检索结果-内蒙古大学图书馆

组合机床与自动化加工技术 2001年第6期 32-33页

作者：王超大连医科大学附属第一医院计算机室辽宁大连116029

1 前言在沈阳三菱发动机组合机床自动线项目中，有一个不可缺少的环节，即PLC与计算机的通讯过程。PLC的工作是通过编程，在自动线运转过程中来控制各部件的动作，而计算机的工作主要是用来实时监控，显示自动线的基本状态和数据，并... 详细信息

1 前言在沈阳三菱发动机组合机床自动线项目中，有一个不可缺少的环节，即PLC与计算机的通讯过程。PLC的工作是通过编程，在自动线运转过程中来控制各部件的动作，而计算机的工作主要是用来实时监控，显示自动线的基本状态和数据，并作相关的数据处理，配合生产及检验。而PLC与计算机的通讯部分，是将PLC的各项有用数据，通过硬件及软件传送到计算机中，并处理数据，显示数据及图形并提出相关提示，来完成监控工作。

关键词：组合机床自动生产线通讯 PLC

来源：评论

学校读者我要写书评

暂无评论

一种具有域自适应反标准化的多模态医学图像对比学习算法

引用

生物医学工程学杂志 2023年第3期40卷 482-491页

作者：文含赵莹蔡秀定刘爱连姚宇付忠良中国科学院成都计算机应用研究所成都610213 中国科学院大学北京100049 大连医科大学附属第一医院辽宁大连116011 大连市医学影像人工智能工程技术研究中心辽宁大连116000

最近,深度学习在医学图像任务中取得了令人瞩目的成果。然而,这种方法通常需要大规模的标注数据,而医学图像的标注成本较高,因此如何从有限的标注数据中进行高效学习是一个难题。目前,常用的两种方法是迁移学习和自监督学习,然而这两种... 详细信息

最近,深度学习在医学图像任务中取得了令人瞩目的成果。然而,这种方法通常需要大规模的标注数据,而医学图像的标注成本较高,因此如何从有限的标注数据中进行高效学习是一个难题。目前,常用的两种方法是迁移学习和自监督学习,然而这两种方法在多模态医学图像中的研究却很少,因此本研究提出了一种多模态医学图像对比学习方法。该方法将同一患者不同模态的图像作为正样本,有效增加训练过程中的正样本数量,有助于模型充分学习病灶在不同模态图像上的相似性和差异性,从而提高模型对医学图像的理解能力和诊断准确率。常用的数据增强方法并不适合多模态图像,因此本文提出了一种域自适应反标准化方法,借助目标域的统计信息对源域图像进行转换。本研究以两个不同的多模态医学图像分类任务对本文方法展开验证:在微血管浸润识别任务中,本文方法获得了(74.79±0.74)%的准确率和(78.37±1.94)%的F1分数,相比其它较为熟知的学习方法有所提升;对于脑肿瘤病理分级任务,本文方法也取得了明显的改进。结果表明,本文方法在多模态医学图像数据上取得了良好的结果,可为多模态医学图像的预训练提供一种参考方案。

关键词：自监督学习多模态医学图像疾病诊断域自适应反标准化

来源：评论

学校读者我要写书评

暂无评论

基于影像组学的肝细胞癌病理分级方法

引用

计算机应用 2022年第S2期42卷 243-248页

作者：阳湘云姚宇赵莹林涛刘爱连中国科学院成都计算机应用研究所成都610041 中国科学院大学北京100049 大连医科大学附属第一医院辽宁大连116011 大连市医学影像人工智能工程技术研究中心(大连医科大学附属第一医院) 辽宁大连116011

针对术前无创准确判断肝细胞癌(HCC)病理分化程度这一问题,提出了一种基于影像组学的肝细胞癌病理分级方法。该方法结合多模态融合及AdaBoost算法构建模型。首先,基于影像组学方法提取磁共振成像(MRI)的影像组学特征,通过特征递归消除... 详细信息

针对术前无创准确判断肝细胞癌(HCC)病理分化程度这一问题,提出了一种基于影像组学的肝细胞癌病理分级方法。该方法结合多模态融合及AdaBoost算法构建模型。首先,基于影像组学方法提取磁共振成像(MRI)的影像组学特征,通过特征递归消除等算法进行特征筛选和降维后进行多模态融合;然后,采用过采样方法解决数据类别不平衡问题优化模型性能;最后,基于Adaboost算法建模对HCC进行病理分化等级细分类。实验结果表明,所提方法在相同数据集的F1值比现有的加权融合方法、基于支持向量机(SVM)算法的方法相比均要高5个百分点。对比基于单模态构建的F1值最优模型,使用的多模态融合方法的F1值提高了7个百分点。

