镜像康复机器人在偏瘫康复中的应用研究

正脑卒中发病率、致残率居高不下,亟需新型康复设备加速患者恢复进程。镜像康复机器人是将机器人技术与镜像疗法结合而发展起来的一种具有高度学科交叉的康复机器人系统,能够有效解决镜像康复训练中的关键问题,从而对脑卒中偏瘫患者达到更好的康复治疗效果。本文综述了镜像康复机器人在脑卒中偏瘫康复中的研究现状,分析了在研究中存在的瓶颈问题,并提出了可能的解决方案,期望为从事镜像康复机器人相关研究的人员提供一定的参考。     

三维可视化引导放疗摆位系统的研发及临床应用

目的 开发一种三维可视化技术辅助放疗患者摆位,并对比分析其在乳腺和盆腔放疗中与传统摆位方法的差异。方法 选取2020年6月至2021年4月常州第二人民医院40例放疗患者作为研究对象,其中乳腺、盆腔患者各20例。利用患者定位CT数据进行三维可视化重建,并将三维可视化模型与真实治疗环境融合,通过交互操作使得三维可视化模型位于加速器等中心点,并以此为依据进行实际患者的摆位。每例患者每周先进行传统摆位、再进行三维可视化引导放疗摆位,分3周采集,所有患者共240次摆位数据,以锥形束CT （CBCT）引导的摆位作为金标准进行比较。结果 乳腺患者和盆腔患者三维可视化引导摆位x、y、z轴摆位误差绝对值后分别为（1.92±1.23）、（2.04±1.16）、（1.77±1.37） mm和（2.07±1.08）、（1.33±0.88）、（1.99±1.25） mm,各轴精度较传统摆位分别提高了38.83%、52.40%、33%和36.84%、54.04%、52.58%,y、z轴上的差异具有统计学意义（t=2.956~5.734,P<0.05）。同时,对于乳腺患者,两种摆位方法y方向误差分布具有统计学意义（χ²=7.481,P<0.05）,对于盆腔患者,两种摆位方法在各轴的误差分布差异均有统计学意义（χ²=5.900、6.415、7.200,P<0.05）。结论 三维可视化技术引导放疗摆位方法有效提高了乳腺和盆腔患者的摆位精度,具有潜在的临床应用价值。     

应用乘积季节模型与指数平滑模型预测上海市肺结核疫情

目的：探讨利用两种时间序列模型预测上海肺结核发病趋势的可行性,为制定上海地区肺结核预防控制策略提供科学依据。方法：收集上海市2007年1月—2018年6月传染病历史疫情资料,对2007年1月—2017年12月肺结核月发病人数分别采用自回归移动平均模型（ARIMA）乘积季节模型与指数平滑模型进行拟合,预测2018年1—6月的肺结核月发病人数,并与真实值进行比较。结果：ARIMA（0,1,1）×（1,1,2）12为乘积季节模型的最优模型,均方根误差（RMSE）为76.27,2018年1—6月预测值的相对误差和为0.402;运用指数平滑法构建的最优模型是Holt?Winters加法指数平滑,均方根误差（RMSE）为69.61,2018年1—6月预测值的相对误差和为0.292。结论：指数平滑模型拟合效果较好,预测精度更高,对上海市肺结核疫情的防控具有一定的指导意义。     

四维超声对前列腺运动靶体积分辨能力的研究

目的 探究四维(4D)超声对运动靶体积分辨能力。方法 选用前列腺超声模型,分组对比研究应用4D超声在不同运动振幅(A)及运动周期(T)下勾画前列腺靶区,模拟A值分别设置为0.5、1.0、2.0、3.0、4.0、5.0 mm,t值设为1、2、3、4s。分别计算模体前列腺靶体积,并以靶区静止时超声图像作为对照,分析两者间差异。结果 模体静止时超声靶体积与CT靶体积大小有较高一致性(P>0.05)。A值为0.5、1.0 mm,t值为1~4s时的体积与静止时超声靶体积相近(均P>0.05);A值为2.0、3.0 mm,t值为1~3s时靶体积与静止时超声靶体积不同(均P<0.05)。A值为2.0 mm,t值为4s时靶体积与静止时超声靶体积相近(P=0.710),组内极差为6.7cm³,标准差为1.15cm³;A值为3.0 mm,t值为4.0s时靶体积重复性差,组内极差为14.4cm³;A值为4.0、5.0 mm,t值为1~4s时组内极差分别为3.27~17.63cm³、6.51~21.02cm³。各周期下靶体积重复性很差,不能满足临床要求。结论 4D维超声可在患者运动周期1~4s内、运动幅度≤1 mm内为患者靶区勾画提供可靠参考数据,探头初始位置无影响。     

