共查询到16条相似文献，搜索用时 812 毫秒
1.
目的:探讨人工智能辅助诊断系统在双源CT不同管电压下对肺结节的检测效能。方法:回顾性的搜集行双源CT的门诊患者200例,经排除最终筛选得到198例符合标准的图像,将图像进行后处理,得到100kVp,融合120kVp和140kVp下的胸部CT图像;根据结节大小、密度及位置分组,比较在不同管电压下人工智能检测肺结节的假阳性与假阴性个数。结果:AI在双源CT 100kVp下对于磨玻璃结节具有较好的分辨能力;在双源CT融合120kVp图像中,对肺结节的误诊率最高,但具有较低的漏诊率;然而,在双源CT 140kVp下对肺结节自动检出效能最差。结论:人工智能在融合120kVp下对肺结节的检测的假阴性率较低,可以降低医师诊断肺结节的漏诊率。 相似文献
2.
目的:评估基于深度学习的人工智能（AI）软件在胸部CT肺结节检出及良恶性诊断的价值。方法:收集2018年6月至2020年4月本院经手术确诊的肺结节患者172例,共切除204枚结节。将172例术前高分辨胸部CT图像导入人工智能识别系统,分别采用人工智能和影像医师阅片检出肺结节及良恶性诊断,对比两种阅片方法的敏感度、阳性预测值及假阳性结节个数。以病理结果为诊断金标准,对比AI与影像医师在恶性肺结节诊断中的敏感度、特异度及受试者工作特征（ROC）曲线下面积。结果:172例胸部高分辨CT共检出796枚真结节;AI与影像医师检出结节的敏感度分别为90.5%和75.0%,阳性预测值分别为74.5%和99.7%,假阳性结节总数分别为247个和2个。204枚经手术切除的结节中,AI、影像医师及AI联合影像医师诊断恶性肺结节的敏感度分别为93.3%、78.5%和98.6%,特异度分别为34.8%、79.7%和79.7%;AI、影像医师及AI联合影像医师诊断恶性肺结节的ROC曲线下面积分别为0.641、0.791和0.819。结论:AI检测肺结节的敏感度明显高于影像医师,但AI假阳性率亦较高;AI联合影像医师诊断恶性肺结节效能高于AI或影像医师单独诊断;建议AI联合影像医师共同检出肺结节和良恶性诊断,可以降低漏诊率、提高诊断正确率。 相似文献
3.
目的:探讨人工智能（AI）辅助检测软件对低年资规培医生提高肺实性结节检出效能的临床应用价值。方法:收集200例经CT证实有肺实性结节的CT影像,由2名8年影像诊断工作的主治医师结合AI （SCHOLAR,infervision）共同阅片确定肺实性结节数量,分歧时由第3名从事影像诊断15年以上主任医师会诊,最终确定“金标准”。先由低年资规培医师对上述CT图像独立进行肺结节检测（方法A）,2周洗脱期后在AI软件辅助下再进行上述CT图像肺结节检测（方法B）。将方法A和方法B标注结果分别与“金标准”比较,记录真阳结节数、假阳结节数,采用SPSS 20.0数据统计软件比较两组间检测灵敏度、假阳性率差异,P<0.05为差异有统计学意义。结果:与方法A相比,方法B灵敏度明显增加,总的实性结节灵敏度提高65%,而假阳性率降低25%,差异有统计学意义（P<0.05）;应用AI辅助软件对检测4组不同大小（D≤4 mm、4 mm 8 mm）肺实性结节的灵敏度均有提高,分别为78%、38%、27%和13.8%。方法A的FROC曲线上面积（AAC）为0.176,方法B为0.085 2,差异有统计学意义（P<0.05）;方法A和方法B平均每例CT阅片时间分别为411.9 s和319.7 s。结论:AI辅助检测软件可明显提高低年资规培医师对CT上不同大小肺实性结节的检出效能,尤其对直径≤4 mm肺结节的检出更具优势。 相似文献
4.
