一、四种预测心脏体积方法准确性和精确度的评价（论文文献综述）
曾飘逸[1]（2021）在《胎儿右心室FTI和GSI指数在评估妊娠期高血压疾病中的价值》文中研究指明目的研究正常胎儿与妊娠期高血压疾病（hypertensive disorders complicating pregnancy,HDCP）胎儿右心室Tei指数（Tei index）、三尖瓣瓣环收缩期位移（tricuspid annulr planesy stolic excursion,TAPSE）指数（fetal TAPSE index,FTI,亦称右心室FTI指数）、心脏整体球形指数（global sphericity index,GSI）及常规胎儿心脏测量指标,探究右心室FTI指数及GSI指数在HDCP中的诊断价值。方法选取2019年08月～2020年12月在门诊接受胎儿超声心动图检查的孕妇227例,收集其临床基本资料,测得每例研究对象之胎儿右心室Tei指数（Tei index）、右心室FTI指数、GSI指数及常规胎儿心脏测量指标,并随访妊娠结局及血压直至产后三个月。随机抽取20例胎儿,对右心室Tei指数、右心室FTI指数、GSI指数的测量进行重复性及一致性分析。根据诊断标准将研究对象分为正常对照组（63例）、妊娠期高血压（gestational hypertension,GH）组（23例）、轻度子痫前期（mild-preeclampsia,MPE）组（23例）、重度子痫前期（severe-preeclampsia,SPE）组（17例）,观察正常组胎儿上述指标随孕周的变化情况并进行相关性分析,比较四个分组中胎儿右心室Tei指数、右心室FTI指数及GSI指数的差异,并比较右心室FTI指数、GSI指数低值组和指数正常组胎儿围产期不良结局发生率的差异。结果（1）同一观察者及两名观察者间测量右心室Tei指数、右心室FTI指数、GSI指数均具有良好的重复性和一致性,其中右心室FTI指数、GSI指数优于右心室Tei指数。（2）不同孕周胎儿右心舒张早期峰值流速（peak E-wave velocity,E）、舒张晚期峰值流速（peak A-wave velocity,A）、心肌组织多普勒舒张早期速度（myocardial tissue early disatolic velocity,Em）、心肌组织多普勒舒张晚期速度（myocardial tissue late disatolic velocity,Am）、心肌组织多普勒收缩期速度（myocardial tissue systolic velocity,Sm）、TAPSE、E/A（E/A比值）均随孕周的增加而增大,差异具有统计学意义（P均<0.05）。不同孕周胎儿右心室Tei指数、右心室FTI指数、GSI指数差异无统计学意义（右心室Tei指数F=2.095,P=0.082;右心室FTI指数F=0.852,P=0.493;GSI指数F=0.045,P=0.996）。（3）随着HDCP严重程度的增加,右心室Tei指数逐渐升高（F=2.762,P<0.05）,而右心室FTI指数和GSI指数则逐渐减低（F值分别为8.103、3.827,P均<0.05）。其中重度子痫前期（SPE）组与正常对照组相比,右心室Tei指数明显增大,而GSI指数明显减低（P均<0.05）;右心室FTI指数SPE组明显低于正常对照组、妊娠期高血压（GH）组、轻度子痫前期（MPE）组（P均<0.05）。（4）右心室FTI指数低值组较指数正常组的早产、因持续异常胎心监护需紧急分娩较指发生率高（P均<0.05）。而在低出生体重、新生儿5 min Apgar评分<7分、入住NICU差异无统计学意义（P均>0.05）。GSI指数低值组较指数正常组的早产、因持续异常胎心监护需紧急分娩、低出生体重、入住NICU发生率高（P均<0.05）,而在新生儿5 min Apgar评分<7分差异无统计学意义（P>0.05）。结论（1）随着HDCP严重程度的增加,右心室FTI指数、GSI指数值逐渐减小;并且与传统的右心室Tei指数相比,右心室FTI指数、GSI指数可更好地用于评估HDCP胎儿心功能和心脏形态的改变,具有一定的诊断价值。（2）右心室FTI指数、GSI指数异常与胎儿围产期不良结局有关,具有一定的预测价值。
苑金辉[2]（2021）在《基于生成对抗网络的心脏MR图像左室心肌分割及后处理技术研究》文中研究指明
荣培杉[3]（2021）在《面向心电辅助诊断的多标签分类算法研究》文中研究表明21世纪以来,心脏病与高血压威胁着人类的健康,是发病率和死亡率极高的两种疾病。与此同时,机器学习和深度学习等人工智能技术在智慧医疗领域也在迅速发展,利用心电图数据进行心脏疾病诊断的研究取得了一定成果,但在临床应用中存在着诊断类别不全、部分类别准确率较低等问题。本文提出一种基于深度学习的多标签心电辅助诊断算法,一方面解决了多标签场景下的类别不均衡问题,另一方面提高了诊断类别的全面性和准确性。并将该算法应用于高血压性心脏病的早期诊断以及心电图智能辅助诊断系统当中。主要工作和研究内容分为以下几个部分:1.针对心电图数据,提出一种基于深度学习的多标签心电辅助诊断算法。该算法结合残差神经网络与门控循环单元网络模型,充分利用心电图的时序依赖关系和局部异常信息特征。同时,针对多标签场景下的多维度类别不均衡问题,提出以改进的Focal Loss作为损失函数,并将多标签互斥关系与目标函数结合,加快模型训练速度。该算法在F1-Score、AUC值与汉明损失等多个指标上均有明显提升。2.由于心脏疾病与高血压在临床上呈现一定关联性,本文将基于深度学习的多标签心电辅助诊断算法应用于高血压与心电图数据集重构,并设计了一种基于决策树算法的关联性挖掘方法,得出高血压与多种心脏疾病临床表现之间的关联关系,为高血压性心脏病的早期诊断提供依据。3.完成ECG智能辅助诊断系统的搭建,从功能需求、前端后台、模型部署等多方面进行详细设计,并实现各个业务模块。该系统采用Spring boot+MyBatis框架、MySQL数据库,采用Flask框架进行心电辅助诊断模型的部署以供Web系统调用,前端呈现系统通过Vue框架进行构建。