关键词：肝细胞癌影像组学 AdaBoost 多模态融合病理分级

来源：评论

学校读者我要写书评

暂无评论

基于多任务学习的肝细胞癌分割与病理分化程度预测方法

引用

生物医学工程学杂志 2023年第1期40卷 60-69页

作者：文含赵莹杨涌王洪凯刘爱连姚宇付忠良中国科学院、成都计算机应用研究所成都610213 中国科学院大学北京100049 大连医科大学附属第一医院辽宁大连116011 大连理工大学、生物医学工程学院辽宁大连116024 大连市医学影像人工智能工程技术研究中心辽宁大连116000

肝细胞癌(HCC)是最常见的肝脏恶性肿瘤,其中HCC分割和病理分化程度预测是手术治疗和预后评估过程中的两个重要任务。现有方法通常独立地解决这两个问题,没有考虑两个任务的相关性。本文提出了一种多任务学习模型,旨在同时完成分割任务... 详细信息

肝细胞癌(HCC)是最常见的肝脏恶性肿瘤,其中HCC分割和病理分化程度预测是手术治疗和预后评估过程中的两个重要任务。现有方法通常独立地解决这两个问题,没有考虑两个任务的相关性。本文提出了一种多任务学习模型,旨在同时完成分割任务和病理分化程度分类任务。本文所提模型由分割子网和分类子网构成:在分类子网中提出了一种多尺度特征融合方法来提高分类精度;在分割子网中设计了一种边界感知注意力,用于解决肿瘤过分割问题。本文采用动态权重平均多任务损失,使模型在两个任务中同时获得最优的性能。研究结果显示,本文方法在295例HCC患者上的实验结果均优于其它多任务学习方法,在分割任务上戴斯相似系数(Dice)为(83.9±0.88)%,同时在分类任务上的平均召回率为(86.08±0.83)%,F1分数为(80.05±1.7)%。该结果表明,本文提出的多任务学习方法能够同时较好地完成分类任务和分割任务,可为HCC患者的临床诊断和治疗提供理论参考。

关键词：深度学习多任务学习肝细胞癌分类分割

来源：评论

学校读者我要写书评

暂无评论

基于多模态融合注意力的肝细胞癌疗效预测方法

引用

计算机应用 2023年第S2期43卷 41-46页

作者：文含付忠良赵莹姚宇刘爱连中国科学院成都计算机应用研究所成都610213 中国科学院大学北京100049 大连医科大学附属第一医院辽宁大连116011 大连市医学影像人工智能工程技术研究中心辽宁大连116011

针对传统方法预测肝细胞癌(HCC)疗效通常只采用图像信息、临床信息或基因信息等单一模态信息的问题,提出一种基于多模态融合注意力的HCC疗效预测方法。首先,使用残差网络(ResNet)提取图像特征和多层感知机提取临床特征和常规放射学特征... 详细信息

针对传统方法预测肝细胞癌(HCC)疗效通常只采用图像信息、临床信息或基因信息等单一模态信息的问题,提出一种基于多模态融合注意力的HCC疗效预测方法。首先,使用残差网络(ResNet)提取图像特征和多层感知机提取临床特征和常规放射学特征;其次,构建一个多模态融合注意力模块,通过计算不同模态特征之间的相关性有效地融合图像特征、临床特征和常规放射学特征;最后,通过一个分类网络实现对HCC患者疗效的准确分类预测。实验结果表明,与单一模态预测疗效的方法相比,所提方法的准确率在实验数据集上提升了5.95个百分点,验证了所提方法能显著改善HCC患者疗效预测的结果。

关键词：多模态融合注意力机制肝细胞癌疗效预测深度学习

来源：评论

学校读者我要写书评

暂无评论

预训练深度学习神经网络模型在鉴别中枢神经系统肿瘤中的应用价值

引用

中华神经外科杂志 2024年第4期40卷 378-384页

作者：王俊康王率伊刘济源张建新刘斌李哲胡锦渠李志鹏欧绍武王军中国医科大学附属第一医院神经外科沈阳110001 大连民族大学计算机科学与工程学院大连116600 大连理工大学软件学院国际信息与软件学院大连116620 大连理工大学-立命馆大学健康医疗智能计算联合研究中心大连116620 中山大学生物医学工程学院广东省传感技术与生物医疗仪器重点实验室深圳518107

