285例儿童鼻骨骨折影像分析及骨折分型研究

目的通过CT影像分析,探究儿童鼻骨骨折的影像学特点,为制定个性化儿童鼻骨骨折诊疗方案提供依据。方法回顾性总结2016年1月-2021年5月在上海交通大学医学院附属第九人民医院耳鼻咽喉头颈外科就诊的285例儿童鼻骨骨折患者,其中男191例,女94例,年龄7个月至14岁,平均年龄(8.52±3.51)岁。将研究对象按年龄分为学龄前组(0~5岁),小学组(6~11岁),初中组(12~14岁),由影像科收集DICOM格式的CT影像数据,使用Mimics软件对CT影像进行三维重建,分析以上患者鼻骨骨折的特点,统计面中部其他骨骨折的发生率,并提出一种新的基于CT影像的儿童鼻骨骨折分类方法。结果统计285例患者中,学龄前组患儿69例(24.21%)、小学组患儿145例(50.88%),初中组患儿71例(24.91%);其中单纯型鼻骨骨折210例(73.68%),复合型鼻骨骨折75例(26.32%)。根据上述患者的CT影像,分析儿童鼻骨骨折的影像学特点,将儿童鼻骨骨折分为4种类型,其中Ⅰ型为单纯鼻骨骨折无移位,只见骨折线34例(11.93%),Ⅱ型为单纯鼻骨骨折有移位176例(61.75%),Ⅲ型为合并1种面中部其他骨骨折的鼻骨骨折70例(24.57%),Ⅳ型为合并两种及以上面中骨骨折的鼻骨骨折5例(1.75%)。结论影像学分析儿童鼻骨骨折特点和鼻骨骨折分型方法,骨折的匹配度更高,可以更好地评估儿童鼻骨骨折的情况,并对儿童鼻骨骨折的个性化治疗有一定的指导作用。

大规模黑箱优化问题元启发式求解方法研究进展

大型复杂工程装备的优化设计通常为高复杂度、高维度的优化问题,即所谓的大规模黑箱优化问题,其特点是目标函数和/或约束函数解析式不可知且设计变量维度很高。近年来,大规模黑箱优化问题在各领域引起了学者们的兴趣,而元启发式算法被认为是求解该问题的有效方法。为此,全面总结了近年来求解该问题的元启发式算法的研究进展,包括使用与不使用分解策略的元启发式算法,以及处理大规模昂贵优化问题的代理模型辅助元启发式算法,并指出了针对此问题的元启发式求解方法未来可能的研究方向。

颊侧黏膜瓣在牙源性口腔上颌窦瘘修复中的应用

目的探讨颊侧黏膜瓣在牙源性口腔上颌窦瘘修复手术中的临床应用,评价改善鼻腔及口腔相关功能的临床疗效。方法2017年1月~2020年12月收治15例牙源性上颌窦炎合并口腔上颌窦瘘患者,术前所有患者均行高分辨率螺旋CT扫描或CBCT用于评估。实施功能性鼻内镜上颌窦开放手术,同时使用口腔上颌窦瘘邻近的颊侧黏膜瓣修复关闭瘘口。结果115例牙源性上颌窦炎合并口腔上颌窦瘘患者术后随访6~12个月,14例患者瘘口一期愈合,1例患者出现修补创面裂开,使用颊脂垫瓣修复愈合。患者手术前、后鼻部VAS评分均值分别为(6.87±1.51)分和(1.87±0.92)分,口腔健康影响程度量表评分均值分别为(30.07±8.16)和(14.07±3.75),两组数据差异均具有统计学意义(P<0.01)。结论颊侧黏膜瓣作为局部口腔黏膜瓣,应用于口腔上颌窦瘘修复,血运丰富,手术操作简单,成功率高,可改善患者的生活质量,具有重要的临床应用价值。

船舶强框架序贯代理模型辅助遗传优化方法

[目的]共同结构规范(CSR)要求下的船舶强框架结构优化存在约束条件多、计算耗时、可行性判断复杂的特点。应用静态代理模型辅助优化算法求解该问题时,因其关注的是模型的整体预测精度,故在样本容量较小的情况下无法保证关键区域的模型预测精度。针对该问题,提出基于序贯代理模型辅助遗传算法的强框架优化方法。[方法]首先,分析CSR对强框架结构的约束要求,根据约束类型,将原始的675条约束缩减为2条积极约束,再对目标函数和约束函数建立代理模型。然后,基于可行性准则,利用遗传算法对代理模型进行优化求解,得到优化解后,计算优化解的真实响应并更新代理模型,再利用期望可行性函数(EFF)准则更新约束代理模型,提高代理模型在约束边界上的精度,如此迭代求解多次,最终得到满足约束条件的全局最优解。[结果]强框架优化结果显示,所提序贯代理模型算法能够在相同,甚至更少的计算资源下得到优于基于静态代理模型优化算法的优化解,最终实现设计区域减重达15.55%。[结论]提出的序贯代理模型算法显著优于静态代理模型算法,在复杂约束下的船舶结构优化问题上有着较好的应用价值。

任意边界下多跨梁弯曲计算及其工程应用

[目的]为了快速寻找到甲板结构在轮印载荷下的最危险工况,[方法]针对任意边界条件下多跨梁弯曲问题,首先利用改进的傅里叶级数方法(IFSM)描述多跨梁的位移函数,列出位移函数需满足的边界方程,并求解得到级数中各系数间的关系式;然后,基于哈密顿原理得到能量控制方程,采用伽辽金方法求解出满足边界条件的梁结构位移函数,通过算例,与有限元结果进行对比,验证此方法的正确性;最后,将该方法应用于轮印载荷下多跨梁最危险工况的计算中。[结果]结果表明,所用方法的计算结果与有限元结果的误差小于0.05%,具有很好的精度。[结论]相比有限元法,所用方法求解多跨梁最危险工况的速度得到极大提高,同时结合遗传算法,可获得更为精确的轮印载荷最危险工况的作用位置。

基于急诊入院指标的颅脑损伤病人早期预后多维度预测模型的建立

目的构建一种结合病人急诊入院时基线特征、CT影像指标和血生化指标的预测模型,以评估颅脑损伤(TBI)病人伤后30 d预后。方法选择2013年4月至2020年8月收治的666例TBI,其中2013年4月至2018年4月收治的557例为训练组,2018年5月至2020年8月收治的109例为测试组。伤后30 d,使用GOSE评分进行预后评估,5~8分为预后良好,1~4分为预后不良。使用单因素logistic回归和LASSO回归分析筛选最终纳入模型的因素,并采用多因素logistic回归分析构建预测模型。C指数、校准曲线和决策曲线分析评估模型的临床适用性,并用测试组进行验证。结果发病30 d,训练组预后良好470例,预后不良87例;测试组预后良好87例,预后不良22例。单因素logictic回归和LASSO回归筛选出三类预测因素:基线特征(GCS评分、年龄、瞳孔反射),CT特征(中线移位、蛛网膜下腔出血、基底池状态),血生化指标(单核细胞计数、血红蛋白、血糖)。C指数、校准曲线和决策曲线分析显示多因素logistic回归构建的预测模型具有良好的临床应用价值。结论我们构建了一个基于TBI病人急诊入院时基线特征、CT特征和血生化指标的预测模型,对TBI病人30 d预后具有较好的区分度。