全模型迭代重建算法在儿童腹部低剂量CT检查中的可行性研究

目的:探讨 80 kV、30 mAs 扫描条件结合全模型迭代重建(iterative model reconstruction,IMR)算法在儿童腹 部 CT 扫描中的可行性。 方法:前瞻性地连续采集行腹部 CT 检查的 1~5 岁患儿 237 例,入组患儿 232 例,采用随机 数字法分为 A、B 2 组,A 组 120 例(正常体质量患儿 89 例,超重患儿 31 例),B 组 112 例(正常体质量患儿 83 例,超 重患儿 29 例)。A 组采用管电压 80 kV 结合 DoseRight 技术进行扫描,B 组采用管电压 80 kV 固定管电流(30 mAs)进 行扫描,扫描完成后分别采用 IMR 和 iDose4 算法重建。比较 2 组患儿的图像质量及辐射剂量。采用 SPSS 20.0 进行统 计学分析。结果:2 种重建算法下所有图像均能满足诊断需求,A 组患儿图像质量均优于 B 组(P<0.01);组内比较,A、 B 2 组的 IMR 算法图像评分均优于本组的 iDose4 算法图像评分(P<0.01);B 组正常体质量患儿 IMR 和 iDose4 算法图 像评分均高于超重患儿(P<0.05),而 A 组正常体质量患儿和超重患儿 2 种算法图像评分差异无统计学意义。 A 组患 儿的体型特异性剂量估算值(size-specific dose estimate,SSDE)和容积 CT 剂量指数(volume CT dose index,CTDIvol)均 高于 B 组(P<0.01);组内比较,A 组患儿 SSDE 较 CTDIvol 高 49.1%,B 组患儿 SSDE 较 CTDIvol 高 48.0%,P 均<0.01;A 组超重患儿 SSDE 较正常体质量患儿高 18.8%(P<0.01),B 组超重患儿和正常体质量患儿 SSDE 差异无统计学意义 (P=0.18>0.05)。 结论:80 kV、30 mAs 低剂量扫描在儿童腹部 CT 检查中是可行的,结合 IMR 算法能够进一步提高图 像质量。

  • 2021-06-17
  • 阅读245
  • 下载0
  • 5页
  • pdf

三种新型智能算法在疫情预警模型中的应用_——基于百度搜索指数的COVID-19疫情预警

自2019年12月底中国武汉爆发新型冠状病毒性肺炎(Corona Virus Disease 2019,COVID-19)以来,我国经济社会遭受巨大危害,利用网络数据预警疫情发展趋势可以有效降低其社会危害。而采用机器学习算法构建预警模型时,参数选取是其中重要内容,与最终构建模型的精度密切相关,探讨多种新型智能优化算法在百度搜索指数COVID-19预警模型中的应用效果,可为新型智能优化算法的推广应用提供一定的理论依据和分析策略。对比多元宇宙算法(Multi-Verse Optimizer,MVO)、黏菌算法(Slime Mould Algorithm,SMA)及平衡算法(Equilibrium Optimizer,EO)三种新型智能优化算法,在最小二乘支持向量机(Least Squares Support Veotor Machine,LSSVM)百度搜索指数疫情预警模型中的应用效果。优化算法寻优过程,SMA算法收敛性较差,全局搜索能力弱于MVO和EO算法,而EO算法运算效率相对较低,MVO算法的运算效率高,收敛性也较强,最终构建预警模型优势明显(测试集的MSE为17.77,MAE 为 38.38,RMSE 为 129.35,R2为 0.87)。三种智能优化算法皆可提升 LSSVM 预警模型的预测性能,而MVO优化算法的综合运算效能最好,最终构建的MVO-LSSVM预警模型可为后续疫情常态化防控阶段的防疫行为预判提供一定参考。

  • 2021-06-17
  • 阅读255
  • 下载0
  • 8页
  • pdf