-
题名灰度比在乳腺良恶性病灶鉴别诊断中的应用价值
- 1
-
-
作者
李振彩
彭坤
-
机构
中国人民解放军总医院第四医学中心超声科
中国人民解放军总医院第四医学中心信息科
-
出处
《临床超声医学杂志》
CSCD
2020年第11期859-861,共3页
-
文摘
目的探讨病灶组织与正常乳腺组织灰度比在乳腺良、恶性病灶鉴别诊断中的应用价值。方法选取我院行乳腺穿刺活检患者328例,共337个病灶,其中良性183个,恶性154个。采用Adobe Photoshop图像处理软件的"直方图"功能计算良、恶性病灶与周围组织的灰度比,比较二者差异;绘制受试者工作特征曲线分析灰度比预测恶性病灶的诊断效能。结果良、恶性病灶与周围正常组织的灰度比分别为0.47±0.18、0.30±0.16,差异有统计学意义(P<0.05)。当灰度比为0.335时,其鉴别诊断良、恶性病灶的敏感性77.6%,特异性63.6%,曲线下面积0.777。结论灰度比在乳腺良、恶性病灶鉴别诊断中具有一定的临床应用价值。
-
关键词
超声检查
灰度比
乳腺肿瘤
良恶性
-
Keywords
Ultrasonography
Gray-level ratio
Breast lesion,benign and malignant
-
分类号
R445.1
[医药卫生—影像医学与核医学]
R737.9
[医药卫生—诊断学]
-
-
题名基于多核集成学习的静态软件安全漏洞识别
被引量：1
- 2
-
-
作者
顾风军
-
机构
中国人民解放军总医院第四医学中心信息室
-
出处
《电子设计工程》
2023年第19期73-76,81,共5页
-
文摘
针对静态软件安全漏洞路径数量多,识别效果差的问题,提出了基于多核集成学习的静态软件安全漏洞识别方法。采用boosting初始化静态软件训练集,使用boosting的串行集成与加权训练获取数据权重。经过boosting集成处理后,结合多核集成学习分类器获取漏洞数据分类结果。计算静态软件安全漏洞数据密度,构建漏洞数据识别模型,实现静态软件的安全漏洞识别。实验结果表明,该方法的最大识别时间为4 ms,捕获危险执行路径数未超过理想值,漏洞识别效果较好。
-
关键词
多核集成学习
静态软件
安全漏洞
识别
-
Keywords
multi-core ensemble learning
static software
security vulnerability
identify
-
分类号
TN60
[电子电信—电路与系统]
-
