封闭负压引流技术联合重组人碱性成纤维细胞生长因子在慢性难愈合创面中的临床应用

慢性难愈合创面多发生于感染、创伤、烧伤、糖尿病、静脉曲张、动脉硬化及截瘫等患者,其发病率与年龄呈正相关,病理机制复杂,病程长,需要多学科联合治疗[1]。研究表明,封闭负压引流技术(VSD)能够改善创面血供,减轻局部组织水肿,促进创面愈合,可为后期修复手术创造条件[2],已被广泛应用于骨科、普外科、整形外科及烧伤外科等领域[3]。     

miR-122-5p靶向KDM2A对骨髓间充质干细胞成骨分化的影响

目的 探讨miR-122-5p靶向组蛋白去甲基化酶2A（histone demethylation protein 2A, KDM2A）对骨髓间充质干细胞成骨分化的影响。方法 体外培养人骨髓间充质干细胞（bone marrow mesenchymal stem cell, BMSC），利用qRT-PCR和Western blot方法检测miR-122-5p和KDM2A对BMSC成骨相关指标（OPN、OCN和RUNX2）表达情况的影响；茜素红染色和碱性磷酸酶染色检测miR-122-5p和KDM2A对BMSC钙沉积和碱性磷酸酶活性的影响；双荧光素酶实验验证miR-122-5p和KDM2A之间的结合关系；miR-122-5p inhibitor和si-KDM2A共转染研究两者对BMSC成骨分化的影响。结果 miR-122-5p mimic和si-KDM2A能够促进BMSC成骨相关基因的表达水平、钙结节沉积及碱性磷酸酶活性，miR-122-5p和KDM2A两者之间存在靶向结合关系，且miR-122-5p能够靶向抑制KDM2A表达，进而促进BMSC成骨相关基因的表达水平、钙结节沉积及碱性磷酸酶活性。结论 miR-122-5p靶向抑制KDM2A表达，进而促进BMSC成骨分化。     

基于MobileNetV3网络的龋病和根尖周炎根尖片的诊断

目的 研究深度学习技术智能诊断龋齿和根尖周炎的效果，初步探讨深度学习在口腔疾病诊断中的应用价值。方法 以2 298张包含健康牙齿、龋病、根尖周炎的根尖片数据集为研究对象，随机划分为1 573张训练集图像，233张验证集图像以及492张测试集图像。通过多种神经网络对比验证，选择性能较好的MobileNetV3网络模型应用于牙病诊断，并通过调整网络超参数优化模型。采用精确率、准确率、召回率和F1分数评估模型识别龋齿和根尖周炎的能力，并使用类激活热力图对网络模型性能进行可视化分析。结果基于MobileNetV3网络模型的牙齿病变检测算法对健康牙齿、龋病和根尖周炎进行分类的精确率、召回率和准确率分别为99.42%、99.73%和99.60%,F1分数为99.57%，达到了较为理想的智能诊断效果。可视化类激活热力图也显示出网络模型能够较为准确地提取牙科病变的特征。结论 基于MobileNetV3网络模型的牙齿病变检测算法能够排除图像质量和人为因素的干扰，具有较高的诊断准确率，可满足口腔医学教学和临床应用需求。