孟名柱
- 作品数：7 被引量：10H指数：2
- 供职机构：常州市第二人民医院更多>>
- 相关领域：医药卫生自动化与计算机技术更多>>
- 嗜酸细胞性胃肠炎影像表现
- 2017年
- 目的:探讨嗜酸细胞性胃肠炎(EG)的影像诊断与鉴别诊断。方法:对6例EG患者的影像资料、临床特点、实验室检查、内镜表现和治疗随诊情况进行分析。结果:粘膜型EG最常见,胃气钡双对比造影检查胃窦部病变表现为黏膜走形紊乱,十二指肠球部病变表现为球部呈锯齿状改变;混合型EG立位腹部平片表现为肠梗阻改变,CT表现为末端回肠管壁增厚,管腔狭窄,邻近肠系膜密度增高,增强扫描见病变处肠管管壁明显强化。结论:EG的影像表现缺乏特异性,鉴别诊断需要结合其它相关检查。
- 孟名柱孙阳阳潘昌杰陈洁
- 关键词：嗜酸细胞性胃肠炎影像诊断
- 基于CT影像的人工智能在肾上腺良性肿瘤中的应用进展被引量：1
- 2024年
- CT是诊断肾上腺良性肿瘤的重要手段,但仍有少部分肾上腺良性肿瘤难以确诊。人工智能(AI)可以运用计算机算法模仿人脑且具有学习和解决问题等任务的能力,包括机器学习和深度学习,已广泛应用于肾上腺良性肿瘤的诊断、鉴别诊断及治疗。就目前基于CT影像的人工智能在肾上腺良性肿瘤中的应用进展进行综述。
- 朴则宇刘婷婷孟名柱贾中芝
- 关键词：肾上腺良性肿瘤人工智能
- 一种医疗影像诊断阅片装置
- 本发明提供一种医疗影像诊断阅片装置，属于医疗器械技术领域，包括底板，所述底板的顶部固定安装有支架，两个所述支架相对的一侧转动安装有转杆，所述转杆的左侧固定安装有阅片板，所述阅片板右侧的内壁固定安装有伸缩杆，所述阅片板的内...
- 沈栋孟名柱
- CT能谱曲线鉴别甲状腺良恶性结节的应用价值被引量：3
- 2019年
- 目的:探讨双源CT(DECT)能谱曲线在鉴别甲状腺良恶性结节的应用价值。方法:回顾性分析经病理证实的111例甲状腺结节患者DECT能谱曲线资料。比较良恶性结节能谱曲线的形态,并对良恶性结节的曲线斜率进行统计学分析。结果:共检出良性结节64个,恶性结节62枚。良性结节与恶性结节的能谱曲线均表现为“下降型”。曲线斜率良性组与恶性组分别(0.93±0.52)、(0.82±0.40),差异有统计学意义(P<0.05)。结论:DECT能谱曲线斜率可以帮助鉴别甲状腺良恶性结节。
- 孟名柱许轶群
- 关键词：甲状腺结节X线计算机
- 双源CT大螺距扫描技术在泌尿道造影中的应用
- 2013年
- 目的评估双源CT(DSCT)大螺距扫描技术CT泌尿道造影(CTU)的图像质量及辐射剂量。方法疑为泌尿系统病变行CTU检查患者50例,随机均分为两组,采用DSCT行平扫、实质期、排泄期和延迟期四期螺旋扫描。A组的四期均行常规螺旋扫描;B组在延迟期使用DSCT大螺距(3.4mm)扫描。记录A、B两组延迟期辐射剂量:剂量长度乘积(DLP)和CT容积剂量指数(CTDIvol)。采用5分法评估和分析延迟期的图像质量。结果 A组延迟期的DLP为(349.52±86.08)mGycm,CDTIvol为(9.61±1.85)mGy,均明显高于B组的(145.09±18.04)mGycm和(3.54±0.81)mGy(P<0.01)。A、B两组延迟期图像质量评分相仿[(4.38±0.65)分vs.(4.04±0.58)分](P>0.05)。结论与常规螺旋扫描比较,CTU检查的延迟期使用DSCT大螺距扫描模式可大幅度降低辐射剂量,但图像质量相比未见明显降低。
- 许轶群李强孟名柱钱农
- DCE-MRI评估小肠早期缺血再灌注致肝损伤的实验研究
- 2021年
- 目的:探究动态对比增强磁共振成像(DCE-MRI)评估肠缺血再灌注(IIR)导致肝损伤的价值。方法:将42只雄性大鼠随机分为6组,每组7只。假手术组只分离肠系膜血管不夹闭。缺血再灌注组分离肠系膜上动脉并用无创血管钳夹闭1 h,然后分别再灌注1、2、3、4 h。单纯缺血组分离肠系膜上动脉后选用7 mm手术缝合线扎紧肠系膜上动脉1 h。所有大鼠均行上腹部常规扫描和DCE-MRI扫描,扫描结束后测量相关血清学指标天冬氨酸转氨酶和丙氨酸氨基转移酶,同时对肝脏进行病理损伤评分。结果:不同缺血再灌注时间的容积转运常数(Ktrans)和血管外细胞外间隙容积(Ve)差异具有统计学意义(P<0.05)。在所有组和缺血再灌注组中,Ktrans和Ve均与病理评分呈显著正相关(均P<0.001)。Ktrans和Ve的AUC分别为0.917和0.894。结论:DCE-MRI技术中的定量参数对微循环和血管通透性的改变较敏感,能够动态反应IIR诱导的早期肝损伤。
- 杨家兴孟名柱潘昌杰钱刘兰孙阳阳石海峰
- 关键词：肝损伤肠缺血再灌注动态对比增强
- 基于CT双期增强图像的深度迁移学习模型对甲状腺良恶性结节的分类研究被引量：6
- 2021年
- 目的:评价基于CT双期增强图像的不同深度迁移学习(DTL)模型对甲状腺良恶性结节的分类效能。方法:采用相同程序架构和相同数据集对3种DTL模型(VGG19、ResNet50和DenseNet201)的分类诊断效能进行测试和评估。以不同模型在训练集和测试集中的最高预测符合率和在验证集中的符合率、召回率、F1评分和受试者工作特性曲线(ROC)下面积作为评估模型效能的指标。结果:DenseNet201模型获得了最好的训练和测试结果,在训练集和测试集中的最高预测符合率分别为1.00和0.98;VGG19模型用时最长,其在训练集和测试集中的预测符合率分别为0.99和0.98,较DenseNet201略差;ResNet50模型用时最短,但测试结果最差,在训练集和测试集中的最高符合率分别为0.93和0.92。VGG19、ResNet50和DenseNet201模型在验证集中的平均符合率为0.96、0.92和0.98,召回率分别为0.96、0.91和0.98,F1评分分别为0.96、0.91和0.98。DenseNet201模型的ROC曲线下面积为0.98,高于VGG19模型(0.95)和ResNet50模型(0.91)。结论:基于DenseNet201的DTL模型对甲状腺CT良恶性结节具有较高的分类效能,有助于提高影像诊断准确性。
- 孟名柱潘昌杰张铭何光远沈栋陈罕奇
- 关键词：卷积神经网络甲状腺结节
