肌萎缩侧索硬化症脊髓磁共振成像研究现状

肌萎缩侧索硬化症(amyotrophic lateral sclerosis,ALS)是运动神经元病(motor neuron disease,MND)中最常见的一种,呈持续进展,目前尚无有效的治疗方法,护理和呼吸支持对患者的生活质量、生存率具有明显改善。但由于临床表现的异质性,患者从出现症状到确诊的平均时间长,鉴于此,寻找新的生物标志物来协助诊断和预后评估变得尤为重要。磁共振成像安全无创、易于采集,是作为生物标记物的合理选择。目前绝大多数ALS影像学研究集中在脑部改变,这仅限于上运动神经元。脊髓MRI可以同时研究上运动神经元和下运动神经元,因此可能是疾病早期的敏感标记。

脑动静脉畸形放射外科术后囊肿形成一例

本研究遵守《赫尔辛基宣言》,经过德阳市人民医院伦理委员会批准,免除受试者知情同意,批准文号:2021-04-040-K01。患者,男,44岁,因“反复发作性意识丧失伴肢体抽搐26年,右侧嘴角流涎、右侧肢体麻木4月”入德阳市人民医院。26年前患者无明显诱因出现反复发作性意识丧失伴肢体抽搐,发作间歇期无明显异常,长期口服丙戊酸钠0.5 g bid治疗。

面向移动设备的图像匹配算法适用性研究

图像匹配技术作为增强现实的核心问题受到广泛关注.现有的研究主要集中在PC端图像匹配算法的鲁棒性和具体实现方面,而对计算能力较弱、易受环境因素影响的移动终端上实现图像匹配的鲁棒性、适用性等方面探讨较少.针对该问题,选取常用的ORB、BRISK、SURF、FAST_FREAK、FAST_SURF以及SURF_FREAK图像匹配算法,以移动终端为实验平台,从匹配效率与鲁棒性两个方面对算法进行比较分析,并采用正确匹配点对和匹配分数两个指标对算法进行综合性能评价.实验结果表明:ORB算法具有较高的运行效率,同时该算法对旋转、光照、尺度、视角等变换具有较好的鲁棒性,适合于移动增强现实的实时匹配应用.

一种改进的户外移动增强现实三维注册方法

针对目前移动增强现实三维注册实时性不强和鲁棒性差的问题,提出一种基于改进加速鲁棒性特征(speed up robust features,SURF)算法和角点跟踪算法(Kanade-Lucas-Tomasi,KLT)的移动增强现实户外三维注册方法。该方法通过结合快速视网膜关键点(fast retina keypoint,FREAK)算法改进了SURF算法(简称SUFREAK),提高算法描述子构建效率,并保持了算法的鲁棒性。利用视频帧间的相关性,采用KLT光流跟踪算法对户外场景的自然特征点进行跟踪预测,以提高三维注册的实时性。实验结果表明,在户外复杂环境条件下,改进SURF算法具有较高的实时性和鲁棒性,且基于改进SURF和KLT算法的移动增强现实三维注册具有良好的实时性和图像识别效率。