简介:摘要目的研究和搭建人工智能深度学习网络,在两个公开的大脑MRI图像数据集上实现高准确率的MRI脑肿瘤的四分类。材料与方法提出一种多尺度残差网络的MRI脑肿瘤分类模型,实现脑肿瘤的四分类任务。模型包括多尺度输入、改进残差、下采样和双通道池化共四个模块。将Kaggle中正常人和Figshare中肿瘤患者的脑部MRI图像进行数据集组合,对提出的模型进行训练和性能评估,优化网络超参数,提高分类准确率。结果在352张MRI图像上测试模型,仅使用多尺度输入模块时,得到平均分类准确率为96.59%。添加下采样模块后,准确率达到98.58%。对比最大池化、均值池化和双通道池化,准确率分别为96.02%、97.16%、98.58%。多尺度残差网络对脑肿瘤具有很好的分类效果,对胶质瘤、脑膜瘤、垂体瘤和正常无肿瘤图像的分类准确率分别为99.14%、99.14%、99.42%和99.42%。结论MRI是一种典型的检查脑肿瘤的医学成像方法,但放射科专家手工对脑肿瘤进行准确分类极具主观性和不确定性。提出的多尺度残差网络能为脑肿瘤自动分类提供有效的方法,且该网络提高了MRI脑肿瘤分类的准确率,很好地解决了梯度消失问题,提升了模型的泛化能力。
简介:摘要目的提升心电图心律失常分类算法的性能,为临床心电诊断提供辅助依据。方法将一维心电图数据按照R点进行切分,将切分后的数据生成2D图像。利用数据增强技术将样本进行扩增,再利用二维卷积神经网络(2D-CNN)中的2D卷积层、2D最大池化层、Flatten层和全连接层,对图像特征进行提取,并通过Softmax分类器进行分类。利用带有权重系数的损失函数来增强模型对于S类和V类的学习。采用MIT-BIH数据集进行模型训练并评估算法性能。结果样本扩增和使用带有权重系数的损失函数能够提升模型的召回率和特异性指标,同时保持模型对室性异位搏动(VEB)和室上性异位搏动(SVEB)分类的精确率的指标。结论所提出模型的准确率为99.02%,SVEB的召回率为96.4%,表明该分类方法可以辅助医护人员诊断心脏疾病。
简介:摘要:麻醉是医学发展过程中的一个重要成绩,其出现使得外科手术得以大范围应用,并且治疗安全水平也得到大幅度提升。作为一个复杂的学科,患者以及家属自然无法洞悉其本质,但是对麻醉做一些千层面的了解仍然十分必要。本文从发展的角度对麻醉展开了分析,并且进一步对麻醉工作的分类和适用环境加以讨论,对于加强该领域的认知有着积极意义。
简介:长期以来,口岸卫生监督的一些工作,如口岸食品风险预警管理、口岸传染病控制、储存场地、食品生产经营单位和服务行业等卫生许可证申请、审批、发证以及档案管理、资料整理、分类汇总、查询等工作基本都靠人工方式操作,往往要耗费大量人力物力,而且效率低、准确性差、资料查找困难,不便于保存和利用,特别是对企业卫生许可证的报送、审批、发证过程常常需要2~4周,口岸卫生监督管理已经不能适应当前检验检疫工作面临的形势(如对企业监管有效、各项工作提速、促进"大通关"建设等).因此,研发一个科学、高效、规范化的国境口岸卫生监督网络信息管理系统势在必行,也有利于口岸卫生监督工作的进一步规范化和长远发展要求.