目的构建基于MRI T1加权增强序列的预训练深度学习神经网络模型,并验证其鉴别诊断原发性中枢神经系统淋巴瘤(PCNSL)、胶质母细胞瘤(GBM)、脑转移瘤(BM)的效能。方法回顾性分析2015年1月至2022年6月于中国医科大学附属第一医院神经外科... 详细信息

目的构建基于MRI T1加权增强序列的预训练深度学习神经网络模型,并验证其鉴别诊断原发性中枢神经系统淋巴瘤(PCNSL)、胶质母细胞瘤(GBM)、脑转移瘤(BM)的效能。方法回顾性分析2015年1月至2022年6月于中国医科大学附属第一医院神经外科行手术治疗、术后经病理学检查确诊为PCNSL、GBM、BM的患者。按筛选标准共纳入149例,其中PCNSL43例、GBM62例、BM44例,随机划分为训练集和测试集。获取影像学数据后采用Slicer软件勾画感兴趣区域并进行预处理,基于EfficientNetV2构建深度学习神经网络模型,使用迁移学习方法在ImageNet上进行预训练和微调后,分别于训练集、测试集上训练和验证模型,计算其鉴别3种疾病的准确率、精确率、召回率(灵敏度)、特异度、F1分数,并绘制受试者工作特征(ROC)曲线,计算ROC曲线下面积(AUC)以评估其诊断效能。结果应用该模型总的诊断准确率为89.4%,平均AUC为0.96;该模型被用于鉴别诊断PCNSL、GBM、BM的灵敏度分别为0.893.0.936、0.778,特异度分别为0.996、0.877、0.955,F1分数分别为0.940.0.900.0.778,AUC(95%CI)分别为0.98(0.946~0.997)0.96(0.932~0.986)、0.95(0.905~0.980)。结论初步研究表明,本研究建立的预训练深度学习神经网络模型对PCNSL、GBM、BM有较优异的诊断效能。

关键词：中枢神经系统肿瘤诊断,鉴别淋巴瘤胶质母细胞瘤脑转移瘤深度学习

来源：评论

学校读者我要写书评

暂无评论

医疗数据交换规格MML(Medical Markup Language)3.0汉化版的制作

引用

医学信息（西安上半月） 2005年第4期18卷 318-323页

作者：郭锦秋高田彰牛铁何苗田中亨治佐藤纯三铃木斋王铃木利明中岛裕生荒木贤二吉原博幸熊本大学医学部大学院医学研究科，日本熊本860-8556／／大连医科大学，中国大连熊本大学附属病院医疗经营企画部，日本熊本大连医科大学附属第一医院计算机室，中国大连不详熊本大学医学部大学院医学研究科，日本熊本860-8556 宫崎医科大学附属病院医疗信息部，日本宫崎日本非营利活动组织MedXML委员会，日本东京京都大学附属病院医疗经营企画部，日本京都

MML(Medical Markup Language)是一套不同医疗设施间的数据交换规格。于1995年在日本被开发。MML从版本2.21开始使用XML(eXtensible Markup Language)作为标记语言。而最新版本3.0又遵循HL7Clincal Document Architecture(CDA),包含14模块和36个数据定义表格。目前在中国,还没有一个使用XML来结构整个病历内容的规格。鉴于MML的柔韧性,我们制作了一个基于3.0版本的汉化版。日本与中国虽然诊疗流程、病历记录的内容等都很相似,但是也有一些,比如民族的表现、中医诊断分类,医师资格分类等都是日本不存在的或者分类不同的信息。另外,因为国情不同,医疗保险制度也完全不同。为了使MML能在中国的医院适用,我们追加和更改了12个数据定义表格,并重新制作了医疗保险信息模块。MML汉化版不止是一个对原规格的翻译和说明,它还考虑了本地的需要。因此,使用MML汉化版在中国的医疗设施间进行医疗数据交换已经成为可能。

