缺血性脑卒中患者颈动脉彩色多普勒超声显像和踝臂指数对比研究

目的探讨缺血性脑卒中患者颈动脉彩色多普勒超声显像及踝臂指数(ankle-brchial index,ABI)变化的价值。方法 78例健康人为正常对照组,118例缺血性脑卒中患者为病例组。对所有观察对象行颈动脉彩色多普勒超声检查,观察是否有斑块、管腔狭窄或闭塞,测量颈内动脉管腔内径、内中膜(IMT)厚度、收缩期峰值血流速度、阻力指数、搏动指数,同时测量踝部动脉和肱动脉血压,计算ABI。结果病例组与正常对照组相比颈动脉粥样硬化率增高(P<0.01),低踝臂指数率增高(P<0.01),颈内动脉内中膜增厚(P<0.01),管腔内径及搏动指数减小(P<0.01),阻力指数减小(P<0.05),彩色多普勒超声显像诊断颈动脉粥样硬化阳性率高于踝臂指数诊断颈动脉粥样硬化阳性率(P<0.05)。结论彩色多普勒超声显像及踝臂指数测量作为一种无创检查手段,能早期发现颈动脉粥样硬化,对预报缺血性脑血管疾病有重要的临床应用价值。

高频超声及彩色多普勒血流显像在四肢软组织病变诊断中的应用

目的探讨高频超声及彩色多普勒血流显像(CDFI)在诊断四肢软组织病变中的应用。方法对143例经手术、病理证实的四肢软组织病变患者的二维声像图及彩色多普勒血流显像进行分析。结果软组织损伤51例,软组织肿物92例。92例四肢软组织肿物中76例良性肿物,16例恶性肿物。良性肿物中47例可探及血流信号。结论高频超声及彩色多普勒血流显像对四肢软组织病变的诊断及鉴别诊断具有较高临床价值。

基于Ad-BN自适应深度卷积神经网络的肝脏纤维化超声诊断技术的研究

当前,卷积神经网络模型已被广泛用于执行各种类型的智能任务,医学图像辅助诊断是涉及多种图像类型的复杂场景。这些包括:普通2D图像,超高分辨率图像和3D图像。本项目针对一维信号的特点,提出“首层大尺度卷积核深度卷积神经网络”的模型,基层为大尺度卷积核,采用的技术路线为批量归一化层、采用WFK-CNN超参数设计准则,验证了WFK-CNN模型及其Ad-BN领域自适应处理后的抗噪性能。本文提出的肝脏纤维化超声诊断模型构建与改进方法具有较强的通用性,对今后的医学图像建模工作具有积极的指导意义。

基于卷积神经网络在超声诊断中的应用

卷积神经网络(CNN)是一类融合了卷积计算并具有深度结构的前馈神经网络,是典型的深度学习算法之一。卷积神经网络长期以来一直是图像识别领域的主要算法之一,在数据采集充足的情况下具有稳定的性能。近年来,甲状腺诊断领域的成就往往是在医学领域取得的。为了促进这个方向的研究,本文对卷积神经网络在甲状腺超声诊断中的应用提供了一些综述与见解。

二维及三维超声监测内膜血流在体外受精-胚胎移植中的应用价值

目的 通过二维及三维超声分别测量子宫内膜血流,探讨两种方法在体外受精-胚胎移植(in vitro fertilization-embryo transfer,IVF-ET)中的应用价值。方法 选取2018年1-12月在联勤保障部队第九八〇医院生殖医学中心首次接受胚胎移植的患者212例(年龄<35岁),按内膜准备方案分为自然周期组(72例)、促排卵周期组(70例)、人工周期组(70例),在人绒毛膜促性腺激素(human chorionic gonadotropin,HCG)注射日(简称HCG日)或内膜转化日进行二维及三维超声测量,二维超声监测子宫内膜厚度、内膜形态、内膜及内膜下血流情况、子宫动脉血流参数,三维超声监测子宫内膜容积、内膜血流参数包括血管指数(vascularization index,VI)、血流指数(flow index,FI)、血管血流指数(vascularization flow index,VFI),对各指标进行分组比较,并进行统计学分析。结果 212例胚胎移植患者,妊娠组109例,未妊娠组103例,妊娠率51.4%。内膜血流Ⅱ型患者组的妊娠率(47.6%)及内膜血流Ⅲ型患者组的妊娠率(66.7%)明显高于内膜血流Ⅰ型患者组的妊娠率(21.4%),差异有统计学意义(P<0.05);妊娠组HCG日或内膜转化日子宫动脉血流PI、RI、S/D值均低于未妊娠组,差异有统计学意义(P<0.05),ROC曲线下面积分别为0.632、0.664、0.647,其截断值分别为2.397、0.845、5.215。妊娠组HCG日或内膜转化日内膜VI、FI、VFI均高于未妊娠组,差异有统计学意义(P<0.05),ROC曲线下面积分别为0.75、0.67、0.73,其截断值分别为1.76、22.53、0.45。结论 二维及三维超声监测内膜血流可为临床医师选择移植时机提供指导。

卷积神经网络在医学超声诊断中的应用研究

超声诊断技术是一种无损伤、非介入、经济实用、可重复性、适应性广的检查手段,因此其应用面广泛,随着多维成像技术与临床经验的积累,多维成像需要更多的后续分析计算以及不同处理方法。,甲状腺疾病近年来呈高发趋势,利用深度学习方法对甲状腺结节良恶性识别具有重大的临床应用价值,本文以甲状腺超声诊断为例,就卷积神经网络在甲状腺超声诊断应用中面临的问题及研究进展进行综述。