目的:探讨影响人工智能检测肺结节效能的因素,力求为不同性质的结节提供个性化的扫描剂量及人工智能系统,同时为各人工智能系统适宜的扫描条件提供参考。方法:标准成人男子胸部X线/CT影像模型,内部随机分布15个不同密度和大小的模拟肺结节,采用不同的管电压和管电流对模型进行扫描,共扫描50次。应用不同公司的人工智能系统进行肺结节检测,采用Pearson χ2检验或Fisher确切概率法比较各组检出率和假阴性率;采用Kruskal-Wallis H检验比较假阳性率。结果:①不同管电压条件下,公司A和公司C对不同性质肺结节的检出率无统计学差异;公司B对+100HU结节的检出率,70kV（100%）组高于120kV（80%）和140kV（80%）组;公司B对3mm结节的检出率,70kV组（33.33%）高于120kV（0%）和140kV（0%）组,差异有统计学意义。②各管电压组内不同管电流间及各管电压组间,检出率、假阴性率的差异无统计学意义。各管电压组间假阳性率的差异具有统计学意义。③公司A在70kV组检出率（64.44%）低于公司B（80.00%）、假阴性率（35.56%）高于公司B（20.00%）;公司A的假阳性率高于公司B和公司C;公司B和公司C间检出率、假阴性率、假阳性率无统计学差异。结论:人工智能辅助肺结节检测的灵敏度与CT扫描剂量无关,与结节性质及AI系统性能有关。本研究中公司B和公司C整体性能高于公司A,最佳扫描管电压分别是70kV、70kV和100kV。 相似文献
5.
目的：利用深度学习技术,全自动标注病变的计算机断层扫描（CT）数据,开发准确快速区分新型冠状病毒感染（COVID-19）和其他社区获得性肺炎的人工智能模型。方法：回顾性分析248例COVID-19患者及347例其他肺炎患者的资料,进行COVID-19与其他肺炎分类;在人工智能肺分割提取后将异常的CT图像特征降维,输入几种经典强化机器学习模型、三维卷积神经网络（3D CNN）和注意力多示例学习（Attention-MIL）深层神经网络架构中,模型诊断性能利用受试者工作特性（ROC）曲线、精确召回率（PR）曲线、曲线下面积（AUC）、敏感性、特异性、准确性指标进行评价。结果：在经典机器学习模型中K邻近算法（KNN）具有较好的效果,在外部测试集上的AUC值和平均精度（AP）值分别为0.79和0.89,平衡F分数（F1）值为0.76,准确率为0.75,敏感性为0.76,精确率为0.77;经典的3D CNN在外部测试集上效果良好,AUC值和AP值分别为0.64和0.82,F1值为0.71,准确率为0.78,敏感性为0.66,精确率为0.62;Attention-MIL模型在外部测试集上表现出更好... 相似文献
6.
针对常规多次波压制(SRME)方法存在的缺陷进行了改进.首先在多次波模型道预测阶段,采用数据相关和迭代更新的策略预测多次波模型道,该方法降低了SRME方法采用数据空间褶积对输入数据要求严格的限制,提高了对近偏移距缺失和空间假频数据的适应性.在匹配相减阶段,本文设计了一种非因果非平稳的匹配滤波器,该滤波器可以对整道多次波模型进行处理,而且当预测多次波模型道滞后于实际多次波时,也能够对多次波模型道进行很好的匹配.模型数据和实际数据试算证明该方法在多次波模型道预测和匹配相减阶段的优越性. 相似文献
7.
《地球物理学进展》2016,(6)
本文利用CSAMT方法对相山石洞地区进行了深部地质结构探测.并尝试借助于先进的专业软件平台Oasis montaj对研究区已有的重磁数据生成3D重磁地球物理模型,从重磁模型中切取与实测CSAMT剖面大小、位置一致的密度切片和磁化率切片.将实测CSAMT剖面与密度切片和磁化率切片共同应用于解译石洞地区的深部地质结构.研究结果表明:CSAMT法较清晰的划分出了该地区的主要岩层的组间界面,刻画出了岩性界面的起伏形态,且与重磁资料共同识别出了3条已知断裂以及推测出了1条隐伏断裂;通过充分利用已有的重磁数据,不仅可以为CSAMT的地质解译提供依据,还可以提高地球物理数据的利用率降低地质工作的勘探成本. 相似文献
8.
