PDCA循环结合6S管理法应用于急救医疗设备管理作用探讨

目的探讨利用PDCA(计划、实施、检查和行动)循环和6S(整理、整顿、清扫、清洁、素养、安全)管理法降低医院急诊抢救室医疗设备的故障率与故障频次,优化急救医疗设备管理流程。方法临床工程处联合急诊抢救室成立管理小组,进行现状把握,统计急诊抢救室从2022年1月至6月的医疗设备的故障待机时间、使用时间与故障频次。组织全员进行头脑风暴,利用鱼骨图、柏拉图等工具,探究故障原因并制定实施对策。统计对策实施后2022年7月至12月的数据,比较故障率和故障频次变化,评价对策实施的效果。结果开发了设备管理软件MEIS,实现医疗设备的自助查询、报修、追溯功能。改善后的医疗设备使用时间为96946 h,故障待机时间为369 h。目标达标率为112.5%,进步率为62.38%。对策实施后较实施前急救医疗设备故障率(1.01%vs 0.38%)和故障频次(121次vs 51次)明显降低,差异具有统计学意义(P<0.05)。结论利用PDCA循环和6S管理法降低了急救医疗设备的故障率和故障频次,规范了急救医疗设备的维护保养、操作使用、故障管理、计量管理流程。有助于提高相关工作人员的职业素养能力和医院医疗服务质量,并为建立规范化的医疗设备管理模式提供了借鉴的思路。

基于深度学习的心电信号特征点检测的算法研究

为实现自动、准确、有效地心电数据分析,本研究提出了一种基于深度学习的心电信号智能分析模型ECG_SegNet,以识别P波、QRS波群和T波并检测波形的起止点和偏差。首先,在编码器路径引入标准空洞卷积模块,使模型能够提取更多的心电信号特征;然后,在编码结构加入双向长短期记忆网络以获得大量时间特征;此外,将编码器路径上各级特征集分别短接至解码器部分进行多尺度解码,以减少编码过程中的信息损失。最后,该模型分别在QT和LU数据库上进行训练和测试。在QT数据库上,P波、QRS波群、T波起止点检测的平均F1分别为99.53%、99.82%、99.41%;在LU数据库上,P波、QRS波群、T波起止点检测的平均F1分别为94.74%、98.88%、97.53%。结果表明,本研究在心电信号波形检测上具有良好的灵活性和准确性,是一种可靠的心电信号自动分析方法。

基于离散小波变换的多模态医学图像融合改进算法的研究

目的提出一种改进的离散小波变换算法,并将其用于多模态医学图像融合。方法将源图像经过离散小波变换分解为高频和低频子图像;高频部分采用方向绝对值取大,能有效地保存图像的细节信息,低频部分使用区域能量比融合规则,保存了图像的绝大部分信息;用离散小波逆变换将融合子图像重构成融合图像。结果由3组医学图像融合效果比较可知,该算法在主观视觉效果和客观评价指标方面均优于现存的其他算法。结论该医学图像融合算法快速准确,在噪声环境和临床实例中均表现优越,可以获得较高质量的融合图像,具有较高的临床应用价值。

Daily QA3晨检仪对加速器输出量变化响应的研究

目的 :分析Daily QA3晨检仪(以下简称"Daily QA3")检测加速器输出量变化的响应,为评估Daily QA3的性能提供依据。方法:使用瓦里安Clinac i X直线加速器的6 MV、15 MV、6 Me V、9 Me V和12 Me V 5挡能量进行研究,对每挡能量,加速器出束跳数m的范围为93~107 MU。对Daily QA3测量到的中心轴输出量y,使用线性拟合进行分析。结果:对每一挡能量,y随m线性增加,线性拟合的R值均在0.999 9以上。y相对于基准值的变化与m相对于相应基准值的变化有很好的符合关系。计算每挡能量下每个输出值和基准值的差异,结果准确性较高。结论:Daily QA3能够较好地检测到直线加速器输出量的变化,能够满足加速器日常质量保证的需要。

