基于深度学习模型的颈椎MR图像脊髓及椎管自动测量

目的:探讨深度学习实现颈椎MR脊髓和椎管自动测量的可行性。方法:回顾性收集558例颈椎MR图像,以8:1:1的比例随机分为训练集(n=436)、调优集(n=61)和测试集(n=61)。由一位低年资医师标注所有图像的椎管和脊髓,在测试集中测量脊髓最大受压程度、椎管最大狭窄程度、横截面积及压缩比,由一位主任医师审核所有结果后作为金标准。另一位高年资医师在测试集中进行测量作为人工组结果。以Swin Transformer为骨干网络的深度学习模型进行的分割和测量作为模型组结果。采用Dice相似系数(DSC)、交并比(IoU)评价模型分割性能。使用组内相关系数(ICC)、Bland-Altman散点图比较各组结果一致性。结果:测试集中,深度学习模型分割脊髓(横轴面、矢状面)和椎管(矢状面)的DSC值(%)为93.10±0.57、94.60±0.09、86.17±0.22,IoU值(%)为87.09±1.00、89.76±0.17、75.70±0.34。人工组、模型组和金标准的ICC值为0.770~0.945,模型组与金标准的组间ICC值为0.782~0.913,人工组与金标准的组间ICC值为0.692~0.903,三组之间的差异具有统计学意义(P<0.001)。结论:深度学习模型对颈椎MR椎管和脊髓的分割测量具有较高准确性。

氟掺杂羟基磷灰石/壳聚糖复合涂层镁合金的制备

为了提高医用镁合金的耐腐蚀性能和成骨分化性能,联合使用浸渍提拉法和微波液相法在镁合金表面制备了一系列氟掺杂羟基磷灰石/壳聚糖(FHA/CS)复合涂层,研究了CS分子量和CS溶液浓度对CS涂层和FHA/CS复合涂层的物相、表面形貌和电化学耐腐蚀性能的影响。此外,通过细胞实验研究了筛选出的具有较高耐腐蚀性能的复合涂层细胞活力和成骨分化性能。结果表明,致密完整、且具有仿生拓扑结构的FHA/CS复合涂层可维持正常细胞活力,并增强了镁合金的成骨分化性能。