XiaoMi-AI文件搜索系统
World File Search System超声数据
为改变而生。第 38 集：我们的身体电子
23:00 产生的超声数据无法反映出患者一天中身体状况。医生只能根据有限的信息做出诊断和其他决定。因此，赵教授及其团队希望开发一种替代传统超声检查的方法，为医生提供更全面的数据，同时为患者带来极大的便利。首先，他们尝试缩小临床医生在医院中使用的大型超声探头。他们首先使用 3D 打印技术打印出一个大约邮票大小、厚度只有几毫米的探头。
心力衰竭的广义深度学习模型...
目标：超声心动图（ECG）是用于诊断心力衰竭（HF）的最常见方法。但是，其准确性取决于操作员的经验。此外，数据的视频格式使患者将他们引用和重新检查的挑战。因此，本研究使用了一种深度学习方法来帮助医生评估心脏功能，以促进超声心动图发现的标准化以及动态和静态超声数据的兼容性。Methods: A deep spatio-temporal convolutional model r2plus1d-Pan (trained on dynamic data and applied to static data) was improved and trained using the idea of “regression training combined with classification application,” which can be generalized to dynamic ECG and static cardiac ultrasound views to identify HF with a reduced ejection fraction (EF < 40%).此外，还建立了三个独立数据集，其中包含8976个心脏超声视图和10085心脏超声视频。随后，标记了EF的跨国多中心数据集。此外，还进行了模型培训和独立验证。最后，在三家专门从事心血管疾病的区域医院的注册超声波检查员和心脏病专家招募了不同的工作年度，以比较结果。结果：拟议的深时时空卷积模型在接收器操作特征曲线（AUC）值下达到了0.95（95％置信区间[CI]：0.947至0.953），在动态超声数据的训练集上，AUC的训练集和1（95％CI，1至1至1）的训练集在独立效力集上。结论：随后，该模型被应用于静态心脏超声视图（验证集），同时输入相同心脏的1、2、4和8图像，分别分类的精度分别为85％，81％，93％和92％。在静态数据上，人工智能（AI）模型的分类准确性与超过3个工作年度的超声检查员和心脏病专家的最佳性能相当（p = 0.344），但明显优于中位数水平（p = 0.0000008）。
三维超声
1 3D超声：技术和应用15 1.1超声技术。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 15 1.1.1 物理原理. 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 15 1.1.2 超声波扫描仪的原理. 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 17 1.2 超声检查. 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 20 1.2.1 检查. 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 20 1.2.2 限制。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 21 1.3 获取3D超声数据。 。 。 。 。 。 。 。 。 。 。 22 1.3.1 手动扫描 . ... 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 23 1.3.2 机械扫描. 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 27 1.3.3 传感器表. 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 29 1.3.4 其他. 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 29 1.4 医疗应用. 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 30 1.4.1 产科。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 30 1.4.2 心脏病学。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 32 1.4.3 其他应用. 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 34 1.5 资产负债表。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 35 1.5.1 与 2D 相比的增益。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 35 1.5.2 与其他模式的比较. 。 。 。 。 。 。 。 。 。 37 1.5.3 结论. 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。三十七
