期刊文献+
共找到8篇文章
< 1 >
每页显示 20 50 100
小儿肺超声在社区获得性肺炎中的应用价值 被引量:1
1
作者 刘群 房秀霞 +1 位作者 樊炳慧 刘笑笑 《生物医学工程与临床》 CAS 2024年第3期338-342,共5页
目的比较小儿肺超声(PLUS)和胸部X射线片(CXR)在社区获得性肺炎(CAP)住院患儿中的诊断准确度,探讨PLUS在CAP患儿病情评估中的应用。方法选择依据《儿童社区获得性肺炎诊疗规范(2019版)》确诊CAP住院患儿153例,其中男性99例,女性54例;年... 目的比较小儿肺超声(PLUS)和胸部X射线片(CXR)在社区获得性肺炎(CAP)住院患儿中的诊断准确度,探讨PLUS在CAP患儿病情评估中的应用。方法选择依据《儿童社区获得性肺炎诊疗规范(2019版)》确诊CAP住院患儿153例,其中男性99例,女性54例;年龄3~60个月,平均年龄24.80个月;体质量15.3~16.8 kg,平均体质量16.41 kg;咳嗽、呼吸困难115例,呼吸困难93例;肺炎58例,重症肺炎95例。CXR和PLUS分别在入院6 h内完成。分析两种方法的影像表现,比较诊断准确度。结果PLUS异常145例(94.77%),CXR异常131例(85.62%)。在CXR诊断为肺炎的患儿中,有125例(125/131;95.42%)患儿检出PLUS异常,22例肺炎患儿CXR表现阴性时,其中20例[20/22(90.91%)]患儿检出PLUS异常。PLUS的灵敏度为94.77%,特异度为94.44%。CXR的灵敏度为85.62%,特异度为92.59%。结论PLUS是一项灵敏度和特异度均较高的检查,可作为CAP患儿在CXR前的首选检查。 展开更多
关键词 儿童 肺超声 社区获得性肺炎 胸部X射线(CXR)
原文传递
Comparison of efficacy of lung ultrasound and chest X-ray in diagnosing pulmonary edema and pleural effusion in ICU patients: A single centre, prospective, observational study
2
作者 Kunal Tewari Sumanth Pelluru +5 位作者 Deepak Mishra Nitin Pahuja Akash Ray Mohapatra Jyotsna Sharma Om Bahadur Thapa Manjot Multani 《Open Journal of Anesthesiology》 2024年第3期41-50,共10页
Background and Aims While chest X-ray (CXR) has been a conventional tool in intensive care units (ICUs) to identify lung pathologies, computed tomography (CT) scan remains the gold standard. Use of lung ultrasound (LU... Background and Aims While chest X-ray (CXR) has been a conventional tool in intensive care units (ICUs) to identify lung pathologies, computed tomography (CT) scan remains the gold standard. Use of lung ultrasound (LUS) in resource-rich ICUs is still under investigation. The present study compares the utility of LUS to that of CXR in identifying pulmonary edema and pleural effusion in ICU patients. In addition, consolidation and pneumothorax were analyzed as secondary outcome measures. Material and Methods This is a prospective, single centric, observational study. Patients admitted in ICU were examined for lung pathologies, using LUS by a trained intensivist;and CXR done within 4 hours of each other. The final diagnosis was ascertained by an independent senior radiologist, based on the complete medical chart including clinical findings and the results of thoracic CT, if available. The results were compared and analyzed. Results Sensitivity, specificity and diagnostic accuracy of LUS was 95%, 94.4%, 94.67% for pleural effusion;and 98.33%, 97.78%, 98.00% for pulmonary edema respectively. Corresponding values with CXR were 48.33%, 76.67%, 65.33% for pleural effusion;and 36.67%, 82.22% and 64.00% for pulmonary edema respectively. Sensitivity, specificity and diagnostic accuracy of LUS was 91.30%, 96.85%, 96.00% for consolidation;and 100.00%, 79.02%, 80.00% for pneumothorax respectively. Corresponding values with CXR were 60.87%, 81.10%, 78.00% for consolidation;and 71.3%, 97.20%, 96.00% for pneumothorax respectively. Conclusion LUS has better diagnostic accuracy in diagnosis of pleural effusion and pulmonary edema when compared with CXR and is thus recommended as an effective alternative for diagnosis of these conditions in acute care settings. Our study recommends that a thoracic CT scan can be avoided in most of such cases. 展开更多
