影像学检查对胸腔积液定量分析的应用进展

胸腔积液是临床上常见的一种症候,以胸膜腔内病理性液体积聚为特征,多系统、多器官的疾病均可引发。胸腔积液的量化对患者管理具有重要意义,可直接关系到患者治疗方案的确定及疗效的判定。目前,胸腔积液的诊断主要基于影像技术,影像学检查不仅能准确显示胸腔积液有无,而且能进行胸腔积液的定量估测。此外,精确的胸腔积液定量分析可以为临床治疗方案选择提供可靠的影像依据。本文旨在综述目前影像学检查对于胸腔积液定量分析的应用进展。

基于3D Slicer定量测量胸腔积液在评估急性胰腺炎严重程度中的临床应用

目的 探讨胸腔积液量在评估急性胰腺炎(AP)严重程度中的应用价值。方法 选取本院收治的急性胰腺炎并发胸腔积液患者43例,按照急性胰腺炎亚特兰大分类将患者分为重症急性胰腺炎(SAP组)24例,非重症急性胰腺炎(NSAP组)19例,并运用3Dslicer技术测量各例AP患者的胸腔积液量,微软EXCEL及IBM SPSS 26.0版进行统计分析,分析胸腔积液量与AP严重程度的相关性并寻找SAP与NSAP的最佳临界值。结果 胸腔积液量两组比较,SAP组明显高于NSAP组,差异有统计学意义(P<0.05),且AP患者左侧更容易发生胸腔积液。胸腔积液量≥130.5 ml是确定SAP的最佳临界值,敏感性为62.5%,特异性为84.2%。结论 胸腔积液的量化有助于评估AP患者的病情,可以作为早期预测AP严重程度的可靠影像学指标。

车辆导航定位系统GPS接收机的原理与研制

分析了OEM板和GPS技术原理,介绍了基于OEM板的GPS接收机开发方法,重点阐述了车辆导航定位系统GPS接收机的软、硬件体系结构及研制过程,详细说明了单片机C语言串行通讯原理与程序编制。

基于C8051F040的多口位马克隆仪设计与研究

本文研究了多口位高性能马克隆仪的测试原理,特别讨论了温度补偿桥式气路差分测量方法,介绍了基于C8051F040高速微处理器的系统硬软件设计方案,最后给出了试验数据并进行结果分析。在实际使用中取得了很好的效果。

基于MRI影像组学的机器学习模型预测前列腺癌骨转移的价值

目的本研究旨在建立并验证基于MRI的机器学习模型用于预测前列腺癌(prostate cancer,PCa)骨转移的价值。材料与方法回顾性分析2018年1月至2022年1月来自山东第一医科大学第一附属医院和山东第一医科大学附属省立医院的150名经病理证实的PCa患者的临床和MRI资料,按照7∶3的比例随机分为训练集(105例)和测试集(45例),分别在每个患者的表观扩散系数(apparent diffusion coefficient,ADC)和T2脂肪抑制序列(fat saturated T2 weighted imaging,FS-T2WI)图像手动勾画肿瘤的感兴趣区并提取影像组学特征。使用组内相关系数、特征重要性及最小冗余最大相关性方法进行降维和特征筛选,筛选出的最佳特征用广义线性模型(generalized linear model,GLM)、随机森林(random forest,RF)、支持向量机(support vector machine,SVM)和极致梯度提升(extreme gradient boosting,XGB)方法建立影像组学模型。采用受试者工作特征曲线下面积(area under the curve,AUC)、校准曲线和决策曲线分析去评估四种模型的预测性能,然后通过德隆检验比较模型之间的差异。结果获得了17个最佳特征构建机器学习模型,在训练集中,GLM、XGB、SVM和RF模型的平均AUC分别为0.714、0.845、0.768和0.858;在测试集中,对应的AUC分别为0.796、0.729、0.755和0.765。德隆检验和校准曲线表示四种模型之间没有显著差异。决策曲线分析显示四种模型的临床应用价值相近。结论基于MRI影像组学特征的GLM、XGB、SVM和RF模型能够作为一种有前景的工具预测PCa患者骨转移,为临床诊疗提供潜在的有效信息。

基于智能BDI Agent的复杂系统故障诊断

在传统故障诊断的基础上,将Agent技术应用于复杂系统故障诊断领域,并基于BDI Agent构造了一种BDI型诊断Agent模型,利用它构成Multi-Agent System(MAS)。同时,详细阐述了BDI型诊断Agent及其MAS系统的实现和诊断流程。

一种多智能体的故障诊断模型及其开发方法

在传统故障诊断的基础上,将Agent技术应用于系统故障诊断领域,并基于BDI Agent构造了一种MAS故障诊断系统模型,详细阐述了MAS故障诊断系统的组织结构、诊断流程,并介绍了MAS诊断系统的开发过程.

压缩感知技术的不同加速因子在耳蜗3D-DRIVE水成像中的应用

目的探讨压缩感知技术中不同加速因子在耳蜗3D-DRIVE水成像中的应用价值。方法采用MRI的3D-DRIVE序列对30例健康志愿者耳蜗进行扫描,分别使用SENSE技术及压缩感知技术(CS)的5种不同的加速因子:SENSE、3.5、4.0、4.5、5.0及5.5,扫描时间分别为237 s、212 s、185 s、166 s、147 s及135 s。由诊断经验丰富的2位医师分别在耳蜗三个层面勾画感兴趣区(ROI),测量各层面ROI的信号强度及标准差,以此计算耳蜗的信噪比(SNR)及对比度噪声比(CNR);并使用5分制评分法主观评价耳蜗的图像质量。6组耳蜗图像质量的客观定量参数和主观评价的数据采用SPSS 25.0统计软件进行统计分析。结果2位医师间的主观评分和客观定量参数的一致性评价均达到了好(ICC>0.75),CS5.0序列的主观评分达到了4.61±0.80,且一致性检验得分最高(ICC=0.832),图像质量可以较好地满足诊断要求。6组间的SNR分别为8.76±1.52、8.45±1.62、8.48±2.22、7.98±2.85、7.60±2.56及7.11±2.01,差异有统计学意义(P<0.05);CS5.0序列的SNR虽低于SENSE序列,但两者之间差异无统计学意义(P>0.05)。6组间的CNR差异无统计学意义(P>0.05)。结论随着压缩感知加速因子的增加,扫描时间逐渐缩短,图像质量也会不同程度的下降,当加速因子为5.0时,能在保证图像质量的前提下使扫描时间缩短约38%,效率提高约61%,可推荐其为耳蜗检查的最佳扫描方案。