目的 探討右美托咪定對小兒七氟烷吸入麻醉蘇醒期躁動的影響。 方法 選擇2011年3月－2012年1月美國麻醉醫師協會分級Ⅰ～Ⅱ級、年齡2～8歲、擇期行疝囊高位結扎術和隱睪下降固定術患兒40例，隨機分為2組，右美托咪定組（A組）和對照組（B組），兩組患兒在年齡、體重、手術種類無明顯差異。兩組患兒均采用面罩8%七氟烷吸入麻醉誘導，開放靜脈，給予鹽酸戊乙奎醚0.1 mg/kg、順式阿曲庫銨0.15 mg/kg，插入喉罩，麻醉維持根據血壓、心率及腦電雙頻指數調節吸入麻醉藥濃度。A組靜脈給予1 μg/kg右美托咪定，B組給予同等容量的生理鹽水。入室至手術結束時連續觀察收縮壓、舒張壓、心率、血氧飽和度，記錄清醒時間、拔除喉罩時間，記錄蘇醒期并發癥的發生數。記錄入麻醉恢復室即刻（0 min）、15、30、60、90 min患兒疼痛和躁動評分。 結果 兩組患兒在手術時間、清醒時間以及拔除喉罩時間差異無統計學意義（P＞0.05），A組術后入恢復室0、15、30 min疼痛評分和躁動評分均低于B組（P＜0.05），兩組患兒圍術期均未出現低血壓和心動過緩。 結論 右美托咪定用于小兒七氟烷吸入麻醉能夠增強術后鎮痛，減少蘇醒期躁動。
目的 比較不同入路連續腰叢神經阻滯用于股骨近端手術老年患者圍手術期鎮痛的效果。 方法 選擇 2015 年 1 月—12 月擇期行股骨近端手術的患者 150 例，性別不限，年齡 60～90 歲，體質量 51～72 kg，美國麻醉醫師協會分級Ⅰ～Ⅲ級。采用隨機數字表法分為腰大肌間隙入路組（PCB 組）、Winnie“三合一”入路組（Winnie 組）和髂筋膜間隙入路組（FICB 組），每組各 50 例。手術前 12 h 在超聲儀和神經刺激器輔助下行神經阻滯，置管后接電子自控鎮痛泵，藥物配方及使用方法相同。3 組均在硬膜外麻醉下進行手術。3 組維持術后鎮痛 72 h，采用肌肉注射舒芬太尼 10 μg 行補救鎮痛，維持靜態視覺模擬評分（Visual Analogue Scale，VAS）≤3 分，主動活動 VAS 評分≤4 分。于術后評價患肢股四頭肌肌力，記錄術后 24 h 時股神經、股外側皮神經和閉孔神經的阻滯有效情況。記錄補救鎮痛情況、穿刺點出血、硬膜外阻滯、神經損傷和感染等。 結果 PCB 組穿刺時 2 例出現硬膜外阻滯，1 例穿刺點出血，其余 2 組未見并發癥發生。3 組均未進行補救鎮痛。FIBC 組術后 24、48、72 h 患肢股四頭肌肌力高于 PCB 組（P<0.05）。Winnie 組、PCB 組和 FICB 組股外側皮神經阻滯有效率分別為 64%、91% 和 96%，兩兩比較差異均有統計學意義（P<0.05）。Winnie 組、PCB 組和 FICB 組閉孔神經阻滯有效率分別為 84%、89% 和 62%，FICB 組低于 PCB 組和 Winnie 組（P<0.05）。 結論 髂筋膜間隙入路連續腰叢神經阻滯用于股骨近端手術老年患者圍手術期鎮痛的效果確切，并發癥較少，優于腰大肌間隙入路和 Winnie“三合一”入路。
光學相干斷層掃描技術（OCT）已成為診斷冠狀動脈狹窄的關鍵技術，因其可識別影像中的斑塊及易損斑塊，所以該技術對輔助診斷冠心病具有十分重要的意義。但當前研究領域內尚缺乏對冠脈 OCT 圖像全自動、多區域、高精度的分割算法。因此本文提出了一種基于中智學理論的冠脈 OCT 圖像的多區域、全自動的分割算法，以期實現對纖維斑塊和脂質區的高精度分割。本文基于隸屬度函數重新定義了 OCT 圖像轉換至中智學領域 T 圖的方法，進而達到提高纖維斑塊的分割精度的目的。針對脂質區的分割，本算法加入同態濾波增強圖像，使用中智學將 OCT 圖像轉換至中智學領域的 I 圖，進一步使用形態學方法，實現高精度的分割。本文對 9 位患者、40 組具有典型斑塊的 OCT 圖像進行分析，并與醫生手動分割結果進行比較，實驗結果證明，本文算法避免了傳統中智學的過分割及欠分割問題，準確地分割出斑塊區域，且算法具有較好的魯棒性，因此本文工作或可有效提高醫生分割斑塊的準確率，期望可以輔助臨床醫生對冠心病的診斷與治療。
