简介:摘要目的探讨网络化智能管理系统在电子自控镇痛泵管理中的应用效果。方法采用自身前后对照设计,选择2018年6—8月及2019年3—6月北京大学人民医院麻醉科70名医护人员作为调查对象,比较应用电子镇痛泵智能管理系统前后70名医护人员镇痛泵取用时间及医护满意度指标。结果应用电子镇痛泵智能管理系统前医护人员平均取用镇痛泵时间为(3.725 ± 0.332)min,医护满意度为64.29%(45/70);智能管理系统应用后医护人员平均取用镇痛泵时间为(1.901 ± 0.237) min,医护满意度为97.14%(68/70),应用前后差异有统计学意义(t值为46.197,χ2值为8.425,P<0.05)。结论电子镇痛泵智能管理系统的应用使医护人员镇痛泵取用时间有效缩短,满意度显著提高,提升了医护人员的临床工作效率,实现了麻醉科电子自控镇痛泵网络化的管理。
简介:摘要目的探讨网络化智能管理系统在电子自控镇痛泵管理中的应用效果。方法采用自身前后对照设计,选择2018年6—8月及2019年3—6月北京大学人民医院麻醉科70名医护人员作为调查对象,比较应用电子镇痛泵智能管理系统前后70名医护人员镇痛泵取用时间及医护满意度指标。结果应用电子镇痛泵智能管理系统前医护人员平均取用镇痛泵时间为(3.725 ± 0.332)min,医护满意度为64.29%(45/70);智能管理系统应用后医护人员平均取用镇痛泵时间为(1.901 ± 0.237) min,医护满意度为97.14%(68/70),应用前后差异有统计学意义(t值为46.197,χ2值为8.425,P<0.05)。结论电子镇痛泵智能管理系统的应用使医护人员镇痛泵取用时间有效缩短,满意度显著提高,提升了医护人员的临床工作效率,实现了麻醉科电子自控镇痛泵网络化的管理。
简介:摘要目的探讨基于卷积神经网络(convolutional neural network,CNN)的人工智能(artificial intelligence,AI)技术通过深度学习辅助喉鳞状细胞癌(以下简称喉鳞癌)临床诊断的可行性。方法本研究采用一套深度CNN用以评估喉鳞癌患者的窄带成像(narrow band imaging,NBI)内镜图像。纳入2015—2017年期间就诊于首都医科大学附属北京同仁医院耳鼻咽喉头颈外科的喉病变患者4 799例,其中男3 168例,女1 631例,年龄21~87岁。采用简单随机化法选取2 427例患者的NBI内镜(其中喉良性病变1 388例,喉鳞癌1 039例)用于对AI系统的训练和校正。对余下的2 372例患者采用NBI内镜(其中喉良性病变1 276例,喉鳞癌1 096例)对AI进行测试,并与耳鼻咽喉头颈外科专家判读结果进行比较。采用SPSS 21.0软件进行卡方检验,计算AI及耳鼻咽喉头颈外科专家判读的准确率、敏感度及特异度,采用受试者工作特征曲线(receiver operating curve,ROC)的曲线下面积(area under the curve,AUC)来评估本算法对NBI内镜图像的判读能力。结果AI验证集的准确率为90.91%(AUC=0.96),敏感度为90.12%,特异度为91.53%,与耳鼻咽喉头颈外科专家判读结果相当[准确率为(91.93±3.20)%,敏感度为(91.33±3.25)%,特异度为(93.02±2.59)%],差异无统计学意义(t值分别为0.64、0.75、1.17,P值分别为0.32、0.28、0.21)。CNN的判读速度明显高于耳鼻咽喉头颈外科专家,差异有统计学意义(每图0.01 s比每图5.50 s,t=9.15,P<0.001)。结论本研究证实了基于深度CNN的AI在喉NBI内镜判读上的有效性,提示AI在喉鳞癌的临床辅助诊断方面有很好的应用前景。
简介:摘要目的探讨利用深度学习在图像处理上的优势与放疗结合是否会使放疗过程更加智能化。方法生成对抗网络(GAN)是一种利用神经网络的生成模型,输入相关特征可生成高质量剂量分布图像。先使用随机无条件GAN进行模拟分布数据的验证,再使用条件GAN(cGAN)训练肿瘤病例的DICOMRT数据,利用靶区和器官轮廓信息直接生成剂量分布图。结果对于理想数据验证,GAN生成模拟分布效果优良,通过提取靶区轮廓和真实剂量切片数据使用cGAN训练,得到病例计划靶体积和危及器官的剂量分布。结构中预测值与真实剂量之间最大值和平均值的绝对误差评价表现为[3.57%,3.37%](计划靶体积)、[2.63%,2.87%](脑)、[1.50%,2.70%](临床靶体积)、[3.87%,1.79%](大体肿瘤体积)、[3.60%,3.23%](危及器官-1)、[4.40%,3.13%](危及器官-2)。结论利用GAN模型可以生成模拟分布数据,同时结合先验知识的cGAN模型可以建立靶区和器官信息与剂量分布之间的关系。通过输入靶区和器官轮廓信息直接快速生成对应的剂量分布,是剂量预测的一种有效尝试。
简介:摘要目的探讨慢性甲基苯丙胺(MA)成瘾患者静息态脑功能网络的拓扑特征。方法利用静息态功能磁共振成像技术构建MA成瘾患者(MA成瘾组,n=46)及健康对照者(健康对照组,n=46)的脑功能网络。比较2组成员脑功能连接及网络拓扑属性的差异,分析组间有显著差异的拓扑属性与临床测量值之间的相关性。结果(1)脑功能连接:与健康对照组比较,MA成瘾组位于顶下小叶、中央后回、枕外侧皮层、腹内侧枕叶皮质、眶回、中央前回、梭形回、颞上回皮层及丘脑的多个脑区构成的子网络的功能连接增强,位于眶额回、中央前回、中央旁小叶、颞下回、梭形回、海马旁回、顶上小叶、中央后回、腹内侧枕叶、枕外侧皮层及杏仁核的多个脑区构成的子网络的功能连接减弱,差异均有统计学意义(P<0.05)。(2)网络拓扑属性:2组成员的脑功能网络均具有小世界属性,但是MA成瘾组小世界属性值、聚类系数、局部效率、模块化程度明显低于健康对照组,差异均具有统计学意义(P<0.05)。MA成瘾组的左侧额上回、右侧眶额回、右侧颞中回和左/右侧枕外侧皮层介数中心度均明显低于健康对照组,差异有统计学意义(P<0.05)。(3)相关性分析:MA成瘾组右侧颞中回的介数中心度与第1次服用MA的年龄呈正相关关系(r=0.327,P=0.028);MA成瘾组的模块化程度与简明精神病评定量表中激活性因子分呈正相关关系(r=0.315,P=0.035)。结论慢性MA成瘾患者的大脑功能网络部分拓扑属性被破坏,且患者首次服用MA时年龄越小右侧颞中回的介数中心度越低;网络模块化程度越深,精神病性症状中的激活性症状越严重。