简介：摘要目的基于深度卷积神经网络（DCNN）方法自动测量彩色眼底像上全局和局部豹纹分布密度。方法应用研究。将2021年5~ 7月于山东第一医科大学附属青岛眼科医院北部院区行近视手术的患者514例1 028只眼的1 005张彩色眼底像建立人工智能（AI）数据库。采用RGB颜色通道重标定方法（CCR算法）、基于Lab颜色空间的CLAHE算法、多重迭代照度估计的Retinex算法、具有色彩保护的多尺度Retinex算法对图像进行预处理。对比观察上述4种图像增强方法以及使用Dice损失、边缘重叠率损失和中心线损失对豹纹分割模型效果的影响。建立眼底豹纹分割模型识别全图范围内豹纹结构区域；构建眼底组织结构检测模型用于视盘及黄斑中心凹定位。计算视野范围内后极部豹纹密度（FTD ）、黄斑区豹纹密度（MTD）、视盘区豹纹密度（PTD ）。结果应用CCR算法图像预处理和训练损失组合后，豹纹分割模型的Dice系数、准确率、灵敏度、特异性、约登指数分别达到0.723 4、94.25%、74.03%、96.00%和70.03%。模型自动测量的FTD、MTD、PTD值与人工标注测量值平均绝对误差分别为0.014 3、0.020 7、0.026 7，均方根误差则分别为0.017 8、0.032 3、0.036 5。结论基于DCNN分割和检测方法能自动测量近视患者眼底全局和局部区域的豹纹分布密度，可以更准确地辅助临床监测和评估眼底豹纹改变对近视发展的影响。

简介：摘要为了提高卫勤模拟训练的效果，基于战伤严重度评分并综合运用深度神经网络（DNN）建模技术，建立一种新的战伤数据增强模型（WTSS-DNN），用于准确统计卫勤模拟训练系统中的伤员数据，并构建满足卫勤组织指挥要求、符合战时伤员救治特征的战场模拟伤员。WTSS-DNN相较于传统的人工数据生成方法，在保持后果预测准确性和伤情合理性的前提下，可以自动化、大规模地生成战伤伤员数据，对战伤数据分析研究、战时伤员伤情快速评估及分级后送具有重要意义。

简介：摘要人工神经网络（ANN）是一种驱动人工智能（AI）的网络框架，其中采用经典卷积神经网络（CNN）进行胚胎质量评估可进行固定时间节点胚胎细胞计数和图像识别；采用全连接的深度神经网络（DNN），胚胎图像识别准确度提升，适用于较高硬件配置以及需要整合临床信息进行综合预测；残差网络通过增加层数提高准确度并通过跳跃连接解决梯度消失问题，实现动态胚胎评估。贝叶斯网络（BN）机器学习擅长推理，在条件缺失情况下可通过推理弥补数据不足，可结合临床复杂信息进行综合预测评估；支持向量机（MLP）机器学习存在梯度消失与爆炸，容易丢失图像部分空间特征，适用于小样本评估。ANN在预测胚胎植入率、胚胎非整倍体方面具有一定优势，开发新的胚胎质量评估方法减少侵入性检测是人类辅助生殖技术（ART）重要研究方向。

简介：摘要本文报道了1例侵及多组脑神经和马尾神经的神经淋巴瘤病患者。该患者为32岁男性，主要临床表现为马尾综合征。脑神经和腰椎MRI表现为多组脑神经及马尾神经明显增粗呈均匀明显强化，扩散加权成像表现为扩散受限明显，符合典型神经淋巴瘤病的影像学表现。由于神经淋巴瘤病在临床罕见，早期诊断困难，故当怀疑是此病时，应尽早进行MRI、活体组织检查。该患者经过骨髓穿刺和全面脑脊液检查后最终确诊为神经淋巴瘤病。

