糖尿病和高血壓等疾病會引起視網膜血管的形狀發生變化，眼底圖像血管分割是疾病定量分析過程中的關鍵步驟，對臨床疾病的分析和診斷具有指導意義。本文提出一種結合深度可分離卷積與通道加權的全卷積神經網絡（FCN）視網膜圖像血管分割方法。首先，對眼底圖像的綠色通道進行 CLAHE 及 Gamma 校正以增強對比度；然后，為了適應網絡訓練，對增強后的圖像進行分塊以擴充數據；最后，以深度可分離卷積代替標準的卷積方式以增加網絡寬度，同時引入通道加權模塊，以學習的方式顯式地建模特征通道的依賴關系，提高特征的可分辨性。將二者結合應用于 FCN 網絡中，以專家手動標識結果作為監督在 DRIVE 數據庫進行實驗。結果表明，本文方法在 DRIVE 庫的分割準確性能夠達到 0.963 0，AUC 達到 0.983 1，在 STARE 庫的分割準確性可以達到 0.962 0，AUC 達到 0.983 0。在一定程度上，本文方法具有更好的特征分辨性，分割性能較好。
目的研究關節假體周圍感染（prostheticjointinfection，PJI）患者中，細菌培養陰性與培養陽性患者臨床特征及實驗室檢查指標差異。 方法回顧分析2012年1月－2013年7月收治的104例關節翻修患者，其中66例符合PJI診斷標準納入研究。根據術前關節穿刺與術中關節液或組織培養結果將66例患者分為培養陰性組（CN組，21例）和培養陽性組（CP組，45例）。兩組患者性別、年齡、身高、體重及體重指數等一般資料比較，差異均無統計學意義（P＞0.05）。分別比較兩組患者術前紅細胞沉降率（erythrocytesedimentationrate，ESR）、C反應蛋白（Creactiveprotein，CRP）及假體生存時間，術中取炎性組織行石蠟切片，根據Morawietz等分型方法進行組織學分型；并將術前及術中關節穿刺液行細菌培養。 結果CN組患者術前CRP和ESR分別為（1.29±1.84）mg/dL和（22.86±28.42）mm/1h，均顯著低于CP組的（5.08±9.57）mg/dL和（36.74±31.26）mm/1h（t=2.094，P=0.038；t=7.761，P=0.000）。CN組假體生存時間為8～504個月，中位時間72個月；CP組為15d～300個月，中位時間25個月；兩組比較差異有統計學意義（U=2.231，P=0.026）。組織學分型示CN組Ⅰ型2例，Ⅱ型7例，Ⅲ型12例；CP組Ⅰ型6例，Ⅱ型25例，Ⅲ型13例，Ⅳ型1例。細菌培養陽性患者占PJI患者的68.18%（45/66），其中葡萄球菌屬為主要致病菌（68.89%）。 結論細菌培養陰性的PJI患者發病較緩慢，炎性反應較弱，必須結合病理學、實驗室檢查及術中組織學情況綜合診斷。