分类,可以分为十二指肠旁疝、网膜孔疝、经肠系膜疝、肠系膜裂孔疝等.目前各种影像手段中,多层螺旋CT对于腹内疝的术前诊断有较高的价值.本文综述几种腹内疝在的多层螺旋CT扫描的影像特征,腹内疝的一般性诊断思路,以利于对腹内疝进行术前诊断.