简介:摘要目的应用注意力机制网络的多实例学习(Attention-MIL)框架技术,实现慢性胃炎多项指标的自动识别。方法收集2018年1月1日至12月31日复旦大学附属肿瘤医院诊断为胃炎活检病例1 015例和上海市浦东医院诊断为胃炎活检病例115例,所有病理切片经扫描仪进行数字化处理,转化为全载玻片成像(whole slide imaging,WSI),WSI标签依据胃炎病理报告,包含活动性、萎缩和肠化3项指标。所有的WSI分为训练集、单一测试集、混合测试集和外部测试集,Attention-MIL模型在3个测试集上评价自动识别的准确性。结果Attention-MIL模型在240例WSI单一测试集上的受试者工作特征曲线下面积(AUC)值分别为:“活动性”0.98,“萎缩”0.89,“肠化”0.98,3项指标的平均准确率为94.2%。模型在117例WSI混合测试集上的AUC值分别为:“活动性”0.95,“萎缩”0.86,“肠化”0.94,3项指标的平均准确率为88.3%。模型在115例WSI外部测试集上的AUC值分别为:“活动性”0.93,“萎缩”0.84,“肠化”0.90,3项指标的平均准确率为85.5%。结论在慢性胃炎的人工智能辅助病理诊断中,Attention-MIL模型的诊断准确性非常接近病理医师的诊断结果,这种弱监督下的深度学习模式适于病理人工智能技术的实际应用。
简介:摘要目的比较基于病历资料的医生报告与计算机自动识别方式对门急诊流感样病例(ILI)监测的准确性。方法2019年4—10月在宜昌市中心医院发热门诊、呼吸内科门诊及急诊内科门诊就诊的患者中,选取国际疾病分类第10版诊断编码属于J00-J22范围且病历症状信息完整的病例,共3 542例,以流感监测专业人员根据ILI病例定义的判断结果为金标准,绘制受试者工作特征(ROC)曲线,计算灵敏度、特异度、诊断一致率,分析计算机自动识别与医生报告两种方式对ILI病例监测的准确性。结果病例年龄M(P25,P75)为30(24,38)岁;其中符合定义标准ILI病例为1 179例(33.29%),医生报告ILI 为1 306例(36.87%),计算机自动识别ILI为 1 150例(32.47%);男性为1 391例(39.27%)。计算机自动识别和医生报告与金标准判断的结果一致性Kappa值分别为0.97和0.66,ROC曲线下面积分别为0.98和0.84。计算机自动识别方式的灵敏度和特异度(分别为96.95%和99.70%)均高于医生报告方式(灵敏度和特异度分别为82.27%和85.78%)(P值均<0.001)。结论基于电子病历的计算机自动识别方式开展ILI病例监测,具有良好的灵敏度和特异度。
简介:风电机组状态监测部位多,数据分析工作量大,人工故障识别的方式使得风电机组状态监测报告滞后.本研究提出一种基于幅值调制比率的风电机组齿轮箱失效自动识别方法,针对风电机组转速不平稳的特点首先对齿轮箱振动加速度信号进行时频分析得到机组的瞬时转速,然后进行阶比处理将等时间间隔信号序列重采样转换成等角度间隔信号序列,频域变换后选择一倍啮合频率和两倍啮合频率幅值较大值,计算调制间隔为转频的多频率点幅值累加和,再将与较大啮合频率处的幅值调制比率作为特征值表征齿轮箱的失效状态.恒速和变速风电机组齿轮箱振动数据分析结果都表明该特征值具有良好的故障与正常状态区分能力,且不同转速下该特征值具有稳定性.
简介:摘要目的验证基于快速区域卷积神经网络(Faster R-CNN)胰腺癌增强CT自动识别系统,并探讨其临床应用价值。方法回顾性收集青岛大学附属医院2013年1月至2016年5月收治的315例胰腺癌患者的4 024张增强CT影像序列,将2 614张影像序列作为训练组输入Faster R-CNN系统,建立影像自动识别模型,通过读取135例胰腺癌的1 410张增强CT影像进行验证。为了进一步测试其临床应用效果,读取150例胰腺占位患者的3 750张增强CT影像并对其诊断结果进行随访。记录结节类别的精准率和召回率,绘制精确回归曲线,分析Faster R-CNN诊断的准确性、灵敏度、特异度,生成受试者工作特征(ROC)曲线,并计算曲线下面积。结果基于135例胰腺癌增强CT影像,得到Faster R-CNN的人工智能辅助诊断的ROC曲线的曲线下面积为0.927,准确性、特异度、灵敏度分别为0.902、0.913、0.801。经过150例胰腺占位患者资料的验证,判定阳性893张,阴性2 857张,Faster R-CNN诊断为胰腺癌患者98例,对其诊断结果进行随访,其中53例经外科手术后病理证实为胰腺导管癌、21例为胰腺囊腺癌、12例为胰腺囊腺瘤、5例为胰腺囊肿,7例患者未手术治疗。在术后5~17个月内6例死于腹腔肿瘤浸润、肝转移或肺转移。在Faster R-CNN诊断为阴性的52例患者中,有9例经外科术后证实为胰腺导管癌。结论Faster R-CNN系统能够帮助影像科医师对胰腺癌进行诊断,具有一定的临床应用价值。
简介:物流业本身的特点决定了其对信息传输的依赖程度较其他行业更高。所以,物流业发展本身就是一个信息化的过程。随着近几年来国内物流信息化投入力度不断加大,物流业的整体发展速度也在加快。然而与发达国家相比,我国物流业起步较晚,信息化建设水平参差不齐,这已成为国内物流业整体快速发展的重要制约因素。所以,如何解决物流信息化过程中的种种矛盾和问题,成为业界关注的焦点。本刊着重从信息采集的角度,邀请多年研究物流信息化的资深专家、中国物流与采购联合会副会长戴定一,以及自动识别行业的相关企业共同探索物流信息化的发展方向和自动识别技术在此过程中的应用前景。