陈尧[4]（2021）在《心音心电信号处理的神经网络方法》文中指出心音信号和心电信号作为常见的医疗时序数据,具有易采集、价格低廉、无创无损及重复性好等特点,在医学临床中被广泛应用于疾病预防、初步诊断及病情的长期监测。对这些医学时序信号进行准确处理与分析,可更好地协助医生把握病情,制定疾病预防和治疗方案,从而提升全社会的整体健康水平。经过几十年的发展,传统信号处理方法对心音信号和心电信号的分析与应用已取得长足进步,但处理该类时序数据时仍然面临诸多挑战。尤其是在面对心音信号这类高维时序信号和胎儿心电图这类易受外界环境影响的时序信号时,传统的机器学习方法很难取得进一步提升。近年来,神经网络方法在许多实际应用领域取得显着进展和突破,因而通过神经网络方法对心音信号和心电信号进行有效分析和建模成为该领域的研究热点。本文针对心音信号和心电信号两类医疗时序数据,以时序状态检测及时序分类问题为应用场景,通过神经网络方法针对以下问题展开研究:1)现有神经网络算法在医学时序标注任务中,未有效利用时序信号的长时上下文关系;2)现有算法面对高维医学时序信号需提取人工特征,而其特征提取算法设计于特定环境,导致不利于算法泛化能力的提升和多任务应用;3)现有基于神经网络方法的医学时序信号分类虽然取得较好识别效果,但未能提供更多医学诊断信息;4)现有算法处理医学时序信号时,提取信号关键有效特征不足,从而导致序列检测准确率及泛化能力不佳。基于上述问题,本文提出多个基于神经网络的时序算法,用于心音信号状态检测、心音信号分类及胎儿心电信号检测任务中。本文的创新点与主要贡献包括以下几个方面:1.分析了心音分段任务的建模过程,将心音分段过程表达为序列标注任务,提出基于全局结构特征的神经网络序列标注算法,该算法利用自相关分析提取心音信号全局结构特征,从而提高心音各阶段状态检测的准确性。心音分段是心脏疾病自动分析的关键步骤,其目的是检测心音信号中第一心音,第二心音,收缩期和舒张期四个状态。现有神经网络心音分段算法对长时上下文关系利用并不充分,本文使用自相关分析提取心动周期结构信息,并将其与传统时序特征在回复网络中融合,以提高心音状态检测准确率。本文提出的算法在真实公开数据集上进行了性能测试,并与现有两种代表性算法进行比较,实验结果表明,该算法在不同容忍时间窗口中皆有更好的性能表现。此外,在影响算法性能的时序信号长度及端效应问题方面,该算法亦具备优势。2.研究了心音分段时序特征提取的适应性难题,提出基于端到端时序特征表达的神经网络序列标注算法,该算法可直接处理原始音频信号,从而简化了心音信号处理步骤并赋予算法更好的数据适应性。现有心音分段算法为应对高维音频信号的挑战,需提取符合心音时序标注特性的特征表达,以减少信号中冗余信息干扰。因特征提取算法依赖于特定数据及采集环境,这些人工特征在实际应用于心音分段算法时需耗费大量时间及人力以验证其是否有效。此外,新的心音标注任务需要新的时序特性表达,需重新构建和设计特征提取算法。本文提出基于卷积网络和长短时记忆网络的端到端心音分段算法,直接利用原始音频信号实现心音分段,该算法简化了心音信号处理步骤,提高了心音信号分段在不同数据上的适应性,并赋予算法多任务能力,通过在真实公开数据集上与基准算法的比较,证明了该算法的性能。3.研究了心音信号的分类任务,提出基于多尺度时序检测的神经网络分类算法,将心音分类问题转化为心脏杂音标注问题,实现了面向单个预测的局部可解释性。现有神经网络心音分类算法将心音信号作视为一个整体,可预测心音样本类别但无法获取医学可解释性信息。因此,本研究将心音信号分类问题转化为对心脏杂音的时序标注问题,以解决神经网络方法在临床应用中的可解释性难题。为进一步提高在心音时序中对心脏杂音的检测能力,提出了一种基于多尺度时序检测的神经网络心音分类算法,通过在基准数据集上的实验证明,该算法具有更好的分类性能,并在时序标注性能是优于其他算法。本文将心音分段任务及心音分类任务集成于同一个算法,并通过获取心脏杂音位置信息,实现心音信号分类的局部可解释性。4.研究了无创胎儿心电图的胎儿R峰检测任务,首次通过神经网络序列标注算法直接在腹部心电信号中标注和检测胎儿R峰,提出了基于记忆门控编码及时序解码的神经网络序列标注算法,该算法简化了R峰检测处理流程并有更好的时序标注性能。现有胎儿R峰检测算法需首先从孕妇腹部心电信号中剔除母亲心电信号成分,本文将胎儿R峰检测过程建模为序列标注任务,直接在孕妇腹部心电信号上检测R峰位置。为进一步提高检测准确率,本文提出了一种基于记忆门控编码及时序解码算法和训练策略,基准数据集实验证明该算法与其他序列算法相比有更好的性能。本文针对标签序列中类别不平衡问题,改进了算法损失函数以获取更好的标注性能及更快的收敛速度。此外,本文测试多种目标标签编码策略以评估算法多任务能力,并对信号通道数量等影响性能的因素进行了研究。利用以上研究成果,本文设计开发了“基于物联网的心音信号自动分析系统”1。该系统通过物联网采集心音信号数据,实现了心音质量评价,心脏循环和心脏储备功能量化测评,心脏杂音时序检测及心音信号分类等功能。
刘晓鸣[5]（2021）在《深度学习在医学影像分割与分类中的关键技术研究》文中提出为缓解我国医疗资源长期短缺的社会矛盾,满足人民日益增长的医疗需求,基于深度学习的医学图像辅助诊断研究已成为智慧医疗中的重点发展领域。为更好地解决医学影像中多模态成像、多时间点采集、病灶空间异质性等难点,本文以深度学习技术为核心,以解决临床问题为导向,以设计全自动辅助诊断算法为目标,深入开展了多项医学影像中分割与分类模型的研究与应用,研究详情如下:本文首先提出了一个基于深度学习的肝癌消融术疗效评估全自动框架,该框架以多期CT影像中肝脏、肝癌肿瘤和消融区的自动三维分割模块为核心,还包括消融治疗的自动配准模块和消融手术治疗效果自动评估模块。在独立测试集上,该方法对多期CT影像中的肝脏分割Dice系数均可达95%,对术前静脉期CT影像中肿瘤分割的Dice系数为72.27%,对术后静脉期消融区域分割的Dice系数为89.06%。结果表明,该框架有望用于肝癌患者消融手术的全自动临床评估。随后,本文提出了一个适用于不同深度学习分割模型的自动后处理模块。在生成对抗网络（GAN）的基础上,提出标签分配生成对抗网络（LAGAN）,以完成传统深度分割模型概率图的标签分配。随后,应用LAGAN完成CT影像中的结直肠癌肿瘤分割,并探讨其与不同深度学习网络相组合时的性能表现。LAGAN将FCN-32s对CT影像中结直肠癌肿瘤分割的Dice系数从81.83%提升至90.82%,将U-net分割的Dice系数从86.67%提升至到91.54%。结果表明,LAGAN是一种灵活且稳定的后处理模块,并可与不同深度分割网络自由组合,并实现CT影像中结直肠癌肿瘤的分割任务。为解决深度学习网络在分类任务中可解释性差的问题,本文最后提出了一种可解释性引导的集成卷积神经网络（CNN）,以完成扩散张量成像（DTI）中脑胶质瘤真假复发自动分类。首先,构建三个典型的单分类模型。随后,利用上述网络所有卷积层中的特定类别梯度信息来突出DTI扫描中的病灶相关区域。影像医生在其中选择出与分类问题高度相关的卷积层。最后,利用所选层的抽象特征构建多尺度集成CNN。该集成网络对脑胶质瘤真假复发的分类准确率达到90.20%,对各单分类网络提升特异度均在20%以上。结果表明,该网络能够提升单分类CNN的模型可靠性和分类准确性。综上所述,本文针对不同的应用场景与医学影像数据类型,特异性地改进了现有的深度学习分割与分类模型。本文提出的研究思路及框架具有较强的通用性,对未来更多的深度学习医学影像辅助诊断建模具有积极的参考意义。
