经颅多普勒超声与磁共振血管造影的比较研究

目的 本研究利用经颅多普勒超声 (TCD)仪及磁共振血管造影 (MRA)技术 ,无创伤性地探查颅内大动脉的管腔情况及血流动力学情况 ,了解TCD与MRA探查脑血管狭窄性病变的可能性及相关性 ,探讨TCD在临床上的应用价值 ,以便能利用TCD仪观察脑血管疾病演变过程中 ,脑血管本身的病变过程。方法 对门诊就诊及住院的 91例患者 ,同时行TCD、MRA及磁共振成像 (MRI)检查 ,分析TCD、MRA的结果及两者的相符性 ,同时分析TCD的临床应用价值。结果 91例患者中仅 72例病人TCD显影良好。TCD显影良好的患者中 ,MRA显示有脑血管病变的患者 ,TCD也有相应变化的相符率。TCD显示异常的血管 ,MRA有相应变化的相符率。TCD异常的表现 ,主要为血流速度增快 ,其中又可分两侧对称型及不对称型。在不对称型患者中 ,TCD与MRA结果的相符率最高 ,在MCA及ACA中分别为 90 0 %、89 3%。结论 对高龄患者 ,TCD的检查有一定的局限性 ,主要是颞窗显影不佳 ;TCD对脑血管狭窄性病变检出的敏感性较低 ,特别是对后循环血管中的PCA及VA ;但对两侧不对称型的高血流血管 ,TCD对病变血管检出的特异度较高 。

融减自动编码器

自动编码器(AE)是深度学习领域中一种结构简单且应用广泛的无监督特征提取算法。在图像特征提取方面,现有自动编码器普遍存在特征提取不充分、模型参数量较多等问题。针对上述问题,提出了一种用于图像特征提取的融减自动编码器(MRAE)。首先,在该算法中提出“融减网络结构”,该结构在编码器中通过特征交叉传递实现了特征融合,在解码器中通过优化解码结构降低了特征损失并减少了模型参数量;其次,设计一种联合重构损失函数,该函数通过计算特征层之间的重构损失,在加强特征层之间联系的同时可有效避免模型早熟。实验结果表明:在肺部CT图像数据集上,基于融减自动编码器所提取的特征使用支持向量机(SVM)、K-means和分类回归决策树(CART)等分类器,肺炎筛查准确率均在97%以上;在CvD数据集上,基于融减自动编码器所提取的特征使用全连接分类的准确率均在90%以上。