準確分割肺結節是醫生判定肺癌的重要前提。針對肺結節分割方法的誤分割問題，尤其是難以分離的與胸壁或血管相連的粘連型肺結節的問題，本文提出了一種基于改進的隨機游走算法來準確分割困難肺結節的方法。本文的創新點在于將圖像中節點和種子點的坐標值與空間距離相結合，加入測地線距離來重新定義權值，然后使用改進的隨機游走算法實現了對肺結節的準確分割。本文選取了 17 名不同類型肺結節患者的計算機斷層掃描（CT）圖像進行分割實驗，將實驗結果與傳統隨機游走方法以及幾種文獻方法進行了對比。實驗表明，本文方法在肺結節分割方面具有較好的精度，準確率超過 88%，單張肺結節 CT 圖像分割時間不超過 4 s。結果提示本文方法可用于對肺結節良惡性的輔助診斷，從而提高醫生的工作效率。
冠脈光學相干斷層成像（OCT）圖像斑塊區域分割是冠脈斑塊識別的前提和基礎，對后續斑塊特征分析及易損斑塊識別，進而實現冠脈疾病的輔助診斷分析具有十分重要的意義。本文提出了一種新的算法，使用K-means 算法與圖割算法結合，實現了冠脈 OCT 圖像斑塊準確的多區域分割——纖維化斑塊、鈣化斑塊和脂質池，并較好地保留了斑塊的邊界特征信息。本文實驗中對 20 組具有典型斑塊特征的冠脈 OCT 圖像進行了分割，通過與醫生手動分割結果比較，證明本文方法能準確地分割出斑塊區域，且算法具有較好的穩定性。研究結果證明了本文工作能夠極大減少醫生分割斑塊所消耗的時間，避免不同醫生之間的主觀差異性，或可輔助臨床醫生對冠心病的診斷與治療。
光學相干斷層成像技術（OCT）現已發展成為國內外較熱門的冠狀動脈內影像技術，其中冠脈 OCT 圖像的斑塊區域分割對易損斑塊的識別和研究有著重大意義。本文提出了一種基于 K-means 聚類與改進隨機游走的新算法，實現了對冠脈鈣化、纖維化斑塊和脂質池的半自動化分割。本文主要創新點為改進了隨機游走算法的權函數，將圖像中像素間的邊與種子點之間的距離加入到了權函數定義中，增加了弱邊界的權值，防止了過分割現象的發生。本文基于以上方法對 9 名冠狀動脈粥樣硬化患者的 OCT 圖像進行了斑塊區域分割。通過對比醫生手動分割結果，證明了本文方法具有良好的精度和魯棒性，以期本文方法可對冠心病的臨床診斷起到一定的輔助作用。
自動準確地對肺實質進行分割對于肺癌輔助診斷至關重要。近年來，深度學習領域的研究者們提出了許多基于U型網絡（U-Net）改進的肺實質分割方法。但是現有的分割方法忽視了不同層級間特征圖語義信息的融合互補，并且無法區分特征圖中不同空間與通道的重要性。為解決該問題，本文提出雙尺度并行注意力（DSPA）網絡（DSPA-Net）架構，在“編碼器—解碼器”結構中引入了DSPA模塊和空洞空間金字塔池化（ASPP）模塊。其中，DSPA模塊通過協同注意力（CA）得到特征圖精確的空間和通道信息，并對不同層級特征圖的語義信息進行聚合。ASPP模塊利用不同空洞率的多個并行卷積核獲取不同感受野下包含多尺度信息的特征圖。兩個模塊分別解決了不同層級特征圖與同一層級特征圖中多尺度信息處理問題。本文在卡格爾（Kaggle）競賽數據集上進行了實驗驗證，實驗結果證明該網絡架構與目前主流的分割網絡相比具有明顯的優勢，戴斯相似性系數（DSC）和交并比（IoU）的值分別達到了0.972 ± 0.002和0.945 ± 0.004。基于以上研究，本文實現了肺實質自動準確的分割，為注意力機制和多尺度信息在肺實質分割領域的應用提供參考。