DeepViewer软件自动勾画乳腺癌保乳术后肿瘤靶区的初步研究

目的评估DeepViewer软件自动勾画乳腺癌保乳术后患者肿瘤靶区的可行性和准确性。方法选取20例乳腺癌保乳术后患者进行研究,其中左侧乳腺癌12例,右侧乳腺癌8例。将20例患者的定位CT图像从Eclipse治疗计划系统传输至DeepViewer软件,使用DeepViewer软件自动勾画靶区,然后将勾画好的结构文件传输并导回Eclipse治疗计划系统。比较该软件自动勾画和手工勾画靶区的体积差异、形状一致性和勾画时间,并进行统计学分析,评价DeepViewer软件对放疗靶区勾画的可行性和准确性。结果对20例乳腺癌患者的数据进行统计分析。自动和手工勾画两种方式心脏结构的百分体积差异(△V%)为(-21.43±15.29)%,相似性指数(DSC)值为(0.68±0.11),总位置差异(ΔL)为(1.76±1.23)cm。独立样本t检验的结果显示,左右两侧数据没有统计学差异(P>0.05)。结论使用DeepViewer软件进行乳腺癌保乳术后靶区的勾画,可以达到基本满意的效果,后期还有待进一步优化和完善。

除颤监护仪的质量检测探讨

目的探讨除颤监护仪质量检测的方法,掌握在用除颤监护仪的使用状态。方法以某三级甲等医院40台除颤监护仪为研究对象,采用美国福禄克(FLUKE)专业的质量检测设备对除颤监护仪进行检测。结果对除颤监护仪进行质量检测,初次检测外观合格率为50%,电气安全合格率为85%,能量合格率为95%,心电合格率100%。其中外观检测中不合格的主要原因是日期时间不准,电气安全检测中不合格的主要原因是接地阻抗过高,能量检测中不合格的主要原因是释放能量偏大、充电时间过长。不合格除颤监护仪经过问题纠正后二次检测全部合格。结论除颤监护仪的质量检测关系重大,必须加强监管,定期对其主要参数进行质量检测,以确保其始终保持在待用状态。

移动—分离式PICC换药专用车的研究与设计

目的提出一种适用于经外周静脉穿刺中心静脉置管术(Peripherally Inserted Central Venous Catheters,PICC)置管术后床边移动—分离式换药专用车。方法介绍了PICC基础知识、日常护理方法及常见并发症,分析了常规PICC换药过程中存在的问题,提出了一种可适用于PICC换药室、一般病房以及无菌病房患者换药的移动—分离式换药专用车。结果换药专用车可自由调整操作工作台高度,可灵活调整患者上肢支架角度和高度,可提供曲面、人性化的接触支架,可拆卸式上肢支架,可进行局部消毒,可满足无菌病房患者换药需求。结论换药专车将换药操作化繁为简,能提高患者在换药过程中的舒适度,具有一定的临床价值和研究意义。

基于C/S架构的医院患者随访管理系统的设计与开发

目的开发医院患者随访管理系统,提高对患者的随访效率和随访质量,促进患者主动参与随访工作,加强医生和患者的沟通交流。方法采用三层C/S(Client/Sever)架构,使用VB.net作为前端开发语言,后台数据库采用SQL sever2012,融合现有的通信技术,设计并开发一套医院患者随访管理系统。结果成功开发出了一个集病例管理、随访管理、咨询回复、知识共享、信息发布、统计分析等为一体的服务平台,提供了网络、电话、短信等多种随访方式,使随访工作更加规范、高效。结论该系统功能齐全、操作简便,不仅可以满足随访工作人员的实际管理需求,也给患者提供了一个咨询、反馈意见的平台,增强患者的随访积极性,从而提高患者满意度和医院经济效益。

