简介：摘要：利用AI技术对疾病进行诊断、分型和预后，可以极大地提升医学图像的可信度和可用性、提升疾病诊断的准确性、为临床医生制定出更合理的治疗方案提供重要的定量依据，让他们可以更加准确地判断病情，以便更好地为患者提供服务。

简介：摘要：目的 分析、探究乳腺癌术后应用大分割调强与常规分割放疗之间的临床疗效及毒性。方法 选取我院2021.5至2023.1期间收治的40例乳腺癌患者为本研究对象，按照随机数表法将所有患者分为对照组与观察组，两组病例数为20。对照组接受常规分割放疗，观察组接受大分割调强放疗。治疗一段时间后对两组患者的临床疗效、毒副作用进行观察对比。结果 临床治疗期间两组均未出现2级以上的放疗反应，同时两组的急性皮肤反应、骨髓抑制、放射性肺炎及食管黏膜反应发生率无明显统计学差异（P＞0.05）；观察组住院时间及治疗费用均少于对照组（P＜0.05）；对本研究患者实施为期12个月的随访追踪，发现两组患者均未出现肿瘤复杂及严重的毒副反应。结论 作为乳腺癌术后的辅助疗法，大分割调强放疗与常规放疗之间的临床疗效及毒副反应并无显著的统计学差异，但大分割调强放疗的住院时间及治疗费用少于常规分割放疗。

简介：【摘要】目的：观察乳腺癌病人保乳术后接受大分割放疗与常规分割放疗的临床效果。方法：列入2019年1月-2021年12月我院行保乳术治疗的乳腺癌病人90例，通过随机掷骰子法将其分为对照组与研究组2组，每组均45例。对照组乳腺癌保乳术后给予全乳常规分割加瘤床同步补量放疗,PTV 2.0GY/次，PGTVtb2.4GY/次，治疗25次。研究组乳腺癌保乳术后给予全乳大分割加瘤床同步补量放疗，PTV 2.9GY/次，PGTVtb 3.3Gy/次，治疗15次。对比两组病人的近期局部复发率、不良反应率、美容效果满意率。结果：对照组和研究组病人的近期局部复发率（2.22%vs0.00%）差异无统计学意义（P＞0.05）；对照组和研究组病人的不良反应率（13.33%vs6.66%）差异无统计意义（P＞0.05）；研究组病人的美容效果满意率（97.77%）高于对照组（82.22%），差异有统计意义（P＜0.05）。结论：对于乳腺癌行保乳术治疗的病人，给予术后的大分割放疗，缩短治疗时间，降低不良反应发生风险及影响，提升治疗后局部的美容效果，病人对治疗效果的满意度更高，推荐使用。

简介：摘要目的探索不同分割方法构建的18F－FDG PET/MR影像组学模型对鉴别帕金森病(PD)和多系统萎缩(MSA)诊断效能的影响。方法回顾性收集2017年12月至2019年6月间于华中科技大学同济医学院附属协和医院行18F－FDG PET/MR检查的PD及MSA患者共90例[男37例、女53例，年龄(55.8±9.5)岁]，其中PD患者60例，MSA患者30例，按7∶3的比例随机分为训练集和验证集。采用自动标签功能解剖学(AAL)脑区模板匹配图像的自动脑区分割方法以及ITK－SNAP软件手动逐层分割方法勾画双侧尾状核及壳核作为ROI，分别从18F－FDG PET和T1加权成像(WI)中各提取1 172个影像组学特征。采用最小冗余最大相关性(mRMR)和最小绝对收缩和选择算子(LASSO)算法对训练集进行特征降维并建立影像组学模型，同时采用十折交叉验证以减少模型过拟合。采用ROC曲线评价不同分割方法建立的影像组学模型在训练集及验证集中的鉴别诊断效能，并采用Delong检验比较其差异。结果训练集63例(42例PD，21例MSA)，验证集27例(18例PD，9例MSA)。采用自动分割和手动分割所建立的影像组学模型(18F－FDG_Radscore和T1WI_Radscore)在训练集和验证集中，其Radscore值在PD组和MSA组之间差异均有统计学意义(z值：－5.15~－2.83,均P<0.05)。基于自动分割的18F－FDG_Radscore和T1WI_Radscore在训练集、验证集的ROC AUC分别为0.848、0.840和0.892、0.877；基于手动分割的两者的AUC分别为0.900、0.883和0.895、0.870；在训练集或验证集中，基于自动和手动分割方法所建立的影像组学模型的诊断效能之间的差异均无统计学意义(z值：0.04~0.77,均P>0.05)。结论基于自动分割和手动分割方法的18F－FDG PET/MR影像组学在鉴别PD和MSA中均有较好的诊断效能，但自动分割省时省力且可重复性较高，其在PD和MSA鉴别诊断中具有更大的潜力和实用价值。

