王永芹
- 作品数：9 被引量：52H指数：3
- 供职机构：成都大学更多>>
- 发文基金：四川省科技厅科技支撑计划项目更多>>
- 相关领域：医药卫生自动化与计算机技术更多>>
- 4种新型人工智能算法在区域人群骨龄测定中的价值被引量：3
- 2021年
- 目的:研究在实际临床工作中适用于区域人群的人工智能骨龄测定法。方法:选取在医院行手腕骨X射线检查的152名儿童及青少年受检者,应用《中国人手腕骨发育标准(CHN)法》对受检者骨龄进行评估,以评估的骨龄平均值为“金标准”;采用人工智能的RUS-CHN法掌指骨骨龄法、TW3-RUS掌指骨骨龄法、TW3-Carpal腕骨骨龄法和Greulich-Pyle图谱法4种不同新型全自动算法阅片,对照医师采用CHN法进行阅片,并与骨龄“金标准”相比得出平均绝对偏差(MAD)和均方根偏差(RSMD)。结果:人工智能中的4种全自动算法阅片结果与“金标准”相比MAD分别为0.56岁、0.61岁、1.09岁和0.90岁,RSMD分别为0.72岁、0.73岁、1.38岁和1.11岁,对照医师组与“金标准”相比MAD和RSMD分别为0.58岁和0.74岁;人工智能中RUS-CHN法最接近金标准,且具有统计学意义(F=0.01,F=0.06,F=5.58,F=0.34,F=0.31;P<0.05)。人工智能软件测评速度为(25.99±13.88)s显著高于医师测评速度(149.72±60.79)s,差异有统计学意义(t=24.312,P<0.05)。结论:人工智能中RUS-CHN掌指骨骨龄法诊断准确性最接近金标准,且显著提高临床工作效率。
- 彭乐媛段玉梅王永芹彭涛牛翔科
- 关键词：人工智能骨龄
- CT平扫图像纹理分析对肝癌与肝血管瘤鉴别诊断的初步研究被引量：30
- 2017年
- 目的探讨采用CT平扫图像纹理分析的方法对肝癌和肝血管瘤进行鉴别诊断的可行性。方法回顾性纳入2014年1月至2014年9月期间在四川大学华西医院行CT平扫检查且经病理检查结果证实为肝癌和肝血管瘤患者共56例,男35例,女21例;年龄(52.4±12.079)岁。排除图像有伪影干扰和病灶直径小于1.0 cm的患者4例,剩余52例患者共57个病灶(肝癌25个、肝血管瘤32个)的CT平扫图像用于纹理分析,从灰度直方图、共生矩阵、绝对梯度、自回归模型及小波变换中提取纹理特征值,再利用费希尔参数法(Fisher)、最小分类误差与最小平均相关系数法(POE+ACC)及相关信息测度法(MI)分别选择10个最优纹理特征值,然后用Mazda中的B11模块提供的线性判别分析法(LDA)和非线性判别分析法(NDA)对纹理特征进行分析,计算出其识别肝癌和肝血管瘤的最小错误率。LDA的最大分类特征应用于K邻近分类(KNN),NDA提取出的数据用于神经网络(ANN)进行鉴别诊断。结果 NDA/ANN-POE+ACC法鉴别肝癌和肝血管瘤最好,最小错误率最低,该方法分别与LDA/KNN-Fisher、LDA/KNN-POE+ACC、LDA/KNN-MI、NDA/ANN-Fisher及NDA/ANN-MI法对比分析,差异均有统计学意义(χ~2值分别为4.56、4.26、3.14、3.14、3.33,P值分别为0.020、0.018、0.026、0.026、0.022)。结论 Mazda纹理分析软件的不同纹理特征选择方法以及不同分析方法对CT平扫图像中肝癌和肝血管瘤鉴别的最小错误概率均较低,其中NDA/ANN-POE+ACC法鉴别效果最好。因此,利用CT平扫图像纹理分析的方法对肝癌和肝血管瘤进行鉴别诊断是可行的。
- 王永芹黄子星袁放宋彬
- 关键词：CT平扫肝癌肝血管瘤纹理分析图像处理
- 多层螺旋CT诊断宫颈癌淋巴结转移的效果分析被引量：3
- 2019年
- 目的:探究多层螺旋CT诊断宫颈癌淋巴结转移的效果。方法:从2016年1月到2018年1月到我院就诊的宫颈癌患者中随机抽取43例宫颈癌淋巴结转移患者作为研究对象,全部患者均行相同的多层螺旋CT检查以及超声检查,对比两种诊断方式的诊断符合率、灵敏度、特异度。结果:两种诊断方式的诊断符合率对比,差异不具有统计学意义(P> 0.05);多层螺旋CT诊断的灵敏度和特异度与超声诊断相比,差异不具有统计学意义(P> 0.05)。结论:多层螺旋CT、超声诊断宫颈癌淋巴结转移均具有较高的应用价值,每种检查方式均具有不同的优点,可以根据患者的症状表现选择合适的诊断方式。
- 段玉梅曾小辉王永芹张庆李小民
- 关键词：多层螺旋CT超声检查
- 三阴性乳腺癌与非三阴性乳腺癌mp-MRI征象的Logistic回归分析模型的建立及其预测价值被引量：1
- 2023年
