电控汽油机怠速不稳的人工诊断

针对电喷发动机怠速不稳且无故障码显示的现象,分别从常见故障部位分析了故障产生原因,提出了故障诊断和排除方法。

CRT显示器故障的人工诊断

人工诊断是CKT显示器自动诊断测试无效时，最常用的诊断方法。本文介绍了冷却与加热法，振动按压法，开路、短路法，同类对比法，背芯片法，机外检测法，试换查找法，逻辑测试法，跟踪追击法，压缩隔离法，拉偏检查法，应急拆除法，加散热片法，增补元件试探分析法，盲焊检查法，千扰测试法和直接查找法。

动态心电图电脑分析与人工诊断的比较

目的 观察比较动态心电图电脑分析与人工分析结果 ,了解GP— 6 0 0 0型HOLTER软件设置程序的性能。 方法 对 345例患者行 2 4小时动态心电图监护检查 ,将电脑分析结果与人工分析结果进行比较。 结果 动态心电图阳性病例电脑分析较人工分析敏感性增加 ,特异性降低 ,且电脑对单纯房性心律失常、单纯室性心律失常、心肌缺血诊断的敏感性较低 ,与人工分析存在着显著差异 (P <0 0 1)。 结论 GP— 6 0 0 0型HOLTER在监测心肌缺血、捕捉心律失常等方面具有独特的作用 。

浅谈人工诊断在解决排查汽油发动机燃油电喷系统(EFI)故障中的作用

笔者以理论为导航,通过分析EFI系统的特点,结合维修实践,指出排查电控发动机故障中使用人工诊断的必要性,进而提出汽修工在具备一定电喷知识的基础上,以人工诊断为先导再使用仪器诊断的建议。

柴油发动机故障的人工诊断

一台运行良好的柴油发动机应该是容易起动,运行良好,油、水、气各路温度和压力正常,不泄漏,油耗量及输出功率等性能指标正常,且在运行中没有异常振动、异常声音和其他不正常现象.实际使用中的柴油发动机由于受使用环境、工况条件、驾驶操作和维护保养等因素的影响,不可避免出现机械故障.

人工智能辅助诊断系统与计算机辅助阅片系统在子宫颈癌筛查中应用的对比观察

目的对比观察人工智能(AI)辅助诊断系统与计算机辅助阅片系统(TIS)在子宫颈癌筛查中的应用价值。方法选择25000例份宫颈液基薄层细胞涂片,按TBS-2014对宫颈细胞进行分类,分别采用“AI辅助+人工复核”、“TIS辅助+人工复核”阅片,计算两种阅片方式在子宫颈癌筛查中的灵敏度、特异度、阳性预测值、阴性预测值,比较两种阅片方式筛查结果与病理结果的一致性,并比较两种阅片方式筛查结果的灵敏度和特异度。结果“AI辅助+人工复核”与“TIS辅助+人工复核”两种阅片方式在子宫颈癌筛查中的灵敏度分别为90.40%、89.94%,特异度分别为99.43%、99.39%,阳性预测值分别为92.30%、91.78%,阴性预测值分别为99.28%、99.24%。“AI辅助+人工复核”、“TIS辅助+人工复核”阅片筛查结果与病理结果的一致性均较好(Kappa值分别为0.907、0.902),但两种阅片方式筛查结果的灵敏度、特异度比较差异均无统计学意义(P均>0.05),二者灵敏度一致性较好(Kappa值=0.752)、特异度一致性一般(Kappa值=0.539)。结论“AI辅助+人工复核”与“TIS辅助+人工复核”阅片在子宫颈癌筛查中均表现出较高的灵敏度和特异度,且其筛查结果与病理结果的一致性较好,均可作为临床辅助阅片的手段。

一种面向人工智能辅助诊断的偏振皮肤镜系统

传统皮肤镜检查高度依赖医生的临床经验,并且皮肤镜图像本身的复杂性给临床诊断提出了巨大的挑战。针对以上情况,研发出一款带有人工智能辅助诊断功能的偏振皮肤镜系统。该系统使用偏振照明成像技术,经过目镜系统放大,由可连续工作的工业相机将大量实时抓拍的皮肤镜裸数据图像传输至上位机。通过上位机内置的图像处理模块将图像进行预处理,然后通过训练好的卷积神经网络VGG16将皮肤镜图像分类。最后,用户可以通过皮肤镜诊断平台查看诊断结果。此系统可以更加清晰有效地观察深层皮肤组织病变组织形态,由系统采集的皮肤镜图像的分类准确性达到93.6%,可用于临床诊疗。

