简介:摘要:近年来,随着网络新媒体平台的兴起,越来越多的人都主动去接受这种新兴的媒介传播方式。人们可以通过新媒体平台抓住“碎片化”时间获取自己迫切了解或者喜欢的知识,其中抖音、快手等软件便足具代表性。由于这些新媒体平台影响力在不断扩大,因此许多的官方媒体也在尝试向这种新兴模式进行转变升级,从而适应社会的发展、满足人们的需求。在今年的新型冠状病毒肺炎疫情期间,北京儿童医院也通过快手、抖音等官方平台积极传播疫情防护知识,并积累了一些有利于知识传播的经验。本文以北京儿童医院官方快手、抖音号为例,阐述新媒体平台在疫情期间的有效应用。
简介:摘要目的设计一种基于深度学习的自动勾画模型,用于勾画头颈部危及器官(OARs),并与基于图谱方法的Smart segmentation勾画软件进行比较。方法自动勾画模型由基于深度学习神经网络的分类模型和勾画模型组成。分类模型将CT图像从头脚方向分为6个分类,将每个OARs对应分类的CT图像输入勾画模型进行分割勾画。自动勾画模型使用150例病例训练模型,Smart segmentation使用相同的150例病例组成图谱库,两者同时对20例测试集进行勾画。使用相似度系数(DSC)和豪斯多夫距离(HD)评估2种方法勾画准确性,同时记录两种方法勾画花费时间。根据数据是否满足正态分布,分别使用配对t检验和Wilcoxon符号秩和检验。结果自动勾画模型的DSC和HD结果如下:脑干为0.88和4.41 mm、左眼球为0.89和2.00 mm、右眼球为0.89和2.12 mm、左视神经为0.70和3.00 mm、右视神经为0.80和2.24 mm、左颞叶为0.81和7.98 mm、右颞叶为0.84和8.82 mm、下颌骨为0.89和5.57 mm、左腮腺为0.70和11.92 mm和右腮腺为0.77和11.27 mm。除腮腺外,自动勾画模型勾画结果均优于Smart segmentation,差异有统计学意义(t=3.115~7.915,Z=-1.352~-3.921,P<0.05)。同时,自动勾画模型速度比Smart segmentation提高了51.28%。结论利用深度学习方法建立了自动勾画头颈部OARs的模型,得到较准确结果,勾画精度和速度均优于Smart segmentation软件。