分类诊断

摘要： 目的探讨基于Faster-区域卷积神经网络(RCNN)的肝细胞肝癌与肝内胆管细胞癌(HCC/ICC)多模态MR影像肿瘤识别及分类诊断模型的应用可行性。方法选取2017年1月—2020年1月我院接受手术的156例HCC或ICC,术前4周内行MR增强扫描,使用image_registration软件chi2_shift方法对患者MR动脉期、静脉期及延迟期影像进行配准、融合,利用Faster-RCNN模型对患者进行肿瘤目标识别及分类。通过Z轴连续性筛选方法降低肿瘤识别的假阳性率,在患者层面使用加权投票方法获得分类诊断结果。结果Faster-RCNN模型可以有效识别肿瘤区域并进行分类诊断。Z轴连续性筛选可以降低肿瘤识别的假阳性率,提高精确率和召回率。经配准后的融合图像在图像层面目标识别精确率为83.7%,召回率为91.9%,分类整体准确率为92.0%;在患者层面,加权投票后融合影像的分类整体准确率为93.5%。结论基于Faster-RCNN的HCC/ICC多模态MR影像鉴别诊断模型可以高效、准确地对HCC/ICC进行目标识别和分类诊断,有望实现临床转化,协助诊疗工作。

摘要： 在大数据样本条件下,提出一种基于生成对抗网络模型的故障诊断方法.构建生成对抗网络模型,保证模型判别器输出数据的总体分布与原始故障集相近,并基于空间测量工具优化梯度函数,降低模型损失;采用故障集图像转换方式实现对原始故障信号的降维处理,利用判别器的神经网络结构,训练故障数据集,并提取出机械故障集中的故障特征点.实验结果表明,所提方法具有良好的分类诊断性能,故障诊断精度能够达到99.45％.

摘要： 在大故障样本条件下,提出一种基于生成对抗网络模型的故障诊断方法研究.构建生成对抗网络模型,保证模型判别器输出数据的总体分布与原始故障集趋同,并基于空间测量工具对梯度函数进行优化,降低损失;采用故障集图像转换方式实现对原始信号的降维处理,利用判别器的神经网络结构训练输入数据,并提取出机械故障数据集中的故障特征点.实验结果表明,提出方法具有良好的分类诊断性能,故障诊断精度能够达到99.45％.

摘要： 目的 本研究探讨近反射与意识的关系,近反射对持续性意识障碍(prolonged disorders of consciousness,pDOC)患者的分类诊断价值.方法 招募4名脱离最小意识状态(emergence from minimally conscious state,EMCS)患者、8名最小意识状态(minimally conscious state,MCS)患者和21名无反应觉醒综合征(unresponsive wakefulness syndrome,UWS)患者进行近反射实验.以修订版昏迷恢复量表(Coma Recovery Scale-Revised,CRS-R)的最优诊断作为金标准,考察近反射实验对pDOC患者的分类诊断价值.结果 所有的EMCS患者都在指令下出现了近反射,7名(87.5％)MCS患者和8名(38.1％)UWS患者出现近反射.近反射实验对包括EMCS在内的pDOC患者的分类诊断敏感性为91.7％,特异性为61.9％.结论 近反射实验能较好区分不同意识水平的pDOC患者,提示近反射是一项具有潜力的pDOC行为意识指标.

摘要： 近年来,严重脑损伤的死亡率随着急救技术的不断发展显著下降,而继发意识障碍(disorders of consciousness,DOC)患者数量却急剧增加.文章介绍了杭州师范大学国际植物状态和意识科学研究所主办的意识障碍精准评估及临床应用论坛关于意识障碍的分类诊断、治疗干预、新技术手段与未来挑战等报告内容,探讨了国际化视角下多中心、跨学科模式为我国意识障碍领域的科学研究及临床应用带来的启示.

摘要： 目的:甲状腺结节超声分类诊断探究.方法:本次纳入的研究对象114例均为2019.06-2020.11这期间所收治的甲状腺结节患者,对所有患者进行超声分类诊断,分析诊断结果 .结果:超声分类诊断结果 显示灵敏性为98.31％,特异性为90.9l％、准确率为96.30％.本次研究过程中,超声分类诊断对于甲状腺腺瘤、甲状腺炎、甲状腺囊肿、甲状腺癌的检出率分别是90.48％、100.00％、91.67％、90.00％.结论:甲状腺结节超声分类诊断价值较高,其能够较为准确地诊断出甲状腺结节类型,以此来为不同类型的患者进行针对性诊治,从而有效提升诊断准确率以及治疗有效性,值得推广使用.