简介：摘要目的探讨卷积神经网络（CNN）在胸部CT肋骨骨折诊断中应用的准确性和可行性。方法收集2017年5月至2019年5月于山西白求恩医院行胸部CT检查的305例肋骨骨折患者的影像资料，经过图像裁剪构建包含5类胸部CT肋骨骨折图像数据集，共7433张图像，作为训练组数据，在深度学习caffe框架下采用Faster R-CNN和Yolov3模型对数据集进行训练和测试。另选取同期肋骨骨折患者20例，裁剪后144幅包含肋骨骨折的CT图像作为验证组，由两位高年资主任医师阅片并确定肋骨骨折类型及部位等作为诊断标准，分别使用Faster R-CNN、Yolov3模型进行验证，同时两位CT医师对验证组图像进行判读。比较3种方法的诊断准确率、诊断一致性及阅片时间。结果验证组144幅CT图像共包含162处骨折，骨折类型包括双侧骨皮质断裂71处、外侧骨皮质断裂38处、内侧骨皮质断裂21处、骨皮质屈曲骨折12处、其他类型骨折20处。Faster R-CNN模型、Yolov3模型、CT医师诊断肋骨骨折的总准确率分别为95.68%（155/162）、83.33%（135/162）、96.30%（156/162），组间比较差异有统计学意义（P<0.001）。Kappa一致性检验显示，Faster R-CNN模型及CT医师的诊断一致性较好（Kappa=0.851，P=0.012）。CT医师、Faster R-CNN模型、Yolov3模型平均每幅图阅片时间分别为（11.57±5.80）s、（0.52±0.15）s、（0.054±0.003）s，组间比较差异有统计学意义（P<0.01）。结论利用深度卷积神经网络识别胸部CT肋骨骨折具有可行性，诊断总准确率与有经验的CT医师相当，而阅片速度更优。

简介：摘要：以乳制品食品安全监测数据为样本，研究基于径向基函数神经网络的食品安全预警方法，对食品安全日常监测数据进行筛选简化，选择与食品安全最为密切的检测项目，以此建立数据样本建立神经网络输入层，隐含层并建立输出层的食品安全预警神经网络模型，用数据样本进行训练和验证，结果表明径向基函数神经网络的食品安全预警方法能有效识别、记忆食品危险特征，对输入数据进行预测，有助于丰富食品安全数据处理方法及完善相关预警技术手段。

简介：摘要脑神经刺激已成为多种神经和精神疾病的有效疗法，目前多采用开环方式。闭环式脑神经刺激技术实现了监测和治疗同时进行的自动闭环化诊疗，刺激系统主要由信号接收、信号处理、输出干预3部分组成。闭环式脑神经刺激已在癫痫、帕金森病等疾病治疗上取得进展，而对精神疾病的初步探索提示其是一种有价值、有前景的治疗手段。本文重点介绍了闭环式脑神经刺激技术的组成与发展情况及临床应用，并对该项技术的局限性和发展方向进行了讨论。

简介：摘要前列腺癌已成为国内男性最高发的泌尿系恶性肿瘤。卷积神经网络是人工智能中最具代表性和发展前景的深度学习算法的代表模型。卷积神经网络在前列腺癌诊断中展示出了优越的性能和应用价值，针对多参数磁共振和病理图像可以达到与影像科和病理科医生相当的诊断效能，并能获得更多的疾病信息；在致病基因的鉴别和基于拉曼光谱的实验室诊断中也有重要作用。本文就卷积神经网络用于前列腺癌影像、病理、基因、实验室等多方面诊断的研究进展进行综述。

