公共文化服务平台

共 6 条记录，以下是 1-6

全选清除导出

排序方式：

尘肺病远程影像诊断现状及展望被引量：2: 2018年; 尘肺病是我国主要的职业病，早期筛查和早期正确诊断对控制尘肺病的发病率和保护劳动者健康有重要意义。由于尘肺病诊断结果直接关系到劳动者的工伤认定和赔偿，因此职业健康检查机构和职业病诊断机构对待尘肺病诊断工作要认真仔细。然而，像大多数的临床疾病一样，尘肺病诊断与医生的工作经验、技术专业有很大关系口。基层单位与省级单位在尘肺病诊断水平上还有存在较大的差距，经常出现基层单位诊断的结果与省级鉴定结果不一致，存在误诊的情况。; 张敏陈钧强; 关键词：影像诊断尘肺病劳动者健康职业健康检查早期筛查工伤认定

1例炭黑尘肺合并陈旧性结核的诊断被引量：1: 2015年; 目的探讨炭黑尘肺合并结核的鉴别诊断。方法对职业史、既往史、劳动卫生学和职业健康监护等资料进行综合分析,采用动态胸片观察、CT辅助检查等手段,排除其他疾病可能后诊断为尘肺病。结果患者X线胸片显示:两中上肺可见粟粒状、条索状阴影,大小不均,密度不均,右侧肋膈角消失,有明显的胸膜病变征象。CT影像可见右中肺有一处明显的结核灶,其周围还有一些高密度的卫星灶,右下肺存在胸膜病变,两中上肺可见弥漫性圆形小阴影,大小均匀,分布均匀,为典型的尘肺病CT影像改变。诊断为炭黑尘肺壹期。结论炭黑尘肺X线胸片上有可能表现为q影。CT检查对尘肺病的鉴别诊断较有价值。; 王秀芝李巧陈钧强赵佳骏赵允武楼建林; 关键词：炭黑尘肺病

多窗口技术在尘肺病数字化X线摄影中的应用被引量：10: 2017年; 目的探讨多窗口技术在尘肺病数字化X线摄影中的应用，提高尘肺病数字化胸片的质量。方法以25名某石棉制品加工企业女性工人作为研究对象，拍摄数字化X线胸片，利用多窗口技术进行图像后处理，由3名具有尘肺病诊断资格的执业医师对DR胸片进行集体阅片，根据GBZ70．2015（（职业性尘肺病的诊断》进行诊断，比较分析不同窗口条件下的胸片质量和诊断结果。结果3名读片者的75组胸片中有62（62／75，82．67％）组胸片都认为需要多窗口处理才能做出正确识别肺纹理。按下肺区设定图像处理参数的胸片总体密集度普遍低于按上肺区设定时一致率为28％，K值为0．33，95％CI为0．12～0．54，诊断结果的一致率为76％，K值为0．67，95％CI为0．42～0．92。结论多窗口显示可以满足不同组织部位的图像显示，胸片的质量能够符合尘肺病诊断的要求。; 赵佳骏蒋兆强张敏肖芸陈钧强; 关键词：数字化X线摄影尘肺

职业病防治机构数字化X线摄影机使用情况被引量：5: 2015年; 目的对职业病防治机构数字化X线摄影机使用情况进行调查分析，为职业病防治机构正确使用DR设备提供参考。方法问卷调查115家职业病防治机构，内容包括：单位及个人信息，是否有DR设备，是否打算购买DR设备，已有DR的品牌、型号、数量，是否有专职负责摄片技术的技师，日常工作中对图像处理是否经常操作，其他意见或建议等7个方面。结果115家职业病防治机构中已有DR设备的机构为88家（76．5％），DR设备128台。综合医院使用DR设备的比例高（71／75，94．7％），主要以飞利浦、西门子、GE、佳能、柯达（锐珂）等品牌的DR设备为主（90／110，81．8％），而疾病预防控制中心和第3方职业健康检查机构使用DR设备的比例低（17／40，42．5％），以市场占率较低的品牌为主（10／18，55．5％）。结论职业病防治机构的DR设备使用比例高，应加强DR设备在图像后处理方面的技术培训，必要时应寻求厂家工程师的技术支持。; 陈钧强蒋兆强余珉王晶朱丽瑾肖芸张幸; 关键词：尘肺数字化X线摄影职业病防治

数字化X射线摄影在接尘工人职业健康监护中应用研究被引量：13: 2012年; 目的比较数字化X射线摄影(DR)胸片和高千伏胸片在质量和诊断结果上的差异,探讨DR技术用于接尘工人职业健康监护的可行性。方法以319名某煤矿退休接尘工人作为研究对象,同时拍摄DR胸片和高千伏胸片,对2种胸片的质量和诊断结果进行比较分析。结果 DR胸片和高千伏胸片的优良率分别为99.68%(n=318)和92.79%(n=296),两者差异有统计学意义(2=20.17,P<0.01)。2种胸片在判定尘肺期别的一致率为92.76%,κ值为0.79,95%置信区间(CI)为0.70～0.88;总体密集度的一致率为91.03%,κ值为0.76,95%CI为0.68～0.85。结论在采用合适的图像处理参数后,DR胸片的质量能够符合尘肺病诊断的要求。2种胸片在诊断结果上有较好的一致性,可用于接尘工人职业健康监护。; 周斌陈钧强刘斌蒋兆强张幸; 关键词：尘肺职业健康监护

人工智能技术在尘肺病诊断中的应用研究进展被引量：13: 2020年; 尘肺病诊断主要依据医学影像学的判断,目前人工智能(AI)已经运用到尘肺病医学影像学的辅助诊断上。临床上贰期和叁期尘肺病诊断并不困难,困难之处在于无尘肺病和壹期尘肺病的诊断,其诊断结论往往差异很大,特别是诊断经验不足的医师很容易出现漏诊、误诊的情况。AI技术在尘肺病影像诊断中的应用就是着重解决无尘肺病和壹期尘肺分类诊断的问题。本文综述了近年来AI技术在尘肺病诊断中的应用研究,重点阐述支持向量机(SVM)和人工神经网络(ANN)这两种AI技术在尘肺病分类诊断中的应用,并分析其优缺点;展望卷积神经网络(CNN)技术和其他AI深度学习算法在未来应用到尘肺病图像分类的可能,分析其存在的困难及今后突破的方向。; 张敏陈钧强; 关键词：尘肺人工智能支持向量机人工神经网络

全选清除导出

共1页<1>

浙江省公益性技术应用研究计划项目(2012C33098)