摘要： 针对心脏疾病发病率高且不易自主检测的问题,提出了一种心电信号特征提取和分类诊断算法.首先对心电信号进行提升小波变换和改进半软阈值相结合的预处理变换,在去除心电信号的噪声后,利用主成分分析(principal component analysis,PCA)对心电信号进行降维,并利用核独立成分提取心电信号的非线性特征;同时离散小波变换提取去噪后心电信号的频域特征,基于线性判别分析(linear discriminant analysis,LDA)对频域统计特征进行降维处理.将两种不同的特征向量组成多域特征空间,最后利用支持向量机对多域特征空间分类,遗传算法对其参数进行寻优,从而实现心电信号特征的分类.实验结果表明,所提出的算法能够对5类心电节拍进行准确分类,分类效率达99.11％.

摘要： 通过建立颅脑创伤患者预后预测模型对脑外伤损伤程度进行分类,建立颅脑创伤后继发损害预测模型对继发损伤进行发生风险分类.结合颅脑创伤病理生理机制分类,损伤程度分类,病理解剖位置信息分类以及激发损害发生风险分类建立新的颅脑创伤分类诊断方式.

摘要： 目的：建立一种基于治疗目的的颅脑创伤分类诊断系统,完善当前颅脑创伤分类方式. 方法：通过建立颅脑创伤患者预后预测模型对脑外伤损伤程度进行分类,建立颅脑创伤后继发损害预测模型对继发损伤进行发生风险分类.结合颅脑创伤病理生理机制分类,损伤程度分类,病理解剖位置信息分类以及激发损害发生风险分类建立新的颅脑创伤分类诊断方式. 结果：建立的颅脑创伤患者预后预测模型较传统的单纯以GCS评分为损伤程度评价方式更加准确，ROC曲线下面积由0.6上升到0.8。通过建立颅脑创伤后继发损害预测模型成功将继发损害按照发生概率分为低危，中危和高危组。基于以上基础，提出了一种新的颅脑创伤分类方式。首先将颅脑创伤分为原发和继发损害。原发损害进一步又根据损伤程度，病理解剖部位，发病机制分类。继发损害根据发生概率，发生类型，以及发生的高危因素进行分类。同时，开发的预测工具方便了该分类系统在临床上的广泛应用。 结论：建立的新的分类系统可以将颅脑创伤进一步区分，基于循证医学依据指导个体化的治疗，和预后的判断。可以广泛应用到临床及随机对照临床试验(RCT)研究的纳入标准中。

