目的探討去大骨瓣減壓術治療重型顱腦外傷的臨床療效。 方法對2008年7月-2013年8月行去大骨瓣減壓術的132例重型顱腦損傷患者的臨床資料和治療效果進行回顧分析。 結果132例患者中，恢復良好67例（50.75%），中度殘疾26例（19.70%），重度殘疾10例（7.58%），植物生存12例（9.09%），死亡17例（12.88%），總有效率為87.12%（115例）。 結論正確的把握去大骨瓣減壓的手術指征及手術方式，是降低重型顱腦損傷的并發癥及病死率的重要因素。
超聲多普勒胎心心率測量方法是目前胎心心率計數的金標準，但現有各種胎心儀的胎心率提取算法在第二產程母體干擾較強的情況下容易發生誤檢。針對這一不足，本文提出了優選模板結合非線性模板匹配的方法，該方法通過聚類建立時頻幀模板庫，然后從模板庫中選取模板對信號進行模板匹配。在對信號進行短時傅里葉變換后，逐幀對信號與模板的差進行帶泄露線性整流（LReLU）函數的最優化，以優化結果作為模板匹配度。最后，對匹配度曲線進行峰值提取，獲取胎心率。本研究將提出的方法與自相關法進行對比，結果顯示本文方法比自相關方法的檢出正確率平均提高 20%，23% 的樣本正確率提高 50% 以上。本文通過分析干擾與信號發生混合時的特點設計算法，希望通過本文為胎心率提取提示一種不僅僅關注信號層面的新思路。
目的建立基于 MRI 影像組學預測肝細胞癌微血管侵犯的特征模型。方法收集筆者所在醫院 2017 年 9 月至 2020 年 5 月期間接受手術治療的 190 例肝細胞癌患者的臨床和病理資料。將患者按照 5︰1 的比例隨機分為訓練組（n=158）和測試組（n=32）。利用釓塞酸二鈉增強 MRI 動脈期和肝膽期的圖像，同時獲取腫瘤病灶及腫瘤周圍 2 cm 以內的三維感興趣區的影像組學特征。基于機器學習的 logistic 回歸算法在訓練組上建立預測模型，并在測試組對預測模型進行評價。結果篩選得到 7 個影像組學特征，訓練組和測試組模型的受試者工作特性曲線下面積（AUC）分別為 0.830 ［95%CI為（0.669，0.811）］ 和 0.734 ［95%CI為（0.600，0.936）］。結論基于 MRI 的影像組學特征模型可以較好地預測肝細胞癌的微血管侵犯，對于術前制定肝細胞癌的治療策略具有重要的指導意義。