您的位置: 专家智库 > >

周宇

作品数:7 被引量:15H指数:2
供职机构:北京大学第一医院更多>>
相关领域:医药卫生自动化与计算机技术环境科学与工程更多>>

文献类型

  • 4篇期刊文章
  • 1篇会议论文
  • 1篇专利

领域

  • 4篇医药卫生
  • 2篇自动化与计算...
  • 1篇环境科学与工...

主题

  • 3篇胸片
  • 2篇人工智能
  • 2篇X线胸片
  • 1篇电子设备
  • 1篇对比度
  • 1篇对比度增强
  • 1篇胸部
  • 1篇胸部X线片
  • 1篇术后
  • 1篇切除
  • 1篇切除术
  • 1篇切除术后
  • 1篇去骨
  • 1篇网络
  • 1篇微创
  • 1篇小脑
  • 1篇小脑扁桃体
  • 1篇小脑扁桃体下...
  • 1篇轮转
  • 1篇轮转护士

机构

  • 6篇北京大学第一...
  • 1篇中国人民武装...

作者

  • 6篇周宇
  • 3篇刘建新
  • 3篇李津书
  • 3篇王霄英
  • 3篇张晓东
  • 2篇刘婧
  • 2篇李建辉
  • 1篇申凤兰
  • 1篇高玲玲
  • 1篇宫静萍
  • 1篇程继英
  • 1篇尹利华
  • 1篇李子元

传媒

  • 2篇放射学实践
  • 2篇中国急救复苏...

年份

  • 1篇2023
  • 1篇2021
  • 1篇2019
  • 1篇2014
  • 2篇2013
7 条 记 录,以下是 1-6
排序方式:
低浓度对比剂(270mgI/ml)在冠脉CTA检查中的临床应用研究
目的:采用回顾性心电门控通过64排螺旋CT探究低浓度对比剂270mgI/ml在冠脉CTA检查中的研究.方法:患者按体重分成四类,对比剂270mgI/ml的注射方案不同,如:54Kg以下,4ml/s;55-64Kg,4.5...
周宇刘建新
基于深度学习模型的X线胸片去骨的初步研究被引量:2
2021年
目的:探讨基于深度学习方法对X线胸片(CXR)进行去骨处理的可行性。方法:总样本数据集由开源数据集和自采数据集两部分组成,共300个图像对,每对图像包括一个常规CXR和一个去骨后的CXR,其中开源数据集(JSRT+BSE JSRT)241对,自采数据集(双能减影胸部X光片)59对。使用深度残差网络(ResNet)作为去骨模型的基础架构,结合动态U-Net网络,并以Imagenet预训练VGG(Visual Geometry Group)网络,提取图像激活及风格特征组成损失函数,来训练去骨模型。将总样本数据随机分为训练集(80%)、调优集(5%)和测试集(15%)。以测试集的峰值信噪比(PSNR)和结构相似性(SSIM)结果作为CXR去骨模型的评价指标。结果:在测试集中,CXR去骨模型的PSNR(dB)和SSIM分别为31.94±2.49和93.37%±5.11%。根据PSNR值分析,88.89%的模型去骨后图像的质量较好,根据SSIM值分析,86.67%的模型去骨后图像与目标图像的结构相似性达到88%以上。结论:深度学习模型对X线胸片图像的去骨处理是可行的,可用于进一步研究并尝试应用于临床。
毕忠旭李子元周宇任昕李津书刘建新王霄英张晓东
关键词:人工智能X线胸片
1例微创小脑扁桃体下疝切除术后合并呼吸困难的护理被引量:1
2013年
Arnold—Chiari畸形(Arnold-Chiari malfomation, ACM)是由于轴旁中胚层发育异常而引起的先天性疾病,其特征是后颅窝容积减少,小脑扁桃体通过枕骨大孔进入颈椎管。其常合并脊髓空洞,脊髓空洞的发病率为8.4/10万。本科于2011年7月收治了1例行后颅窝减压术小脑扁桃体下疝畸形合并脊髓空洞的患者。该患者术后出现呼吸功能障碍'经医护^员全力抢救及精澍既里座愈出院。现报道女酉下。
申凤兰宫静萍尹利华周宇
关键词:微创小脑扁桃体下疝护理
一种胸片筛查分类预测方法、装置、电子设备及存储介质
本发明公开了一种胸片筛查分类预测方法、装置、电子设备及存储介质,该方法包括以下步骤:对获取的待筛查的胸片图像进行对比度增强处理,获得对比度增强图像;将所述对比度增强图像输入到预先训练好的分类模型中,确定所述胸片图像的类别...
张晓东王霄英孙兆男任昕周宇周雯李建辉谢辉辉刘婧张虽虽李津书刘建新
浅谈轮转监护室护士的管理
2014年
重症监护室内集中了现代化的监护和急救设备,是危重患者集中监护和治疗的地方,护士既是这些先进仪器的使用者,又是危重患者最直接的观察者和抢救者。
高玲玲周宇程继英
关键词:轮转护士
基于深度残差网络研发辅助诊断软件用于X线胸片分类诊断被引量:14
2019年
目的:研究以深度残差网络(ResNet)为基础架构建立深度学习模型,对X线胸片(CXR)做出“有发现”与“无发现”鉴别诊断的可行性。方法:回顾性收集2017年1月1日至2018年7月1日的连续CXR图像及诊断报告,经过数据清洗后分为“无发现”组(无任何异常发现,诊断印象为“两肺心膈未见异常”,共9765例)与“有发现”组(诊断印象中提及了一种以上影像所见,共9956例)。使用ResNet152(152 layers)作为二分类模型的基础架构,结合Grad-CAM技术生成模型激活热图,训练二分类模型。数据随机分为训练集(70%)、调优集(20%)和测试集(10%)。以测试集的预测结果检测CXR二分类模型的效能。结果:在测试集中(“有发现”者1018例,“无发现”者995例),CXR二分类模型鉴别“有发现”与“无发现”的精确度分别为0.885和0.894,召回率分别为0.898和0.880,F1-分数分别为0.891和0.887,ROC曲线下面积均为0.96。结论:使用CXR二分类模型可对X线胸片做出“无发现”与“有发现”的预测。
张晓东孙兆男任昕周宇周雯李建辉谢辉辉刘婧张虽虽李津书王霄英
关键词:人工智能胸部X线片
共1页<1>
聚类工具0