基于模拟肺的比例辅助通气呼吸力学研究

目的研究比例辅助通气(PAV)估算患者呼吸系统力学参数的有效率及PAV较其它通气模式可能具有的优势。方法以模拟肺作为实验平台,研究PAV模式下呼吸机对146例呼吸系统顺应性(C)和146例气阻(R)估算的有效率,以及206例不同参数的PAV与压力辅助通气(PSV)及双水平正压通气(Bi Level)在呼吸力学上的差别。结果相对于传统Younes方法,本研究对C估值的决定系数由0.820提高到0.943,R估值的决定系数由0.489提高到0.890;PAV较PSV和Bilevel在气道平均压和吸气时间上有显著优势。结论 PAV实现了实时的呼吸系统力学参数定量估计且利于肺保护通气。

基于多种U-net模型的宫颈癌肿瘤超声影像靶区自动分割比较研究

目的超声已被公认为是宫颈癌诊疗最常用成像方式之一,其准确分割是临床诊疗分析的基础,也是放射组学基本步骤。本研究比较不同U-net自动分割模型在基于超声影像宫颈癌肿瘤靶区的分割效果。方法采用U-net对基于超声影像的宫颈癌肿瘤靶区进行自动分割,以Resnet 34替换骨干网络方式提出一种逐层还原的新方法,并比较U-net、U-net++和U-net++基础上修改的多种模型分割结果。选取2017-12-01-2018-12-31温州医科大学附属第一医院收治的270例宫颈癌患者的544张超声图片,随机分成训练集408张、验证集54张和测试集82张,手动勾画由高年资超声诊断医生完成。用Dice相似性系数(Dice similarity coefficient,DSC)、Jaccard相似性系数(Jaccard similarity coefficient,JSC)和平均表面距离(average surface distance,ASD)对自动分割结果进行比较分析。结果各种U-net模型的自动分割结果与医生手动勾画结果相似度都比较高。各模型平均DSC、JSC和ASD分别为0.84~0.84、0.75~0.82和7.00~9.99。Resnet 34作为骨干网络的U-net使得原始U-net结果平均DSC从0.86提升至0.89,平均ASD从8.17降低至7.00,平均JSC从0.77提升至0.81,Resnet 34作为骨干网络的U-net获得了比原始U-net更好的分割效果。结论本研究提出的方法有助于提高U-net在超声图像的分割效果,U-net++with Resnet 34取得了最佳分割结果。