简介:摘要目的探讨睑板腺图像深度处理分析方法的临床应用价值。方法诊断评价研究。采集2017年1月至2018年12月就诊于武汉大学人民医院眼科中心年龄(40.03±11.46)岁的干眼患者的2 304幅睑板腺图像构建睑板腺图像数据库,由2名临床医师对图像进行标记,利用深度学习算法建立模型,检测模型对睑板腺识别及标注的准确性并计算睑板腺缺失率。采用平均精度均值(mAP)及验证集损失值评价模型对特征区域识别的准确性。并随机选取64幅数据库以外的睑板腺图像,由7名受试医师独立评估后与模型评估结果进行统计性t检验。结果模型对睑结膜进行标记的mAP>0.976,验证集损失值<0.35;对睑板腺标记的mAP>0.922,验证集损失值<1.0。模型标记的睑板腺比例为53.24%±11.09%,人工标记为52.13%±13.38%,差异无统计学意义(t=1.935,P>0.05)。模型评价每幅图像仅需0.499 s,而临床医师用时平均超过10 s。结论该睑板腺图像深度处理方法可提高临床检查结果的准确性,提高诊断效率,可用于睑板腺功能障碍相关疾病的临床辅助诊断和筛查。(中华眼科杂志,2020,56:774-779)
简介:摘要目的探讨皮肤持续牵张技术联合负压封闭引流(VSD)技术治疗深度创面的临床疗效。方法选取2015年5月至2018年5月山西白求恩医院急救医学科收治的不同部位深度创面患者20例,其中外伤10例,压疮7例,感染创面3例。根据创面情况实施清创术后应用皮肤持续牵张联合VSD治疗,观察并记录患者伤口愈合时间,使用温哥华瘢痕量表评估创面愈合质量。结果20例患者经皮肤持续牵张与VSD治疗后,创面均愈合良好,无愈合不良或不愈合。创面大小为2 cm×2 cm~3 cm×4 cm的5例患者创面平均愈合时间为20 d,创面大小为5 cm×5 cm~8 cm×10 cm的8例患者创面平均愈合时间为22 d,创面大小为10 cm×15 cm~15 cm×20 cm的7例患者创面平均愈合时间为30 d。创面愈合后3个月随访所有患者温哥华瘢痕量表评分平均为3.8分。结论应用皮肤持续牵张技术与VSD技术联合治疗深度创面不仅可以获得满意的临床效果,而且具有操作简单、创伤小等优点,值得推广。
简介:摘要目的探讨削痂植皮术联合负压创面治疗技术在治疗深度烧伤患者中的有效性及安全性。方法选取2018年5月至2019年5月在海宁市人民医院治疗的深度烧伤患者208例为研究对象,采用随机数字表法分为观察组和对照组各104例,观察组采用削痂植皮术联合负压创面治疗技术,对照组采用削痂植皮术联合传统加压包扎治疗,比较两组患者一般治疗情况、创面愈合率、治疗前和治疗7 d后血清炎性因子的变化及并发症发生情况。结果观察组愈合总优良率为92.31%,高于对照组(79.81%)(χ2=6.772,P<0.05);观察组肉芽生长时间[(8.23±2.16)d]、创面愈合时间[(17.64±2.58)d]、术后疼痛评分[(3.16±1.24)分]和住院时间[(22.61±2.47)d],均低于对照组[(12.15±2.33)d、(20.25±3.16)d、(5.33±1.27)分和(26.13±2.55)d](t=12.582、6.525、12.468、10.111,均P<0.05);观察组治疗7 d后C反应蛋白[(21.12±2.48)ng/L]、肿瘤坏死因子α[(3.27±0.38)ng/L]、白细胞介素6[(5.32±1.46)ng/L]和补体C3a[(12.13±1.62)μg/L],均低于对照组[(28.06±2.62)ng/L、(5.13±0.43)ng/L、(6.68±1.51)ng/L和(16.43±1.26)μg/L](t=19.618、33.055、6.603、21.367,均P<0.05);观察组患者治疗期间并发症的总发生率(7.69%)低于对照组(22.12%)(χ2=8.529,P<0.05)。结论对深Ⅱ~Ⅲ度烧伤患者采用削痂植皮术联合负压创面治疗技术治疗能提高创面愈合率,改善机体的炎性反应,并能缩短患者康复时间,减少并发症的发生,安全性好。
简介:摘要目的比较UBM、A超、Orbscan、IOL Master 700及IOL Master 5.0这五种仪器测量前房深度结果的差异性、相关性及一致性。方法选取2018年1月至3月郑州市第二人民医院眼科门诊就诊患者63例(126眼)的资料,其中男30例(60眼)的资料,女33例(66眼)。年龄19~71岁,平均(30.13±10.73)岁。分别采用上述五种仪器测量前房深度,结果进行统计学分析。结果UBM、A超、Orbscan、IOL Master 700及IOL Master 5.0测得前房深度平均值依次为(3.08±0.29)mm、(3.11±0.35)mm、(2.98±0.28)mm、(3.07±0.28)mm,及(3.46±0.36)mm。五组数据相比差异有统计学意义(F=16.422,P=0.000),其中IOL Master 5.0测量值与其它四组测量值之间差异有统计学意义,其它的四组数据之间差异无统计学意义(P=0.160)。五组数据间有较好的一致性均呈线性相关(Pall=0.000)。结论五种仪器测量前房深度具有较好的相关性、一致性,其中前四种仪器测量前房深度时相互之间可以替代,而IOL Master 5.0的前房深度测量值较其它四种仪器的测量值偏高。
简介:摘要:术中麻醉深度监测既有利于控制麻醉质量,又可利用最少的麻醉药物达到最佳的麻醉效果,缩短术后苏醒时间。术中麻醉深度的精确监测和判断已成为临床麻醉医师高度关注和亟待解决的一项难题。近年来陆续有些新监测手段和方法应用于临床麻醉中,其稳定性和适用性等尚未深入研究,仍需经临床实践进一步验证,这些方法的引入为临床麻醉深度监测提供了广阔的应用前景。
简介:摘要目的探索建立基于深度迁移学习的人工智能肺癌辅助诊断系统并评估其应用价值。方法收集2016至2019年之间首都医科大学附属北京胸科医院保存的519例肺部组织切片(包括正常肺、腺癌、鳞状细胞癌和小细胞癌),扫描成数字切片,分为316张训练集和203张内部测试集。训练集由病理医师进行标注,使用基于ResNet-50的DeepLab v3图像分割模型建立肺部癌区像素级识别模型。在模型训练过程中,将胃部癌区识别模型的参数作为初始值,通过迁移学习策略对肺部癌区识别模型参数进行二次训练优化。再分别利用首都医科大学附属北京胸科医院的203张内部测试集以及从美国癌症影像档案(TCIA)数据库获得的1 081张外部测试集对已建立的辅助诊断模型进行验证。结果在较少样本量的情况下,迁移学习模型比普通模型显示出更好的识别准确度[曲线下面积(AUC)值0.988∶0.971,Kappa值0.852∶0.832]。此外,对外部测试集,该研究建立的迁移学习模型诊断AUC值为0.968,Kappa=0.828,表示该模型具有很好的推广性。结论该研究建立的人工智能肺癌病理辅助诊断方法具有较好的准确性和外部推广性。随着病理人工智能研究的不断深入,迁移学习方法有助于缩短诊断模型训练周期,提高诊断模型的准确性。