摘要：目的观察基于胸部X线片建立的人工智能联邦学习系统用于病原学诊断儿童社区获得性肺炎(CAP)的价值。方法回顾性选取2所医院共900例CAP患儿,包括细菌性、病毒性及支原体CAP各300例,对每例选取1幅胸部正位片。收集公开数据集GWCMCx中的5856幅儿童胸部正位片,分别来自4273例CAP患儿和1583例胸部无明显异常患儿。按8∶2比例将全部6756幅胸片分为训练集(n=5359)与验证集(n=1397)。建立基于注意力机制的病原学诊断儿童CAP模型,设计二分类及三分类诊断算法并进行联邦部署训练;与DenseNet模型对比,观察所获学习系统用于病原学诊断儿童CAP的效能。结果人工智能联邦学习系统模型针对全部数据诊断CAP的准确率为97.00%,曲线下面积(AUC)为0.990。基于来自医院的数据,本系统根据单一影像学数据及临床-影像学数据实现病原学诊断儿童CAP的AUC分别为0.858及0.836,均高于DenseNet模型的0.740(P均<0.05)。结论基于胸部X线片的人工智能联邦学习系统可用于病原学诊断儿童CAP。

摘要：目的 探讨CT-MRI图像融合对前列腺癌调强放疗靶区及正常组织剂量影响.方法 对10例经病理证实的中高危局限期前列腺癌患者行CT模拟定位和MRI图像采集.用CT-MRI图像融合软件确定同层面CT和MRI图像,分别在其上勾画前列腺和精囊腺靶区、直肠、膀胱等并对靶区进行调强放疗计划设计,比较它们在直肠和膀胱的剂量体积直方图参数间差异.结果 CT、MRI图像上勾画的前列腺＋精囊腺平均体积分别为84.03、53.53 cm3（t=2.47,P=0.024）,基于CT和MRI图像进行调强放疗计划设计后直肠V50、V60、V70分别为37.03%和30.28%（t=2.71,P=0.014）、24.99%和19.13%（t=2.83,P=0.011）、14.55%和9.53%（t=3.19,P=0.005）;膀胱最大剂量分别为82.45 Gy和81.10 Gy（t=2.41,P=0.027）.结论 MRI图像上勾画的前列腺＋精囊腺体积比CT图像上勾画的小,基于MRI图像勾画靶区制定调强放疗计划比基于CT图像的可明显减少受较高剂量照射的直肠体积.