基于深度卷积神经网络的异常肺部CT图像初筛平台的设计与临床实践

针对肺部疾病初筛实践中CT图像异常先验判读机制的效能性问题,设计了一种基于深度卷积神经网络的异常肺部CT图像初筛平台并开展了临床实践验证。该平台使用CT扫描设备采集肺部CT图像,形成数据池;利用深度卷积神经网络对数据池训练集进行肺部异常特征学习,构建时间正序下的肺部CT图像异常特征全息感知机制;在Inception V3模型中结合Google Net网络结构,实现参数自动调整优化,达到对肺部疾病精准初筛的目的。使用青岛市中心医院临床肺部CT图像集进行实验,结果表明,该平台在肺部CT图像异常判读均值准确率达96.52%,肺部疾病初筛均值有效率达93.07%,可实现肺部疾病的初筛工作。

氧合指数联合胸部X线分级对新生儿呼吸窘迫综合征预后分析

新生儿呼吸窘迫综合征(NRDS)由于原发性或者继发性肺表面活性物质不足引起的呼吸系统疾病。新生儿肺表面活性物质不足导致肺泡表面张力增大及肺泡萎陷,引起肺不张,表现为呼吸困难、高碳酸血症等。新生儿出生胎龄越小,NRDS发病率越高,进展迅速,病死率高。准确、高效的检查手段对于诊断NRDS具有重要意义[1]。