尚晨星[6]（2021）在《呼吸门控技术在左侧乳腺癌放射治疗中的应用研究》文中研究表明目的:通过将自由呼吸状态下及呼吸门控状态下的两组放疗计划方案中的靶区体积及剂量分布、危及器官体积及相关剂量学参数进行比较,分析探讨呼吸门控技术在左侧乳腺癌术后放射治疗中的应用价值。方法:选取2020年1月至2021年1月期间就诊于陕西省肿瘤医院的左侧乳腺癌改良根治术术后患者的临床病例资料,严格按照拟定的入组及排除标准进行筛选,共纳入于陕西省肿瘤医院放疗病院拟行乳腺癌术后辅助放疗患者18例。所有患者在放疗定位扫描前均进行呼吸功能训练,通过对同一患者分别进行自由呼吸状态下的CT定位扫描和采用呼吸门控技术的门控定位扫描,每位患者分别获得两组CT定位扫描数据。将两组CT定位扫描数据分别上传至计划系统,放疗医师采用中国医学科学院肿瘤医院的相关靶区勾画标准结合陕西省肿瘤医院临床应用经验进行靶区勾画,物理师进行放疗计划设计。分别比较两组放疗计划方案中靶区CTV、PTV的体积及剂量学差异,以及双肺及患侧肺V5、V20及平均剂量、心脏V30、V40、平均和最大剂量、左冠状动脉前降支平均和最大剂量等危及器官的相关剂量学差异,比较两组计划的靶区剂量分布均匀性指数和适形度指数差异。结果:最终18例患者均能够配合技术指令采用呼吸门控技术放疗,3例患者由于无法长时间配合呼吸指令最终改为常规调强放疗。将最终纳入患者的两组放疗计划方案进行对比。PlanGating中靶区PTV接受的平均剂量Dmean、最大剂量Dmax、D99、D95、D5相较于PlanFB增大,P<0.05,差异有统计学意义;Dmin、D50、Vt95%、靶区剂量分布均匀性指数HI及靶区适形度指数CI之间比较差异无统计学意义。PlanGating中双肺V5及患侧肺V5相较于PlanFB减小,P<0.05,差异有统计学意义;双肺V20、双肺Dmean、患侧肺V20、患侧肺Dmean之间差异无统计学意义。PlanGating中心脏V30、心脏V40、心脏接受的平均剂量Dmean及左冠状动脉前降支接受的平均剂量Dmean较PlanFB减小,P<0.05,差异有统计学意义;左冠状动脉前降支Dmax和心脏体积之间差异无统计学意义。PlanGating中脊髓最大剂量Dmax相比于PlanFB减小,P<0.05,差异有统计学意义;脊髓Dmean、右侧乳腺Dmax、Dmean差异无统计学意义。结论:应用呼吸门控技术进行左侧乳腺癌术后辅助放射治疗能够明显缩小PTV的体积,提高靶区剂量,明显降低心脏及左冠状动脉前降支等危及器官的受照剂量,在保证放射治疗治疗目的的基础上有效提高治疗的准确性和安全性,具备一定临床可行性及较高的临床推广价值。
唐苇羽[7]（2021）在《水平强化管内制冷剂冷凝与沸腾热力特性实验与数值模拟研究》文中研究说明强化传热在工业和学术界一直备受关注,环保及能效标准的提高对强化传热技术的效率与可靠性提出了更大的挑战。在制冷和电子散热领域,相变传热是一种广泛应用的热管理手段。目前微/多尺度复合强化表面在相变过程中的热力特性及其作用机理还不清晰,而这对不同结构的性能预测与进一步优化至关重要。本文对常规通道内,多种单一和复合强化换热方式的对流冷凝和流动沸腾换热-阻力特性开展实验探究,得到其换热机理;然后采用数值模拟以及数据统计方法探究表面结构对内螺纹管内热力特性的影响,并预测其随工况的变化规律。实验结果表明在对流冷凝换热方面,人字沟槽/涟漪纹强化管在测试工况下均具有最高的冷凝换热系数,可达相同工况下光滑管对应值的1.4–1.74倍。这是由于人字沟槽结构能够有效减薄沟槽交汇处的液膜厚度,而涟漪纹结构会促进流体湍动并降低突起顶部液膜导热热阻。变干度工况下的测试结果表明,在较低质量流速下光管内的换热主要由管顶部的膜状冷凝换热主导,因此换热系数随着干度变化缓慢;而在较高质量流速和干度下,对流冷凝换热作用愈发突出,换热情况则随之逐渐改善。在这两种强化管内,冷凝换热则在整个测试范围都与质量流速呈明显正相关,尤其是人字沟槽/涟漪纹管,这得益于强化结构对对流换热的显着强化作用。本文引入三维表面的面积扩展因子,提出新的换热关联式,该模型能够准确预测复合强化管换热特性。在摩擦压降方面,人字沟槽/涟漪纹强化管的摩擦压降强化倍率可达1.30–1.63;沟槽深度或涟漪纹高度与管径比值被简化为粗糙度考虑,并被嵌入到摩擦系数计算中。验证结果表明,通过该方式,所有数据点的预测偏差均在±20%偏差范围内。流动沸腾换热方面,大干度区间下随着质量流速和热流密度的增加,强化管的换热强化倍率逐渐增加;在质量流速小于120 kg/（m2s）时,人字沟槽/涟漪纹管的换热性能最优;而在质量流速大于120 kg/（m2s）时,人字沟槽/微细粗糙管的换热性能则迅速上升。在较低质量流速下,壁面浸润不充分导致周向换热不均,上下壁温差与管内流型分布间存在强相关;光管内的流型预测分布图与壁温差和换热系数变化规律吻合较好。随着干度上升,光滑管和人字沟槽/微细粗糙管内换热系数先迅速下降而后趋于平缓,管顶部在该区间内的换热系数明显低于管底部;而在较高质量流速下,人字沟槽/涟漪纹管内换热系数随干度呈现“V”形转折,结合壁温差可得在转折点附近管顶部换热明显改善,顶部与底部壁温差值趋近于零,这是由于表面强化结构使得表面充分浸润,进而导致波状流/环形流提前转变。在此基础上,本文考虑表面结构的影响修饰壁面浸润角,分别提出适用于光滑管和复合强化管的换热关联式。采用数值计算方法开展小管径内螺纹管内环状冷凝换热特性的研究,结果表明换热系数与干度和质量流速呈正相关,而随着饱和温度的上升下降。在相同工况下,齿顶角较小的内螺纹管内齿间空间更大,对应管内等效液膜厚度更小,因此在高干度下其具有较高的换热系数且换热系数随干度增加增幅较大;而较大的齿高不仅能带来较高的面积扩展比,还可减薄齿尖附近的液膜,增加流体气相和液膜核心区域湍流粘度,因此其齿尖附近局部换热系数远大于齿高较小的内螺纹管。在环形流换热区域内,在离心力作用下管壁四周液膜厚度分布较为均匀。冷凝换热中相变传质仅发生在相界面附近,其中在齿顶附近传质最剧烈。相应地,齿顶区域换热系数在完全环状流中要远大于齿底部分。而在内螺纹管流动沸腾换热-阻力预测方面,经对比评估后发现现存关联式都无法在较宽管径范围内对多种环保工质的热力特性得到满意的预测效果。在考虑不同尺寸通道内质量流速和热流密度等参数的影响差异后,临界齿根直径与等效热流密度被引入到新换热关联式中。新换热模型对数据集具有最佳预测能力,平均绝对偏差仅为18.2%,且在不同来源数据点对比中均能较好刻画各参数作用。现存摩擦压降关联式被修饰以正确反应局部区域干度的影响,得到的关联式预测性能大大于其他现存模型。最后为验证上述两个关联式,通过实验得到多根不同参数情况下,微翅片管内换热-阻力特性的相关数据并进行对比,结果表明所有测试点的预测偏差均在±30%范围内。
