大鼠后三里重新定位实验研究

目的:为大鼠后三里的针灸实验提供较为实用的定位标准和详实的解剖学参考数据。方法:①用解剖学方法制作SD大鼠胫、腓骨标本,观测大鼠小腿骨形态学变化,据此并参照人的骨度分寸法和足三里“地”的位置,对大鼠后三里进行定位,用游标卡尺测量与后三里定位相关的数据。②根据本研究后三里定位对大鼠进行针刺甩尾实验,以验证针刺疗效。结果:新测得的后三里进针点的位置高于传统后三里1.84寸,位于腓骨头下方0.84mm向前3.34mm处。结论:建立了一个新的实用的大鼠后三里定位标准,供针灸实验应用。

基于3D VNetTrans的膝关节滑膜磁共振图像自动分割

膝关节是类风湿性关节炎(Rheumatoid Arthritis,RA)常见累及关节,膝关节滑膜的精准分割对RA诊断和治疗有重要影响,本文提出了一种基于VNet网络的改进算法对膝关节滑膜磁共振图像进行自动分割.首先对39名滑膜炎患者的膝关节磁共振图像进行数据预处理,通过将Transformer编码器嵌入VNet网络底部的方式构建VNetTrans网络,使用MemSwish激活函数进行训练.最终模型平均Dice系数为0.7585,HD为24.6 mm;相较于VNet,Dice系数提升0.0836,HD距离减少10 mm.实验结果表明,该算法可对膝关节磁共振图像中滑膜增生区域实现较好的3D分割,具有诊断和监测RA发展过程的应用价值.

基于改进U-Net的关节滑膜磁共振图像的分割

为了准确诊断滑膜炎患者病情,医生主要依靠手工标注和勾画的方法来提取磁共振图像(MRI)中的滑膜增生区域,该方法耗时长、效率低,具有一定的主观性且图像信息利用率低。针对这一问题,提出了一种新的关节滑膜分割算法,即2D ResU-net分割算法。首先,将残差网络(ResNet)中的两层结构的残差块融入到U-Net中,构建2D ResU-net;然后,将样本数据集分为训练集和测试集,而后对训练集进行数据增广;最后,将增广后的所有训练样本用于网络模型的训练。为了检测模型的分割效果,选取测试集中含滑膜炎的断层图像进行分割测试,最终平均分割精度指标可达到:Dice相似系数(DSC)69.98%,交并比(IOU)指标79.90%,体积重叠误差(VOE)系数12.11%。与U-Net算法相比,2D ResU-net算法的DSC系数提升了10.72%,IOU指标升高了4.24%,VOE系数降低了11.57%。实验结果表明,该算法对于MRI图像中的滑膜增生区域可以实现较好的分割效果,能够辅助医生对病情做出及时诊断。