人工智能诊断系统的胸部CT肺结节检出率及良恶性诊断研究

目的 探讨临床诊断肺结节疾病采用人工智能诊断系统的胸部CT技术的检出率及鉴别诊断良恶性的价值。方法 选择2022年5月—2023年5月丹阳市人民医院接诊治疗的肺结节患者50例进行回顾性研究,所有患者均接受人工智能诊断系统的胸部CT技术检查,以手术诊断结果为金标准。结果 通过人工智能诊断系统的胸部CT技术共计检出结节126个,检出率为93.33%。进一步分析结果显示,50例肺结节患者中,35例患者为良性结节,15例患者为恶性结节。通过计算,人工智能诊断系统的胸部CT技术灵敏度为97.14%、特异性为100.00%、准确率为98.00%,与金标准比较差异无统计学意义(P>0.05)。结论 人工智能诊断系统的胸部CT技术对肺结节疾病具有一定诊断价值,且能够鉴别结节良恶性,值得推广。

人工智能影像辅助诊断系统阅片在鉴别肺结节性质中的价值分析

目的探究人工智能影像辅助诊断系统阅片在鉴别肺结节性质中的价值,为临床诊断肺结节疾病提供参考依据。方法回顾性分析北大医疗潞安医院2022年6月至2023年6月收治的82例肺结节患者的临床资料,所有患者均接受电子计算机断层扫描(CT)检查,获得的CT图像进行人工阅片和人工智能影像辅助诊断阅片,并进行定性诊断。以病理检查为金标准,分析比较两种阅片方式对肺结节的检出情况及两种阅片方式对肺结节良、恶性的诊断效能。结果82例肺结节患者中共检出245个结节,其中结节直径<5 mm者154个,5 mm≤结节直径≤10 mm者66个,结节直径>10 mm者25个。与人工阅片相比,人工智能影像辅助诊断系统阅片对肺结节直径<5 mm、5 mm≤直径≤10 mm的检出率升高;与人工阅片相比,人工智能影像辅助诊断系统阅片对肺结节恶性的诊断特异度降低,灵敏度、阴性预测值均升高(均P<0.05)。结论人工智能影像辅助诊断系统阅片对肺结节的检出率更高,并且诊断灵敏度、阴性预测值较高,但其特异度较低,因此会存在一定的假阳性率,建议临床上将两种阅片方式进行结合,以提高对肺结节的诊断准确性。

人工智能超声辅助诊断系统联合超声造影对ACR TI-RADS 4类结节的诊断价值

目的分析人工智能超声辅助诊断系统(AI-UADS)联合超声造影对ACR TI-RADS 4类结节的诊断价值。方法选取我院经手术病理证实的甲状腺结节患者84例,共92个结节,均为ACR TI-RADS 4类,其中恶性结节17个,良性结节75个,比较AI-UADS与超声造影单独及联合对ACR TI-RADS 4类良恶性结节的诊断效能。结果超声造影准确诊断恶性结节14个,良性结节61个,诊断甲状腺恶性结节的灵敏度、特异度、准确率、阳性预测值、阴性预测值分别为82.35%、81.33%、81.52%、50.00%、95.31%;AI-UADS准确诊断恶性结节15个,良性结节62个,诊断甲状腺恶性结节的灵敏度、特异度、准确率、阳性预测值、阴性预测值分别为88.24%、82.67%、83.70%、53.57%、96.88%;二者联合准确诊断恶性结节14个,良性结节70个,联合诊断甲状腺恶性结节的灵敏度、特异度、准确率、阳性预测值、阴性预测值分别为82.35%、93.33%、91.30%、73.68%、95.89%。AI-UADS联合超声造影诊断甲状腺恶性结节的特异度和阳性预测值均高于单独诊断,差异均有统计学意义(均P<0.05)。结论AI-UADS和超声造影对甲状腺ACR TI-RADS 4类良恶性结节均具有较好的诊断效能,二者联合应用可有效提高诊断特异度和阳性预测值。

