基于深度学习的角膜活体共聚焦显微镜图像辅助识别系统的构建及应用

目的构建基于深度学习的角膜活体共聚焦显微镜(IVCM)图像人工智能(AI)辅助识别系统, 并评估其在临床上的应用价值。方法采用诊断试验研究方法, 收集2021年5月至2022年9月于武汉大学人民医院及武汉大学中南医院行IVCM检查的331例受试者18 860张角膜IVCM图像, 经资深角膜专家对图像进行筛选分类后用于模型的训练及测试。模型包括低质量图像过滤模型、角膜图像诊断模型及角膜上皮层、前弹力层、基质层和内皮层4个层次识别模型, 判断正常及异常角膜图像与对应角膜层次。选取360张独立于数据库的IVCM图像进行人机大赛, 比较3位角膜专业高年资医师与人工智能对图片识别的准确度及用时。另选取8位未经过IVCM培训且临床经验少于3年的低年资医师对360张图像进行无模型辅助及模型辅助下识图, 对2次评估结果进行差异分析以评估模型辅助效果。结果本诊断模型筛选高质量图像的准确度为0.954, 在内部及外部测试集中, 识别角膜正常/异常图像的总体准确度分别为0.916和0.896;在识别正常及异常图像的角膜层次中, 内部测试集的准确度分别达到了0.983及0.925, 外部测试集分别达到了0.9...     

不同气管套管喉癌术后患者舒适度比较

目的：探讨喉癌手术后患者使用一次性气囊套管和金属套管的舒适比较。方法观察18例喉癌术后患者在带一次性气囊套管后不良反应,以及由一次性气囊套管换成金属套管的前后2d的舒适情况。结果喉癌术后患者由一次性气囊套管换成金属套管后吸痰次数、睡眠情况、舒适度比较,差异有统计学意义(P<0.05)。结论喉癌术后患者在病情适合带金属套管情况下及早使用金属套管,以减少因气管套管出现的不良反应,最大限度地减少患者的痛苦。     

角膜基质修复的机制和调控因素研究进展

角膜基质是维持角膜透明度的重要结构。外伤、感染、手术等可造成角膜基质损伤,引起修复的过程包括基质细胞表型改变、细胞外基质重塑、免疫细胞迁移。当基质严重受损,肌成纤维细胞增多和细胞外基质沉积发生基质纤维化反应,形成角膜瘢痕,是全球致盲的主要原因。目前治疗方式主要是角膜移植手术,因角膜供体资源短缺、手术技巧要求和术后移植排斥风险等治疗效果不佳。近年来,各种分子、细胞和组织对角膜基质损伤修复的调控机制取得一定研究进展。本文就角膜基质损伤修复的机制和角膜损伤原因、角膜结构、分子因素对角膜基质损伤修复的调控进行综述,为探索促进角膜基质修复和再生的途径提供新思路,希望帮助临床预防角膜瘢痕的发生。     

基于深度学习算法的前房角超声生物显微镜图像自动评估系统

目的:探讨一种基于深度学习算法的前房角(ACA)超声生物显微镜(UBM)图像分析系统的临床应用价值。方法:收集2021-01/2022-06于武汉大学人民医院眼科中心进行UBM检查的受试者675名1 130眼的UBM图像4 196张构建图像数据集。采用Unet++网络对ACA组织自动分割,并开发一种支持向量机(SVM)算法对房角开闭状态进行自动分类,同时开发一种自动定位巩膜突、测量ACA参数的算法。另选取黄石爱尔眼科医院的受试者127名221眼的UBM图像631张和武汉大学中南医院的受试者188名257眼的UBM图像594张评估该系统在不同环境下的性能。结果:本研究构建的分析系统对房角开闭状态识别的准确度为95.71%;ACA角度参数测量值的组内相关系数(ICC)均大于0.960,ACA厚度参数测量值的ICC均大于等于0.884,且该系统对ACA参数的准确测量部分依赖于巩膜突的准确定位。结论:本研究构建的智能分析系统能够准确有效地自动评估ACA图像,是一种有潜力的快速识别ACA结构的筛查工具。