关键词：医疗数据交换规格 MML 3.0汉化版制作技术医疗保险制度临床文档

来源：评论

学校读者我要写书评

暂无评论

新型冠状病毒肺炎疫情防控期间智能医学专家共识

引用

中华实验外科杂志 2020年第2期37卷 393-398页

作者：陆林张加尧谢卯邵增务刘国辉郭晓东郭征季国忠冯世庆刘璠蕫为人周跃侯志勇徐波吕国华周东生桑宏勋王黎明邱冰叶川张元智海涌尹宗生曹晓建陈学明黄伟王俊文雷青汤欣朴成哲吴星火刘融段昱宇胡建中吕红斌陆声董健朱悦何庆向荣艾合买提江·玉素甫高飞黄玮谢毅徐松刘松相刘娟钟胜杨帆胡勇陈惟蒨孟祥飞丁焕文陈孝平裴国献叶哲伟华中科技大学同济医学院附属协和医院骨科武汉430030 空军医科大学西京医院骨科西安710016 南京医科大学第二附属医院消化内科 210011 天津医科大学总医院骨科 300052 南通大学附属医院骨科 226001 南方医科大学国家级虚拟仿真实验教学中心广州510320 中国人民解放军陆军军医大学新桥医院骨科重庆400037 河北医科大学第三医院骨科石家庄050051 天津医科大学肿瘤医院乳腺癌诊治中心 100191 中南大学湘雅二医院脊柱外科长沙410008 山东省立医院骨科济南250021 南方医科大学深圳医院骨科深圳518110 南京医科大学数字医学重点实验室 211166 贵州省骨科医院骨科贵阳550007 贵州医科大学附属医院骨外科贵阳550001 内蒙古医科大学附属医院骨科呼和浩特010059 首都医科大学附属北京朝阳医院骨科北京100069 严安徽医科大学第一附属医院关节外科合肥230022 江苏省人民医院骨科南京210029 首都医科大学附属北京潞河医院骨科北京101149 重庆医科大学附属第一医院骨科 400042 武汉市第四医院骨科 430033 长沙市第三医院骨科 410015 大连医科大学附属第一医院骨科 116011 沈阳医学院附属中心医院骨科 100191 武汉科技大学附属普仁医院骨科 430081 湖北中医药大学中医学系武汉430065 中南大学湘雅医院脊柱外科长沙410008 中南大学湘雅医院运动医学科长沙410008 云南省第一人民医院骨科昆明650032 复旦大学附属中山医院骨科上海200032 中国医科大学附属第一医院骨科沈阳110001 成都市第三人民医院危重医学科 610031 南开大学医学院天津300071 新疆医科大学第一附属医院骨科乌鲁木齐830054 武汉大学计算机学院 430072 华中科技大学人工智能与自动化学院武汉430074 华中科技大学同济医学院附属协和医院影像科武汉430030 香港大学神经工程与临床电生理实验室 999077 澳门仁伯爵综合医院骨科 999078 国家超级计算天津中心 300457 广州市第一人民医院骨科 510180 华中科技大学同济医学院附属同济医院肝胆外科武汉430030 南方科技大学医院骨科深圳518055

新型冠状病毒肺炎(Corona Virus Disease 2019,COVID-19)的爆发已被世界卫生组织(WHO)宣布为国际关注的突发公共卫生事件。由于该病毒具有较强的传染性,已在中国多个地区流行。到目前为止,已有多个国家报告了新型冠状病毒(Severe Acute ... 详细信息

新型冠状病毒肺炎(Corona Virus Disease 2019,COVID-19)的爆发已被世界卫生组织(WHO)宣布为国际关注的突发公共卫生事件。由于该病毒具有较强的传染性,已在中国多个地区流行。到目前为止,已有多个国家报告了新型冠状病毒(Severe Acute Respiratory Syndrome Coronavirus 2,SARS-CoV-2)感染病例,全球流行成为大概率事件。笔者系统地收集整理了全国多地抗疫一线在智能医学应用方面的经验,并结合目前国内外关于抗击新冠肺炎疫情防控原则的最新文献和循证医学证据,制订本专家共识,重点介绍在新冠肺炎疫情防控期间,智能医学在预防、预警、监控、隔离、治疗等方面的应用,为新冠肺炎的防控及治疗提供参考。