简介：摘要目的建立可预测Ⅱ~Ⅲ期胃癌患者淋巴结转移的神经网络模型，并探讨其预测价值。方法病例纳入标准：（1）经病理确诊为Ⅱ~Ⅲ期（第8版AJCC分期）胃腺癌；（2）术前胸片、腹部超声及上腹部CT等检查无肝、肺、腹腔等远处转移；（3）行R0切除。病例排除标准：（1）术前接受过新辅助化疗或放疗；（2）一般临床资料不完整；（3）残胃癌。回顾性收集2010年1月至2014年8月期间在福建医科大学附属协和医院胃外科接受根治性切除术的1 231例Ⅱ~Ⅲ期胃癌患者的临床病理资料。全组共1 035例患者经术后证实淋巴结转移，196例患者未出现淋巴结转移。416例（33.8%）术后病理分期为Ⅱ期，815例（66.2%）为Ⅲ期。全组患者被随机分为建模组861例（69.9%）和验证组370例（30.1%）。先运用Logistic单因素分析方法，对建模组的病例样本进行回顾性分析，筛查影响淋巴结转移的变量，确定人工神经网络输入节点的变量项目，再使用多层感知器（MLP）训练N+-ANN。N+-ANN由Logistic单因素分析筛选出的变量构成输入层。人工智能依据输入数据分析患者淋巴结转移状态，并与真实值进行比较。通过绘制受试者操作特性（ROC）曲线、获取曲线下面积（AUC）来评估模型的准确性。结果建模组与验证组临床资料的比较，差异均无统计学意义（均P>0.05）。建模组单因素分析结果显示，术前血小板淋巴细胞比值（PLR）、术前系统性免疫性炎性指数（SII）、肿瘤大小、临床N（cN）分期与患者出现淋巴结转移有关。将以上因素连同术前中性粒细胞淋巴细胞比值（NLR）、术前糖类抗原19-9、术前癌胚抗原、肿瘤位置、临床T（cT）分期作为输入层变量构建N+-ANN。建模组N+-ANN对术后淋巴转移预测准确率为88.4%（761/861），灵敏度为98.9%（717/725），特异度为32.4%（44/136），阳性预测值为88.6%（717/809），阴性预测值为84.6%（44/52），AUC值为0.748（95%CI：0.717~0.776）；而验证组，N+-ANN的预测准确率为88.4%（327/370），模型灵敏度为99.7%（309/310），特异度为30.0%（18/60），阳性预测值为88.0%（309/351），阴性预测值为94.7%（18/19），AUC值为0.717（95%CI：0.668~0.763）。根据N+-ANN所输出的个体化淋巴结转移概率，取截点0~50%、>50%~75%、>75%~90%、>90%~100%，将患者分为N0组、N1组、N2组、N3组。建模组和验证组的N+-ANN对pN分期总体预测准确率分别为53.7%和54.1%，而cN分期对pN分期的总体预测准确率仅为30.1%和33.2%。结论本研究构建的N+-ANN能准确预测Ⅱ~Ⅲ期胃癌患者的淋巴结转移情况。基于N+-ANN的个体化淋巴结转移概率相较于cN分期，对pN分期预测的准确性更高。