iASSIST智能辅助定位系统在人工全膝关节置换术中的应用

目的:探讨i ASSIST辅助定位系统在人工膝关节表面置换(TKA)术中应用的准确性及有效性。方法:2016年4至6月行TKA手术40例,随机分为2组,其中实验组20例(A组)采用i ASSIST辅助TKA手术,对照组20例(B组)采用常规TKA手术。测量并比较两组的冠状面髋-膝-踝(hip knee ankle,HKA)角、冠状面股骨组件角(frontal femoral component,FFC)角、冠状面胫骨组件(frontal tibial component,FTC)角、矢状面股骨组件屈曲(lateral femoral flexion,LFF)角、矢状面胫骨组件(lateral tibial component,LTC)角的偏移值;记录两组的手术时间、术中出血量、术后引流量、术后并发症发生率,术后满意度以及术后1天、1周、2周、1月、3月的VAS与KSS评分,并进行比较。结果:A组术后偏差值的HKA、FFC、FTC、LFF、LTC均小于B组。手术时间A组长于B组,术后引流量、术后并发症发生率两组比较无显著性差异。A组在术后的患者满意度调查结果优于B组,术后1天、1周、2周、1月的VAS评分两组无显著性差异,术后2周1月的KSS评分A组优于B组(P<0.05),术后3月无显著性差异。结论:i ASSIST膝关节辅助定位系统可以实现TKA手术精确的术中截骨定位,可以帮助提高TKA的手术联系,其远期结果值得进一步随访。

基于高斯混合模型和核密度估计的全身骨骼SPECT图像分割算法研究

目的提出一种基于高斯混合模型的骨扫描图像分割算法,可自动识别全身骨骼SPECT图像中的病变区域。方法首先对二维全身骨骼SPECT图像进行锐化、平滑、灰度变换等预处理;然后采用核密度估计方法拟合出预处理图像的像素概率密度函数曲线,并根据曲线的峰值点确定期望最大值(EM)算法的初始值;再应用高斯混合模型对图像进行分割;最后使用模板匹配算法排除误识别的区域。结果应用本研究提出的图像分割算法所得到的图像清晰度和对比度优于其他图像分割算法,且本研究提出的图像分割算法的相似性测度明显高于其他图像分割算法,平均耗时最短。结论基于高斯混合模型和核密度估计的全身骨骼SPECT图像分割算法是一种高效、实用的骨扫描图像分割算法。

基于C/S结构的卫生人才库系统的设计与开发

目的为了建立良好的卫生人才推举机制,促进卫生人才资源的有效开发和利用,加快卫生人才队伍建设,使南京地区卫生人才管理更高效。方法采用3层C/S(Client/Server)结构,使用VB.net和SQL Server 2012设计并开发了卫生人才库系统。结果开发出了一套界面人性化,信息查询和统计准确、快捷、灵活、方便,数据存储安全可靠的卫生人才库系统,管理员利用该系统可以方便快捷地完成卫生人才信息的录入、查询、统计和打印输出等工作。结论该系统已在多家单位推广试用,稳定可靠。该系统可以帮助政府更加清晰地了解卫生人才现状,为制订卫生人才建设规划和卫生系统评审工作提供了参考依据,实现了对卫生人才的高效管理,提高了医学人才的专业水平。

甲状腺疾病患者随访管理系统的设计与实现

目的:设计甲状腺疾病患者随访管理系统,进一步提高甲状腺疾病患者随访质量,进而提高诊断效率和诊疗效果,最大范围的服务患者。方法:采用客户机和(或)服务器(client/server,C/S)架构、Visual Studio C#开发语言以及SQL sever2012数据库,开发一套适合于医院甲状腺疾病患者使用的随访管理系统。结果:甲状腺疾病患者随访管理系统实现了集患者随访系统集数据管理和随访统计的综合管理于一体的信息平台。结论:甲状腺疾病患者随访管理系统的应用,可极大提高甲状腺疾病患者的诊疗效率,便于医生统计分析及进行科研工作,并提升患者的满意度。

医院护理人员管理系统的设计与实现

目的建立一套护理人员管理系统,用于我院护理人员档案管理。方法系统基于C/S的3层结构设计,采用VB.net语言开发;系统数据库选用SQL sever建立,数据库的各信息表通过人员ID号建立关联。结果该系统已在我院护理部和各科室开展应用,其性能稳定、安全可靠,得到护理人员认可。结论该系统为我院规范管理护理人员信息提供了便利,为评审护士工作提供了参考依据。

基于肾动态定量分析中肾脏ROI的自动勾画研究

目的探讨一种基于形态学重建和阈值分割运算的SPECT肾脏图像感兴趣区(ROI)自动勾画方法。方法首先对SPECT肾动态显像图像进行预处理,提升图像的对比度,再对其进行形态学重构,接着用阈值分割算法识别出肾脏,最后通过边界跟踪实现肾脏ROI区的自动勾画。结果使用该图像处理及分割算法实现的ROI自动勾画,相比人工辅助勾画,具有更高的准确性。结论本文运用的形态学重建法和最大类间方差法,有较好的鲁棒性,可以更准确地计算肾小球滤过率,改善了现有Matlab肾动态定量分析软件中ROI勾画不准确的情况,有助于进一步定量分析。