关键词：冠状病毒感染肺炎智能医学专家共识

来源：评论

学校读者我要写书评

暂无评论

电子病历系统与医务结算系统间的数据交换规格CLAIM(CLinical Accounting InforMation)汉化版的制作

引用

医学信息（西安上半月） 2006年第5期19卷 756-761页

作者：郭锦秋高田彰牛铁何苗田中亨治佐藤纯三铃木斋王高桥究大门宏行铃木利明中岛裕生荒木贤二吉原博幸熊本大学医学部大学院医学研究科熊本大学附属病院医疗经营企画部大连医科大学附属第一医院计算机室中国医科大学附属第一医院信息中心宫崎医科大学附属病院医疗信息部东京佐藤病院日本CRC综合研究所(株式会社) 日本非营利活动组织MedXML委员会京都大学附属病院医疗经营企画部

CLinical Accounting InforMation(CLAIM)是日本开发的电子病历系统与医务结算系统间的数据交换规格。它使用eXtensible Markup Language(XML)作为标记语言,是不同医疗设施之间医疗数据交换规格Medical Markup Language(MML)的从属规格。CLAIM继承了MML2.x的基本结构,目前的版本2.1包括受理、预约、诊疗行为、结算金额等信息的两个模块和9个数据定义表格。考虑到中国现在还没有一个使用XML结构电子病历系统与医务结算系统之间信息的规格,鉴于CLAIM的柔韧性,我们制作了它的汉化版。由于日本的医务结算系统中采用"点数"制度,而中国的医院中没有此概念,另外,处方的书写形式等也与日本不同,所以我们重新制作了这两个模块,并相应的追加和修改了一些表格。CLAIM汉化版的制作将使中国医院的电子病历系统与医务结算系统之间有效而方便地进行数据交换成为可能。

关键词： CLAIM MML 汉化医务结算系统 XML CDA HL7 电子病历系统数据交换汉化版

来源：评论

学校读者我要写书评

暂无评论

AR远程指导系统在抗击新型冠状病毒肺炎疫情中的临床应用

引用

医疗卫生装备 2020年第7期41卷 7-12页

作者：肖若秀鲁媛媛何昆仑李俊来王亮常秀娟宋海晶张颖王军秦屹贾晓黎刘晶赵雷陈鹏叶哲伟左秀然唐金海宋景春刘伟贡立军聂玉胜北京科技大学计算机与通信工程学院北京100083 解放军总医院北京100853 河北省胸科医院石家庄050041 解放军总医院第五医学中心北京100039 战略支援部队特色医学中心北京100105 解放军总医院第八医学中心北京100039 陆军第82集团军医院河北保定071051 中国康复研究中心北京博爱医院北京100068 西安交通大学第二附属医院西安710004 大连医科大学附属第一医院辽宁大连116021 华中科技大学同济医学院附属协和医院武汉430022 湖北省公安县人民医院湖北公安434399 华中科技大学同济医学院附属武汉中心医院武汉430014 南京医科大学第一附属医院南京210029 联勤保障部队第908医院南昌330002 北京维卓致远医疗科技发展有限责任公司北京100070 首都医科大学附属北京朝阳医院北京100043

目的:对AR远程指导系统在抗击新型冠状病毒肺炎疫情中的应用价值进行探讨。方法:收集全国19家抗疫一线医院中该系统的使用信息,按照使用类别划分为医生指导、护理指导及非医疗指导,并分类统计具体场景中云服务器的使用频次、时间及地域... 详细信息

目的:对AR远程指导系统在抗击新型冠状病毒肺炎疫情中的应用价值进行探讨。方法:收集全国19家抗疫一线医院中该系统的使用信息,按照使用类别划分为医生指导、护理指导及非医疗指导,并分类统计具体场景中云服务器的使用频次、时间及地域,记录系统使用的具体内容及使用结果。采用SPSS 25.0软件和描述性统计方法对数据进行分析处理。结果:该系统的总使用频次为2201次,医生指导、护理指导和非医疗指导的使用频次分别为328次(14.90%)、436次(19.81%)和1437次(65.29%),指导成功率分别为79.27%、97.48%和98.89%。以每次使用减少一套防护用品(1件防护服、1个口罩、1副医用护目镜)计算,约减少使用防护用品6603件;以每次操作平均节约时间成本30 min计算,共节约时间成本1100.5 h;减少与确诊患者密切接触次数>2201次。结论:AR远程指导系统的应用既可以减少医疗防疫物资的损耗、降低医源性感染风险概率,还可以使援助疫区的年轻医护人员快速掌握临床技能、应对临床突发问题,达到快速提升临床医护人员救治效能的目的,具有广阔的应用前景。

关键词：新型冠状病毒新型冠状病毒肺炎增强现实远程指导实时交互

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：