树皮衍生多酚在功能化
在光声断层扫描（PAT）的反问题中，通过一组测得的超声数据估算了光效应诱导的初始压力分布。在最近的十年中，已经提出了对PAT的各种深度学习方法的利用。但是，其中许多处理器都没有提供重建图像的不确定性的信息。在这项工作中，我们提出了一种基于贝叶斯反向问题的基于深度学习的方法，该方法基于变异自动编码器。使用数值模拟评估该方法，并与使用常规贝叶斯图像重建方法获得的后验分布进行了比较。该方法显示出可提供可靠性估计值的快速准确的重建。
使用人工智能进行相控阵数据分析
摘要：在过去的 20 年中，人们采取了多项措施来提高无损检测的质量。便携式相控阵仪器的引入带来了超声波数据的记录，从而更好地控制了检测质量。在线培训的引入带来了理论教学的标准化，从而培养了训练有素的检验员和分析员。然而，在缺陷检测、识别和定量方面仍然存在问题。即使数据量呈爆炸式增长，数据分析仍然完全依赖于人类分析师的技能。不幸的是，虽然需要分析的数据量呈爆炸式增长，但合格数据分析师的数量并没有相应增加。结果是评估数据的时间更短，数据分析师的工作时间更长。必须为数据分析师提供新工具，以便他们能够更高效、更准确地执行任务。在本文中，我们回顾了分析相控阵超声数据的挑战以及人工智能提供的独特解决方案
胎儿先天性心脏异常自动诊断的深度学习管道
先天性心脏缺陷（CHD）是最普遍的出生异常，严重影响婴儿的健康，并具有不良后果，例如残疾甚至死亡。但是，英国的产前检测仍然很低，为54％。我们提出了一条深度学习的管道，以从超声数据中进行鲁棒图像分析，以增强新生儿预后。我们揭示了脊柱的解剖学意义，并引入了一种基于斑点的新方法来定位。我们的管道使用平面检测模型提取心脏视图并执行语义分割以预测脊柱点。脊柱是自动提取诸如心脏轴和新型度量的已建立特征的地标 - 主动脉和导管血管之间的角度。我们使用逻辑回归将这些特征与含义心脏病相关联，以有效检测异常。我们的管道在诊断Fallot的四边形时达到了90％的明显准确性，而在持有的临床数据上，大动脉的转疗率为60％，超过了当前的临床检测率。这些结果强调心脏生物标志物的价值以及深度学习模型对迅速检测CHD的功效，从而改善了胎儿结局。
一种模拟脑肿瘤组织离体超声方法，用于研究应用和临床培训
简介：术中超声正成为神经外科的常用工具。然而，有效的模拟方法有限。目前，商业和自制的模型无法复制超声图像中大脑和肿瘤组织的解剖正确性和纹理复杂性。材料和方法：我们利用离体脑组织，而不是合成材料，来实现真实的回声复杂性和解剖正确性。将浓度为 10-20% 的琼脂注入脑组织以模拟肿瘤肿块。购买了市售的模型进行基准测试。结果：由经验丰富的专业人员进行定性分析，测量添加琼脂的影响并将其与商用模型进行比较。总体而言，与基于合成材料的模型相比，使用离体组织被认为更准确、更具代表性，因为它可以很好地显示真实的大脑解剖结构，并在组织内提供良好的对比度。琼脂肿瘤正确地产生了一个回声较高的区域，边缘有轻微扩散，预计与邻近解剖结构有相互作用。讨论：由于后勤和道德方面的挑战很大，使用人体样本进行训练受到限制。在线神经外科超声数据的稀疏性进一步加剧了这种情况。与体模相比，所提出的方法成功地模拟了脑组织中的肿瘤，体模存在表面纹理不相似、超声回声均匀性和缺乏解剖正确性的问题。结论：所提出的在脑组织中创建肿瘤模拟组织的方法
调查在国家过渡下的电池寿命预测的可解释的转移学习
摘要：超声（US）是骨骼肌分析的重要成像工具。我们的优点包括护理点的访问，实时成像，成本效益和电离辐射的缺失。但是，我们可以高度依赖运算符和/或美国系统，并且在图像形成中丢弃了原始超声数据数据的可能有用的信息，以供常规定性美国进行图像形成。定量超声（QUS）方法提供了原始或后处理数据的分析，揭示了有关正常组织结构和疾病状况的其他信息。可以在肌肉上使用四个QUS类别，并且很重要。首先，从B模式图像得出的定量数据可以帮助确定肌肉组织的宏观结构解剖结构和微观结构形态。第二，美国弹性图可以通过菌株弹性学或剪切波弹性图（SWE）提供有关肌肉弹性或刚度的信息。菌株弹性学测量通过在检查组织的B模式图像中使用可检测的斑点跟踪组织位移引起的诱导组织应变。swe测量通过组织中传播的诱导剪切波的速度以估计组织弹性。这些剪切波可以使用外部机械振动或内部“推动脉冲”超声刺激产生。第三，原始的射频信号分析提供了基本组织参数的估计，例如声音速度，衰减系数和反向散射系数，与有关肌肉组织显微组织和组成的信息相对应。最后，包络统计分析应用各种概率分布来估计散射器的数量密度并量化与不连贯的信号相干，从而提供了有关肌肉组织的微观结构特性的信息。本综述将检查这些QUS技术，对骨骼肌的Q评估结果以及骨骼肌肉分析中QUS的优势和局限性的评估。