袁一木[8]（2021）在《左侧乳腺癌保乳术后在不同放射治疗计划下靶区的剂量的研究》文中提出背景乳腺癌是全球女性肿瘤发病率和死亡率最多的。全世界平均每年新发病的乳腺癌病例为115万例,其中死亡4.1万例。目前,乳腺癌成了我国社会的重大公共卫生健康问题。根据中国癌症中心和卫生部发布出来的的数据来看:中国女性产生乳腺癌的概率全国总计大约为10万中有42个。不过从90年代开始,乳腺癌病人的死亡概率就有所显着减少。从研究中发现,乳腺癌的早期筛查和检测诊断工作的深入开展是主要原因;二是乳腺癌综合治疗的多种途径的开展,提升了治疗效果。目前,乳腺癌正在逐步发展成为目前疗效最好实体肿瘤之一。放射治疗作为一种局部的消灭肿瘤的治疗办法,在乳腺癌的治疗中发挥了重要的作用,特是对做完保乳术后的患者,保乳术后放疗可以降低三分之二概率的局部复发。目的通过实验,对比靶区和重要器官的剂量分布,选出一种最适合左侧乳腺癌患者做完保乳术后所需要采用的放射治疗方案,满足临床需求。方法选择20例左侧乳腺癌保乳术后的患者均来自于2019年3月至2020年9月在河南省商丘市第一人民医院放射治疗部进行放疗的病人,应用新华定位CT定位上述患者乳腺组织和切口位置,应用飞利浦PLNCALE计划系统建立4种乳腺癌放疗计划,分别为4F-IMRT、5F-IMRT和6F-IMRT放疗计划以及三维适形放疗计划。应用资料数据和剂量-体积直方图（DVH）对比,包括靶区的剂量变化分布、适形度与均匀性,以及对心、肺等其它危及器官的受照剂量,以得出最佳的放疗照射计划。结果1.经过实验研究后的结果表示在CI、HI和MU上,P<0.05,它们的具体表现为6F-IMRT>5F-IMRT>4F-IMRT>3D-CRT。在Dmin上,四组之间有差异存在统计学意义（P<0.05）,具体表现为6F-IMRT>5F-IMRT>4F-IMRT>3D-CRT,P<0.05。在Dmax上,四组之间的表现为3D-CRT>4F-IMRT>5-IMRT>6-IMRT,但这种差异没有任何统计学意义（P>0.05）;在Dmean上,表现为3D-CRT和4F-IMRT均显着低于6F-IMRT和5F-IMRT,且3D-CRT显着低于4F-IMRT,P<0.05,但是5F-IMRT和6F-IMRT之间相似性差异不显着（P>0.05）。在V95%上,3D-CRT和4F-IMRT,P>0.05,但上述两组均显着低于5F-IMRT和6F-IMRT,P<0.05,在V98%上,4F-IMRT、5F-IMRT和6F-IMRT之间的差异无统计学意义（P>0.05）,但是3D-CRT明显比另外三组高,P<0.05;在V100%上,P<0.05,具体表现为3D-CRT>6F-IMRT>5F-IMRT>4F-IMRT,P<0.05。在V105%上,四组间差异存在统计学意义（P<0.05）,具体表现为3D-CRT>4F-IMRT>5-IMRT>6-IMRT。2.在心脏V5、V10、V20和V30以及Dmean上,IMRT的表现为照射野的数目越多,照射的剂量也越高,但是与3D-CRT比较,在心脏V5上表现为6F-IMRT>5F-IMRT>4F-IMRT>3D-CRT,两两比较它们之间的差异存在统计学意义（P<0.05）,在心脏V10、V20、V30以及Dmean上,表现为3D-CRT>6F-IMRT>5F-IMRT>4F-IMRT,两两之间比较差异存在统计学意义（P<0.05）。3.在患侧肺V5、V10、V20、V30、Dmean上的差异P>0.05,在右侧肺V5和Dmean上表现为5F-IMRT>6F-IMRT>4F-IMRT和4F-IMRT>5-IMRT>6-IMRT,P<0.05;但是与3D-CRT相比较,在左侧肺的相关剂量指标上均表现为3D-CRT的剂量显着高于IMRT组,P<0.05,但是在右侧肺上,V5表现为3D-CRT>5F-IMRT>6F-IMRT>4F-IMRT,P<0.05,而在Dmean上,则表现为3D-CRT>4F-IMRT>5-IMRT>6-IMRT,P<0.05。4.在右乳的V10和Dmean上,四组之间的表现为3D-CRT>6F-IMRT>5F-IMRT>4F-IMRT,差异有统计学意义（P<0.05）。5.CD3+、CD4+、CD8+和CD4+/CD8+这几项数据在患者在医院放疗前几乎无差异,放疗后较放疗前CD3+、CD4+和CD4+/CD8+数值都明显的降低了,而CD8+比放疗前升高了,放疗后4F-IMRT、5F-IMRT和6F-IMRT在CD3+、CD4+、CD8+和CD4+/CD8+上P>0.05,但CD3+、CD4+、CD4+/CD8+这三组都比3D-CRT组高,而CD8+比3D-CRT组低一些,P<0.05。6.四组患者在E2、P、CEA、CA153和CTNI上之间的差别没有统计学意义。放疗以后,E2和P和之前相比无明显变化,但是CEA和CA153和放疗前相比明显降低了,CTNI这一指标比放疗前提高了,P<0.05,四组患者经过放疗后除了CTNI以外的指标上差异无统计学意义（P>0.05）,而CTNI表现为3D-CRT>6F-IMRT>5F-IMRT>4F-IMRT,P<0.05。7.发生放射性肺炎的可能性在它们之间差异很小;急性皮肤反应上3D-CRT高于另外3组,差异非常有统计学意义,其余三组4F-IMRT、5F-IMRT以及6F-IMRT之间急性皮肤反应的发生率差异P>0.05;四组患者在美容优良率上差异无统计学意义,仅存在3D-CRT组在放疗后三个月内随访时,存在3例患者照射区域皮肤颜色较深;随访半年,仅存在3D-CRT组出现1例局部复发,其余组别均未出现死亡、复发以及转移等情况。结论1.通过实验结果对比调强放疗和三维适形放疗可知,调强放疗的治疗效果要比三维适形放疗的效果好,它对肿瘤放疗靶区的适形性和均匀性均优于三维适形放疗,且对心肺功能、免疫功能的影响较小,同时安全性较高。2.在不同照射野数目的计划中,射野数量越多,肿瘤靶区的覆盖率、适形度和均匀性也增加,但是也会伴随对双肺、健侧乳腺、心脏平均剂量和照射体积的升高,故可根据患者的自身情况,选择合适的照射野数目,如针对心肺功能较差则,可采用低照射野数目进行放疗治疗。
唐琪[9]（2020）在《基于机器学习的帕金森病早期诊断》文中研究指明作为一种常见的神经系统方面的疾病,帕金森的发病率相对较高,同时从实际的情况来看,帕金森症会导致机体运动性能的缺失,被临床医生归类为一种运动障碍。目前帕金森病的诊断主要依靠临床症状,这在很大程度上依赖于临床医生的经验。因此,有效的早期诊断方法是必要的。针对脑图像维度高数据量小等特点,研究上常采用特征筛选的方法从中选取最优特征子集达到降维效果,防止过拟合。但传统的机器学习算法在对特征降维分类过程中会筛掉很多内在相关性强的特征,从而导致分类模型性能降低。为了解决这个问题,保证降维的同时特征之间的相关性高从而达到提高分类性能的目的,本文提出了一种基于自注意力机制的循环神经网络分类模型。该模型采用自注意力机制与循环神经网络相结合的方法,对MRI与DTI图像中提取的五种脑区特征（脑灰质、脑白质、脑脊液密度等）进行分类训练。同时还对比分析了其他五种脑疾病常用的经典分类算法（支持向量机,多层感知机,极限学习机等）。本研究采取了10次交叉验证,并且对403个受试者脑图像进行了研究和分析,并且将受试者图像数据分为了三组,分别为正常组、帕金森组以及特别组,其中正常组为154组,帕金森组为165组,特别组84组。基于多模态数据的类别研究和分析可以更有效的保证实验结果和分类结果的准确性。实验结果表明:多种图像特征更有益于提高分类准确性的;极限学习机的效果多数时候不理想,多层感知机与卷积神经网络的效果较为优秀,性能最好的是基于自注意力机制的循环神经网络分类模型。因此,基于自注意力机制的循环神经网络分类模型拥有更好的分类性能。