摘要： 目的：本研究目的是评价一种基于流式细胞分析的新的方法——即采用γ-H2AX的RL/G值(淋巴细胞中γ-H2AX含量与粒细胞中γ-H2AX的比值)用于辐射事故早期分类诊断和剂量估算的可行性.rn 材料和方法：血样收集和照射：在获得志愿者的知情同意书之后,利用肝素抗凝管收集62名志愿者外周血.除本底值分析实验之外,其他所有实验中的血样均来源于同样3名志愿者(2名男性,年龄为35岁和36岁,1名女性,年龄为36岁).血样37°C条件下采用钴-60照射源进行照射(剂量率为158cGy/min).照射后,血样在37°C条件下培养1、3、6、12、和24h收集,经固定、标记后分析.rn 结果：(1)在照射后1、3、6、12和24小时,淋巴细胞中γ-H2AX含量呈剂量依赖性增加,而粒细胞中γ-H2AX含量没有明显改变.据此,粒细胞可作为内部参照细胞,用于分析淋巴细胞中γ-H2AX含量,这样可以减少分析过程中的操作误差,增加方法的稳定性.下面提到的γ-H2AX的RL/G值代表外周血淋巴细胞中γ-H2AX与粒细胞中γ-H2AX含量的比值.(2)为了研究γ-H2AX的RL/G值在在健康人群中的本底水平,对62名健康志愿者(23名女性和39名男性中国人)外周血进行分析.γ-H2AX的RL/G值介于1.01～1.54之间,变异系数为9.94％,平均值为1.21±0.12.23名女性志愿者与39名男性志愿者之间没有明显差别(1.20±0.10VS1.22±0.15,P=0.4531).各年龄组之间γ-H2AX的RL/G值差别不明显(21-30岁、31-40岁、41-50岁和51-60岁组分别为1.18±0.09、1.22±0.13、1.20±0.14和1.21±0.09,p=0.7372).在62名志愿者中,12人有吸烟习惯.与不吸烟组相比,吸烟组的γ-H2AX的RL/G值并未明显增高(1.21±0.12VS1.17±0.08,P=0.2194).(3)照射后γ-H2AX的RL/G值的时间-效应分析.γ-H2AX的RL/G值在照射后1小时快速升高到2.78±0.32(2Gy)和5.79±0.84(10Gy),这种高水平持续到照射后3h,随后开始下降.2Gy照射后12h,γ-H2AX的RL/G值(1.81±0.14)高于未照射对照组(P=0.0133,p＜0.05),照射后24小时,γ-H2AX的RL/G值(1.40±0.01)仍然高于未照射对照组(P=0.0395,p＜0.05),但低于本底值中的最大值.10Gy379照射后24h,γ-H2AX的RL/G值(2.67±0.09)仍然明显高于未照射对照组(P=0.0006,p＜0.05).(4)γ-H2AX的RL/G值分析的实验重复性和个体间差异分析.为了分析实验重复性,在三个不同时间采集三名志愿者的外周血,进行三次独立实验.结果显示,在各个剂量照射后1小时,不同实验间差异性较小,变异系数均在10％以内.为了分析个体间的差异,三名志愿者的血样经0-10Gy照射后,分别培养1、3、6、12和24h,分析γ-H2AX的RL/G值.结果发现,除6Gy和8Gy照射后1小时的样品(分别为18.25和15.89)之外,所有样品的γ-H2AX的RL/G值的变异系数均小于15％.(5)剂量效应反应和曲线拟合.在选定的每一个时间点(照射后1、3、6、12、和24小时),γ-H2AX的RL/G值均以剂量依赖的方式增加.拟合了5个时间点(1、3、6、12和24h)的剂量效应曲线,1h：Y=0.501X+1.194,R2=0.95;3h：Y=0.798X+1.249,R2=0.913;6h：Y=0.21X+1.149,R2=0.938;12h：Y=0.174X+1.371,R2=0.953;24h：Y=0.099X+1.225,R2=0.966.在所有的剂量效应曲线中,y为γ-H2AX的RL/G值,x为照射剂量(Gy).rn 结论：研究表明,外周血淋巴细胞γ-H2AX的RL/G值分析可以作为一种辅助方法,用于辐射事故早期分类诊断和快速剂量估算,这种方法的应用价值还需要进一步研究和事故中验证.

摘要： 在应对大规模的辐射事故过程中,对需要医学处理的受照人进行分类诊断和快速剂量估算,是核事故医学救援的重要问题之一.本研究建立了一种基于流式细胞分析的新的方法一即采用γ-H2AX的RL/G值(淋巴细胞中γ-H2AX含量与粒细胞中γ-H2AX的比值)代替在其他报道中采用的淋巴细胞中y-H2AX荧光强度.这种方法既保留流式细胞分析的快速,又解决了流式细胞分析实验重复性差的问题.研究表明γ-H2AX的RL/G值具有相对均一的本底值,个体问差异小,而且具有好的剂量-效应关系,提示γ-H2AX的RL/G值分析可作为一种新的生物剂量估算方法,用于早期分类诊断和剂量估算。

摘要： 体质，指生命体的本质(本来面目)、质地，即构成生命体的基本物质及结构(含结构间关系)。体质诊断表面上是对解剖、生理、心理在生命整体层次的综合，实际上是找到产生形态、生理、心理现象的根源--构成生命体的根本元素和结构,是从表象出发找到本质。在中医学，这种生命体的本质就是先天阴阳五行禀赋的多少及后天精气阴阳、脏腑经脉的盛衰。本文依《灵枢》将先天体质分类为太阴、少阴、太阳、少阳和阴阳平和之人(五态人)及木、火、土、金、水形人(五形人)；后天体质分类为气盛精弱质(阴阳气盛而阴精弱)、阳气盛阴气弱质、阴阳俱弱质(先天不足体质)、阳弱阴盛质，肝盛/弱、心盛/弱、脾盛/弱、肺盛/弱、肾盛/弱质；邪气体质按六淫进行分类诊断。这一分类诊断体系也适合于未病状态的分类诊断。

摘要： 肺动脉高压是一种进展性疾病，患者在一段时间内临床相对稳定并不意味着右心功能和其他指标持续稳定，疾病仍然会进展，预期寿命会显著缩短。尽快达到并维持低风险级别是改善肺动脉高压预后的关键和基本治疗目标。

