新型下采样法在视网膜血管分割中的应用

视网膜血管的精准分割对眼部疾病的诊断、预防及后续检测具有重要意义,近些年U-Net网络及其各种变体在医学图像分割领域达到了先进的水平。这些网络大多数都选择使用简单的最大值池化来对图像中间特征层进行下采样,这容易丢失部分信息,该研究提出了一种简单而有效的新型下采样方法PF池化（PF-pooling）方法,可以很好地将图像相邻像素信息进行融合。该研究所提出的下采样方法是个轻量级的通用模块,可以有效地集成到各种基于卷积操作的网络架构中。在DRIVE和STARE数据集上的实验结果显示,使用PF池化的U-Net模型有STARE数据集上的F1-score指标提升了1.98%,准确率提升了0.2%,灵敏度提升了3.88%。并且通过更换不同算法模型来验证,并提出模块的泛化性,结果表明PF池化在DenseUNet和Res-UNet模型上均实现了性能的提升,具有很好的普适性。     

基于高级精简指令系统处理器的无创持续气道正压通气呼吸机的评价

目的 设计一种基于高级精简指令系统处理器(ARM)的无创持续气道正压(CPAP)通气呼吸机,并评价其性能.方法 没计和构建CPAP呼吸机,以4例健康人为实验对象,德国德尔格RespiCare CV无创通气呼吸机作对照,验证新设计的呼吸机性能.对比两种呼吸机压力输出的稳定性、漏气补偿能力和对呼吸做功的影响.结果 成功构建CPAP呼吸机.实验设计的CPAP呼吸机压力输出在2 ～ 25 cm H2O(1 cm H2O=0.098 kPa)范围内可调,输出压力稍高于设定值.当CPAP水平分别没为4、8和12 cm H2O时,实际测定的健康人气道压力均值分别为(4.35±0.32)、(9.65±0.12)和(14.07±0.36)cm H2O,高于对照呼吸机实际测定的健康人气道压力[(4.27±0.08)、(8.04±0.02)和(12.07±0.36)cmH2O](均P＜0.05).漏气实验显示设计的呼吸机CPAP水平下降了(2.41±0.03)cm H2O,高于对照呼吸机下降幅度(0.29±0.01)cm H2O(P＜0.05).当CPAP水平分别为4、8和12 cm H2O时,实验设计的呼吸机对健康人呼吸做功分别为(5.93±0.39)、(6.81±0.51)和(9.05±0.40) cm H2O/L,也高于对照呼吸机对健康人呼吸做功[(4.41±0.77)、(2.16±0.12)和(4.80±0.31)cm H2O/L](均P＜0.05).结论 基于ARM处理器的无创CPAP呼吸机压力输出高于设定值,在漏气补偿和减少呼吸做功方面略显不足,然而新设计呼吸机的性能基本达到了临床使用的要求.