基于卷积神经网络生成虚拟平扫CT图像

目的 针对增强CT图像,采用U-Net卷积神经网络（CNN）方法生成虚拟平扫CT图像,比较其与增强CT和实际平扫CT图像的差异。方法 纳入50例于同次检查中接受平扫及增强CT扫描患者,记录其容积CT剂量指数（CTDIvol）。以40例CT数据为训练集,输入增强CT图像后,以对应的平扫CT图像作为输出,用于训练U-Net神经网络;以其余10例数据作为测试集,通过训练完成的U-Net生成虚拟平扫CT图像。比较虚拟平扫CT与实际平扫及增强CT的图像及参数差异。结果 50例平扫CT平均CTDIvol为（11.67±0.51） mGy,增强CT平均CTDIvol为（13.46±0.76） mGy;采用虚拟平扫CT图像可使平均辐射剂量减少46.44%。增强与平扫CT图像的平均绝对偏差（MAE）为（32.28±2.64） HU,结构相似度（SSIM）为0.82±0.05;虚拟平扫CT与平扫CT图像的MAE为（6.72±1.31） HU,SSIM为0.98±0.02。虚拟平扫CT与平扫CT图像所示主要组织的CT值差异均无统计学意义（P均>0.05）。结论 针对增强CT基于U-Net神经网络生成的虚拟平扫CT图像与实际平扫CT图像的一致性较好,可由此减少CT扫描次数、降低辐射剂量。     

直肠癌调强放疗计划中六维随机摆位误差的剂量学影响研究

目的 设计一种软件将随机六维摆位误差引入到直肠癌调强放疗(IMRT)计划中,并评估其剂量学影响。方法 随机选取21例直肠癌IMRT计划作为参考计划(单次剂量 2 Gy, 共50 Gy;PTV为CTV均匀外扩5 mm)。对参考计划的每个分次,通过调整射野几何参数的方法引入随机生成的六维摆位误差,并重新完成剂量计算。再将各分次剂量累加后得到存在摆位误差情况下的总剂量分布。基于美国瓦里安Eclipse脚本应用程序接口(ESAPI)开发能够自动完成上述流程的治疗模拟软件,将服从两种预设分布[分布1:平移误差服从N(0,4²),旋转误差服从N(0,2²);分布2:平移误差服从N(0,2²),旋转误差服从N(0,1²)]的六维摆位误差引入参考计划,并评估剂量学影响。结果 参考计划、误差分布1和误差分布2情况下,CTV的D_min分别为(49.4±0.41)、(47.56±0.76)和(49.17±0.64)Gy;CTV的D_98%分别为(50.23±0.07)、(49.98±0.10)和(50.27±0.09)Gy;主体靶区(靶区除去边缘后的内核部分)D_98%为(50.25±0.08)、(50.42±0.13)和(50.33±0.10)Gy;边缘靶区D_98%为(50.22±0.10)、(49.88±0.11) 和(50.26±0.10)Gy。另外,相比参考计划,误差分布1和2的情况下,膀胱和股骨头平均受量的变化差异均无统计学意义(P>0.05),剂量分布的适形指数虽有微弱降低,但临床意义有限。结论 本方法及据此开发的治疗模拟软件可以根据需要将服从不同分布的六维摆位误差引入到直肠癌IMRT计划中,并给出总体剂量学变化情况。     

一种超声心动图关键帧智能检测方法

目的：探讨基于深度学习（deep learning,DL）的ResNet+VST模型在超声心动图关键帧智能检测方面的可行性。方法：选取南京大学医学院附属鼓楼医院超声医学科采集的663个动态图像含心尖二腔（apical two chambers,A2C）、心尖三腔 （apical three chambers,A3C）与心尖四腔（apical four chambers,A4C）3类临床检查常用切面以及EchoNet-Dynamic公开数据集中 280个A4C切面动态图像,分别建立南京鼓楼医院数据集与EchoNet-Dynamic-Tiny数据集,各类别图像按4∶1方式划分为训练集和测试集,进行ResNet+VST模型的训练以及与多种关键帧检测模型的性能对比,验证ResNet+VST模型的先进性。结果： ResNet+VST模型能够更准确地检测心脏舒张末期（end-diastole,ED）与收缩末期（end-systole,ES）图像帧。在南京鼓楼医院数据集上,模型对A2C、A3C 和A4C 切面数据的ED 预测帧差分别为1.52±1.09、1.62±1.43、1.27±1.17,ES 预测帧差分别为1.56± 1.16、1.62±1.43、1.45±1.38;在EchoNet-Dynamic-Tiny数据集上,模型对A4C切面数据的ED预测帧差为1.62±1.26,ES预测帧差为1.71±1.18,优于现有相关研究。此外,ResNet+VST模型有良好的实时性表现,在南京鼓楼医院数据集与EchoNet-Dynamic- Tiny数据集上,基于GTX 3090Ti GPU对16帧的超声序列片段推理的平均耗时分别为21 ms与10 ms,优于以长短期记忆单元 （long short-term memory,LSTM）进行时序建模的相关研究,基本满足临床即时处理的需求。结论：本研究提出的ResNet+VST 模型在超声心动图关键帧检测的准确性、实时性方面,相较于现有研究有更出色的表现,该模型原则上可推广到任何超声切面,有辅助超声医师提升诊断效率的潜力。     

