公共文化服务平台

搜索到20355篇“ X线片“的相关文章

胸部超声联合X线片诊断肋骨骨折的可行性研究: 2024年; 目的探究胸部超声联合X线胸片诊断肋骨骨折的可行性。方法收集2021年1月至2023年12月因胸部外伤就诊于邹平市码头镇卫生院的患者共100例,分别行胸部超声诊断、X线胸片诊断,以CT三维重建诊断为金标准,比较胸部超声、X线片及二者联合诊断效能。结果CT三维重建诊断结果显示100例患者中68例阳性,32例阴性;胸部超声诊断阳性63例,阴性28例;X线胸片诊断阳性55例,阴性25例;联合诊断阳性66例,阴性31例,敏感性、准确率分别为97.06%、97.00%,均高于单一诊断,差异均具有统计学意义(P<0.05)。CT三维重建诊断68例患者共有93处骨折,其中71例为隐匿性肋骨骨折,22例为肋软骨骨折;联合诊断的总检出率高于单一诊断,差异均具有统计学意义(P<0.05)。结论胸部超声联合X线片可实现优势互补,提升肋骨骨折诊断敏感度、准确度,值得在基层医院推广。; 刘佃明; 关键词：超声 X线透视检查肋骨骨折

X线片测量肱骨大结节角与肩袖撕裂的相关性研究: 2024年; 目的探讨X线片测量肱骨大结节角(GTA)与肩袖撕裂的相关性,为肩袖撕裂的预防、早期诊断和治疗提供依据和指导。方法回顾性分析2020年1月至2023年12月医院收治的138例因肩部疼痛不适行肩部X线检查患者的病历资料。根据临床诊断结果将发生肩袖撕裂的患者纳入试验组(64例),未发生肩袖撕裂的患者纳入对照组(74例)。比较两组GTA的差异;考察GTA预测肩袖撕裂的临界值和预测能力;评价2名放射科医师测量结果的一致性和相关性。结果试验组GTA大于对照组,差异有统计学意义(P<0.05)。区分试验组与对照组患者的GTA最佳临界值为≥70°,受试者工作特征(ROC)曲线下面积为0.826,灵敏度和特异度分别为0.88和0.81。2名放射科医师测量GTA结果的组内相关系数(ICC)为0.677,Pearson’s相关性系数r=0.547。结论采用X线片测量GTA对肩袖撕裂具有较好的预测价值和较高的测量一致性,可为肩袖撕裂的预防、早期诊断和治疗提供依据和指导。; 陈一二柯群; 关键词：肩袖撕裂 X线片

基于深度学习的儿童骨盆X线片质量控制模型的构建与应用: 2024年; 目的提出一种基于深度学习的儿童骨盆正位X线片质量评估方法,构建诊断模型并验证其临床可行性。方法回顾性收集3247例儿童骨盆正位X线片,随机分为训练数据集、验证数据集及测试数据集。构建人工智能模型,评估质量控制模型可靠性。结果模型的诊断准确率、ROC曲线下面积、灵敏度及特异度分别为99.4%、0.993、98.6%和100.0%。模型的骨盆倾斜指数95%一致性界限为-0.052~0.072;骨盆旋转指数95%一致性界限为-0.088~0.055。结论该研究首次尝试将AI算法应用于儿童骨盆X线片的质量评估,并显著改善了儿童发育性髋关节发育不良的诊疗现状。; 刘峙辰林锦聪谢坤杰沙佳陈旭雷伟黄鲁豫严亚波; 关键词：发育性髋关节发育不良人工智能

改良X线片诊断食管裂孔疝的临床效果: 2024年; 目的分析改良X线片诊断食管裂孔疝的临床效果。方法回顾性分析2021年1月至2023年1月医院收治的经手术确诊的80例食管裂孔疝患者的临床资料。根据术前检查方法不同分成对照组和试验组,每组40例。对照组采用常规X线片检查,试验组采用改良X线片检查。比较两组检查结果与手术结果的符合率及影像学征象(食管胃角增大、膈上胃黏膜皱襞和疝囊、胃食管反流、B环、膈食管裂孔增宽)的检出率。结果试验组检查结果与手术结果的符合率及各项影像学征象的检出率均高于对照组,差异有统计学意义(P<0.05)。结论改良X线片检查诊断食管裂孔疝与手术结果和符合率和影像学征象的检出率均高于常规X线片检查。; 林海燕陈玉双; 关键词：食管裂孔疝 X线片钡餐