数字化X线胸片人工智能辅助诊断系统在肺结核诊断中的应用价值

目的:探究数字化X线胸片人工智能辅助诊断系统在肺结核诊断中的应用价值。方法:选取2017年8月—2023年7月上海健康医学院附属嘉定区中心医院放射科收治的肺结核患者140例,根据检查方法的不同分为两组,每组70例,分别给予传统人工诊断、数字化X线胸片人工智能辅助诊断系统诊断,比较两种方法的诊断价值。结果:数字化X线胸片人工智能辅助诊断系统的平均诊断时间为(1.97±0.62) min,短于传统人工诊断的(6.39±1.36) min,差异有统计学意义(P<0.05)。数字化X线胸片人工智能辅助诊断系统的符合率97.14%(68/70)高于传统人工诊断的78.57%(55/70),差异有统计学意义(P<0.05)。渗出浸润型影像学表现:病灶呈结节状,且出现模糊边缘。干酪型影像学表现:空洞存在不规则透亮,病灶呈片状阴影。空洞型影像学表现:大片病灶出现空洞,且附近多小片状影。急性血行播散型影像学表现:病灶大小、形态和密度一致,且均匀分布。结论:数字化X线胸片人工智能辅助诊断系统诊断肺结核价值较好,且有诊断时间短,诊断符合率高的优势。

矿山机电设备故障诊断技术探讨

将故障诊断技术科学地应用于矿山机械设备的维修工作,不仅契合了当前国内采矿行业的实际情况,还融合了国际先进的科技和经验。这种做法能有效提升矿山企业的经营管理水平,同时对现有的维修体系进行优化,使其更加适应市场运营的规律。通过这样的改进,矿山机械的维护和修理将更加高效、科学,进而提高整个矿山企业的运营效率。

冠状动脉CT血管成像人工智能辅助诊断技术的成本分析

目的/意义测算冠状动脉CT血管成像人工智能辅助诊断技术(artificial intelligence aided diagnosis technology for coronary computed tomography angiography, AI-CCTA)临床使用成本,开展样本机构技术应用运行分析。方法/过程 采用作业成本法对样本医院AI-CCTA成本进行测算分析,采用本量利分析法对技术应用进行运行分析。结果/结论 AI-CCTA利用AI技术可节省宝贵的诊断医师人力资源,提高工作效率,降低次均检查成本,具有一定临床应用优势,随着AI应用范围的扩大,可改善医疗机构经济运行情况。

人工智能在乳腺癌影像诊断中的研究及应用进展

在全球范围内,乳腺癌发病率居于前列,严重威胁妇女身心健康,早期诊断可显著提高乳腺癌患者的生存率。近年来随着大数据及计算机算法的发展,影像组学和深度学习等人工智能(artificial intelligence,AI)技术在医学影像领域中的研究及应用日益广泛,使得精准、高效的影像学评估成为可能。本文就近年来基于影像图像的AI技术在乳腺病变术前良恶性评估、乳腺癌分类及分级、生物标记物及分子亚型预测、淋巴结病理状态及易感基因诊断等方面的研究现状及进展做一综述,旨在介绍该领域AI发展现状并试图分析当前面临的问题,以期推进乳腺癌AI诊断技术的临床转化,为临床精准无创诊疗提供最佳影像辅助。

肺结节人工智能诊断系统在肺结节良恶性诊断中的临床应用

目的探讨肺结节人工智能诊断系统(PNAIDS)在肺结节良恶性诊断中的临床应用价值。方法选取2020年5月至2021年10月郑州大学第一附属医院收治的99例肺结节患者作为研究对象,使用PNAIDS判读患者的胸部计算机断层扫描图像。肺结节的良恶性均以病理结果为金标准,将患者分为良性结节、恶性结节,比较两者临床资料和量化指标的差异。绘制受试者工作特征曲线评价PNAIDS对肺结节良恶性的诊断效能,计算其在肺结节良恶性诊断中的敏感性、特异性、阳性预测值及阴性预测值。进行二分类Logistic回归分析判定恶性肺结节的独立危险因素。结果良性结节组和恶性结节组的结节位置、PNAIDS评分比较差异均有统计学意义(χ^(2)=4.519,P=0.034;t=2.923,P=0.004)。PNAIDS评分诊断肺结节良恶性的曲线下面积为0.709,敏感性为61.82%,特异性为77.27%,阳性预测值为77.27%,阴性预测值为61.82%。二分类Logistic回归分析显示性别、PNAIDS评分、既往肺病史为肺结节恶变的独立危险因素(P=0.003;P=0.013;P<0.001)。结论PNAIDS在肺结节良恶性的诊断中具有较高的临床应用价值。