摘要： 为了规范乳腺影像报告，利于乳腺病灶影像评价与处理的标准化，美国放射学会（American College of Radiology，ACR）于20世纪90年代提出的乳腺影像报告和数据系统（breast imaging reporting and data system, BI-RADS），现在已是第4版。它对规范乳腺X线诊断报告，帮助临床医师对于病变处理作出合理的选择，以及对于乳腺检查随访的监测均起到了很大的指导作用。我国于2004年开始陆续有文献报道应用BI-RADS分类对于乳腺X线摄影的评价，但目前尚未广泛应用于临床。我院从2009年1月开始应用此系统，根据实际应用与病理结果的对照研究，本文旨在探讨BI-RADS在不同年资医师之间对于乳腺病变分类诊断中的价值。

摘要： 对痴呆的诊断进行了简要介绍，系统概述了血管性认知障碍的定义及分类诊断，同时对痴呆的国际诊断标准进行了综述。

摘要： 目的：评价前庭功能检查在飞行员飞行错觉中的分类诊断意义及医学鉴定价值。rn 方法：总结因飞行错觉入院诊治和结论的75例飞行员的病历资料，对其进行分类，分析前庭功能检查(ENG或VNG资料)结果与飞行结论的关系。rn 结果：①75例86例次飞行错觉(少数飞行员有两种感觉器所致的飞行错觉)中前庭本体性错觉62例次，其中25例次前庭功能检查异常(38.5％)；视性错觉10例次，其中2例次前庭功能检查异常(20％)；中枢性错觉11例次，其中3例次前庭功能检查异常(27.3％)，三组前庭功能检查异常率相比差异无显著性(P>0.05)。②75例飞行错觉者前庭功能检查异常30例，其中19例飞行不合格做停飞处理(63.3％)，11例康复治疗和训练后恢复飞行；45例前庭功能检查正常者，有9例永久停飞(20％)，36例恢复飞行。两组停飞率相比，前庭功能检查异常组高于正常组，差异有显著性(P<0.05)。rn 结论：前庭功能检查对飞行错觉的分类诊断和医学鉴定具有重要的参考价值，凡是因飞行错觉送院者均需进行ENG/VNG检查。

摘要： 介绍了一个基于WEB的精确反向推理专家系统原型,通过对其增加非精确推理功能,完成了对此原型的改进。使其能进行非精确分类或诊断。提出在推理过程中对所使用的规则、条件等信息的收集及处理算法,并给出一个推理过程分析实例,论述了对原型改进的基本步骤,同时也提供了一个知识库例子等。探讨基于WEB的专家系统的应用实践,对于推动专家系统在我国的应用具有现实意义。

摘要： 基于决策树分类和故障码分类的车辆远程诊断与备件检索的方法，属于信息检索领域，由于不同的备件在主组号相同的情况下，分组号仍有差异，为了能够解决精确匹配备件的问题，技术要点是：对故障码识别和分类；解析车辆VIN码得到变量，所述变量包括由VIN码解析得到的发动机排量、车身类型、发动机变速箱类型；对变量所对应的备件代码做决策树分析，完成变量数据归类形成备件信息，并建立索引，形成诊断知识库；创建语言模型，建立细胞词库，在所述细胞词库中切词检索细胞词，并排列所述细胞词，利用决策树模型的决策分类，形成故障码对应工项的诊断数据库；将诊断数据库与诊断知识库关联，并建立主键；效果是：可在获取故障码后，快速找到常见故障的解决方案和对应备件、工项。

摘要： 本发明公开了基于故障类型分类能力评价矩阵的多分类器融合故障诊断方法。本发明基于分类器度量级输出形式，提出了以分类器输出结果熵值评价分类器多故障类型分类能力的方法，计算得到评价矩阵，并构建了基于模糊综合评判方式的多分类器融合基本模型，进行决策级融合，得出最终的诊断结论。

摘要： 本发明提供一种皮肤病诊断系统、构建方法、诊断方法和诊断装置。其中，构建方法包括：获取训练图像，训练图像包括：对应第一种皮肤病的第一训练图像、对应第二种皮肤病的第二训练图像，以及对应第三种皮肤病的第三训练图像；使用第一神经网络，构建用于识别第一种皮肤病的第一分类器，并将上述三种训练图像作为所述第一神经网络的输入数据，以对第一分类器进行训练；使用第二神经网络，构建用于识别第二种皮肤病的第二分类器，并将上述三种训练图像作为第二神经网络的输入数据，以对第二分类器进行训练；基于第一分类器和所述第二分类器构建皮肤病诊断系统。本发明基于图像识别技术，构建了一种皮肤病诊断系统，可以自行诊断皮肤病。