基于深度学习的纵隔淋巴结自动分割研究

目的:基于深度学习方法使用U-Net网络训练模型,实现纵隔淋巴结自动分割。方法:收集医院呼吸内科提供的294例患者的369幅纵隔淋巴结超声弹性图像,将目标淋巴结图像从原始图像中分割后进行剪裁等预处理后,统一尺寸,输入卷积神经网络中的U-Net网络,使用U-Net网络训练的模型,对纵隔淋巴结进行自动分割。结果:U-Net网络训练模型的深度学习方法,实现了纵隔淋巴结自动分割良好的效果,Dice系数可达到0.968 4,接近于1,纵隔淋巴结自动分割效果良好。结论:使用深度学习方法对纵隔淋巴结进行自动分割,可得到很好的分割效果,对于后续淋巴结的性质判定以及肺癌分期的确定具有重要意义。

基于级联卷积神经网络增强CT图像肾脏及肾肿瘤的定位分割研究

针对目前增强CT图像中肾脏及肾肿瘤分割困难的问题,本研究提出一种基于级联卷积神经网络肾脏及肾肿瘤的定位分割方法。分别以Attention U-Net、Res U-Net、U-Net为基本网络结构,建立级联卷积神经网络模型。一级模型实现正常肾和肿瘤肾的定位,二级模型实现肾脏与肿瘤的精细分割。以影像医师手动勾画为金标准,通过精确度、召回率、F1得分评估定位结果,以Dice、体积相似度(volume similarity,VS)评估分割精度。由测试结果可见,一级定位模型中,U-Net的整体精确度最高为97.67;最高召回率为90.42,F1得分为90.77,均在Res U-Net中获得。二级分割模型中,级联U-Net的肾脏及肿瘤Dice(0.929)最高,级联Attention U-Net的肾脏(0.895)、肿瘤(0.764)Dice均最高。级联U-Net肾脏及肿瘤、肾脏VS最小(分别为0.085、0.016),肿瘤最优VS(0.009)在级联Attention U-Net中获得。综合全部数据集,级联U-Net模型在定位与分割中表现最佳。基于级联卷积神经网络肾脏及肾肿瘤定位分割模型可在增强CT图像中定位肿瘤肾,且可进一步实现对肾脏及肿瘤的精细分割。

瓦里安OBI系统锥形束CT图像CT值长期稳定性分析

通过分析7种物质CT值的长期质控检测数据,评估瓦里安机载影像(OBI)系统锥形束CT(CBCT)图像CT值的稳定性。使用Catphan504模体,每月对瓦里安Clinac iX加速器配备的OBI系统进行质控检测,获取高质量头部(HQH)、标准剂量头部(SDH)和盆腔(Pelvis)3种扫描协议下的CBCT图像。使用DoseLab软件,对2017年3月至2018年2月共36个CBCT图像序列进行分析,获取CTP404模块中每种物质的CT值(记为Y)以及与标准CT值的差异(记为ΔY)。对数据进行统计分析,通过计算得到3种扫描协议下7种物质Y值的平均值、标准差和极差以及ΔY的平均值。结果表明:该瓦里安OBI系统CBCT图像CT值在12个月里总体上比较稳定;SDH和Pelvis两种扫描协议适合用于CBCT图像质量的质控和计量检测;HQH扫描协议的CBCT图像中物质CT值与标准CT值的差异,随物质相对电子密度的增加变化较大。

