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(yī)師協(xié)會分級Ⅰ～Ⅱ級、年齡2～8歲、擇期行疝囊高位結(jié)扎術(shù)和隱睪下降固定術(shù)患兒40例，隨機(jī)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(shù)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(dǎo)，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(jù)血壓、心率及腦電雙頻指數(shù)調(diào)節(jié)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(shù)結(jié)束時連續(xù)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(fā)癥的發(fā)生數(shù)。記錄入麻醉恢復(fù)室即刻（0 min）、15、30、60、90 min患兒疼痛和躁動評分。 結(jié)果 兩組患兒在手術(shù)時間、清醒時間以及拔除喉罩時間差異無統(tǒng)計學(xué)意義（P＞0.05），A組術(shù)后入恢復(fù)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(shù)期均未出現(xiàn)低血壓和心動過緩。 結(jié)論 右美托咪定用于小兒七氟烷吸入麻醉能夠增強(qiáng)術(shù)后鎮(zhèn)痛，減少蘇醒期躁動。
目的 比較不同入路連續(xù)腰叢神經(jīng)阻滯用于股骨近端手術(shù)老年患者圍手術(shù)期鎮(zhèn)痛的效果。 方法 選擇 2015 年 1 月—12 月?lián)衿谛泄晒墙耸中g(shù)的患者 150 例，性別不限，年齡 60～90 歲，體質(zhì)量 51～72 kg，美國麻醉醫(yī)師協(xié)會分級Ⅰ～Ⅲ級。采用隨機(jī)數(shù)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(shù)前 12 h 在超聲儀和神經(jīng)刺激器輔助下行神經(jīng)阻滯，置管后接電子自控鎮(zhèn)痛泵，藥物配方及使用方法相同。3 組均在硬膜外麻醉下進(jìn)行手術(shù)。3 組維持術(shù)后鎮(zhèn)痛 72 h，采用肌肉注射舒芬太尼 10 μg 行補(bǔ)救鎮(zhèn)痛，維持靜態(tài)視覺模擬評分（Visual Analogue Scale，VAS）≤3 分，主動活動 VAS 評分≤4 分。于術(shù)后評價患肢股四頭肌肌力，記錄術(shù)后 24 h 時股神經(jīng)、股外側(cè)皮神經(jīng)和閉孔神經(jīng)的阻滯有效情況。記錄補(bǔ)救鎮(zhèn)痛情況、穿刺點出血、硬膜外阻滯、神經(jīng)損傷和感染等。 結(jié)果 PCB 組穿刺時 2 例出現(xiàn)硬膜外阻滯，1 例穿刺點出血，其余 2 組未見并發(fā)癥發(fā)生。3 組均未進(jìn)行補(bǔ)救鎮(zhèn)痛。FIBC 組術(shù)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(cè)皮神經(jīng)阻滯有效率分別為 64%、91% 和 96%，兩兩比較差異均有統(tǒng)計學(xué)意義（P<0.05）。Winnie 組、PCB 組和 FICB 組閉孔神經(jīng)阻滯有效率分別為 84%、89% 和 62%，F(xiàn)ICB 組低于 PCB 組和 Winnie 組（P<0.05）。 結(jié)論 髂筋膜間隙入路連續(xù)腰叢神經(jīng)阻滯用于股骨近端手術(shù)老年患者圍手術(shù)期鎮(zhèn)痛的效果確切，并發(fā)癥較少，優(yōu)于腰大肌間隙入路和 Winnie“三合一”入路。
光學(xué)相干斷層掃描技術(shù)（OCT）已成為診斷冠狀動脈狹窄的關(guān)鍵技術(shù)，因其可識別影像中的斑塊及易損斑塊，所以該技術(shù)對輔助診斷冠心病具有十分重要的意義。但當(dāng)前研究領(lǐng)域內(nèi)尚缺乏對冠脈 OCT 圖像全自動、多區(qū)域、高精度的分割算法。因此本文提出了一種基于中智學(xué)理論的冠脈 OCT 圖像的多區(qū)域、全自動的分割算法，以期實現(xiàn)對纖維斑塊和脂質(zhì)區(qū)的高精度分割。本文基于隸屬度函數(shù)重新定義了 OCT 圖像轉(zhuǎn)換至中智學(xué)領(lǐng)域 T 圖的方法，進(jìn)而達(dá)到提高纖維斑塊的分割精度的目的。針對脂質(zhì)區(qū)的分割，本算法加入同態(tài)濾波增強(qiáng)圖像，使用中智學(xué)將 OCT 圖像轉(zhuǎn)換至中智學(xué)領(lǐng)域的 I 圖，進(jìn)一步使用形態(tài)學(xué)方法，實現(xiàn)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(jìn)行分析，并與醫(yī)生手動分割結(jié)果進(jìn)行比較，實驗結(jié)果證明，本文算法避免了傳統(tǒng)中智學(xué)的過分割及欠分割問題，準(zhǔn)確地分割出斑塊區(qū)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(yī)生分割斑塊的準(zhǔn)確率，期望可以輔助臨床醫(yī)生對冠心病的診斷與治療。
