基于深度学习的计算机辅助诊断系统在肋骨骨折诊断中的应用

目的:探讨基于深度学习（DL）的计算机辅助诊断（CAD）系统在肋骨骨折诊断中的应用价值。方法:回顾性分析232例胸部外伤患者CT图像并采用3种方式阅片。CAD系统阅片:应用CAD系统行肋骨骨折检测并记录结果;医师阅片:两名具有6年肋骨骨折CT诊断经验放射科主治医师独立阅片并以两人一致意见作为诊断结果;CAD系统辅助医师阅片:CAD系统辅助两名医师采用共同阅片模式阅片。金标准:两名具有15年以上肋骨骨折CT诊断经验的放射科高年资医师对患者初诊及复诊CT独立阅片,结果不一致时以两人协商一致的意见作为肋骨骨折诊断金标准。计算并比较3种阅片方式的敏感度、假阳性率及阅片时间。结果:232例患者共发现712处肋骨骨折。CAD系统阅片敏感度为81.2％,CAD系统阅片敏感度低于医师,医师阅片敏感度低于CAD系统辅助医师阅片。CAD系统阅片假阳性率为0.48±0.13,在3种方式中最高,医师阅片与CAD系统辅助医师阅片假阳性率差异无统计学意义。CAD系统阅片时间为（2.45±0.92）s,在3种方式中耗时最少,CAD系统辅助医师阅片时间少于医师阅片且阅片时间减少34.2％。结论:进一步提高敏感度并降低假阳性率是CAD改进的重要内容;采用基于深度学习的CAD系统辅助医师阅片可在不增高假阳性率的同时提高敏感度和减少阅片时间。      

车载激光扫描数据中杆状地物提取

针对车载激光扫描数据中对杆状地物提取效果不够理想的问题,该文提出一种基于聚类的杆状地物提取方法。首先将原始点云投影到水平面并进行格网划分,以单个格网为数据处理单元去除地面点;再基于处理数据对格网进行点云探测并编号,赋予同一属性值利用八邻域搜索对地物点聚类;然后以聚类后单个点云块为处理单元,利用各类地物特征,如高度、投影点密度、投影面积及形状等,逐步排除其他地物点,实现对杆状地物的精细提取。试验验证了文中所述方法对道路环境中杆状地物提取的有效性。     

加强财务部门作风建设 提升服务水平与保障能力

正作风系于发展,作风系于兴衰。如何建设廉洁高效、求真务实、开拓创新、与时俱进的机关工作作风,是现阶段国土资源事业发展面临的新课题。对此,围绕"如何让国土资源工作更紧密地根植于服务人民群众中"这一主题,结合工作实际,我认为财务部门必须从以下几个方面开展工作:一是深入开展政治理论和业务学习。坚持把党的方针路线和国家有关国土资源管理及财经政策法规等作为学习的重点。首先,认真学习党章、社会主义核心价