简介:摘要目的探讨基于深度学习构建胆道闭锁(biliary atresia,BA)超声人工智能(artificial intelligence,AI)诊断模型的可行性。方法前瞻性收集2018年9月至2020年10月湖南省儿童医院诊治的177例BA患儿(BA组)共计531张胆囊超声初始影像及195例非BA患儿(非BA组)共计585张胆囊超声初始影像,各组按2∶1分为训练集与测试集。使用训练集训练深度神经网络模型Mask R-CNN后,采用测试集分别以患儿和图像为单位对该模型进行测试,评价模型对胆囊的检测率及诊断准确率。另将测试集图像分别以患儿、图像为单位进行随机编号,分别邀请4名超声医师进行图片判读,计算诊断准确率。对模型诊断准确率与超声医师诊断准确率进行比较。结果在胆囊器官的自动检测方面:模型在BA组与非BA组的检测率均达到100%,但在总计372张测试集图像中有17张出现虚警,虚警率4.57%(17/372)。在诊断方面:以患儿为单位时,模型在测试集中总的诊断准确率为95.97%,高于外院超声医师及本院中级职称超声医师(均P<0.005),略高于本院高级职称超声医师(91.94%),但差异无统计学意义(P=0.183)。以图片为单位时,模型在测试集中总的诊断准确率为97.04%,均高于外院超声医师及本院中级职称超声医师(均P<0.001),略高于本院高级职称超声医师(94.09%),但差异无统计学意义(P=0.05)。结论基于Mask R-CNN的AI模型可较准确地检测胆囊器官,对BA的诊断准确率较高,该模型切实可行,值得进一步研究。
简介:摘要 目的:通过评估检验项目的精密度和正确度性能,计算 Sigma( σ)度量值,然后应用 Westgard Sigma规则选择本室常规化学检验项目的质控方法。方法:根据《临床实验室室间质量评价要求》定义每个检验项目的质量要求(总允许误差, TEa)。中间精密度(变异系数, CV)来源于常规化学质控物的室内质控数据。对国家卫健委临床检验中心常规化学室间质评样本重复测定 5次,计算每个项目的均值,利用均值与室间质评回报结果的相应靶值,计算每个项目的正确度(偏倚, bias), bias%=100×(均值 -靶值) /靶值( %)。采用 Sigma度量 =( TEa-bias) /CV,计算每个项目的 Sigma度量,然后,根据 Sigma度量大小,应用 Westgard Sigma规则选择每个项目的质控方法(每批次 2个水平质控物)。结果: ALT、 AST、 TP、 LDH、 GGT、 ALP、 UA、 Cr、 Glu、 K、 P、 Mg、 Fe和 AMY的 Sigma度量大于 6σ,一天 1个批次质控,质控规则为单规则 13s。 TC和 TG的 Sigma度量为 5σ,一天 1个批次质控,质控规则为 13s/22s/R4s。 Alb、 TBil、 DBil和 Ca的 Sigma度量为 4σ,一天 2个批次质控,质控规则为 13s/22s/R4s/41s。 UN、 Na和 Cl的 Sigma度量小于 4σ( >3σ),一天 4个批次质控,质控规则为 13s/22s/R4s/41s/8x。结论:通过评估每个检验项目的方法性能和计算的 Sigma度量,应用 Westgard Sigma规则选择检验项目的质控方法,保证检验结果的准确性,真正达到高效质量控制的目的。
简介:【摘要】:目的:对下呼吸道感染患者痰菌的临床检验特点进行评价。 方法: 选取 2018 年 1 月 ~2018 年 12 月一年 间 200 例于我院进行治疗的下呼吸道感染患者,采集所有患者痰液的标本,并对这些标本进行实验室的涂片检查,对从痰液中分离出来的痰菌进行涂片检查和细菌培养,以此来分析患者痰菌的种类和耐药性的情况。 结果: 在这 200 例患者的痰液样本中检测出了 150 株病原菌,其中有 90 株是革兰阴性杆菌( 60% ), 30 株是革兰阳性杆菌( 20% ) , 另外 30 株是真菌( 20% );肺炎克雷伯菌对头孢唑林、头孢曲松及 头孢他啶 等抗生素具有较高的耐药性,大肠埃希菌对 头孢唑林 、头孢曲松、环丙沙星、头孢他啶、头孢 吡肟 、等抗生素具有较高的耐药性,铜绿假单胞菌对 头孢唑林 、环丙沙星、头孢 吡肟、 头孢他啶等抗生素具有较高的耐药性。 结论:对下呼吸道感染的患者进行痰菌检测和药敏培养,可以对不同的患者进行针对性用药,可提高临床用药的准确性,能最大限度减少抗生素的使用。