简介：摘要：随着医学成像技术不断发展和进步，计算机图像分析模型日趋成熟，医学图像分割算法逐渐成为辅助医疗诊断的有力工具之一。本文基于医疗风险的角度对医学图像分割算法的评价方法和其实验研究进行了综合分析。在日常医疗过程中风险是无法回避的话题，然而在目前的医学图像分割算法中将医疗风险纳入评估因素的案例较少，本文从结合临床实际的角度，对医学图像分割下的医疗风险进行了综合分析和实验研究。伴随着基于医学图像分割的辅助诊疗得到越来越广泛的应用，能够为医生及专家提示算法分割结果中的医疗风险，提供更具临床意义的帮助与指导。

简介：摘要：细胞核的精确分割是病理诊断的重要基础，为了进一步提高细胞核分割的准确性，本文提出基于ConvNeXt改进的ConvUnet细胞核分割网络。首先，将ConvNeXt网络扩写为编码器-解码器结构，其次在跳跃连接结构中加入ECA通道注意力机制，去除原始病理图片中的冗余信息，加强对重要细胞核特征的关注度，最终提高模型的分割性能。在Monuseg数据集上的实验结果表明，ConvUnet网络的Dice系数和IoU分别达到79.27%和65.98%，与现有细胞核分割方法相比有更好的分割效果。

简介：摘要图像引导放射治疗(IGRT)是一种可视化的影像引导放疗技术，具有提高肿瘤靶区剂量，降低正常器官受照剂量等诸多优点。锥形束CT(CBCT)是IGRT中最常用的医学图像之一，对CBCT进行快速、准确的靶区及危及器官的分割对放疗具有重大意义。目前的研究方法主要有基于配准的分割方法和基于深度学习的分割方法。本研究针对CBCT图像分割方法、存在问题及发展方向进行综述。

简介：摘要：随着社会不断发展和婚烟家庭制度的改革完善，人们对于离婚时财产的处理也愈加重视起来。夫妻共同债务也变得更加的复杂和多样，我国民法典第一千零六十四条规定对夫妻共同债务的认定作了规定，但无更细化的规定。于是在司法实践中，法院往往会根据每个案件的具体情况，做出不同的判决，这就使得法官的自由裁量权过大，从而导致裁判结果存在着较大的差异性，甚至出现了“同案异判”的现象；在一些离婚纠纷或是民间借贷纠纷的解决过程中，根据双方当事人的一致意思表示，达成调解协议，侵犯了债权人或者夫妻一方的合同权益。

简介：

简介：摘要：最初的WSOD方法主要基于实例学习（Multiple-In⁃stanceLearning，MIL），这包括使用影像作为套装程式(肯定套装程式至少包含一个肯定执行处理，否定套装程式的所有执行处理都是否定执行处理)、使用物件建议作为执行处理，以及使用这些套装程式产生低监督目标感测器。MIL标准将点值低于指定点但很可能为负值的对象实例计算在内。在这种情况下，选定对象实例的外观和大小略有不同，因此无法创建更敏感的检测分类。您也可以在训练期间选取遗失的实体做为负数实体，以进一步减少分类器的侦测。为了解决这个问题，最近的研究人员拥有一个全面的MIL网络，如 ocr(online instance class lock-finish)、PCL(ProposalClusterLearning)和其他基于CNN的强大学习能力。在端到端MIL网络中，变体分类问题被认为是学习集成模型(映像)时的潜在问题。使用成员名称培训分类，您可以区分正负成员，并获得最积极的结果。但是，由于WSOD图像中没有对象实例级别的标签，因此WSOD方法和fullyuplevelelevationlabeldetection(fsod)方法之间的性能差异很大。本文主要分析特征融合与分割引导的弱监督目标检测。

简介：

简介：【摘要】本文主要探讨了异形环状分割件的机械加工方法。首先介绍了异形分割件的基本特点和加工难点。然后通过分析不同的加工工艺，总结出了最佳的加工方案。本研究采用理论分析和实际加工方案，对异形环状分割件进行了加工，并对其加工精度、表面质量等方面进行了分析。结果表明，采用合理的加工工艺可以显著提高异形环状分割件的加工质量和效率。