关键词 Chest X ray (CXR) CONSOLIDATION Pulmonary edema Pleural effusion Lung ultrasound (LUS) PNEUMOTHORAX
暂未订购
一种全新的基于胸片计算机辅助检测肺结节方案 被引量:5
3
作者 陈胜 李莉 《电子学报》 EI CAS CSCD 北大核心 2010年第5期1211-1216,共6页
针对目前基于胸片肺结节计算机辅助检测系统的检出率低,且检测结果有大量假阳性的问题,提出一种全新检测方案.该方案首先引入基于活动形状模型的算法分割肺区,在肺区中选取大量可疑结节,然后为每个可疑结节提取基于分割结果的27个特征,... 针对目前基于胸片肺结节计算机辅助检测系统的检出率低,且检测结果有大量假阳性的问题,提出一种全新检测方案.该方案首先引入基于活动形状模型的算法分割肺区,在肺区中选取大量可疑结节,然后为每个可疑结节提取基于分割结果的27个特征,最后引入线性分类器对可疑结节进行分类,给出最终检测结果.方案中,由于两步结节增强技术的引入,使得只有少量真实结节在可疑结节选取过程中丢失.特征提取时,引入分水岭算法分割可疑结节,基于分割结果提取能够有效区分可疑结节中真实结节和假结节的形状特征、灰度统计特征、曲面特征和梯度特征等,并利用可疑结节分割结果与感兴趣区域中Canny算子边缘检测结果的相关性来降低假阳性.本文选择日本放射技术学会提供的公共数据库测试系统的肺结节检测性能,系统在平均每幅图4.5个假阳性水平下检测出72.2%的结节.对非常不明显和极其不明显结节,系统的检测性能在4.5个假阳性水平下达到了52.7%. 展开更多
关键词 X光胸片 肺结节 计算机辅助检测
在线阅读 下载PDF
针对新型冠状病毒肺炎X射线图像识别的DD-CovidNet模型 被引量:7
4
作者 王威 胡亿洋 +2 位作者 王新 李骥 李宇涛 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2021年第11期1649-1657,共9页
受医疗资源紧张和医疗水平较低等因素的影响,新型冠状病毒肺炎(coronavirus disease 2019,COVID-19)尚未得到有效控制.利用深度学习方法在胸部X射线(chest X-ray,CXR)图像中检测感染者是一种安全有效的途径.针对上述问题,提出一种自动识... 受医疗资源紧张和医疗水平较低等因素的影响,新型冠状病毒肺炎(coronavirus disease 2019,COVID-19)尚未得到有效控制.利用深度学习方法在胸部X射线(chest X-ray,CXR)图像中检测感染者是一种安全有效的途径.针对上述问题,提出一种自动识别COVID-19的CXR图像的智能方法.根据CXR图像的特点,提出了对特征信息敏感的双路径多尺度特征融合(dual-path multi-scale fusion,DMFF)模块和密集空洞深度可分离卷积(dense dilated depthwise separable,D3S)模块,分别提取浅层特征与深层特征.在此基础上,设计了高效的轻量级卷积神经网络——DD-CovidNet.DMFF模块通过融合多尺度特征感知更丰富的浅层特征,D3S模块通过强化特征传递与增大感受野提取更有效的类别区分特征.在2个数据集上进行了实验验证,结果表明,DD-CovidNet模型对COVID-19识别的灵敏度为96.08%,精度与特异性均为100.00%,且具有较少的参数量与较快的分类速度.与其他模型相比,DD-CovidNet模型的检测速度更快,检测结果更准确. 展开更多
关键词 新型冠状病毒肺炎 胸部X射线图像 卷积神经网络 图像分类 DD-CovidNet
在线阅读 下载PDF
Role of Radiological Investigations of COVID-19 Patients with Pneumonia, Karachi Pakistan
5
作者 Samia Perwaiz Khan Safia Izhar Shazia Kadri 《Open Journal of Radiology》 2021年第1期35-44,共10页
The study was conducted to determine the role of radiological investigation in assessing the severity of COVID-19 pneumonia with the help of chest X-ray (CXR), high resolution computed tomography (HRCT), and ultrasoun... The study was conducted to determine the role of radiological investigation in assessing the severity of COVID-19 pneumonia with the help of chest X-ray (CXR), high resolution computed tomography (HRCT), and ultrasound. This was a retrospective study conducted on 105 COVID-19 patients with symptoms of fever, cough, dyspnea, loss of sense of smell and taste, body ache. Diagnostic tests PCR were positive for COVID-19 included from Medicare Cardiac and General Hospital and Jinnah Medical College Hospital Korangi (JMCH) from April to November 2020. Written informed consent was taken from all participants. This study was approved