【摘 要】
：
目的:分析在放射治疗腹部肿瘤过程中应用图像引导放射治疗技术对精度产生的影响.方法:分析病例选择于2020.3～2020.8期间就诊于我院的80例腹部肿瘤患者,所有患者均实施放射治疗
【机 构】
：
汕头市中心医院 515000;惠州市第六人民医院 516211;南方医科大学南方医院 510515;南方医科大学第三附属医院 510000;中山市人民医院 528400
论文部分内容阅读
目的:分析在放射治疗腹部肿瘤过程中应用图像引导放射治疗技术对精度产生的影响.方法:分析病例选择于2020.3～2020.8期间就诊于我院的80例腹部肿瘤患者,所有患者均实施放射治疗,在治疗过程中对直线加速器进行应用,利用CT影像技术(锥形束)获取各个方向(左右、头脚、前后)线性摆位误差,建立各个方向旋转,分析摆位误差.结果:对80例患者实施CT检查,左右方向摆位误差为(0.15±0.05)cm,头脚方向摆位误差为(0.08±0.11)cm、前后方向摆位误差为(-0.14±0.10)cm;相应的旋转摆位误差分别为(0.20±0.18)°、(-0.20±0.26)°、(0.76±0.25)°.左右方向误差最小,前后方向误差最大.结论:在放射治疗腹部肿瘤过程中,实施图像引导放射技术,可将摆位误差显著降低,可促进精度提升.
其他文献
目的:探究经阴道彩色多普勒超声诊断异位妊娠的临床价值.方法:选取我院2019年1月-12月收治的异位妊娠患者共80例,分别经腹部超声及经阴道超声进行诊断,对比两种检查的典型影
目的:探讨冠心病PCI患者出院准备度现状及影响因素.方法:选取2020年1月至2020年12月的80例冠心病PCI患者作为研究对象.采用一般资料调查表、出院准备度量表(RHDS)、出院指导
通过分析心音信号对心脏早期的病理状态进行确诊具有重要的意义。提出了一种基于深度卷积神经网络的心音分类方法。将心音信号转化成具有时频特性的梅尔频谱系数(Mel Frequency Spectral Coefficient,MFSC)特征图,将其作为深度卷积神经网络模型的输入;利用深度卷积神经网络对MFSC特征图进行训练,引入中心损失函数建立最优的深度学习模型;测试阶段,先将心音信号转换成多张二维MFSC特征图,然后利用训练好的深度学习模型对其分类,最后利用多数表决原则判断心音信号的类别。针对人工标注的训练样
目的总结儿童狼疮性肾炎（LN）的临床特征并分析其治疗效果及远期预后，探讨LN患儿进展至终末期肾脏病（ESRD）的危险因素。方法回顾性分析2003年1月至2019年12月于中山大学附属第一医院治疗并随访的343例LN患儿的一般情况、临床表现、实验室检查、治疗、随访（截至12月31日）和预后情况等临床资料。根据肾活检病理的不同分型比较其完全缓解率；根据诱导治疗6个月后缓解情况分为完全缓解组和部分缓解组
针对目前室内场景语义分割网络无法很好融合图像的RGB信息和深度信息的问题，提出一种改进的室内场景语义分割网络。为使网络能够有选择性地融合图像的深度特征和RGB特征，引入注意力机制的思想，设计了特征融合模块。该模块能够根据深度特征图和RGB特征图的特点，学习性地调整网络参数，更有效地对深度特征和RGB特征进行深度融合；同时使用多尺度联合训练，加速网络收敛，提高分割准确率。通过在SUNRGB-D和NY
随着室内导航定位技术的兴起,无人机(Unmanned Aerial Vehicle,UAV)技术在室内环境中的应用得到前所未有的发展,对无人机航迹规划能力提出了更高的要求。由于室内环境空间较为复杂,且现有的强化学习算法收敛速度慢,提出一种基于强化学习的集成方法。通过给定的起点和终点位置的坐标连线,判断出主要障碍物及围绕主要障碍物的节点,减少无用节点的搜索;在Q值初始化过程中通过数学关系构造出方向趋
为了满足对安防图像数据安全准确高效的处理需求,在低延迟、高可靠性的边缘计算环境中设计了一种实时性目标检测框架,按层次分为终端网络层、边缘服务器层与云层。在终端网络层采用BING(Binarized Normed Gradients)算法区分图像的目标区域与背景区域,对不同区域采取选择性压缩以减少数据传输量。在边缘服务器层,针对安防图像中小目标易漏检的问题提出了基于SSD(Single Shot M
同时定位与地图创建(Simultaneous Localization and Mapping,SLAM)作为自主移动机器人的基本功能,近年来已成为机器人领域的研究热点。然而现有视觉SLAM算法大多将外部场景作为静态假设,忽略了环境中运动物体对SLAM系统精度的影响,影响SLAM系统在实际环境中的应用。鉴于此,提出一种适用于动态场景的鲁棒视觉SLAM算法,以ORB-SLAM2框架RGB-D模式为基
目的:探讨系统性健康教育及心理护理在妊娠糖尿病患者中的应用效果.方法:选取我院2019年1月至2020年1月收治的69例妊娠糖尿病患者作为本次的研究对象,采用随机数字表法将其分
自从卷积神经网络应用到图像超分辨率领域以来,越来越多的神经网络被提出,并且取得良好的效果,但是当前大多数方法都严重依赖于模型的深度和宽度,而没有充分利用底层信息。针对以上问题,提出了一种新型特征浓缩网络,该网络通过多个特征浓缩块逐步提取有效特征信息。网络包括特征提取模块、特征浓缩模块和重建模块,并添加了双三次插值运算和全局残差学习。通过底层特征处理来提取有用的特征,使用特征浓缩块进一步提取特征,由