简介：摘要目的基于多层感知（multilayer perceptual，MP）神经网络技术开发用于评估肾小球滤过率（glomerular filtration rate，GFR）的神经网络模型，并与改良版中国基于肌酐的GFR评估公式（C-GFRcr）和美国慢性肾脏疾病流行病学协作组（Chronic Kidney Disease Epidemiology Collaboration，CKD-EPI）基于肌酐的GFR评估公式（CKD-EPIcr公式）对比，探讨MP神经网络模型评估GFR的临床适用性。方法以开发改良版中国基于肌酐的GFR评估公式所用的684例慢性肾脏病（chronic kidney disease，CKD）患者作为研究对象，随机选择其中454例患者资料作为开发组，以剩余230例作为测试组，建立MP神经网络GFR评估模型，以国际公认的参考标准双血浆法GFR作为参考值（rGFR），对改良版中国基于肌酐的GFR评估公式计算的GFR（C-GFRcr）、CKD-EPIcr公式计算的GFR（EPI-GFRcr）以及MP神经网络模型评估的GFR（M-GFRcr）进行相关性、平均偏差、绝对偏差的平均值、精确度和准确性的比较。结果684例CKD患者中男性352例，女性332例，年龄（49.9±15.8）岁。M-GFRcr与rGFR相关性最高（皮尔逊相关系数=0.93，P<0.001）。M-GFRcr的平均偏差要低于C-GFRcr（Z=9.929，P<0.001）和EPI-GFRcr（Z=10.573，P<0.001）；M-GFRcr的绝对偏差的平均值同样低于C-GFRcr（Z=3.953，P<0.001）和EPI-GFRcr（Z=4.210，P<0.001）；M-GFRcr的±15%准确性要高于C-GFRcr（χ2=26.068，P<0.001）和EPI-GFRcr（χ2=23.154，P<0.001）；M-GFRcr的±30%准确性同样高于C-GFRcr（χ2=8.264，P=0.001）和EPI-GFRcr（χ2=11.963，P=0.001）。在CKD不同分期验证的结果显示：CKD早期（CKD 1~2期），M-GFRcr的平均偏差要低于C-GFRcr（Z=7.401，P<0.001）和EPI-GFRcr（Z=8.096，P<0.001）；M-GFRcr的绝对偏差的平均值同样低于C-GFRcr（Z=4.723，P<0.001）和EPI-GFRcr（Z=4.946，P<0.001）；M-GFRcr的±15%准确性要高于C-GFRcr（χ2=23.547，P<0.001）和EPI-GFRcr（χ2=26.421，P<0.001）；M-GFRcr的±30%准确性同样高于C-GFRcr（χ2=12.089，P=0.001）和EPI-GFRcr（χ2=16.168，P<0.001）。CKD中晚期（CKD 3~5期），C-GFRcr、EPI-GFRcr和M-GFRcr适用性差别不大。结论与改良版中国基于肌酐的GFR评估公式和CKD-EPIcr评估公式相比，MP神经网络模型在评估CKD患者GFR的准确性方面得到了显著改善，特别是在CKD早期。

简介：摘要近年来，深度学习在医学成像领域受到广泛的关注，而卷积神经网络作为深度学习的重要分支备受放射医师的青睐。深度卷积神经网络从影像图像中挖掘大量肉眼无法识别的图像特征，不仅可以提高临床诊断效能，还能有效缩短诊断时间。另外，结直肠癌发病率和死亡率居高不下，准确的影像评估对指导患者治疗十分重要。本文就基于影像图像的深度卷积神经网络在结直肠癌术前评估、基因分子分型及新辅助、辅助治疗疗效评估等方面的应用及存在的问题进行综述。

简介：摘要随着大数据时代的到来，基于机器学习的人工智能技术，尤其是人工神经网络技术发展迅速，相关研究已涉及口腔医疗多个领域，特别在口腔三维解剖特征的自动化分割与识别方面具有巨大的应用前景，可辅助口腔医师及技师完成繁琐重复的手工操作，并更高效精确地完成诊断与诊疗计划制订。本文简要总结人工神经网络在口腔三维解剖特征的分割与识别领域的应用现状与现存问题，为相关研究与临床应用提供参考。

简介：摘要目的利用反向传播神经网络（BPNN）算法，建立一种可以识别血糖项目随机误差的实时质控新方法并评价模型效能。方法通过北京朝阳医院实验室信息系统导出2019年1月至2020年7月在西门子advia2400分析系统上报告的全部患者血糖信息，共计219 000条，作为本研究的无偏数据。人为引入6个偏差生成相应的有偏数据，每种偏差下用2种算法测试。进行计量学及临床评价。结果BPNN步长设置为10，全部偏差下假阳性率均在0.1%以内；MovSD的最佳步长为150，拦截限为10%，全部偏差下假阳性率为0.38%，比BPNN高0.28%。MovSD在0.5与1误差因子下全部未检出，误差因子>1之后，可检出，但MNPed偏高；而BPNN在全部偏差下MNPed均低于MovSD，两者相差最高达91.67倍。计量学溯源过程生成460 000条参考数据，采用参考数据评定BPNN模型的不确定度仅为0.078%。结论成功建立了基于BPNN算法识别检测过程随机误差的实时质控方法，模型准确度高，临床效能显著优于MovSD方法。