by ethical review committee, Jinnah Medical & Dental College. Real time-PCR (RT-PCR) was done for the confirmation. Radiological imaging including Chest X-ray, HRCT chest, and ultrasound was done to study the severity of symptoms. Sixty-five patients had mild to moderate symptoms with oxygen saturation between 96% - 98% and 30 patients with severe pneumonia had between saturation 50% - 55%. Patients with mild symptoms were followed up by chest X-ray showing mostly normal chest X-rays but single or patches of ground glass opacities (HRCT). HRCT of 10 patients with low oxygen saturation 50% were already done showing bilateral peripheral patchy consolidation predominantly involving mid and lower lobes. 3 patients presented with patchy lung opacities and ultrasound showing similar findings with pleural effusion and ascites. Radiological imaging, specially CT-Scan was highly significant for diagnosing COVID-19 and severity of infection even in patients with negative PCR. Chest X-ray and ultrasound were also found to be a very useful tool. 展开更多
关键词 High Resolution Computed Tomography Scan (HRCT-Scan) cxr-chest X-Ray Ultrasound Ground Glass Opacities Corona Virus Disease 2019 COVID-19
暂未订购
基于卷积神经网络的胸片肺结节检测 被引量:9
6
作者 朱国策 李朝锋 《传感器与微系统》 CSCD 2017年第12期153-156,共4页
针对目前胸片的肺结节检测方案的检出率较低,且存在大量的假阳性的问题,提出了一种新的基于卷积神经网络(CNN)的肺结节检测方案。增强肺结节区域的图像信号;选择正、负样本训练卷积神经网络模型,检测结节时用滑动窗口的方法对增强后的... 针对目前胸片的肺结节检测方案的检出率较低,且存在大量的假阳性的问题,提出了一种新的基于卷积神经网络(CNN)的肺结节检测方案。增强肺结节区域的图像信号;选择正、负样本训练卷积神经网络模型,检测结节时用滑动窗口的方法对增强后的图片进行处理得到候选区域;根据候选区域的面积排除假阳性。方案中省略了传统方法中的肺区分割步骤,避免了因此可能丢失的肺结节图像。在日本放射技术学会(JSRT)数据库上测试结果显示,系统在平均每幅图5.0个假阳性水平下敏感度为86%,对不明显和非常不明显的结节检出率达到了84%,优于当前相关文献报道的方法。 展开更多
关键词 肺结节 医学图像处理 胸片 卷积神经网络
在线阅读 下载PDF
一种改进的参数化对数图像处理方法 被引量:1
7
作者 张凯杰 陈胜 《电子科技》 2017年第8期124-127,共4页
针对现有胸片中根据肺结节对病情诊断不精确的问题。采用一个基于拉普拉斯高斯滤波的参数化对数图像处理方法对CXR中的肺结点进行增强。该方法采用具有相应参数的Lo G来增强原始胸片中的结节状结构和边缘。然后再利用参数变化的PLIP方... 针对现有胸片中根据肺结节对病情诊断不精确的问题。采用一个基于拉普拉斯高斯滤波的参数化对数图像处理方法对CXR中的肺结点进行增强。该方法采用具有相应参数的Lo G来增强原始胸片中的结节状结构和边缘。然后再利用参数变化的PLIP方法提高图像对比度。文中选择熵值对此方法进行评估。熵值越小,表明图像增强的性能越好。从结果来看,采用不同参数的改进PLIP方法处理后图像的熵值平均为原始图像熵值的1/12。 展开更多
关键词 胸片 肺结节 图像增强 参数化数图像处理 高斯的拉普拉斯
在线阅读 下载PDF
融合Grad-CAM和卷积神经网络的COVID-19检测算法 被引量:19
8
作者 朱炳宇 刘朕 张景祥 《计算机科学与探索》 CSCD 北大核心 2022年第9期2108-2120,共13页
新型冠状病毒肺炎(COVID-19)检测中胸部X射线(CXR图像)和电子计算机断层扫描(CT)图像是两种主要技术手段,为医生诊断提供了重要依据。针对当前卷积神经网络(CNN)在医学放射性图像中检测COVID-19的准确率不高、算法复杂、无法标记特征区... 新型冠状病毒肺炎(COVID-19)检测中胸部X射线(CXR图像)和电子计算机断层扫描(CT)图像是两种主要技术手段,为医生诊断提供了重要依据。针对当前卷积神经网络(CNN)在医学放射性图像中检测COVID-19的准确率不高、算法复杂、无法标记特征区域的问题,提出了一种融合梯度加权类激活映射(GradCAM)颜色可视化和卷积神经网络的算法(GCCV-CNN),对COVID-19阳性患者、COVID-19阴性患者、普通肺炎患者以及正常人的肺部CXR图像和CT扫描图像进行快速分类。通过定位到CXR图像和CT扫描图像中CNN进行分类的关键区域,再综合深度学习算法得到更准确的检测结果。为验证GCCV-CNN算法的有效性,分别在3个COVID-19阳性患者数据集上进行实验,并与已有算法进行比较。结果表明该算法对COVID-19阳性患者的CXR图像和CT扫描图像分类性能优于“新冠网络”(COVID-Net)算法及迁移学习新冠网络(DeTraCNet)算法,准确率最高达98.06%,速度更快的同时还具有较好的鲁棒性。 展开更多
关键词 CXR图像 CT扫描图像 COVID-19 Grad-CAM 融合Grad-CAM颜色可视化和CNN的算法(GCCV-CNN)
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部