储庆[10]（2020）在《小鼠心脏结构畸形自动鉴定系统的开发》文中研究说明研究背景:先天性心脏病的发病率约为0.8%-1.2%,是我国存活新生儿发生率最高的出生缺陷;多种先心病患者（特别是复杂心脏结构畸形患者）的手术预后差,对患者家庭和社会造成严重的负担。利用小鼠等模式生物开展心脏异常发育及心脏结构畸形发生的相关机制研究,对于先天性心脏病的预防控制有着重要的指导意义。既往的研究中,研究者主要通过分析病理切片来判断心脏的结构表型,该方法的建立依赖研究人员具备熟练的切片制备技术和大量的时间成本。另一方面,二维切片往往无法精确反映心脏在三维层面的畸形和变化,即便是经验丰富的研究者也非常容易做出误判。快速稳定的心脏畸形鉴定系统,对于应用小鼠模型开展先天性心脏病机制研究至关重要。研究结果:一、构建小鼠心脏结构自动鉴定系统——CACCT我们对孕期17.5天（E17.5）的C57BL6/J胚胎小鼠进行显微电子计算机断层扫描（micro-computed tomography,micro-CT）,获取连续的心脏 CT 图像。为了实现小鼠心脏结构的自动化分析,我们开发了一种名为CACCT（computer-assisted cardiac cavity tracking system）的三维图像分析系统。该系统通过阈值分割和区域生长算法提取CT图像中的心脏内腔区域,然后利用不同图像中心脏内腔的三维关系构建心脏三维图结构,通过三维图结构信息自动连续识别每一幅CT图像中的心室腔和大动脉腔并判断心室和大动脉的连接关系。CACCT完成心脏结构鉴定仅需要0.08±0.005小时/个心脏,如果通过人工标注进行结构鉴定则需要29.90±1.33小时/个心脏（n=5,p<0.001）,因此CACCT可以显着提高心脏结构表型鉴定效率。通过逐层检查CACCT心腔分割结果,我们发现CACCT的心腔识别准确率超过99.77%,并且识别结果的变异系数低于0.38%,这说明CACCT具备精确和稳定的心腔分割能力。二、CACCT鉴定心脏流出道畸形和室间隔缺损为了确认CACCT对心脏畸形的鉴定能力,我们利用全反式视黄酸诱导（E8.5天灌胃给予孕鼠60 mg/kg）小鼠发生各类心脏畸形,包括大动脉转位、右心室双出口、室间隔缺损等;随后对全反式视黄酸诱导的E17.5胚胎心脏进行micro-CT扫描获取连续心脏图像。应用CACCT分析心脏图像,可以准确判断心室和大动脉的连接关系,继而有效甄别正常心脏（n=11）、大动脉转位（n=8）和右心室双出口（n=22）,准确率为100%。此外,CACCT能够自动检测出左右心室之间的异常连接,展示出心脏中室间隔缺损的位置和形态,通过逐层人工核对CACCT识别的室间隔缺损发现,CACCT对全反式视黄酸诱导的室间隔缺损的识别率达到100%（n=22）。三、CACCT鉴定小鼠心脏瓣膜畸形我们发现在心脏祖细胞isl-1+细胞中敲除Ezh2的Isl-1Cre/+;Ezh2fl/fl小鼠会在出生后1.5天内全部死亡,但是传统二维表型鉴定方法未发现明显的心脏畸形。利用CACCT分析Isl-1Cre/+;Ezh2fl/fl小鼠心脏的micro-CT图像发现,该小鼠心脏中存在传统方法无法识别的斜交室间隔缺损。此外,我们还开发了 CACCT半月瓣形态分析模块;该模块能够自动重建小鼠半月瓣三维图像。利用CACCT的半月瓣分析模块,我们发现Isl-1Cre/+;Ezh2fl/fl小鼠心脏中同时存在主动脉瓣二瓣化畸形。结论通过如上实验,我们获得了如下结论:1)CACCT可以自动精确分割正常心脏图像中的心室腔和大动脉腔并自动进行腔室连接关系的判断。2)CACCT可以准确甄别正常心脏、大动脉转位和右心室双出口等流出道畸形。3)CACCT能够一次性鉴定出多个室间隔缺损,并能有效识别传统方法无法发现的斜交室间隔缺损。4)CACCT可以准确识别心脏图像中的瓣膜区域,能够有效鉴定小鼠心脏主动脉瓣二瓣化畸形。利用CACCT,即使是没有临床诊断经验和小鼠心脏发育学研究经验的科研工作者,也可以对复杂先天性心脏病实现准确和快速的鉴定,有效降低了先心病发病机制研究的准入门槛。CACCT的广泛应用,将可能帮助先心病研究人员、遗传学和发育生物学研究人员更加精确地建立心脏表型和分子遗传之间的因果关系,推动先心病的认知与机制研究。
二、四种预测心脏体积方法准确性和精确度的评价（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、四种预测心脏体积方法准确性和精确度的评价（论文提纲范文）
（1）胎儿右心室FTI和GSI指数在评估妊娠期高血压疾病中的价值（论文提纲范文）
| 英文缩略词表 |
| 中文摘要 |
| Abstract |
| 前言 |
| 材料与方法 |
| 1.研究对象 |
| 2.仪器与方法 |
| 2.1 仪器 |
| 2.2 测量方法 |
| 2.3 记录产妇胎儿的围产期结局 |
| 3.统计学处理 |
| 结果 |
| 1.正常组胎儿右心功能常用指标及右心室FTI 指数、GSI 指数的研究 |
| 1.1 正常组一般临床资料 |
| 1.2 正常组各孕周组胎儿右心功能指标的比较 |
| 1.3 正常组胎儿右心功能常用指标及右心室FTI 指数、GSI 指数与孕周关系 |
| 2.研究组胎儿右心室FTI 指数、GSI 指数的研究 |
| 2.1 研究组一般临床资料 |
| 2.2 研究组胎儿右心室 Tei指数、右心室 FTI 指数、GSI 指数的比较 |
| 2.3 研究组胎儿右心室FTI 指数、GSI 指数低值组和指数正常组胎儿围产期不良结局的比较 |
| 3.重复性及一致性检验 |
| 3.1 重复性检验 |
| 3.2 Bland-Altman一致性检验 |
| 讨论 |
| 结论 |
| 参考文献 |
| 综述 超声新技术评价胎儿心功能的研究进展 |
| 参考文献 |
| 致谢 |
（3）面向心电辅助诊断的多标签分类算法研究（论文提纲范文）
| 本论文由下列项目资助 |
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究现状 |
| 1.2.1 基于人工智能技术的心电诊断算法研究现状 |
| 1.2.2 分类问题中类别不均衡问题研究现状 |
| 1.2.3 高血压与多种心脏临床表现的关联性分析现状 |
| 1.2.4 ECG智能辅助诊断平台相关现状 |
| 1.3 主要研究内容 |
| 1.4 论文结构 |
| 第二章 相关技术介绍 |
| 2.1 卷积神经网络 |
| 2.1.1 概述 |
| 2.1.2 卷积层 |
| 2.1.3 池化层 |
| 2.2 循环神经网络 |
| 2.2.1 概述 |
| 2.2.2 RNN基本网络结构 |
| 2.2.3 网络改进与变体 |
| 2.3 决策树算法 |
| 2.3.1 经典决策树 |
| 2.3.2 梯度提升决策树模型介绍 |
| 2.3.3 CHAID决策树介绍 |
| 2.4 本章小结 |
| 第三章 基于不均衡数据的多标签心电辅助诊断算法 |
| 3.1 数据集分析与数据预处理 |
| 3.1.1 数据集介绍 |
| 3.1.2 数据分析与预处理 |
| 3.2 心电辅助诊断模型网络结构设计 |
