期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于对比学习的急性早幼粒细胞白血病智能检测算法模型在全血细胞分析中的建立与验证
1
作者
孙胜利
李建英
+8 位作者
连荷清
李柏蕤
刘丹
王庚
王欣
黄媛
张建平
陈倩
吴卫
《临床检验杂志》
CAS
2024年第4期252-255,共4页
目的利用学习统计软件建立基于对比大模型的急性早幼粒细胞白血病(M3)智能检测算法模型(简称M3模型),并验证其有效性。方法通过实验室信息系统(LIS)和医院信息系统(HIS)检索并统计北京协和医院8256例行全血细胞分析的门诊及住院患者数据...
目的利用学习统计软件建立基于对比大模型的急性早幼粒细胞白血病(M3)智能检测算法模型(简称M3模型),并验证其有效性。方法通过实验室信息系统(LIS)和医院信息系统(HIS)检索并统计北京协和医院8256例行全血细胞分析的门诊及住院患者数据,建立M3筛查模型。采用2023年7—10月本院行全血细胞分析的门诊及住院患者数据对M3模型进行验证。结果M3模型对全血细胞分析中M3的筛查具有一定应用价值,在筛查中性粒细胞毒性变化方面有一定作用,成功筛出2例中性粒细胞蓝绿色包涵体。结论M3模型对M3诊断的特异性有待提高。后续研究将增加M3阳性病例以优化模型,在保证高敏感性的同时提高特异性,为全血细胞分析智能审核提供帮助。
展开更多
关键词
智能检测算法
急性早幼粒细胞白血病
幼稚粒细胞
全血细胞分析
下载PDF
职称材料
白细胞散点图识别模型的建立与验证
2
作者
赵天赐
李建英
+5 位作者
连荷清
刘丹
王庚
王欣
李柏蕤
吴卫
《临床检验杂志》
CAS
2022年第4期246-250,共5页
目的建立全血细胞分析白细胞分类(WDF)通道散点图的识别模型,验证其有效性。方法运用卷积自编码技术,算法训练采用pytorch框架,模型训练采用AlexNet为基准网络,加入先验知识算法形成双重验证机制。采用32729份WDF通道散点图作为初始数据...
目的建立全血细胞分析白细胞分类(WDF)通道散点图的识别模型,验证其有效性。方法运用卷积自编码技术,算法训练采用pytorch框架,模型训练采用AlexNet为基准网络,加入先验知识算法形成双重验证机制。采用32729份WDF通道散点图作为初始数据集,由3位检验技师对散点图进行标定,根据2次标定结果是否完全一致将初始数据集分为特征显著散点图和特征不显著散点图,训练集、验证集和测试集A所含2类散点图数量按照8∶1∶1进行划分,即26185份散点图作为训练集,3272份散点图作为验证集,3272份散点图作为测试集A。再通过日常工作中11043份散点图(测试集B)验证模型精确率,并与检验技师的判断结果进行对比分析。结果模型和检验技师在测试集A、B的精确率分别为0.956、0.967和0.924、0.932,模型和检验技师在测试集B所含正常、异常散点图精确率分别为0.979、0.935和0.992、0.795,所含特征显著、不显著散点图精确率分别为0.985、0.921和1.000、0.662。结论当散点图特征不显著的情况时,该模型能够给出更加准确的结论,为检验技师提供有价值的参考,辅助检验技师作出正确的判断。
展开更多
关键词
白细胞散点图
医学图像分析
卷积自编码技术
下载PDF
职称材料
题名
基于对比学习的急性早幼粒细胞白血病智能检测算法模型在全血细胞分析中的建立与验证
1
作者
孙胜利
李建英
连荷清
李柏蕤
刘丹
王庚
王欣
黄媛
张建平
陈倩
吴卫
机构
中国医学科学院北京协和医院检验科
北京小蝇科技有限责任公司
出处
《临床检验杂志》
CAS
2024年第4期252-255,共4页
基金
北京市科学技术委员会、中关村科技园区管理委员会资助项目(Z221100003522004)
中央高水平医院临床科研业务费资助项目(2022-PUMCH-B-074)。
文摘
目的利用学习统计软件建立基于对比大模型的急性早幼粒细胞白血病(M3)智能检测算法模型(简称M3模型),并验证其有效性。方法通过实验室信息系统(LIS)和医院信息系统(HIS)检索并统计北京协和医院8256例行全血细胞分析的门诊及住院患者数据,建立M3筛查模型。采用2023年7—10月本院行全血细胞分析的门诊及住院患者数据对M3模型进行验证。结果M3模型对全血细胞分析中M3的筛查具有一定应用价值,在筛查中性粒细胞毒性变化方面有一定作用,成功筛出2例中性粒细胞蓝绿色包涵体。结论M3模型对M3诊断的特异性有待提高。后续研究将增加M3阳性病例以优化模型,在保证高敏感性的同时提高特异性,为全血细胞分析智能审核提供帮助。
关键词
智能检测算法
急性早幼粒细胞白血病
幼稚粒细胞
全血细胞分析
Keywords
intelligent detection algorithm
acute promyelocytic leukemia
promyelocyte
complete blood cell analysis
分类号
R446 [医药卫生—诊断学]
下载PDF
职称材料
题名
白细胞散点图识别模型的建立与验证
2
作者
赵天赐
李建英
连荷清
刘丹
王庚
王欣
李柏蕤
吴卫
机构
中国医学科学院北京协和医院检验科
北京小蝇科技有限责任公司
出处
《临床检验杂志》
CAS
2022年第4期246-250,共5页
基金
北京市临床重点专科医学检验科卓越项目(ZK201000)
AI+健康协同创新培育项目(Z221100003522004)。
文摘
目的建立全血细胞分析白细胞分类(WDF)通道散点图的识别模型,验证其有效性。方法运用卷积自编码技术,算法训练采用pytorch框架,模型训练采用AlexNet为基准网络,加入先验知识算法形成双重验证机制。采用32729份WDF通道散点图作为初始数据集,由3位检验技师对散点图进行标定,根据2次标定结果是否完全一致将初始数据集分为特征显著散点图和特征不显著散点图,训练集、验证集和测试集A所含2类散点图数量按照8∶1∶1进行划分,即26185份散点图作为训练集,3272份散点图作为验证集,3272份散点图作为测试集A。再通过日常工作中11043份散点图(测试集B)验证模型精确率,并与检验技师的判断结果进行对比分析。结果模型和检验技师在测试集A、B的精确率分别为0.956、0.967和0.924、0.932,模型和检验技师在测试集B所含正常、异常散点图精确率分别为0.979、0.935和0.992、0.795,所含特征显著、不显著散点图精确率分别为0.985、0.921和1.000、0.662。结论当散点图特征不显著的情况时,该模型能够给出更加准确的结论,为检验技师提供有价值的参考,辅助检验技师作出正确的判断。
关键词
白细胞散点图
医学图像分析
卷积自编码技术
Keywords
WBC scattergram
medical image analysis
convolutional auto-encoder
分类号
R446.11 [医药卫生—诊断学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于对比学习的急性早幼粒细胞白血病智能检测算法模型在全血细胞分析中的建立与验证
孙胜利
李建英
连荷清
李柏蕤
刘丹
王庚
王欣
黄媛
张建平
陈倩
吴卫
《临床检验杂志》
CAS
2024
0
下载PDF
职称材料
2
白细胞散点图识别模型的建立与验证
赵天赐
李建英
连荷清
刘丹
王庚
王欣
李柏蕤
吴卫
《临床检验杂志》
CAS
2022
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部