不同固定方式对兔肝动脉介入插管的影响

目的探讨两种不同固定方式对兔肝动脉插管技术难度的影响。方法30只新西兰大白兔固定于自制木质平板手术台上行CT增强扫描,获取动脉期腹腔干和腹主动脉信息,CT多曲面重建获取腹腔干及其下层面腹主动脉间夹角;采用改良固定方式固定30只实验兔并获取腹腔干和腹主动脉间夹角。比较两种固定方式下兔腹腔干和腹主动脉夹角的差异。将30只实验兔随机分为实验组与对照组,实验组以改良固定方式固定兔,行股动脉穿刺肝动脉插管,对照组兔固定于木质平板手术台行肝动脉插管,获取并比较两组实验兔手术成功率、手术操作时间及手术并发症发生率。结果平板固定方式下腹腔干和腹主动脉间夹角为117.93°±13.42°,改良固定方式下夹角为144.40°±14.76°(P<0.05);对照组肝动脉插管手术成功率为66.7%(10/15),实验组为100%(15/15)(P<0.05);对照组血管夹层发生率为26.7%(4/15),实验组为0%(P<0.05);对照组平均手术操作时间为(504.40±47.25)s,实验组为(88.87±14.99)s(P<0.05)。结论改良固定方式可改变兔腹腔干和腹主动脉夹角,有效降低肝动脉插管的技术难度,降低并发症发生率,缩短手术时间,提高操作成功率。

基于NOR FLASH的存算一体AI推理芯片

深度学习作为一个划时代的技术,在计算机视觉、语音识别与自然语言处理领域得到广泛的成功应用,相关的产品正如雨后春笋般涌现。在深度学习网络庞大的数据量和计算量的需求下,各种针对深度学习网络加速的AI芯片应运而生。但是现有的的AI芯片基本都是基于冯诺依曼架构的,冯诺依曼架构的存储墙问题导致芯片的算力功耗瓶颈难以突破。极大的功耗和有限的算力使得现有数字架构的AI芯片难以部署在边缘设备,尤其是电池供电的物联网终端设备。