心沖擊(BCG)信號是反映心臟機械運動的生理信號,測量中無需在受試者身體表面貼附電極,能實現無感覺生理監護。但BCG信號微弱,易受到干擾,測量時經常被淹沒在噪聲中。為了有效識別BCG信號,提出一種基于時頻聯合分布和經驗模態分解(EMD)的BCG信號降噪方法。該方法先建立BCG信號的自適應最優核,然后在時頻平面內提取BCG信號分量,最后根據EMD原理對BCG信號分量進行濾波,從而實現BCG信號降噪。仿真研究表明,該方法克服了EMD處理在不同時間含有相同或相似頻率成分信號時的不足,所提出方法實現了BCG信號降噪,可以有效還原BCG信號特征。
基于磁電效應的血液流速反演有助于血管狹窄病變日常監測的發展，但血液流速反演準確率和成像分辨率仍有待提高。因此，本文提出一種基于卷積神經網絡（CNN）的血管內血液流速反演方法。首先，構建非監督學習CNN提取權重矩陣表征信息對電壓數據預處理；再將預處理結果輸入至有監督學習CNN，經非線性映射輸出血液流速值；最終獲得血管斷層圖像。本文通過構建數據檢驗所提方法的有效性，結果顯示，所提方法在血管位置和血管狹窄實驗中的血液流速反演相關系數分別達到0.884 4和0.972 1。以上研究表明，本文所提方法有效減少反演過程中信息的丟失，并提高反演準確率和成像分辨率，有望輔助臨床診斷。
目的系統評價單髁關節置換術（UKA）與全膝關節置換術（TKA）治療單間室骨關節炎的療效。 方法計算機檢索PubMed、MEDLINE（Ovid）、ProQuest、EBSCO、The Cochrane Library（2014年10期）、EMbase、CNKI、VIP、CBM 和WanFang Data數據庫，搜集UKA與TKA比較治療單間室骨關節炎的相關隨機對照試驗（RCT）和隊列研究，檢索時限均從建庫至2014年11月。由2位評價員按納入與排除標準獨立篩選文獻、提取資料并評價質量后，采用RevMan 5.2軟件進行Meta分析。 結果納入6個RCT，6個隊列研究，共940例研究對象（以膝數計）。Meta分析結果顯示，與TKA組相比，UKA組術后屈膝90°所需時間更短［RCT：P＜0.05；隊列研究：SMD=–1.70，95%CI（–2.07，–1.34），P＜0.000 01］，膝關節活動度更好［隊列研究：SMD=0.59，95%CI（0.41，0.78），P=0］，DVT發生率更低［RCT：RR=0.31，95%CI（0.12，0.82），P=0.02］，但翻修率更高［RCT：RR=7.59，95%CI（1.76，32.85），P=0.007］。UKA組與TKA組膝關節評分差異無統計學意義［RCT：P=0.626；隊列研究：MD=1.78，95%CI（–0.09，3.65），P=0.06］。 結論當前證據顯示，與TKA相比，UKA術后恢復更快更好，術后DVT發生率更低，但翻修率更高。兩種術式中遠期膝關節評分相當。受納入研究數量和質量所限，上述結論尚需開展更多高質量研究予以驗證。