目的:探讨图像纹理特征分析法在肺结节诊断中的作用.方法:收集104例经临床手术病理证实的肺结节患者,采用水平集模型自动分割、提取肺结节,用灰度共生矩阵法对肺结节的能量、相关、对比度、逆差距和熵等图像纹理特征进行提取,将良、恶性结节的纹理特征进行比较.结果:肺良恶性结节的能量、相关、对比度、逆差距和熵均存在统计学差异(P＜0.05),其中肺良性结节的能量、逆差距、相关性均大于恶性结节,良性结节对比度及熵的均值小于恶性结节.结论:肺良性结节纹理灰度分布均匀、纹理规则、局部灰度反差不大,而肺恶性结节纹理灰度分布不均匀、纹理杂乱、灰度反差明显,因此图像纹理特征对肺结节的诊断有重要的价值. 相似文献
9.
探讨了如何基于Midas/GTS来实现用FLAC3D建立复杂边坡模型。首先在Midas/GTS中建立几何模型和划分网格,然后根据两种软件的网格数据形式进行转换,把Midas/GTS的网格模型导入FLAC3D中。对于二维边坡问题,认为采用四边形单元比三角形单元的计算精度更高,在模型较为复杂的情况下建议在Midas/GTS中采用四边形+三角形的方式生成混合网格,然后导入FLAC3D中形成brick+wedge形式的混合网格进行分析,以保证计算精度。最后将上述建模方法应用于某边坡工程的稳定性分析,验证了该建模方法的可行性和实用性。 相似文献
10.
卷积神经网络(Convolutional Neural Network,CNN)是一种基于数据驱动的学习算法,简化了传统从特征提取到分类的两阶段式处理任务,被广泛应用于计算机科学的各个领域.在标注数据不足的地震数据去噪领域,CNN的推广应用受到限制.针对这一问题,本文提出了一种基于数据生成和增广的地震数据CNN去噪框架.对于合成数据,本文对无噪地震数据添加不同方差的高斯噪声,增广后构成训练集,实现基于小样本的CNN训练.对于实际地震数据,由于无法获得真实的干净数据和噪声来生成训练样本集,本文提出一种直接从无标签实际有噪数据生成标签数据集的方法.在所提出的方法中,我们利用目前已有的去噪方法从实际地震数据中分别获得估计干净数据和估计噪声,前者与未知的干净数据具有相似纹理,后者与实际噪声具有相似的概率分布.人工合成数据和实际数据实验结果表明,相较于F-X反褶积,BM3D和自适应频域滤波算法,本文方法能更好地压制随机噪声和保护有效信号.最后,本文采用神经网络可视化方法对去噪CNN的机理进行了探索,一定程度上解释了网络每一层的学习内容. 相似文献
11.
三维大模型数值计算因巨大的单元和结点数目而非常耗时,在地震响应分析中受计算时间步长的限值则更加耗时。在饱和砂土动力液化计算平台上开发时域离散误差评估方法和时间步长自适应调整的计算程序,并成功应用于三维堤坝地震液化响应分析。时域离散误差包括土骨架的位移误差和单元孔压误差,通过定义孔压误差影响系数计算出混合误差,根据混合误差和设定的误差允许值进行计算步长的自适应调整。在三维堤坝地震液化数值模拟中,采用自适应时间步长法有效避免小步长精确但耗时、大步长省时而不精确的缺点。在大模型和超大模型计算中,最优调整每一步的计算时间步长,完美实现既节省时间又不失精度的时域离散策略。 相似文献
12.
Conventional frequency domain singular value decomposition (SVD) filtering method used in random noise attenuation processing causes bending event damage. To mitigate this problem, we present a mixed Cadzow filtering method based on fractional Fourier transform to suppress random noise in 3D seismic data. First, the seismic data is transformed to the time-frequency plane via the fractional Fourier transform. Second, based on the Eigenimage filtering method and Cadzow filtering method, the mixed high-dimensional Hankel matrix is built; then, SVD is performed. Finally, random noise is eliminated effectively by reducing the rank of the matrix. The theoretical model and real applications of the mixed filtering method in a region of Sichuan show that our method can not only suppress noise effectively but also preserve the frequency and phase of effective signals quite well and significantly improve the signal-to-noise ratio of 3D post-stack seismic data. 相似文献
13.