| 3.2.1 骨干结构ResNet深度卷积神经网络 |
| 3.2.2 分支结构GRU门控循环单元网络 |
| 3.2.3 多标签输出层设计 |
| 3.2.4 改进的深度融合神经网络结构 |
| 3.3 心电辅助诊断模型目标函数设计与优化 |
| 3.3.1 解决多维度类别不均衡的损失函数设计与优化 |
| 3.3.2 结合多标签互斥关系的目标函数 |
| 3.4 实验与结果分析 |
| 3.4.1 实验设置 |
| 3.4.2 评估指标 |
| 3.4.3 结果分析 |
| 3.5 本章小结 |
| 第四章 基于决策树的高血压与多种心脏临床表现关联分析 |
| 4.1 数据集构造与预处理 |
| 4.1.1 数据集介绍 |
| 4.1.2 数据集预处理与构造 |
| 4.2 特征相关性分析 |
| 4.3 基于决策树模型的关联性分析 |
| 4.3.1 整体方案设计 |
| 4.3.2 基于GBDT决策树模型的关联性分析 |
| 4.3.3 基于XGBoost决策树模型的关联性分析 |
| 4.3.4 基于CHAID决策树模型的关联性分析 |
| 4.4 实验与结果分析 |
| 4.4.1 实验设置 |
| 4.4.2 结果分析 |
| 4.5 本章小结 |
| 第五章 心电图智能辅助诊断系统设计与实现 |
| 5.1 系统整体设计方案 |
| 5.1.1 系统需求与业务模块分析 |
| 5.1.2 系统开发模式 |
| 5.1.3 系统总体架构设计 |
| 5.2 后台服务器设计方案 |
| 5.2.1 后台框架设计 |
| 5.2.2 数据库设计 |
| 5.3 深度学习模型部署与API接口设计 |
| 5.3.1 模型部署架构设计 |
| 5.3.2 API接口设计 |
| 5.4 系统实现展示 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
（4）心音心电信号处理的神经网络方法（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 心音信号研究背景及意义 |
| 1.1.2 胎儿心电信号研究背景及意义 |
| 1.2 研究现状 |
| 1.2.1 心音信号算法概述 |
| 1.2.2 胎儿心电信号算法概述 |
| 1.3 本文的创新点与主要贡献 |
| 1.3.1 基于全局结构信息的神经网络序列标注算法 |
| 1.3.2 基于端到端时序特征表达的神经网络序列标注算法 |
| 1.3.3 基于多尺度时序检测的神经网络分类算法 |
| 1.3.4 基于记忆门控编码及时序解码的神经网络序列标注算法 |
| 1.3.5 基于物联网的心音信号自动分析系统 |
| 1.4 论文组织结构 |
| 第2章 基于全局结构信息的神经网络序列标注算法 |
| 2.1 引言 |
| 2.2 研究动机 |
| 2.3 算法基础 |
| 2.3.1 心音包络特征 |
| 2.3.2 长短时记忆网络 |
| 2.4 全局结构信息心音分段网络 |
| 2.4.1 网络结构 |
| 2.4.2 网络训练 |
| 2.4.3 实现细节 |
| 2.5 实验的结果及分析 |
| 2.5.1 基准数据集 |
| 2.5.2 评价指标 |
| 2.5.3 算法对比 |
| 2.5.4 端效应及包络特征长度 |
| 2.5.5 消融实验及收敛性分析 |
| 2.6 本章小结 |
| 第3章 基于端到端时序特征表达的神经网络序列标注算法 |
| 3.1 引言 |
| 3.2 研究动机及问题定义 |
| 3.2.1 研究动机 |
| 3.2.2 问题定义 |
| 3.3 端到端心音分段网络 |
| 3.3.1 网络结构 |
| 3.3.2 网络训练 |
| 3.4 实验的结果及分析 |
| 3.4.1 算法对比 |
| 3.4.2 消融实验 |
| 3.4.3 收敛性分析 |
| 3.5 本章小结 |
| 第4章 基于多尺度时序检测的神经网络分类算法 |
| 4.1 引言 |
| 4.2 研究动机和问题定义 |
| 4.2.1 研究动机 |
| 4.2.2 问题定义 |
| 4.3 相关工作 |
| 4.4 多尺度时序检测心音分类网络 |
| 4.4.1 多尺度时序卷积 |
| 4.4.2 网络结构 |
| 4.4.3 网络训练 |
| 4.5 实验结果及分析 |
| 4.5.1 基准数据集 |
| 4.5.2 评价指标 |
| 4.5.3 心音分类任务算法对比 |
| 4.5.4 心音分段算法对比 |
| 4.6 本章小结 |
| 第5章 基于记忆门控编码及时序解码的神经网络序列标注算法 |
| 5.1 引言 |
| 5.2 研究动机 |
| 5.3 算法基础 |
| 5.3.1 门控线性单元 |
| 5.3.2 损失函数 |
| 5.4 编码器解码器时序标注网络 |
| 5.4.1 网络结构 |
| 5.4.2 算法损失函数 |
| 5.4.3 目标标签序列编码 |
| 5.5 实验结果与分析 |
| 5.5.1 基准数据集及预处理 |
| 5.5.2 评价指标 |
| 5.5.3 算法对比 |
| 5.5.4 消融实验 |
| 5.5.5 改进的损失函数 |
| 5.6 本章小结 |
| 第6章 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 作者在读期间科研成果简介 |
| 致谢 |
（5）深度学习在医学影像分割与分类中的关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 医学影像处理研究现状 |
| 1.2.1 医学影像自动分割算法研究现状 |
| 1.2.2 医学影像自动诊断算法研究现状 |
| 1.3 深度学习中的医学影像处理研究现状 |
| 1.4 研究内容及主要创新点 |
| 第2章 医学影像分割与分类基础概述 |
| 2.1 深度学习中主要基础模型 |
| 2.1.1 多层感知机模型 |
| 2.1.2 卷积神经网络模型 |
| 2.1.3 全卷积神经网络模型 |
| 2.1.4 生成对抗网络模型 |
| 2.2 医学影像的存储和分类 |
| 2.3 医学影像预处理技术 |
| 2.3.1 医学影像数据归一化 |
| 2.3.2 CT影像的窗宽与窗位 |
| 2.3.3 医学影像重采样 |
| 2.3.4 医学影像数据扩增方法 |
| 2.4 医学影像模型评估方法 |
| 2.4.1 医学影像分类模型评估方法 |
| 2.4.2 医学影像分割模型评估方法 |
| 第3章 多期相CT影像肝脏及肝癌肿瘤三维分割模型 |
| 3.1 研究背景 |
| 3.2 实验材料及方法 |
| 3.2.1 实验总体流程 |
| 3.2.2 实验材料 |
| 3.2.3 残差注意力U-net |
| 3.2.4 基础分割模型的构建 |
| 3.2.5 迁移分割模型的训练及测试 |
| 3.3 实验结果及讨论 |
| 3.3.1 多期相肝脏分割结果 |
| 3.3.2 多期相肿瘤分割结果 |
| 3.3.3 多期相消融区域分割结果 |
