主动脉根部改良重塑术和佛罗里达袖套术的生物力学数值模拟研究

目的临床上关于保留主动脉瓣的主动脉根部置换术不同术式的优劣尚存在争议。本研究旨在探讨保留主动脉瓣的主动脉根部改良重塑术与佛罗里达袖套术对瓣膜运动及根部血流动力学的影响,为临床手术规划提供建议。方法通过CTA影像重建出7例主动脉根部个性化模型,包括3例主动脉根部改良重塑术(术式A)、3例佛罗里达袖套术(术式B)、1例无主动脉根部病变模型作为对照组。基于患者主动脉根部几何尺寸,构建理想化瓣叶模型。通过生物力学数值模拟,评估瓣叶关闭性能和主动脉根部血流动力学。结果术式A中瓣叶最大开口面积分别为423.07、445.71、468.94 mm^(2),与对照组的431.47 mm^(2)比较接近;术式B中瓣叶最大开口面积分别为629.62、356.75、306.81 mm^(2),与对照组差异较大;但瓣口面积均大于200 mm^(2),未出现瓣膜狭窄现象。术式A和B中的高速血流均出现在瓣环和窦管交界处,这与对照组中的高速血流分布基本一致。术式A、B和对照组的主动脉壁面平均压力值均在正常生理范围内。结论两种术式的瓣叶开闭状态及血流动力学性能均符合正常生理状态。但在瓣叶开闭状态中,主动脉根部改良重塑术更优于佛罗里达袖套术,本研究有望对临床手术选择提供理论基础。

基于多尺度、多路注意力融合机制的多模态高等级脑胶质瘤语义分割网络

脑胶质瘤是一种发病率较高的原发性脑部肿瘤,其中高等级胶质瘤恶性程度高,患者生存率低。临床常采用手术切除和术后辅助放化疗的方式进行治疗,因此准确分割肿瘤相关区域对患者的治疗具有重要意义。为改善高等级胶质瘤的分割精度,本文提出一种基于多尺度特征提取、多路注意力融合机制的多模态脑胶质瘤分割方法,主要贡献在于:(1)使用多尺度残差结构对多模态脑胶质瘤磁共振图像进行特征提取;(2)使用两类注意力模块结构对通道维度和空间维度下的特征信息进行注意力汇聚;(3)使用集成学习策略构建支路分类器对主干分类器的分类结果进行调整修正,提升整体网络的分割性能。实验结果表明本文提出的二维网络分割方法分割全肿瘤区、肿瘤核心区和增强肿瘤区三类目标物的Dice系数值分别为0.909 7、0.877 3和0.839 6,并且分割结果在三维方向上具有良好的边界连续性。因此,本文提出的语义分割网络对高等级脑胶质瘤病灶区具有良好的分割性能。