基于卷积神经网络的甲状腺结节超声图像良恶性分类研究

目的:研究深度学习卷积神经网络(CNNs)在甲状腺结节超声图像良恶性分类问题中的可行性并评估效果。方法:运用迁移学习的方式,对在自然图像训练集上获取预训练参数的3种卷积神经网络模型(VGG19模型、Inception V3模型和DenseNet 161模型)进行训练,并对其进行调整,使用甲状腺结节超声图像对3种卷积神经网络模型进行测试。结果:VGG 19模型分类效果较差,正确率为88.18%,低于Inception V3和DenseNet 161模型的正确率(92.85%和92.91%)。Inception V3和DenseNet 161模型在准确度、参数数量及训练效率上均有明显优势,其中DenseNet 161模型收敛速度更快,泛化性能更佳,但运算中占用了更多显存。结论:深度学习CNNs可辅助诊断甲状腺结节在超声图像上的良恶性,且效果良好,而DenseNet 161模型在甲状腺结节超声图像良恶性分类任务中表现出更佳的性能。

iASSIST智能辅助定位系统在膝关节内外翻畸形全膝关节置换中的应用

背景:与常规膝关节置换手术相比,膝关节内外翻畸形患者全膝关节置换手术对适应证选择、假体选定、手术技巧准确性、围手术期管理的要求更高。目的:对比分析iASSIST智能导航辅助定位系统与传统手术方式在膝关节内外翻畸形全膝关节置换中的临床应用效果。方法:选择接受全膝关节置换的21例膝关节内外翻畸形患者,采用电脑随机抽样法分为2组,iASSIST智能导航辅助全膝关节置换组(A组)10例,传统全膝关节置换手术组(B组)11例。通过测量并比较2组术后冠状面髋-膝-踝角、冠状面股骨组件角、冠状面胫骨组件角、矢状面股骨组件角、矢状面胫骨组件角的偏移值评估手术精确性;通过比较2组术中出血量、手术时间、术后引流量、术后力线恢复程度、术后并发症发生率、住院时间、术后目测类比评分与美国膝关节协会评分评估疗效。结果与结论:(1)2组患者术后下肢力线的髋-膝-踝角、冠状面股骨组件角、冠状面胫骨组件角、矢状面股骨组件角、矢状面胫骨组件角的偏移值均<3°,其中A组对内外翻畸形的矫正效果更好;(2)手术时间A组长于B组(P<0.05),术后力线恢复程度A组优于B组(P<0.05),术中出血量2组差异无显著性意义(P>0.05),术后引流量A组多于B组(P<0.05),住院时间B组长于A组(P<0.05),术后引流量、术后1 d、1周的目测类比评分及美国膝关节协会评分B组优于A组(P<0.05),术后并发症发生率、术后2周、1个月、3个月的目测类比评分及美国膝关节协会评分2组差异无显著性意义(P>0.05);(3)结果表明,对于需要行全膝关节置换且膝关节内外翻畸形的复杂患者,使用iASSIST智能导航辅助全膝关节置换及传统全膝关节置换技术均可以获得较好的手术精度,其中iA SSIST智能导航辅助全膝关节置换对术后下肢力线的重建效果更好。两种技术的远期疗效尚需要进一步研究。

大图医疗rtStation软件自动勾画直肠癌患者膀胱结构的应用分析

目的测试并定量分析大图医疗rtStation软件在直肠癌放疗患者定位CT图像中自动勾画膀胱结构的几何精度及相关影响因素。为该软件在临床的应用及其优化提供数据参考。方法回顾性分析南京医科大学附属南京医院(南京市第一医院)于2017年3月至2019年10月收治的30例直肠癌放疗患者的定位CT图像,通过体积差异(ΔV%)、Dice相似性指数(Dice Similarity Coefficient,DSC)、质心偏差(Deviation of Centroid,DC)等指标,定量评估软件自动勾画与临床确认的器官轮廓在形状、体积、位置等方面的差异,并通过SPSS行统计学分析。结果在30例患者的定位CT图像中(仰卧位16例;俯卧位14例),两种勾画方式的DSC与膀胱充盈体积显著正相关。除3例膀胱充盈不足样本外,其余27例的DSC、ΔV%、DC分别为0.89±0.05,(-4.44±16.25)%,(0.22±0.17)cm,位置差异在x、y、z三个方向分别为(0.08±0.11)cm,(0.25±0.62)cm和(0.26±0.58)cm。30例膀胱结构的自动勾画时间为(47.3±6.8)s。结论利用rtStation危及器官勾画工具,能够对定位CT图像中充盈良好的膀胱结构进行自动勾画,且在两种扫描体位中的勾画精度均接近人工勾画水平,表明该工具对体位变化具有较好鲁棒性,但对于充盈不足的膀胱结构有一定的局限性。