準(zhǔn)確分割肺結(jié)節(jié)是醫(yī)生判定肺癌的重要前提。針對肺結(jié)節(jié)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(jié)節(jié)的問題，本文提出了一種基于改進(jìn)的隨機(jī)游走算法來準(zhǔn)確分割困難肺結(jié)節(jié)的方法。本文的創(chuàng)新點在于將圖像中節(jié)點和種子點的坐標(biāo)值與空間距離相結(jié)合，加入測地線距離來重新定義權(quán)值，然后使用改進(jìn)的隨機(jī)游走算法實現(xiàn)了對肺結(jié)節(jié)的準(zhǔn)確分割。本文選取了 17 名不同類型肺結(jié)節(jié)患者的計算機(jī)斷層掃描（CT）圖像進(jìn)行分割實驗，將實驗結(jié)果與傳統(tǒng)隨機(jī)游走方法以及幾種文獻(xiàn)方法進(jìn)行了對比。實驗表明，本文方法在肺結(jié)節(jié)分割方面具有較好的精度，準(zhǔn)確率超過 88%，單張肺結(jié)節(jié) CT 圖像分割時間不超過 4 s。結(jié)果提示本文方法可用于對肺結(jié)節(jié)良惡性的輔助診斷，從而提高醫(yī)生的工作效率。
冠脈光學(xué)相干斷層成像（OCT）圖像斑塊區(qū)域分割是冠脈斑塊識別的前提和基礎(chǔ)，對后續(xù)斑塊特征分析及易損斑塊識別，進(jìn)而實現(xiàn)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(jié)合，實現(xiàn)了冠脈 OCT 圖像斑塊準(zhǔn)確的多區(qū)域分割——纖維化斑塊、鈣化斑塊和脂質(zhì)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(jìn)行了分割，通過與醫(yī)生手動分割結(jié)果比較，證明本文方法能準(zhǔn)確地分割出斑塊區(qū)域，且算法具有較好的穩(wěn)定性。研究結(jié)果證明了本文工作能夠極大減少醫(yī)生分割斑塊所消耗的時間，避免不同醫(yī)生之間的主觀差異性，或可輔助臨床醫(yī)生對冠心病的診斷與治療。
光學(xué)相干斷層成像技術(shù)（OCT）現(xiàn)已發(fā)展成為國內(nèi)外較熱門的冠狀動脈內(nèi)影像技術(shù)，其中冠脈 OCT 圖像的斑塊區(qū)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(jìn)隨機(jī)游走的新算法，實現(xiàn)了對冠脈鈣化、纖維化斑塊和脂質(zhì)池的半自動化分割。本文主要創(chuàng)新點為改進(jìn)了隨機(jī)游走算法的權(quán)函數(shù)，將圖像中像素間的邊與種子點之間的距離加入到了權(quán)函數(shù)定義中，增加了弱邊界的權(quán)值，防止了過分割現(xiàn)象的發(fā)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(jìn)行了斑塊區(qū)域分割。通過對比醫(yī)生手動分割結(jié)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(zhǔn)確地對肺實質(zhì)進(jìn)行分割對于肺癌輔助診斷至關(guān)重要。近年來，深度學(xué)習(xí)領(lǐng)域的研究者們提出了許多基于U型網(wǎng)絡(luò)（U-Net）改進(jìn)的肺實質(zhì)分割方法。但是現(xiàn)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(bǔ)，并且無法區(qū)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(wǎng)絡(luò)（DSPA-Net）架構(gòu)，在“編碼器—解碼器”結(jié)構(gòu)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(xié)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(jìn)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(shù)據(jù)集上進(jìn)行了實驗驗證，實驗結(jié)果證明該網(wǎng)絡(luò)架構(gòu)與目前主流的分割網(wǎng)絡(luò)相比具有明顯的優(yōu)勢，戴斯相似性系數(shù)（DSC）和交并比（IoU）的值分別達(dá)到了0.972 ± 0.002和0.945 ± 0.004。基于以上研究，本文實現(xiàn)了肺實質(zhì)自動準(zhǔn)確的分割，為注意力機(jī)制和多尺度信息在肺實質(zhì)分割領(lǐng)域的應(yīng)用提供參考。