基于多模型高斯过程回归的肺部四维计算机断层扫描超分辨率重建

肺部四维计算机断层扫描(4D-CT)能引导精确放疗,然而出于对患者安全性的考虑,4D-CT扫描间距不能太小,以至于图像的上下层间分辨率过低,因此图像冠、矢状面需要插值才能得到高分辨率图像。本文提出了一种基于多模型高斯过程回归的超分辨率重建技术,该方法利用高分辨率的横截面及对应的低分辨率图像作为训练集,通过构造多个高斯过程回归模型,预测出冠、矢状面的高分辨率像素点。实验结果表明,本文方法在边缘及细节的恢复上都优于双三次插值、凸集投影算法、稀疏表达方法、多相位相似的方法和基于自学习分块的高斯过程回归方法。研究结果表明,本文方法能有效提高肺部4D-CT图像的质量,对实现肺部肿瘤精确的个体化放疗有积极意义。

基于特征金字塔网络和密集网络的肺部CT图像超分辨率重建

针对肺部计算机断层扫描(CT)图像的超分辨率(SR)重建中需要加大对肺结节的关注度、满足重建后的特征具有客观存在性等问题,提出一种基于特征金字塔网络(FPN)和密集网络的肺部图像SR重建方法。首先,在特征提取层利用FPN提取特征;其次,在特征映射层设计基于残差网络的局部结构,再用特殊的密集网络连接此类局部结构;再次,在特征重建层利用卷积神经网络(CNN)将不同深度的卷积层逐渐降为图像大小;最后,利用残差网络融合初始低分辨率(LR)特征与重建的高分辨率(HR)特征,形成最终的SR图像。对比实验显示,FPN中2次特征融合和特征映射中5个局部结构连接的深度学习网络效果更佳。所提出的网络相较于超分辨率卷积神经网络(SRCNN)等经典网络重建SR图像的峰值信噪比(PSNR)更高,并且可以获得更好的视觉质量。

天津市85例新型冠状病毒肺炎出院患者中医体质类型和临床特征分析

[目的]采集天津市新型冠状病毒肺炎出院患者体检和中医体质辨识资料,分析其临床特征和中医体质类型,为进一步开展新型冠状病毒肺炎患者中医康复工作提供参考。[方法]采用横断面研究方法,纳入85例天津市新型冠状病毒肺炎出院康复12~17个月患者为研究对象,进行抗体检查、血常规、生化指标、T淋巴细胞亚群、心脏彩超、肝胆胰脾彩超、泌尿系彩超、肺部计算机断层扫描(CT)、中医体质辨识等检查并对结果进行分析。[结果]85例恢复期患者IgG+61人(占71.76%),T淋巴细胞亚群中淋巴细胞绝对数目(CD45^(+)Lym)降低70例(82.36%),总T淋巴细胞绝对数目(CD3^(+))降低60例(70.59%),辅助/诱导T淋巴细胞绝对数目(CD3^(+)CD4^(+))降低57例(67.06%),抑制/细胞毒T淋巴细胞绝对数目(CD3^(+)CD8^(+))降低40例(47.06%)。肺部CT异常表现为肺纹理增多者78例,肺部结节影者24例,纵隔淋巴结影者9例,磨玻璃影者3例,肺纤维化者3例,肺气肿3例。中医体质辨识主体质类型中以平和质多见(47.62%),其次为血瘀质(17.85%)、气虚质(15.48%)和湿热质(8.33%)。[结论]新型冠状病毒肺炎患者在出院康复12~17个月后仍部分存在免疫功能下降、肺部慢性炎症反应等后遗症状,中医体质虽整体趋于平和质,但瘀血质、气虚质和湿热质仍兼见其中,提示中医药可从体质类型对新型冠状病毒肺炎患者进行长期康复并需加强随访。

卒中相关性肺炎患者神经功能恶化的影像指标及其预测价值分析

目的探讨卒中相关性肺炎(stroke-associated pneumonia,SAP)患者发生神经功能恶化(neurological deterioration,ND)的影像标志物,并对其预测价值进行分析。方法回顾性收集2020年1月至12月急诊或神经内、外科收治的SAP患者,根据美国国立卫生研究院卒中量表(National Institutes of Health Stroke Scale,NIHSS)是否增加≥4分,分为ND组与非ND组。首先,通过单因素分析比较两组患者临床特征、实验室检查、脑部磁共振成像(magnetic resonance imaging,MRI)及肺部计算机断层扫描(computed tomography,CT)影像学指标差异;其次,将单变量分析P<0.05的指标纳入多因素Logistic回归模型进行分析。结果本研究共纳入SAP患者73例,其中有15例发生ND(20.54%)。单因素结果显示两组患者在枕叶梗死、丘脑梗死、大面积脑梗死和肺部CT评分等方面差异有统计学意义,Logistic回归分析显示,肺部CT评分(OR=1.218,95%CI:1.010~1.469)、是否为大面积脑梗死(OR=9.033,95%CI:1.746~46.742)、丘脑梗死(OR=10.016,95%CI:1.523~65.862)是SAP发生ND的独立危险因素,受试者工作特征(receiver operating characteristic,ROC)曲线分析显示,曲线下面积(area under curve,AUC)为0.849(95%CI:0.752~0.947),表明模型拟合效果较好;将多因素Logistic回归分析中OR值最大的丘脑梗死进行ROC分析,AUC为0.624(95%CI:0.450~0.797),其预测ND的敏感度为33.33%,特异度为91.38%,阳性预测值为50.00%,阴性预测值为84.13%,准确率为79.45%;大面积脑梗死及肺部CT评分联合分析AUC为0.799(95%CI:0.690~0.909),预测ND的敏感度为100.00%,特异度为48.28%,阳性预测值为33.33%,阴性预测值为100%,准确率为58.90%;肺部CT评分AUC为0.744(95%CI:0.611~0.878),取肺部CT评分截断值为4.5时,其预测ND的敏感度为80.00%,特异度为63.80%,阳性预测值为36.36%,阴性预测值为92.50%,准确率为67.12%。结论肺部CT评分、大面积脑梗死、丘脑梗死可能是SAP患者发生ND的危险因素。肺部CT评分敏感度及诊断价值高,且肺部CT评分越高(>4.5分),ND转化风险越高。丘脑梗死的特异度且诊断价值较高,可以预测SAP发生ND。脑梗死范围及肺部CT评分联合预测ND的敏感度高,漏诊率低,可以提示临床对于可能发生ND的患者重点关注。