简介：摘要目的构建并验证多模态MRI图像3D卷积神经网络（convolutional neural network, CNN）模型对肝纤维化（liver fibrosis, LF）分类的价值。材料与方法回顾性分析经病理证实为LF，并行肝脏3.0 T MRI检查的224例LF患者的T1WI、T2WI、表观扩散系数（apparent diffusion coefficient, ADC）图像，按8∶2的比例随机分为训练集和测试集。对图像进行预处理后，应用训练集图像对模型进行网络结构迭代训练，建立3D-CNN深度学习模型对无显著LF（S0～S1）、显著LF（≥S2）进行分类。经过优化的CNN由三个卷积层、三个池化层和两个全连接层组成。训练完成后，用测试集数据对CNN模型进行测试，使用准确度（accuracy, ACC）曲线、损失函数（loss）曲线及受试者工作特征（receiver operating characteristic, ROC）曲线评价模型的性能。结果基于多模态MRI的3D-CNN深度学习模型在训练集中对LF分类的ROC曲线下面积（area under the curve, AUC）值为0.94，在测试集中的AUC为0.98。结论多模态3D-CNN深度学习模型可对无显著LF和显著LF进行分类，为LF的无创性评估提供更多选择。

简介：摘要目的构建基于Faster R卷积神经网络的后前位胸部X线片异物智能检测模型，并评估模型的性能。方法回顾性分析2019年6月至2020年3月浙江省人民医院和淳安县人民医院的成人后前位DR胸片5 567张，其中含异物胸片4 247张。分为异物训练集（2 911张异物胸片）、验证集（1 456张，733张含异物、723张无异物）和测试集（1 200张，603张含异物、597张无异物）。每张胸片的异物经过2名放射住院医师标注和1名高年资放射技师审核校正后的结果作为参考金标准。采用受试者操作特征（ROC）曲线及曲线下面积分析深度学习模型在测试集中区分胸片有无异物的效能，采用精准率-召回率曲线及平均精确度（mAP）分析模型在不同层级的稳定性。最后分析不同位置、患者性别、患者年龄对于深度学习模型的异物召回率的影响。结果测试集中，深度学习模型诊断胸片是否含有异物的灵敏度为93.2%（562/603），特异度为92.6%（553/597），F1分数为0.94，ROC曲线下面积为0.97，mAP值为0.69。对于不同位置的异物，肺野内和肺野外的异物检测的召回率分别为91.2%（674/739）和89.0%（1 411/1 585）。对于不同性别的患者，男性和女性的异物检测召回率分别为87.3%（337/386）和90.0%（1 745/1 938）。对于不同的年龄分段，18~38岁的异物检测召回率为92.5%（1 041/1 126），39~58岁的异物检测召回率为89.7%（505/563），59~78岁的异物检测召回率为83.5%（335/401），≥79岁的异物检测召回率为85.9%（201/234）。结论构建的基于深度学习的成人后前位胸部X线片异物检测模型具有很高的灵敏度和稳定性，可以快速准确地识别胸片中的异物。