简介：摘要：目的：探究分析优化影像护理对提高急性脑卒中患者影像检查效率的应用效果。方法：本次研究开展期间，选取82例急性脑卒中患者作为研究对象，已经对其基本资料进行综合分析，与此同时将82例患者分配为两个小组，即对照组、观察组，每组41例，例如在对照组内需实施常规护理，观察组则实施优化影像护理，对比两组的影像检查效率。结果：据数据分析看，观察组的影像检查计时、结果报告计时指标均优于对照组（P＜0.05）。结论：通过优化影像护理的实施有助于提高急性脑卒中的影像检查效率。

简介：摘要：本论文旨在研究基于Mask计算优化提升电子围栏目标检测效率的方法，我们提出了一种新的电子围栏目标检测计算原理，即利用mask图例分割来计算电子围栏和目标框。该方法通过将围栏区域和目标区域分别用不同的遮罩图像进行标识，然后利用掩膜mask计算技术来实现目标检测和围栏计算的优化。我们使用了先进的YOLOv5模型来处理目标检测识别，该模型具备强大的目标检测和识别类别计算能力。通过结合这一模型和mask图例分割的计算原理，我们能够更准确地检测电子围栏和目标框重合程度，即判断某些禁止物体是否真的在电子围栏里，并且在计算效率上取得了显著的提升。本研究的结果表明，基于Mask计算优化电子围栏目标检测相比传统的IOU计算两者重叠区间速度提升30%，准确率提升22%。

简介：摘要：本论文旨在研究基于Mask计算优化提升电子围栏目标检测效率的方法，我们提出了一种新的电子围栏目标检测计算原理，即利用mask图例分割来计算电子围栏和目标框。该方法通过将围栏区域和目标区域分别用不同的遮罩图像进行标识，然后利用掩膜mask计算技术来实现目标检测和围栏计算的优化。我们使用了先进的YOLOv5模型来处理目标检测识别，该模型具备强大的目标检测和识别类别计算能力。通过结合这一模型和mask图例分割的计算原理，我们能够更准确地检测电子围栏和目标框重合程度，即判断某些禁止物体是否真的在电子围栏里，并且在计算效率上取得了显著的提升。本研究的结果表明，基于Mask计算优化电子围栏目标检测相比传统的IOU计算两者重叠区间速度提升30%，准确率提升22%。

简介：

简介：【摘要】新型屋面刚性保护层分割缝设置包括有硬质塑料条、软质塑料条、结构胶、螺丝钉及沥青油膏等材料。待屋面混凝土保护层浇筑完成并满足强度要求后，将软质条剔除，在原软质塑料条位置灌注沥青油膏，即完成屋面刚性保护层分割缝的设置。

简介：摘要：本文提出了一种基于深度学习的复杂环境公路隧道裂缝快速识别与分割算法，该算法首先使用图像采集设备获取公路隧道内部的裂缝图像，并利用数据增强方法增加数据集的样本数量，采用Faster R-CNN深度学习网络进行裂缝目标的快速识别，并利用形态学方法对裂缝目标进行分割，使用Faster R-CNN网络的特征提取层、区域候选层、分类和边框回归网络，对裂缝目标进行识别和定位，并使用形态学方法对裂缝目标进行分割，以得到更准确的裂缝区域。

简介：摘要：近景摄影测量是一种重要的地理信息获取技术，广泛应用于城市规划、土地资源管理和环境保护等领域。图像分割是其中一个关键步骤，它的准确性和效率直接影响着后续数据处理和分析的质量。本文通过对近景摄影测量中的图像分割方法进行研究和探讨，旨在提高图像分割的精度和速度，以满足实际应用的需求。

简介：摘要影像组学是1个发展迅速的研究领域，涉及医学影像中的定量指标，即影像组学特征的提取。影像组学的特点是捕获组织和病变的特征，如异质性、形状等，并可单独或与人口统计学、组织学、基因组学或蛋白质组学等数据相结合用于解决临床问题。该文旨在提供该领域的介绍，内容涵盖基本的影像组学工作流程，包括特征的计算与选择、降维及数据处理；并讨论核医学的潜在临床应用，包括对基于PET影像组学的治疗反应和生存预测；还介绍当前影像组学的局限性，如对于所采集参数变化的灵敏度，以及其他常见问题。