摘要：目的 开发一个基于大规模视觉语言模型的黑色素瘤诊断框架,并探讨该框架用于黑色素瘤诊断的可行性和准确性。方法 采用公开数据集Derm7pt,其数据集划分为训练集(346例),验证集(161例)和测试集(320例)。提出了一个基于大规模视觉语言模型的黑色素瘤诊断框架,该诊断框架包括两个文本分支和一个视觉分支。在文本分支中,一个分支处理固定的临床提示;另一个分支则处理可学习的提示。这种设计旨在通过固定的临床提示引导和优化可学习提示的效果。视觉分支处理皮肤镜图像,通过微调图像编码来增强对黑色素瘤特征的识别能力。结果 在Derm7pt数据集上,我们的方法在性能上优于现有其他方法。其接收者操作特征曲线下面积(AUC),准确率和F1-分数分别为87.35%,84.17%和84.01%。结论 通过适当的微调策略,基于大规模视觉语言预训练模型的方法能够有效地适应黑色素瘤的诊断任务。这种方法可以作为医生的有力辅助工具,帮助他们做出更加准确的诊断决策。

摘要：目的提出一种新型的肋骨骨折检测网络Rib-Net,探讨其进行肋骨骨折检测的可行性与准确性,以减少骨折漏诊案例。方法采用公开数据集RibFrac Dataset,其数据集划分为训练集(420例)、验证集(80例)及测试集(160例)。Rib-Net由目标检测集成网络ED-Net、完全候选框融合算法(CBF)与分割模型3D Unet构成。首先,集成Retina Unet、UFRCNN+与Mask RCNN组成ED-Net,预测肋骨骨折候选框;其次,设计全新的CBF,融合存在重叠的骨折候选框,生成定位精准、置信度准确的候选框;最后,利用Unet对肋骨骨折进行分割,实现肋骨骨折的进一步精确定位。结果在“MICCAI 2020 RibFrac Challenge:Rib Fracture Detection and Classification”挑战赛平台上,Rib-Net检测结果达到了最优成绩,其召回率、无限制接受者操作特性曲线(FROC)值及Dice相似指数分别为92.3%,0.859和0.61。结论Rib-Net网络可高效精准地对胸部CT影像进行肋骨骨折检测定位,有效协助医生做出准确诊断。

摘要：介绍了一种网络化电梯远程监测系统 ,重点讨论了其中嵌入式监控终端硬件和软件的设计与实现。该嵌入式监控终端基于32位高性能嵌入式微处理器和嵌入式实时操作系统 ,可通过以太网口或嵌入式Modem基于TCP/IP协议进行网络通信 ,具有高可靠性、高实时性和运行费用低的特点。目前该系统已投入实际使用。