基于改进U-Net和X线片的脊柱侧弯Cobb角自动测量算法研究: 2024年; 脊柱侧弯是影响人类健康的疾病之一,Cobb角的准确计算是临床上确定脊柱侧弯分型和制定诊疗方案的关键。针对人工测量Cobb角存在耗时长、不够准确、效率低下等问题,本文设计了一种基于改进U-Net的脊柱侧弯Cobb角自动测量方法。由经验丰富的脊柱外科医生使用LabelMe工具对200例脊柱侧弯患者的X线片数据集进行标注。采用ResNet50作为主干网络改进基本的语义分割模型U-Net,并与另外2个语义分割模型DeeplabV3和PSPNet在脊柱侧弯X线片数据集上分别进行训练。实验结果表明,改进的U-Net模型的平均交并比(mean intersection over union,MIOU)值达到了94.72%,分别比PSPNet和DeeplabV3模型的MIOU值提升了5.36%和2.30%。最后,基于改进的U-Net模型设计了脊柱侧弯Cobb角的自动测量算法,并开发了可视化的自动测量软件。经过实际测试,发现在常规的电脑上输入一张患者的X线片,只需6.3 s即可自动计算Cobb角大小,其速度远快于医生手动测量,显著提高了医生的工作效率,表明本文设计的脊柱侧弯Cobb角自动测量方法是有效的。; 禤浚波梁英豪梁淑慧张绿云张绿云柯宝毅马文宇李成; 关键词：脊柱侧弯 X线图像 COBB角

仿真滤线栅及图像增强后处理算法用于改善儿童低剂量X线片图像质量: 2024年; 目的观察以仿真滤线栅(SG)和图像增强(SE)改善儿童低剂量X线片图像质量的价值。方法回顾性分析344例接受410次床旁X线检查的重症监护病房患儿资料,包括290幅胸部平片、51幅腹部平片及69幅胸腹联合平片;分别以SG和SE对图像进行后处理,评估后处理图像质量。结果 410幅SG后处理图像中,2分250幅、1分147幅、0分13幅;SG可显著改善年龄≥1岁和体质量≥10 kg患儿图像质量(P均<0.05),且显示骨骼、气管、外周血管、异物、腰大肌和肠道气体效果较好(P均<0.05)。410幅SE后处理图像中,2分250幅、1分58幅、0分102幅;SE可显著改善年龄≥0.5岁和体质量>4 kg患儿图像质量(P均<0.05),且显示骨骼、气管、大血管、外周血管、心脏后血管和异物效果较好(P均<0.05)。结论 SG可显著改善低剂量X线片显示年龄≥1岁和体质量≥10 kg儿童骨骼、气管、外周血管、异物、腰大肌和肠道气体的质量,而SE则可改善显示年龄≥0.5岁和体质量>4 kg儿童骨骼、气管、大血管、外周血管、心脏后血管和异物的质量。; 薛丽荣王中秋李姝杨明郭斌荀冲; 关键词：儿童 X线图像质量