人工智能辅助诊断系统预测肺腺癌PD-L1表达水平的应用研究

目的探讨人工智能辅助诊断系统对肺腺癌细胞程序性死亡配体1(programmed cell death 1 ligand 1,PD-L1)表达水平的预测研究。方法回顾性分析2021年1月—2022年4月福建医科大学附属协和医院胸外科收治的106例肺腺癌患者(PD-L1阳性56例,PD-L1阴性50例)的临床资料。所有患者均于术前或穿刺前2周内行肺部CT平扫,并将CT肺窗影像导入肺结节人工智能(artificial intelligence,AI)辅助诊断系统,自动生成长径、体积、CT值最大值、CT最小值、CT中位数、CT平均值、CT标准差、实性成分占比,紧凑度、球形度、CT值的峰度和偏度、熵等量化参数。分析临床指标和AI参数在两组间的差异性。结果两组年龄、性别、吸烟史、表皮生长因子受体(epidermal growth factor receptor,EGFR)状态比较,差异有统计学意义(P<0.05)。相较于PD-L1阴性组,PD-L1阳性组多为年龄较大且有吸烟史的男性患者,具有更高的EGFR突变率。两组肿块的最大径、体积、CT最小值、CT平均值、CT中位数、实性成分占比、紧凑度、CT值的峰度和偏度比较,差异有统计学意义(P<0.05);相较于PD-L1阴性组,PD-L1阳性组肿块尺寸更大,密度更高,含有更多的实性成分,且形态较不规则。结论人工智能辅助诊断系统对肺腺癌PD-L1表达的预测具有较高的应用价值。

人工智能超声辅助诊断系统联合血清miR-211鉴别诊断甲状腺结节的临床价值

目的探讨人工智能超声辅助诊断系统(以下简称AI超声系统)联合血清miR-211鉴别诊断良恶性甲状腺结节的临床应用价值。方法选取我院经病理证实的甲状腺结节患者203例(良性146例,恶性57例,均为单发),术前均先行AI超声系统检查评估结节良恶性,再分别由1名高年资超声医师和1名低年资超声医师评估结节良恶性;检测并比较良恶性甲状腺结节血清miR-211的差异。分析AI超声系统及不同年资超声医师诊断结果与病理结果的一致性,计算并比较其诊断效能。绘制受试者工作特征(ROC)曲线分析血清miR-211鉴别良恶性甲状腺结节的诊断效能,比较AI超声系统联合血清miR-211与其单独应用的诊断效能。结果AI超声系统诊断良性结节119例,恶性结节84例,与病理结果的一致性一般(Kappa=0.627,P<0.01),其准确率、灵敏度、特异度、阳性预测值、阴性预测值分别为82.76%、92.98%、78.77%、63.10%、96.64%;高年资超声医师诊断恶性结节124例,恶性结节79例,与病理结果的一致性一般(Kappa=0.607,P<0.01),其准确率、灵敏度、特异度、阳性预测值、阴性预测值分别为82.27%、87.72%、80.13%、63.29%、94.35%;低年资超声医师诊断良性结节105例,恶性结节98例,与病理结果的一致性较差(Kappa=0.470,P<0.01),其准确率、灵敏度、特异度、阳性预测值、阴性预测值分别73.89%、89.47%、67.81%、52.04%、94.29%。三者诊断准确率、特异度比较差异均有统计学意义(均P<0.05);其中AI超声系统和高年资超声医师诊断准确率、特异度均高于低年资超声医师(均P<0.05)。恶性结节血清miR-211高于良性结节,差异有统计学意义(Z=7.807,P<0.05)。ROC曲线分析显示,血清miR-211鉴别诊断良恶性甲状腺结节的曲线下面积为0.853,诊断准确率、灵敏度、特异度、阳性预测值、阴性预测值分别为84.24%、89.47%、82.19%、66.23%、95.24%。AI超声系统联合血清miR-211鉴别诊断良恶性甲状腺结节的准确率、灵敏度、特异度、阳性预测值、阴性预测值分别为90.15%、89.47%、90.41%、78.46%、95.65%,联合应用的诊断准确率、特异度、阳性预测值均高于AI超声系统和血清miR-211单独应用,差异均有统计学意义(均P<0.05)。结论AI超声系统在良恶性甲状腺结节鉴别诊断方面具有较好价值,其与miR-211联合应用可提高诊断准确率、特异度及阳性预测值。

