CT影像识别的卷积神经网络模型

针对传统分类方法分割精度低、特征提取耗时等问题,构建一个适用于CT肺结节良恶性分类的卷积神经网络模型.首先确定网络深度、卷积核数目和卷积核大小等参数,构建卷积神经网络初始模型;然后选择激活函数类型、学习率和学习率衰减策略等训练参数;最后提出对感兴趣区域划分局部子区域的方式增强样本进行训练.在LIDC-IDRI数据集上进行实验的结果表明,准确率、特异性、敏感性及AUC值分别达到92.50%,0.91,0.94和0.93;对恶性结节的识别能力明显优于其他网络模型.

基于改进的卷积神经网络的肺结节良恶性分类

为提高肺结节良恶性分类的准确率,降低误诊率,提出一种基于改进的卷积神经网络的肺结节良恶性分类方法。采用多层感知器卷积层来提取肺结节特征;利用卷积层代替全连接层,减少网络参数,将提取到的特征输入至分类器进行分类;从网络深度、参数优化算法、学习率衰减策略、激活函数4个方面分析对分类效果的影响,构建改进的卷积神经网络模型。在LIDC-IDRI数据集上的实验结果表明,该模型的准确率、敏感性、特异性和AUC值分别为95.5%、0.96、0.95和0.96,该方法比传统卷积神经网络有更高的分类准确率和低误诊率,取得了较好的分类效果。

综合护理在^14C尿素呼气试验检测幽门螺杆菌感染中的应用效果

目的探讨综合护理在^14C尿素呼气试验检测幽门螺杆菌感染中的应用价值。方法选取2017年1-8月山西大医院健康体检部收治的60例行^14C尿素呼气试验检测幽门螺杆菌感染患者，采用随机数表法随机分为常规护理组与综合护理组，每组30例。常规护理组实施常规临床护理干预；综合护理组实施综合护理干预，在检测前对患者讲解呼气试验的注意事项，做好呼气试验检测过程中及检测后的护理工作。比较两组患者检测结果准确率及患者满意率。结果综合护理组患者检测结果的准确率（96．7％）高于常规护理组（73．3％），差异有统计学意义（P〈0．05）；综合护理组的满意率（93．3％）高于常规护理组（73．3％），差异有统计学意义（P〈0．05）。结论对行^14C尿素呼气试验检测幽门螺杆菌感染的患者给予综合护理干预，有利于提高检测的准确率及护理满意率，值得在临床上推广应用。