慢性耳鸣的神经反馈治疗研究

目的分析神经反馈治疗对慢性耳鸣的治疗效果,及神经反馈脑电信号作为耳鸣生物标志的可行性。方法收集2023年1月—2023年6月经湘南学院附属医院诊断的40例慢性耳鸣患者,分为神经反馈治疗组(NF组)和声治疗组(ST组),同期采集20例健康志愿者作为健康对照组(HC组),分别进行5周(共15次)的神经反馈治疗或声治疗,获得此过程中的耳鸣匹配响度和耳鸣残疾量表(THI)评估数据,同时获得脑电评估数据,比较神经反馈治疗与声治疗的疗效,及神经反馈脑电信号与耳鸣的相关性。结果NF组单次治疗前后、治疗5周后耳鸣响度匹配值与ST有统计学意义(P<0.01),随访3个月后无统计学意义;NF组与ST组在THI功能性(F)和情感(E)维度在单次治疗、治疗5周后及随访3个月后均存在统计学意义(P<0.05);NF组及HC组在THI功能性(F)维度与脑电能量谱拟合度高(分别为P<0.01,P<0.05),但其他维度与脑电能量谱的拟合度存在变化(P>0.05)。结论神经反馈治疗在改善耳鸣响度方面不如声治疗,但在情感改善方面具有明显优势,神经反馈脑电信号尚不能简单地作为耳鸣客观指标。

融合尺度与信心指数的三维表面重建算法

针对包含细小结构场景的三维表面重建精度和完整度难以提高的问题,提出一种融合三维点云尺度与信心指数的三维表面重建算法。构建了一个表面隐函数,采用高斯函数为其基函数,三阶贝塞尔函数为其权重函数,并根据点云尺度与信心指数大小自适应调整基函数覆盖范围与权重函数取值。采用八叉树存储与处理数据,根据点云尺度大小自适应划分八叉树结构,从而自适应调整表面隐函数三维采样密度。通过无约束等值面提取方法,提取隐函数等值面,从而得到三维表面。与几种典型表面重建算法对比实验,结果表明所提算法重建三维表面细节清晰,整体重建精度与完整度均有提高。

基于改进U-net网络的脑血肿CT图像分割与体积测量研究

目的对U-net网络进行改进,构建相对泛化的深度学习算法,分割及精准评估脑血肿体积以减少人工计算误差,为临床提供新的计算机辅助诊断工具。方法回顾性收集来自2家医院的242例幕上自发性脑出血CT图像以及临床资料,随机分为训练集(含验证集)192例、测试集50例。基于改进的U-net网络,构建了MSHA-Unet模型对脑血肿进行分割,以人工手动分割血肿体积为标准,对比新模型与多田公式在血肿体积测量中的准确性、稳定性。结果MSHA-Unet深度学习算法血肿分割模型分割血肿体积值更接近人工手动分割结果,与多田公式测量结果相比,新模型算法分割血肿体积测量的百分误差较小,为8.197%,组内相关系数为0.987,96%(48/50)的数据在95%一致性界限(LoA),并且其95%LoA较窄,为1.70~4.06 mL。结论MSHA-Unet网络模型能够较好地解决脑血肿的分割问题,利用数据集建立分割模型,是减少人力成本构建更具泛化能力模型的可行办法。

慢性化脓性中耳炎生物膜微生态的相互作用及其研究进展

慢性化脓性中耳炎(chronic suppurative otitis media,CSOM)的治疗中,尽管可以根据药敏实验结果选择敏感性抗菌药物,但往往并不一定能取得良好疗效。目前普遍认为是因为细菌在此过程中产生了生物膜,生物膜微生态的相互作用使细菌的毒力、抗性和耐药性增强,从而造成抗菌药物疗效不佳,使得中耳炎慢性化、反复化以及迁延不愈。本文分析了铜绿假单胞菌(Pseudomonas aeruginosa,PA)和金黄色葡萄球菌(Staphylococcus aureus,SA)这2种CSOM中的常见细菌,在细菌与环境之间、细菌与细菌之间以及细菌与宿主之间的相互作用及研究进展,有助于阐明CSOM发病机制及研发相关抗菌策略。