基于深度学习的手术机器人单目视觉患者头部姿态估计

患者头部姿态估计技术是神经外科手术机器人自主化与智能化感知的关键技术之一。本研究利用基于数据驱动的深度学习方法帮助神经外科手术机器人估算患者头部姿态,为神经外科手术的智能化打下基础。首先, 建立患者头部姿态估计任务的基本数学关系;其次,给出一种高效、鲁棒的头部姿态标注方法,解决面部特征缺失情况下的2D头部图像姿态标注问题;之后,通过采集机器人视角下神经外科手术场景照片,构建共包含79个手术场景、合计4 301张照片的患者头部姿态估计数据集;最后,研究HopeNet深度神经网络在患者头部姿态估计问题上的适用性,并通过分布式标签、头部区域自适应裁剪、旋转数据增强以及新提出的旋转速率损失函数等方法提高模型性能。进行网络训练和评价,在包含10个手术场景、386张照片的同源测试集1上,基于单视角的姿态估计在偏航角、滚动角、俯仰角等3个方向平均可以达到±12.76°的预测误差;在8个手术场景、229张照片的异源测试集2上,在上述3个方向平均可以达到±13.41°的预测误差。结果表明,提出的模型能准确估计患者头部姿态,且提出的优化方法可以有效提升算法精度,并提高模型的泛化能力。     

精准医学时代下肝内胆管癌的发病机制与临床转化

肝内胆管癌(ICC)是仅次于肝细胞癌的第二大肝脏恶性肿瘤,占所有原发性肝癌的15%~20%。近年来,全球ICC的发病率呈上升趋势。但因其起病隐匿,恶性程度高,侵袭能力强,多数患者就诊时就已处于终末期,失去了手术的最佳时机。随着二代测序技术的不断发展,使得ICC治疗不断向个体化、精准化方向发展。介绍了ICC在发病机制、分子分型、早期诊断方面等基础研究的进展,并回顾了近几年ICC的临床转化研究。希望通过其进展,为ICC的治疗和临床研究提供新思路。     

基于《中成药通用名称命名技术指导原则》分析我国已上市中成药命名存在的问题与改进建议

目的:了解我国已上市中成药命名现状及存在问题,并提出改进建议。方法:选取截至2017年12月31日国家食品药品监督管理总局(CFDA)公布的国家编码药品共计169 601种,采用Excel 2013软件筛选出国药准字"Z"中成药35 513种和进口注册证"Z"中成药68种。基于《中成药通用名称命名技术指导原则》(以下简称"《指导原则》")对国产中成药的不合规情况进行汇总,并对不合规国产中成药的剂型、特殊人群用药、地区等分布情况进行统计、分析。结果:不符合《指导原则》命名的国产中成药共5 091种,占国产中成药总数的14.34%,命名问题主要集中在夸大式命名(1 723种,占33.84%)、剂型不位于命名最后(1 118种,占21.96%)、采用濒危受保护动植物等命名(851种,占16.72%)、采用药理学等相关用语命名(848种,占16.66%),体现"传统文化特色"命名比例不高(1 324种,占4.35%)。命名不合规国产中成药的剂型前5位分别为片剂(1 203种,占23.63%)、胶囊剂(821种,占16.13%)、合剂(802种,占15.75%)、丸剂(706种,占13.87%)、颗粒剂(448种,占8.80%);命名不合规国产中成药的特殊人群用药问题集中在儿童用药(608种,占11.94%);命名不合规国产中成药所属生产企业所在地区主要集中在广东(613种,占12.04%)、广西壮族自治区(371种,占7.29%)、吉林(265种,占5.21%)、陕西(245种,占4.81%)、北京(233种,占4.58%)。结论:我国已上市国产中成药命名问题较多,集中反映在命名类型、剂型、儿童药等方面,且体现"传统文化特色"品种较少。笔者建议可从强化并完善我国特色药名审查管理制度、突出中国传统特色文化的命名管理、保护传统经典品牌等方面入手,进一步规范中成药命名。