鼻咽部CT扫描与鼻咽侧位X线片诊断儿童腺样体肥大的价值: 2024年; 目的:探讨鼻咽部CT扫描与鼻咽侧位X线片诊断儿童腺样体肥大的价值。方法:以70例腺样体肥大患儿为对象,随机分为A组(CT扫描)与B组(鼻咽侧位X线)。比较CT与侧位X线片诊断儿童腺样体肥大的价值。结果:A组35例腺样体肥大患儿鼻咽部CT扫描结果显示,轻/中/重度肥大=4例/16例/11例;鼻内镜检查结果显示I/Ⅱ/Ⅲ/Ⅳ度=2例/5例/10例/18例。一致性分析显示鼻咽部CT与鼻内镜检查的一致性较高(P>0.05)。仿真内镜检查结果显示I、Ⅱ、Ⅲ、Ⅳ度分别为2例、5例、11例、17例。与鼻内镜检查结果进行统计分析,结果显示,二者比较无差异(P>0.05)。B组患儿经鼻咽侧位平片检查显示35例患儿中轻/中/重度肥大=4例/9例/20例;鼻内镜下检查结果显示I/Ⅱ/Ⅲ/Ⅳ度=11例、11例/7例/6例。两种结果的统计分析结果比较,差异显著(P>0.05)。结论:鼻咽部CT检查可全面、准确地提供腺样体的信息,在儿童腺样体肥大程度的诊断方面优于鼻咽部侧位X线片。; 彭述文黄德虎; 关键词：儿童腺样体肥大

基于卷积神经网络的X线片下肢关节角度识别算法: 2024年; 提出一种基于卷积神经网络的X线片下肢关节角度识别算法,首先在X线片中使用Yolov5目标检测模型来识别特定类别的感兴趣区域,并使用U-Net模型进行热图回归来识别关键特征点,最后进行下肢关节角度的计算。研究结果表明,本文提出的算法相比于之前的算法精度更高,结果准确可靠,为临床研究和实践提供参考。; 刘静妮盛玉武赵长秀牛存良黄国源许长栋赵姗姗陈彬; 关键词：卷积神经网络目标检测特征点定位下肢力线

人工智能知识图谱和图像分类用于胸部后前位X线片质量控制: 2024年; 目的观察人工智能(AI)知识图谱和图像分类对胸部后前位X线片(简称胸片)质量控制(QC)的价值。方法回顾性分析安徽省影像云平台中595家医疗机构共9236幅胸片,构建包含21个分类标签的QC知识图谱。先由10名技师据此对胸片进行2轮单人QC和1轮多人QC,分别将结果记为A、B、C;再以AI算法进行分类评估,将结果记为D。最后由1名QC专家对C、D进行审核并确定最终QC结果,以之为参考评估上述4种QC效果。结果AI算法用于胸片QC的曲线下面积(AUC)均≥0.780,平均AUC为0.939。A、B、C、D胸片QC的平均精确率分别为81.15%、85.47%、91.65%、92.21%。结论AI知识图谱和图像分类技术可有效用于胸部后前位X线片QC。; 王倩宋亮亮韩啸刘明张标赵士博谷宗运黄莉莉李传富李小虎余永强; 关键词：胸部人工智能 X线

胸部X线片人工智能联邦学习系统用于病原学诊断儿童社区获得性肺炎: 2024年; 目的观察基于胸部X线片建立的人工智能联邦学习系统用于病原学诊断儿童社区获得性肺炎(CAP)的价值。方法回顾性选取2所医院共900例CAP患儿,包括细菌性、病毒性及支原体CAP各300例,对每例选取1幅胸部正位片。收集公开数据集GWCMCx中的5856幅儿童胸部正位片,分别来自4273例CAP患儿和1583例胸部无明显异常患儿。按8∶2比例将全部6756幅胸片分为训练集(n=5359)与验证集(n=1397)。建立基于注意力机制的病原学诊断儿童CAP模型,设计二分类及三分类诊断算法并进行联邦部署训练;与DenseNet模型对比,观察所获学习系统用于病原学诊断儿童CAP的效能。结果人工智能联邦学习系统模型针对全部数据诊断CAP的准确率为97.00%,曲线下面积(AUC)为0.990。基于来自医院的数据,本系统根据单一影像学数据及临床-影像学数据实现病原学诊断儿童CAP的AUC分别为0.858及0.836,均高于DenseNet模型的0.740(P均<0.05)。结论基于胸部X线片的人工智能联邦学习系统可用于病原学诊断儿童CAP。; 魏子伊汤奕滕泽李宏锋彭芸操江峰高天姿张恒韩鸿宾; 关键词：肺炎儿童 X线人工智能

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