基于深度学习的人工智能诊断模型在食管早癌内窥镜筛查中的研究

目的:研究基于深度学习的人工智能(AI)诊断模型应用于食管早癌内窥镜筛查。方法:利用Inception ResNet V2 CNN模型构建深度学习模型,并在Tensor Flow1.9.0框架下进行训练、验证及测试。选取医院收治的80例食管癌患者资料,另选同期在医院进行内窥镜检查的80例食管其他病变患者资料,收集160例患者内窥镜检查时获得的传统白光成像技术图像及窄带成像图像,按照7∶3的比例分为训练组(112例)和验证组(48例),建立基于深度学习的AI诊断模型,收集两组临床基本资料。分析食管早癌内窥镜下特征。以病理学检查结果为“金标准”,分析传统白光成像技术及窄带成像技术对食管早癌的诊断结果。观察不同性质食管病变患者镜下检查结果。分析基于卷积神经网络(CNN)的深度学习方法构建的早期食管癌AI诊断模型与内窥镜医师诊断结果之间的差异。采用受试者工作特征(ROC)曲线下面积(AUC)分析AI诊断模型与低资历内窥镜医师、高资历内窥镜医师诊断的效能。结果:训练组患者基于传统白光成像技术图像及窄带成像图像的病灶表面不光滑占79.46%(89/112),具有黏液附着占72.32%(81/112),伴有糜烂占64.29%(72/112),黏膜颜色发红占90.18%(101/112),上皮微细结构与腺管开口不规则或消失占90.18%(101/112),黏膜下微血管不规则或消失占96.43%(108/112)。经病理学检测结果发现食管早癌患者21例,经传统白光成像技术联合窄带成像技术检测发现食管早癌患者36例。验证组诊断显示,AI诊断模型及低资历内窥镜医师、高资历内窥镜医师诊断的曲线下面积分别为0.932、0.734和0.916;灵敏度分别为91.25%、42.38%和62.26%;特异度分别为97.74%、93.57%和98.14%;准确率分别为94.28%、87.74%和93.41%。AI诊断模型的AUC明显高于低资历内窥镜医师的诊断效能,其差异有统计学意义(Z=2.856,P<0.05)。结论:基于CNN的深度学习方法构建的食管早癌AI诊断模型对食管早癌的诊断具有一定的应用价值,其临床应用对于食管早癌的早期发现及时治疗,延长患者生存时间,改善患者预后意义重大。

分析肺部影像人工智能诊断系统鉴别诊断肺结节性质

对肺结节鉴别诊断采用肺部影像人工智能诊断系统做好辨别。方法 通过选取本院收治的100例肺结节患者,随后开展回顾性分析,均于2020.1-2022.1收治的患者进行分析,采用肺部影像人工智能诊断,随后进行病理学检查,做好肺结节性质的良恶性判定以及人工智能诊断系统准确率分析,统计鉴别诊断结果。结果 良性肺结节中包含单发、多发分别为54例、6例。恶性肺结节中包含单发、多发8例、32例 经病理检查,本次包含恶性肿瘤38例,腺癌、小细胞癌、鳞癌、大细胞癌人数分别为25例、7例、4例、2例,所占比例分别为78.13%、18.42%、10.53%、5.26%。肺部影像人工智能诊断系统鉴别准确率相对较好。结论 在肺结节性质诊断中,采用肺部影像人工智能系统进行判定,效果较好,一致性高,值得进行推广。

联合C-TIRADS指南的超声辅助诊断模型对甲状腺癌筛查的应用价值

目的探讨联合甲状腺结节超声恶性危险分层中国指南(Chinese-Thyroid Imaging Reporting and Data System,C-TIRADS)构建的超声辅助诊断模型对甲状腺结节良恶性筛查的应用价值。方法回顾性分析2022年4月—2023年4月在江门市五邑中医院进行超声检查并明确病理结果的甲状腺结节患者(共136例患者,180个病灶),依据C-TIRADS指南对甲状腺结节进行分类评估,然后使用AI辅助诊断联合C-TIRADS再次进行分类评估,以病理结果为金标准,绘制C-TIRADS诊断与AI联合C-TIRADS诊断的ROC曲线,比较两种诊断方法的AUC及敏感度、特异度、准确度等指标,分析两组指标差异。绘制校准曲线和DCA曲线进行验证对比,评价其校准能力和临床效用。结果180个甲状腺结节病灶经手术病理证实良性87个,恶性93个。C-TIRADS诊断与AI联合C-TIRADS诊断对甲状腺结节良恶性诊断的AUC分别为0.714、0.800,AI联合C-TIRADS诊断明显高于C-TIRADS诊断,差异有统计学意义(P<0.001)。两种诊断方法均有良好的校准能力和临床效用,AI联合C-TIRADS诊断较C-TIRADS诊断更优。结论联合C-TIRADS的AI辅助诊断模型在甲状腺结节良恶性的诊断中具有良好的诊断效能、校准能力及临床效用,能有效减少甲状腺结节的过度诊疗,对临床决策有一定参考意义。