仔猪出生后的生理变量对其存活率及断奶前生长性能的影响

文章旨在评估一些出生后测量的生理变量对仔猪在出生第一周的存活率和断奶前生长性能的影响。试验选择612头来自3~5胎龄母猪所产的仔猪,监测氧饱和度、心率、血糖浓度、出生后0和24h直肠温度,同时记录遗传谱系、是否助产、出生顺序、性别、肤色、脐带的完整性以及出生后到第一次站立的时间。分别在仔猪出生时、7、14和21d对仔猪称重,评估仔猪产后发育情况。出生后第3、7和21天的累积死亡率分别为3.3%、5.4%和8.7%。出生时直肠体温对仔猪的生存和生长性能无影响(P>0.05)。与正常肤色仔猪和站立时间在1min前的仔猪相比,青紫肤色的仔猪和站立时间在5min以上的仔猪死亡率更高(P<0.05)。脐带断裂的仔猪在出生后3d内死亡率较高(P<0.05)。仔猪在出生后3或7d较高的死亡率发生在出生顺序>9,出生体重<1275g,血糖浓度24~30mg/dL和45~162mg/dL以及出生后24h直肠温度<38.1℃。体重<1545g、出生后24h直肠温度<38.6℃的仔猪在断奶时体重较轻的概率较高(P<0.05)。在研究因素中,皮肤发紫、站立迟缓、脐带断裂、出生顺序高、体重低、出生后24h直肠温度低、血糖浓度低均是导致仔猪出生后第一周存活力较低的因素。

100例正常人H反射潜伏期与生理变量间的关系

用经典方法测量了我国100例正常人H反射的潜伏期,该值与据Braddom公式计算的理论值之间有高度显著性差异(P<0.01),表明该公式不适宜于我国人。本工作首次测算了100例国人H反射潜伏期与受试者腿长和年龄间关系的相关系数分别为0.533和0.375。此外,还研究了H反射潜伏期与性别间关系。

基于胸部高分辨CT的深度学习影像组学对特发性肺纤维化GAP分期的预测价值

目的探讨基于胸部高分辨CT(HRCT)的深度学习影像组学模型对特发性肺纤维化(IPF)性别-年龄-肺生理变量(GAP)分期的预测价值。方法回顾2020年1月至2022年6月浙江大学医学院附属杭州市第一人民医院诊断为IPF的患者67例,根据GAP分期系统分成早期IPF(GAPⅠ期)40例和中晚期IPF(GAPⅡ/Ⅲ期)27例,所有患者均行胸部HRCT检查,在联影智能科研平台上的深度学习模块,基于V-net网络进行图像自动分割,同时与人工分割比较,用Dice相似性系数(DSC)评估分割模型的效能。基于自动分割结果,在影像组学模块进行影像组学分析,得到影像组学特征值,通过最小绝对紧缩与选择算子(LASSO)回归筛选组学特征,并基于筛选出的特征系数计算每例患者的影像组学标签(Radscore),基于Radscore构建影像组学模型。采用ROC曲线评估影像组学模型对GAP分期的预测效能。结果基于V-net网络的肺间质性病变的自动分割模型显示了较好的分割效能,其DSC为0.55~0.93(0.83±0.10)。影像组学分析共得到2400个组学特征,通过LASSO回归筛选出了8个组学特征,同时计算得到Radscore值。基于Radscore构建的影像组学模型对IPF的GAP分期显示了较好的预测效能,训练组AUC为0.862(95%CI:0.740~0.941),灵敏度为0.783,特异度为0.833,准确度为0.811;验证组AUC为0.854(95%CI:0.568~0.981),灵敏度为0.833,特异度为0.875,准确度为0.857。结论深度学习V-net网络在肺间质性病变的自动分割方面有较高的分割效能,通过基于胸部HRCT的影像组学模型有望成为IPF临床分期的新定量指标,为临床医师提供合理的诊疗决策。