局部畸变问题曾经困扰大地电磁资料反演解释几十年,大地电磁三维数值模拟技术的发展为剖析局部畸变特点和得到可靠的反演成像结果提供了技术基础。本文采用三维数值模拟成像方法对典型三维局部畸变模型进行模拟分析。三维数值模拟结果显示:电场分量垂直电性分界面的极化模式视电阻率曲线(对应二维情况下TM模式)在穿越低阻异常体界面时,曲线会先上移后下移,而在穿越高阻异常体界面时,曲线会先下移后上移,这与电性分界面处积累面电荷产生的二次电场有关。三维模型中XY模式、YX模式视电阻率和相位在三维异常体附近的水平变化是呈现近似垂向对称的,该现象与电场垂直跨越电性界面时视电阻率的变化规律是吻合的,当测线分别沿X方向和Y方向展布时,三维情况下的XY和YX模式分别对应二维情况下的TM模式。低阻小异常体对区域构造响应的畸变影响比高阻小异常体要严重。低阻小异常体对二维区域响应的两种极化模式视电阻率和相位都有非常明显的畸变影响,相比较而言对TE模式的畸变要大于TM模式,因此我们在做二维反演解释时,可优先考虑拟合TM模式数据。位于小异常体中心上方测点的三维畸变响应虽然与对应真实二维区域响应的差异比较大,但可以等效于某种二维模型响应,这种由局部畸变造成的假二维响应在实际野外数据的解释中是需要注意的。 相似文献
14.
发展高效、高精度、普适性强的自动波形拾取算法在地震大数据时代背景下显得越来越重要.波形自动拾取算法的主要挑战来自如何适应不同区域的不同类型地震事件的分类与筛选.本文针对地震事件-噪音分类这一问题,使用13839个汶川地震余震事件建立数据集,应用深度学习卷积神经网络(CNN)方法进行训练,并用8900个新的汶川余震事件作为检测数据集,其训练和检测准确率均达到95%以上.在对连续波形的检测中,CNN方法在精度和召回率上优于STA/LTA和Fbpicker传统方法,并能找出大量人工挑选极易遗漏的微震事件.最后,我们应用训练好的最优模型对选自全国台网的441个台站8天的连续波形数据进行了识别、到时挑取及与参考地震目录关联,CNN检出7016段波形,用自动挑选算法拾取到1380对P,S到时,并与540个地震目录事件成功关联,对1级以上事件总体识别准确率为54%,二级以上为80%,证明了CNN模型具有泛化能力,初步展示了CNN在发展兼具效率、精度、普适性算法,实时地震监测等应用上具有巨大潜力. 相似文献
15.
16.
P. E. Carbonneau B. Belletti M. Micotti B. Lastoria M. Casaioli S. Mariani G. Marchetti S. Bizzi 《地球表面变化过程与地形》2020,45(13):3120-3140
An estimated 76% of global stream area is occupied by channels with widths above 30 m. Sentinel-2 imagery with resolutions of 10 m could supply information about the composition of river corridors at national and global scales. Fuzzy classification models that infer sub-pixel composition could further be used to compensate for small channel widths imaged at 10 m of spatial resolution. A major challenge to this approach is the acquisition of suitable training data useable in machine learning models that can predict land-cover type information from image radiance values. In this contribution, we present a method which combines unmanned aerial vehicles (UAVs) and Sentinel-2 imagery in order to develop a fuzzy classification approach capable of large-scale investigations. Our approach uses hyperspatial UAV imagery in order to derive high-resolution class information that can be used to train fuzzy classification models for Sentinel-2 data where all bands are super-resolved to a spatial resolution of 10 m. We use a multi-temporal UAV dataset covering an area of 5.25 km2. Using a novel convolutional neural network (CNN) classifier, we predict sub-pixel membership for Sentinel-2 pixels in the fluvial corridor as divided into classes of water, vegetation and dry sediment. Our CNN model can predict fuzzy class memberships with median errors from −5% to +3% and mean absolute errors from 10% to 20%. We also show that our CNN fuzzy predictor can be used to predict crisp classes with accuracies from 95.5% to 99.9%. Finally, we use an example to show how a fuzzy CNN model trained with localized UAV data can be applied to longer channel reaches and detect new vegetation growth. We therefore argue that the novel use of UAVs as field validation tools for freely available satellite data can bridge the scale gap between local and regional fluvial studies. © 2020 The Authors. Earth Surface Processes and Landforms published by John Wiley & Sons Ltd 相似文献