简介：摘要目的探讨社区获得性肺炎（CAP）患者并发急性呼吸窘迫综合征（ARDS）的独立危险因素，以及基于人工神经网络模型预测CAP患者发生ARDS的准确性和预防价值。方法采用病例对照研究方法，收集2020年2月至2021年2月南京医科大学附属常州第二人民医院综合重症监护病房和呼吸内科收治的符合入选标准的414例CAP患者的临床资料，根据是否并发ARDS分为两组。统计两组患者入院24 h内的临床数据，通过单因素分析筛选出发生ARDS的影响因素，并构建人工神经网络模型；通过人工神经网络模型输入层自变量（即单因素分析得出的影响因素）对输出层因变量（即是否发生ARDS）影响的重要程度，绘制出自变量重要性的条形图；将人工神经网络建模数据对按照7∶3的比例随机分为训练组（n＝290）和验证组（n＝124），分别计算两组模型的总体预测准确性，并绘制受试者工作特征曲线（ROC曲线），计算ROC曲线下面积（AUC）。结果414例患者均纳入分析，其中发生ARDS患者82例，未发生ARDS患者332例。单因素分析显示，两组患者性别、年龄、心率（HR）、最高收缩压（MSBP）、最大呼吸频率（MRR）、入院来源、C-反应蛋白（CRP）、降钙素原（PCT）、红细胞沉降率（ESR）、中性粒细胞计数（NEUT）、嗜酸粒细胞计数（EOS）、纤维蛋白原等量单位（FEU）、活化部分凝血活酶时间（APTT）、总胆红素（TBil）、白蛋白（ALB）、乳酸脱氢酶（LDH）、血肌酐（SCr）、血红蛋白（Hb）、血糖（GLU）水平差异均有统计学意义，可能是CAP患者并发ARDS的危险因素；将以上19个危险因素作为输入层、是否发生ARDS作为输出层，构建人工神经网络模型；其中输入层自变量中对神经网络模型预测结果影响权重最大的5个指标依次为LDH（100.0%）、PCT（74.4%）、FEU（61.5%）、MRR（56.9%）、APTT（51.6%），提示这5个指标对CAP患者发生ARDS的影响程度较大。训练组人工神经网络模型总体预测准确性为94.1%（273/290），验证组模型总体预测准确性为89.5%（111/124）；人工神经网络模型预测CAP患者并发ARDS的AUC为0.977（95%可信区间为0.956~1.000）。结论基于人工神经网络模型建立的CAP患者发生ARDS的预测模型具有较好的预测能力，可根据该模型预测CAP患者是否会并发ARDS，以及时给予针对性预防措施。

简介：【摘要】目的 对全面性护理干预在高热惊厥患儿免疫功能及脑神经相关因子的影响做详细分析。方法：此文择选自2021年6月至2022年6月间开展实施，入选样本为笔者院内接诊的66例高热惊厥患儿，根据盲选随机原则予以分组，最后比对其护理优劣性。结果：关于在神经相关因子、神经功能、护理效果方面的综合指标呈现，B组更优于A组。结论：通过对比研究，使全面性护理干预对高热惊厥患儿免疫功能及脑神经相关因子的突出影响得到切实体现，其应用价值卓越。

简介：摘要：目的：探讨在老年脑梗死后患者治疗中，简单反应速度训练对其脑神经递质的影响。方法：选取我科室接诊脑梗死后患者100例，随机分为对照组与观察组，分别采取常规训练、简单反应速度训练，对比脑神经递质变化。结果：治疗3个月观察组脑神经NE低于对照组，DA、5-HT检测结果高于对照组（P

简介：摘要：目的：探讨在老年脑梗死后患者治疗中，简单反应速度训练对其脑神经递质的影响。方法：选取我科室接诊脑梗死后患者100例，随机分为对照组与观察组，分别采取常规训练、简单反应速度训练，对比脑神经递质变化。结果：治疗3个月观察组脑神经NE低于对照组，DA、5-HT检测结果高于对照组（P

简介：摘要目的构建反向传播(back propagation，BP)神经网络模型，预测甲状腺功能亢进(以下简称甲亢)患者131I核素治疗所需给药剂量，为患者计算个性化治疗剂量方案。方法从上海多家医学院核医学科收集接受放射性碘治疗的甲亢患者完整的病例资料，包括病史、检查结果、治疗过程等。随后建立预测模型，先以小样本数据比较BP神经网络，径向基(radial basis function，RBF)神经网络，支持向量机(support vector machine, SVM)3种模型的预测结果，选择最优模型对给药剂量进行预测，最后测试模型精准度。结果以小样本构建的BP神经网络、RBF神经网络、SVM模型预测的平均误差分别为5.53%，7.09%，9.64%，比较后选择BP神经网络建立预测模型；采用随机抽样法选取30例数据对BP神经网络进行验证计算，预测结果的平均误差为7.22%，均方误差为0.053，最小误差为0.57%，最大误差为13.78%。结论本研究提出了一种神经网络预测方法，为需要放射性碘治疗的甲亢患者提供给药剂量参考，减少患者剂量过量所致放射性损伤的可能或剂量不足所致治疗效果不理想的情况。