摘要： 本发明提供了一种基于集成特征选择分类的待机功耗智能诊断系统的诊断方法，上位机对采集到的家用电器信号进行特征参数选择，利用支持向量机对特征参数进行筛选，得到最优特征子集以及训练后的支持向量机分类器，通过该集成特征选择分类算法判断家用电器是否处于待机状态，若处于待机状态，则通过终端节点控制控制开关将待机的家用电器关闭，达到减少待机功耗，节约电能的目的。

摘要： 本发明公开了一种微囊性附属器癌鉴别诊断的试剂盒和分类器以及分类器的构建方法，它包括检测4种钙离子通道相关蛋白的试剂，分别为：CACNA1S、MYLK3、RYR1和ATP2A1。本发明还提供了所述试剂盒的用途及一种鉴别诊断微囊性附属器癌的分类器构建方法。本发明试剂盒可以用于鉴别微囊性附属器癌和其他形态学类似的良、恶性皮肤肿瘤，为微囊性附属器癌的早期诊断/鉴别诊断提供帮助，临床应用前景广阔。

摘要： 基于决策树分类和故障码分类的车辆远程诊断与备件检索的方法，属于信息检索领域，由于不同的备件在主组号相同的情况下，分组号仍有差异，为了能够解决精确匹配备件的问题，技术要点是：对故障码识别和分类；解析车辆VIN码得到变量，所述变量包括由VIN码解析得到的发动机排量、车身类型、发动机变速箱类型；对变量所对应的备件代码做决策树分析，完成变量数据归类形成备件信息，并建立索引，形成诊断知识库；创建语言模型，建立细胞词库，在所述细胞词库中切词检索细胞词，并排列所述细胞词，利用决策树模型的决策分类，形成故障码对应工项的诊断数据库；将诊断数据库与诊断知识库关联，并建立主键；效果是：可在获取故障码后，快速找到常见故障的解决方案和对应备件、工项。

摘要： 本发明公开了基于故障类型分类能力评价矩阵的多分类器融合故障诊断方法。本发明基于分类器度量级输出形式，提出了以分类器输出结果熵值评价分类器多故障类型分类能力的方法，计算得到评价矩阵，并构建了基于模糊综合评判方式的多分类器融合基本模型，进行决策级融合，得出最终的诊断结论。

摘要： 本发明公开了电力互感器智能诊断系统及基于决策树分类的诊断方法；属于电力设备的智能诊断领域；其技术要点在于：包括：温度监测模块、声音监测模块、电流监测模块、数据采集与存储模块、故障诊断模块、显示与查询模块；所述温度监测模块用于测量互感器铁芯、二次绕组及绝缘介质的温度信号；所述声音监测模块用于测量互感器铁芯、二次绕组及绝缘介质的声音信号；所述电流监测模块用于测量互感器二次侧的电流信号。采用本申请的电力互感器智能诊断系统及基于决策树分类的诊断方法，能够大幅的提高诊断效率与诊断精度。

摘要： 本发明公开了一种基于疾病二分类器的辅助诊断模型的诊断方法，包括如下步骤：S1：数据预处理；S2：模型训练；S3：诊断预测。本发明将诊断预测定义为文本分类任务，即对于一个输入的患者EHR，提取其中的主诉，现病史，影像学等信息，通过训练多个疾病的二分类器（BiLSTM+Self‑Attention模型）预测患者是否患有这些疾病，最终得到患者诊断的预测，以辅助医生进行之后的决策。

摘要： 本发明提供了用于深度学习故障诊断分类模型，深度学习故障分类模型的训练过程包括：数据收集、特征提取和故障诊断分类；数据收集是采集设备多种故障类型的样本数据集；特征提取包含获取一维特征、二维特征和三维特征；获取设备故障发生的原因。通过深度学习分类器获取设备故障分类的结果。设备故障诊断分类结果，关联设备的运行参数信息，根据振动加速度传感器采集设置的采样点数和采样频率，数据采集的数据，去训练算法模型。同时，本发明还提供了故障诊断方法。通过多维度振动信号特征提取，可以深入挖掘振动信号的特征值，让故障诊断数据进行训练之前可以充分提取到特征和故障标签的关系，提升故障分类和识别的准确率。