| 3.3.4 消融手术治疗效果评估 |
| 3.4 本章小结 |
| 第4章 基于生成对抗网络的CT影像结直肠癌肿瘤分割模型 |
| 4.1 研究背景 |
| 4.2 实验材料及方法 |
| 4.2.1 实验总体流程 |
| 4.2.2 实验材料 |
| 4.2.3 标签分配生成对抗网络 |
| 4.3 实验结果及讨论 |
| 4.4 本章小结 |
| 第5章 基于可解释性集成网络的脑胶质瘤真假复发分类模型 |
| 5.1 研究背景 |
| 5.2 实验材料及方法 |
| 5.2.1 实验总体流程 |
| 5.2.2 实验材料 |
| 5.2.3 脑胶质瘤真假复发单分类模型的构建 |
| 5.2.4 分类模型可解释性引导的特征选择 |
| 5.2.5 脑胶质瘤真假复发集成模型的构建 |
| 5.3 实验结果及讨论 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读博士学位期间取得的科研成果 |
| 致谢 |
（6）呼吸门控技术在左侧乳腺癌放射治疗中的应用研究（论文提纲范文）
| 缩略词表 |
| 中文摘要 |
| Abstract |
| 前言 |
| 1.研究背景 |
| 2.研究意义和工作安排 |
| 文献回顾 |
| 1.国内外研究现状 |
| 1.1 目前临床应用中常见限制呼吸运动幅度的方法 |
| 1.2 乳腺癌放疗相关放射性毒副作用 |
| 1.3 呼吸门控技术在乳腺癌放疗中的应用 |
| 相关系统和设备介绍 |
| 1.常规CT模拟定位系统 |
| 2.DIBH呼吸门控系统 |
| 3.TrueBeam直线加速器 |
| 1 材料 |
| 1.1 研究对象 |
| 1.1.1 病例入组及排除标准 |
| 1.1.2 病例资料 |
| 1.2 材料设备 |
| 2 方法 |
| 2.1 放疗前准备 |
| 2.1.1 制作体膜 |
| 2.1.2 模拟定位 |
| 2.1.3 常规CT定位扫描 |
| 2.1.4 呼吸门控扫描 |
| 2.2 靶区勾画 |
| 2.2.1 靶区勾画 |
| 2.2.2 正常组织器官勾画及限量 |
| 2.3 计划设计和评估 |
| 2.3.1 设计要求 |
| 2.3.2 评价指标 |
| 2.4 数据统计与处理 |
| 2.5 核准摆位 |
| 2.6 直线加速器治疗 |
| 3 结果 |
| 3.1 治疗结果 |
| 3.2 靶区体积及剂量参数的比较 |
| 3.3 危及器官体积及剂量参数的比较 |
| 3.3.1 双肺及患侧肺体积及剂量参数的比较 |
| 3.3.2 心脏体积及剂量参数的比较 |
| 3.3.3 其他可能危及器官剂量参数的比较 |
| 4 讨论 |
| 4.1 呼吸门控技术的临床应用可行度 |
| 4.2 目标靶区体积及其相关剂量学参数对比 |
| 4.3 OARs体积及其相关剂量学参数对比 |
| 4.4 呼吸门控的局限之处 |
| 4.5 不足与展望 |
| 结论 |
| 参考文献 |
| 个人简历和研究成果 |
| 致谢 |
（7）水平强化管内制冷剂冷凝与沸腾热力特性实验与数值模拟研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 符号表 |
| 1 绪论 |
| 1.1 强化传热概念和发展 |
| 1.2 流动沸腾研究进展 |
| 1.2.1 常规尺度强化方式 |
| 1.2.2 微小翅片或沟槽 |
| 1.2.3 微螺柱或方形微肋 |
| 1.2.4 其他微尺度方法 |
| 1.2.5 复合多尺度方法 |
| 1.3 对流冷凝研究进展 |
| 1.3.1 对流冷凝流动实验研究 |
| 1.3.2 对流冷凝流动数值模拟 |
| 1.4 现存研究中的不足 |
| 1.5 研究目标、整体思路以及工作内容 |
| 2 实验系统及测量原理 |
| 2.1 引言 |
| 2.2 实验测试装置 |
| 2.2.1 水平管内相变流动换热测试系统 |
| 2.2.2 测试段结构 |
| 2.2.3 传感器及测量仪表 |
| 2.2.4 测试工质 |
| 2.2.5 测试表面结构 |
| 2.3 实验数据处理 |
| 2.3.1 换热数据计算 |
| 2.3.2 威尔逊图解法 |
| 2.3.3 壁温测量法 |
| 2.3.4 压降数据计算 |
| 2.4 实验误差分析 |
| 2.5 结果可靠性验证 |
| 2.5.1 系统热平衡校核 |
| 2.5.2 单相换热验证 |
| 2.5.3 单相摩擦压降验证 |
| 2.5.4 重复性实验验证 |
| 2.5.5 实验结果与关联式对比 |
| 2.6 本章小结 |
| 3 复合强化管内冷凝热力特性 |
| 3.1 引言 |
| 3.2 强化管内冷凝平均换热-阻力特性 |
| 3.2.1 测试工况 |
| 3.2.2 管内冷凝换热性能 |
| 3.2.3 管内冷凝阻力特性 |
| 3.2.4 管内冷凝综合性能 |
| 3.3 强化管内冷凝换热-阻力特性 |
| 3.3.1 测试工况 |
| 3.3.2 管内流型分析 |
| 3.3.3 光滑管内低流速冷凝换热特性 |
| 3.3.4 复合强化管内低流速冷凝换热特性 |
| 3.3.5 复合强化管内低流速冷凝阻力特性 |
| 3.3.6 综合性能评价 |
| 3.4 本章小结 |
| 4 复合强化管内流动沸腾热力特性 |
| 4.1 引言 |
| 4.2 强化管内流动沸腾平均换热-阻力特性 |
| 4.2.1 测试工况 |
| 4.2.2 管内蒸发换热特性 |
| 4.2.3 管内蒸发阻力特性 |
| 4.2.4 流动沸腾综合性能评价 |
| 4.3 强化管内流动沸腾换热-阻力特性 |
| 4.3.1 测试工况 |
| 4.3.2 光管内流动沸腾换热性能 |
| 4.3.3 强化管内流动沸腾换热性能 |
| 4.3.4 强化管内流动沸腾换热预测模型 |
| 4.3.5 流动沸腾阻力特性研究 |
| 4.3.6 综合性能评价 |
| 4.4 本章小结 |
| 5 小管径微翅片管冷凝换热数值研究 |
| 5.1 前言 |
| 5.2 计算模型 |
| 5.2.1 VOF方法介绍 |
| 5.2.2 湍流模型 |
| 5.2.3 相变传质模型 |
| 5.2.4 几何模型及边界条件 |
| 5.2.5 离散方法及网格独立性验证 |
| 5.2.6 计算结果验证及流型分析 |
| 5.3 结果及讨论 |
| 5.3.1 齿形和流动参数作用 |
| 5.3.2 不同工质换热特性对比 |
| 5.3.3 与换热关联式对比 |
| 5.3.4 气液相界面分布形状 |
| 5.3.5 两相速度及湍流粘度分布 |
| 5.3.6 界面传质速率及局部换热系数分布 |
| 5.4 本章小结 |
| 6 小管径微翅片管流动沸腾热力特性预测 |
| 6.1 前言 |
| 6.2 换热关联式评价及迭代 |
| 6.2.1 换热数据集介绍 |
| 6.2.2 现存换热预测模型评价 |
| 6.2.3 新的换热预测模型 |
| 6.2.4 新模型评价 |
| 6.3 摩擦压降模型评价及迭代优化 |
