简介:[摘要]手术、化疗和放疗是治疗肿瘤的三大手段,三者中放疗的发展速度最快,大大提高了肿瘤病人的生存率,同时也提升了病人的生活质量。随着医院规模的扩大、技术水平的不断提升以及新院区的开诊,我院肿瘤科于2016年引进瑞典医科达Precise直线加速器。机器在频繁的使用过程中就会出现各种问题。本文是基于近几年医科达Precise直线加速器设备维修维护记录上对出现频率较高的故障进行分析,探讨该设备在日常放疗工作中出现的常见问题和解决方案。
简介:摘 要 图书馆信息服务的创新势在必行,然而创新力度却不足,本文从图书馆信息服务创新研究现状及面临的困难进行分析,提出图书馆信息服务的创新可以借鉴商业市场中创新的成功案例,从新理念、新技术、新工具、大数据、体验经济等方面进行创新,从而提高图书馆的整体服务质量,并筑牢图书馆在信息社会中的地位。
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。