- 目的探究基于多参数MRI乳腺动态增强特征Logistic回归分析模型鉴别三阴性乳腺癌与非三阴性乳腺癌的临床价值。方法搜集2014年1月至2020年6月行乳腺动态增强MRI检查,病理证实为乳腺癌的194例病例纳入研究,并根据病理结果分为68例三阴性组和126例非三阴性组。比较分析两组间多参数MRI征象,用秩和检验进行单因素分析,将有统计学意义的指标作为主要风险预测因子,用多因素Logistic回归建立风险预测模型,运用受试者工作特征曲线(ROC)分析Logistic回归模型的诊断效能。结果单因素分析显示,肿瘤更大、边界不清晰、乳头受累、伴有同侧淋巴结单发转移以及乳腺影像报告和数据系统(BI-RADS)分级更高时等因素具有统计学意义(P<0.05),多因素分析表明BI-RADS分类、乳腺肿块边界不清、伴同侧淋巴结单发转移、有乳头受累是鉴别三阴性乳腺癌与非三阴性乳腺癌的独立预测指标(P<0.05),运用独立预测因子绘制的曲线下面积(AUC)为0.907,用Logistic回归模型预测三阴性乳腺癌的准确率、敏感度、特异度、阳性预测值、阴性预测值分别为0.887、0.960、0.750、0.877、0.911。结论多参数MRI征象的Logistic回归分析模型对三阴性乳腺癌与非三阴性乳腺癌鉴别有重要的诊断价值。
- 吕赛群李立植彪邓相容黄港华李林曾小辉王永芹
- 关键词：三阴性乳腺癌LOGISTIC回归
- 基于深度神经网络的机会性CT骨质疏松筛查和骨密度预测研究
- 2024年
- 目的建立并评价基于机会性CT检查的骨质疏松筛查分类和骨密度值预测的深度学习神经网络模型。方法以定量计算机断层扫描(Quantitative Computed Tomography,QCT)骨密度测定为标准,将199例机会性CT检查数据用于建立密集卷积网络的深度学习神经网络的骨密度二分类模型和骨密度值预测回归模型,以五折交叉验证和随机分组的方法进行测试,并以来自不同设备的42例机会性CT检查病例进行独立测试,计算和评价模型的性能参数。结果受试者工作特征(Receiver Operating Characteristic,ROC)曲线显示:骨密度二分类模型的测试集和独立测试集的ROC曲线下面积均值分别为0.974、0.938,测试集的F1得分、召回率、精准度、特异性、准确度均≥0.91,独立测试集的上述评价参数均>0.862。在训练集、测试集和独立测试集上,骨密度值预测回归模型的平均绝对误差分别为1.42、8.52和13.89,均方根误差分别为1.93、10.80、20.36,预测值与QCT骨密度值呈极强正相关。结论基于机会性CT检查的深度学习神经网络模型对骨密度正常和降低具有较强的分类能力,且可较准确地预测骨密度值,避免多余的辐射风险,减少时间、经济消耗,有效扩大骨质疏松筛查的范围。
- 彭涛曾小辉李洋李曼蒲冰洁植彪王永芹
- 关键词：人工智能骨密度卷积神经网络
- 右后下纵隔节细胞神经瘤一例被引量：5
- 2014年
- 1病例介绍
患者女,26岁。因体检时发现右下纵隔包块占位,于2013年4月30日来我院就诊。患者无胸闷、气促,无恶心、呕吐,无腹痛、腹胀、腹泻等不适,以＂右下纵隔肿瘤＂入住我院。术前全身情况良好,浅表淋巴结未扪及,血常规、生物化学检查、肿瘤标志物等各项指标均正常。
- 王永芹谢晓红
- 关键词：纵隔节细胞神经瘤磁共振成像
- 低剂量CT扫描及定量分析对慢性阻塞性肺疾病气道病变应用的初步研究被引量：9
- 2017年
- 目的:研究低剂量CT扫描及定量分析在慢性阻塞性肺疾病气道病变中的应用价值。方法:选取2015年8月至2016年7月,我院收治的COPD患者69例,根据患者病情严重程度分为轻度组26例,中度组19例,重度组24例,同时选取同期健康体检者30例记为对照组。所有研究对象均进行低剂量CT扫描,同时予以肺功能检查,采用定量CT气道分析软件分别测量气道相关参数,并作spearman相关性分析。结果:对照组、轻度组、中度组以及重度组的FEV1、FEV1/FVC对比,均呈逐渐下降趋势,差异均有统计学意义(p均<0.05)。对照组、轻度组、中度组以及重度组的WA/BSA、T/BSA、WA%、Pi10对比,均呈逐渐上升趋势,差异均有统计学意义(p均<0.05)。FEV1与WA%、Pi10之间均呈负相关(r=-0.472,P=0.000;r=-0.484,P=0.000),FEV1/FVC与WA%、Pi10之间均呈负相关(r=-0.501,P=0.000;r=-0.493,P=0.000)。结论:低剂量CT扫描及定量分析可为COPD患者气道病变情况提供可靠的评估信息,其中气道参数WA%、Pi10是有效的客观评价指标。
- 王永芹段玉梅宋丽华
- 关键词：慢性阻塞性肺疾病气道病变CT扫描