| 6.3.1 摩擦压降数据集介绍 |
| 6.3.2 现存摩擦压降关联式评价 |
| 6.3.3 新的摩擦压降关联式 |
| 6.4 实验数据验证 |
| 6.5 本章小结 |
| 7 总结与展望 |
| 7.1 全文总结 |
| 7.2 工作展望 |
| 参考文献 |
| 作者简历及在学期间所取得的科研成果 |
（8）左侧乳腺癌保乳术后在不同放射治疗计划下靶区的剂量的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 一、前言 |
| 二、实验设计 |
| 三、实验结果 |
| 四、讨论 |
| 五、结论 |
| 附图 |
| 参考文献 |
| 综述 乳腺癌保乳术后放射治疗的发展与现状 |
| 参考文献 |
| 攻读学位期间发表文章情况 |
| 致谢 |
| 个人简历 |
（9）基于机器学习的帕金森病早期诊断（论文提纲范文）
| 摘要 |
| abstract |
| 注释表 |
| 第1章 引言 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 帕金森病的神经影像特征MRI形态学研究 |
| 1.2.2 帕金森病的神经影像MRI量化研究 |
| 1.2.3 帕金森病的检测和分类算法研究 |
| 1.3 本文概述 |
| 1.3.1 研究内容 |
| 1.3.2 论文结构 |
| 第2章 MRI和 DTI图像预处理和特征提取 |
| 2.1 数据获取 |
| 2.2 数据预处理 |
| 2.2.1 MRI预处理 |
| 2.2.2 DTI预处理 |
| 2.3 脑区特征提取 |
| 2.4 多模特征融合 |
| 2.5 本章小结 |
| 第3章 帕金森病特征分类机器学习算法研究 |
| 3.1 特征筛选 |
| 3.2 特征分类 |
| 3.2.1 逻辑回归 |
| 3.2.2 支持向量机 |
| 3.2.3 多层感知器 |
| 3.2.4 极限学习机 |
| 3.2.5 CNN |
| 3.3 有无特征筛选性能对比 |
| 3.3.1 MRI图像特征分类 |
| 3.3.2 DTI类特征分类 |
| 3.3.3 多模态特征分类 |
| 3.4 分类算法总结 |
| 3.5 本章小结 |
| 第4章 基于自注意力机制的神经网络分类算法研究 |
| 4.1 RNN |
| 4.2 自注意力机制 |
| 4.3 算法设计 |
| 4.4 算法性能评估 |
| 4.5 本章小结 |
| 第5章 实验结果对比分析 |
| 5.1 单类特征分类性能研究 |
| 5.1.1 MRI图像特征分类 |
| 5.1.2 DTI图像特征分类 |
| 5.2 多模态特征分类性能研究 |
| 5.3 本章小结 |
| 第6章 总结与展望 |
| 6.1 工作总结与创新点 |
| 6.2 课题展望 |
| 参考文献 |
| 附录A AAL-116脑区模板划分表 |
| 致谢 |
| 攻读硕士学位期间从事的科研工作及取得的成果 |
（10）小鼠心脏结构畸形自动鉴定系统的开发（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章: 构建计算机辅助心脏腔室追踪系统——CACCT |
| 1.1 引言 |
| 1.2 实验材料 |
| 1.3 实验方法 |
| 1.4 研究结果 |
| 1.4.1 小鼠心脏高分辨率micro-CT图像的采集 |
| 1.4.2 编写心脏腔室区域自动追踪算法CACCT |
| 1.4.3 应用CACCT识别正常心脏腔室 |
| 1.4.4 应用CACCT鉴定正常心脏心室与大动脉连接关系 |
| 1.4.5 CACCT的心脏表型鉴定效率高于人工鉴定效率 |
| 1.5 讨论 |
| 1.6 结论 |
| 1.7 参考文献 |
| 第二章: 应用CACCT鉴定心脏流出道畸形和室间隔缺损 |
| 2.1 引言 |
| 2.2 实验材料 |
| 2.3 实验方法 |
| 2.3.1 全反式视黄酸诱导胚胎小鼠心脏畸形 |
| 2.3.2 全反式视黄酸诱导的胚胎小鼠心脏取材和形态质控 |
| 2.3.3 心脏组织石蜡标本切片制作 |
| 2.3.4 HE染色与成像 |
| 2.3.5 统计学分析 |
| 2.4 研究结果 |
| 2.4.1 全反式视黄酸诱导制备心脏流出道畸形小鼠模型 |
| 2.4.2 CACCT鉴定心脏流出道畸形受到室间隔缺损干扰 |
| 2.4.3 构建室间隔缺损自动识别模块 |
| 2.4.4 CACCT整合室间隔缺损识别模块后实现流出道畸形自动鉴定 |
| 2.4.5 CACCT整合室间隔缺损模块后可以识别心脏室间隔缺损 |
| 2.4.6 应用CACCT识别传统方法难以鉴定的室间隔缺损 |
| 2.5 讨论 |
| 2.6 结论 |
| 2.7 参考文献 |
| 第三章: 应用CACCT鉴定小鼠心脏瓣膜畸形 |
| 3.1 引言 |
| 3.2 实验材料 |
| 3.3 实验方法 |
| 3.4 研究结果 |
| 3.4.1 利用基因工程方法构建小鼠心脏畸形模型 |
| 3.4.2 第二生心区表达的Ezh2基因对心脏发育有潜在作用 |
| 3.4.3 传统鉴定方法未发现条件性敲除Ezh2基因导致心脏畸形 |
| 3.4.4 CACCT发现条件性敲除Ezh2基因导致室间隔缺损 |
| 3.4.5 构建半月瓣识别模块 |
| 3.4.6 加入半月瓣识别模块的CACCT可以高效识别小鼠心脏半月瓣 |
| 3.4.7 CACCT发现条件性敲除Ezh2基因导致主动脉瓣二瓣化畸形 |
| 3.5 讨论 |
| 3.6 结论 |
| 3.7 参考文献 |
| 文献综述: 小鼠先天性心脏病鉴定方法的研究进展 |
| 参考文献 |
| 附录: 个人简介及博士研究生期间相关学术成果 |
| 致谢 |
四、四种预测心脏体积方法准确性和精确度的评价（论文参考文献）
- [1]胎儿右心室FTI和GSI指数在评估妊娠期高血压疾病中的价值[D]. 曾飘逸. 福建医科大学, 2021
- [2]基于生成对抗网络的心脏MR图像左室心肌分割及后处理技术研究[D]. 苑金辉. 南京邮电大学, 2021
- [3]面向心电辅助诊断的多标签分类算法研究[D]. 荣培杉. 北京邮电大学, 2021(01)
- [4]心音心电信号处理的神经网络方法[D]. 陈尧. 四川大学, 2021(01)
- [5]深度学习在医学影像分割与分类中的关键技术研究[D]. 刘晓鸣. 吉林大学, 2021
- [6]呼吸门控技术在左侧乳腺癌放射治疗中的应用研究[D]. 尚晨星. 西安医学院, 2021
- [7]水平强化管内制冷剂冷凝与沸腾热力特性实验与数值模拟研究[D]. 唐苇羽. 浙江大学, 2021(01)
- [8]左侧乳腺癌保乳术后在不同放射治疗计划下靶区的剂量的研究[D]. 袁一木. 新乡医学院, 2021(01)
- [9]基于机器学习的帕金森病早期诊断[D]. 唐琪. 重庆邮电大学, 2020(02)
- [10]小鼠心脏结构畸形自动鉴定系统的开发[D]. 储庆. 北京协和医学院, 2020