肢体缺血后处理对脑缺血大鼠神经功能恢复和神经细胞增殖的作用

目的探索非侵入式肢体缺血后处理（NLIP）对脑缺血大鼠的脑保护作用和损伤侧皮质区神经细胞的表达与分布。方法SD大鼠110只随机分成假手术组(n=10), 缺血再灌注损伤组（I/R组,n=50）,NLIP组（治疗组,n=50）。I/R组和治疗组动物采用线栓法制备大脑中动脉栓塞（MCAO）模型（假手术组不插入线栓）,治疗组于再灌注即刻给予NLIP处理（改良的缺血弹性带股动脉近端加压阻断股动脉10 min,再通10 min,循环3次）,术后3 d、7 d、14 d、21 d、28 d分别称取大鼠体质量,并进行行为学评估后处死大鼠取脑组织,免疫组织化学染色检测各时点缺血脑皮质中的双皮质素（DCX）和胶质细胞原纤维酸性蛋白（GFAP）的表达,Western blot检测缺血脑皮质中微管相关蛋白2（MAP2）的表达。结果假手术组动物术后1 ~3 d表现出轻度的体质量下降和行为学缺损,术后1 d出现上肢肌力减弱,之后开始恢复。与假手术组比较,以上神经缺损在I/R组和治疗组动物中更加明显（P<0.05）,术后3 d到21 d逐渐缓解,到术后28 d时接近假手术组水平。与I/R组相比,治疗组动物体质量在术后2~7 d有明显恢复（P<0.05）,动物上肢肌力在14~28 d有明显改善 (P<0.05),治疗组行为学评分在各时点与I/R组差异无统计学意义。与假手术组比较,I/R组和治疗组脑皮质缺血区周围DCX阳性细胞和GFAP阳性细胞随时间推移逐渐增多,伴随胞体肥大和突起变长加粗,分别在术后21 d和28 d大量增殖并聚集在脑皮质缺血区周围。I/R组和治疗组在术后3 d缺血脑皮质中MAP2表达量下降,但与假手术组差异无统计学意义（P>0.05）,之后逐渐上调,术后14 d和21 d时高于假手术组（P<0.05）。治疗组MAP2表达量在术后7~28 d高于假手术组（P<0.05）,在术后7 d时高于I/R组（P<0.05）。结论NLIP可减轻脑缺血大鼠神经行为学异常和促进缺血周围区神经细胞的增多。     

脑卒中失语及认知障碍患者非言语性焦虑评估研究进展

正脑卒中是一种发病率、致残率、死亡率均较高的突发性疾病,它会影响患者的生理、心理及社会生活,并且极大程度地降低患者的生活质量~([1—2])。失语及认知障碍都是脑卒中后常见的临床症状,而焦虑常继发于失语及认知障碍。据报道,大约1/3的脑卒中患者会出现失语症~([3]),其中1/4的患者会产生焦虑障碍~([4]),患有失语症的脑卒中患者比言语功能正常的脑卒中患者更容易出现焦虑障碍~([5—6])。脑卒中后约35%—     

基于无监督学习的数字病理切片自动分割方法

  目的  使用无监督的方式进行图像分割,作为人工标记的一种替代。  方法  选取了共100张HE染色和巴氏染色切片的全片数字化图像（whole slide image, WSI）数据作为研究和测试的对象,其中乳腺切片70张,肺切片20张,甲状腺切片10张。为了保证数据的多样性,乳腺的切片包含了正常组织、炎症、肿瘤,肺切片取材主要为下叶新生物（包含了炎症和肿瘤）,甲状腺为细针穿刺的细胞（均为良性）。每张图像的最大总倍率（原始倍率）均为400倍,文件格式为ndpi。对每张WSI进行人工的标注,每张WSI的标注区域都大于10个视野,标注后的信息将用于有效性的验证。使用基于超像素与全卷积神经网络的算法构建无监督图像分割技术,对没有标记的WSI的任意感兴趣区域（regions of interest, ROI）进行图像分割。与区域邻接图合并的方法进行比较,以欠分割错误差率、边缘召回率和平均交并结果比判定两种方法的分割效果,并比较两种方法的效率。在执行效率的比较中,测试过程包含了超像素的预处理的时间,去掉了加载深度学习引擎的时间。  结果  对WSI任意ROI区域按纹理和颜色对图像实现了无监督的自动分割,乳腺切片、肺切片和甲状腺切片测试的结果差异小,多次测试的结果稳定,但该方法在对炎症和肿瘤的区分中表现一般。其欠分割错误差率、边缘召回率和平均交并结果分别为19.10%、82.06%和45.06%。区域邻接图合并的方法的欠分割错误差率、边缘召回率和平均交并的结果分别为21.52%、78.39%和44.81%。在GPU模式下整个过程平均耗时为0.27 s,在CPU模式下平均耗时为1.30 s,由于区域邻接图合并的方法没有实现GPU模式,在CPU模式下平均耗时为10.5 s。  结论  本方法通过简单的人机交互操作得到理想的像素级标注结果,可以有效降低数字病理切片数据标注的成本,比区域邻接图合并的方法在处理图像纹理的方面表现得更好,处理速度更快。     

乳腺癌Ki-67人工智能自动诊断系统的真实世界应用测试

  目的  研究人工智能（AI）用于辅助临床乳腺浸润性导管癌（IDC）Ki-67评分的不同方法并比较其结果。  方法  收集100例真实临床IDC诊断病例,包括HE、免疫组化Ki-67染色的切片和诊断结果。将病理切片扫描成全片数字化图像（whole slide image, WSI）,并使用AI对其进行评分。AI评分方式分为两种,一种为AI纯自动计数,使用Ki-67自动诊断的评分系统对WSI进行全片计数;第二种是AI半自动计数,需要人工选择区域计数,然后用智能显微镜进行自动计数。病理医生的诊断结果作为纯人工计数的结果。将全人工（病理诊断结果）、AI半自动、AI全自动此3种计数所得的Ki-67分数进行两两比较,分别按差异高低进行归类,差异高低分为3档:相差≤10%、相差>10%～<30%和相差≥30%,并且使用组内相关系数 （intra-class correlation coefficient, ICC）对其进行相关性的评价。  结果  全自动AI计数1例Ki-67的时间为5～8 min,而半自动AI方法为2～3 min,全人工计数则需要1～3 min。两种AI计数方法相比较,Ki-67分数的相差全部在10%以内（占比100%）,ICC指数高达0.992。全人工计数和AI半自动相比,相差≤10%的有60例（占比60%）,相差>10%～<30%的例数为37例（占比37%）,而≥30%的只有3例（占比3%）,ICC指数为0.724;全人工计数和AI全自动相比,相差≤10%的有78例（占78%）,相差>10%～<30%的例数为17例（占比17%）,而≥30%的有5例（占比5%）,ICC指数为0.720。ICC数值示,两种AI方法之间差异不大、可重复性很好,AI和人工计数之间的可重复性可接受。  结论  AI全自动方法的优势在于更节省人力,病理医生只需在最后核对诊断结果。而半自动的方法更符合临床病理医生的诊断习惯,整体耗时较AI全自动方法少。此外,AI方法虽然可重复性较高,但不能完全取代病理医生,而应作为有力的辅助工具看待。     

护理学一流学科建设引领一流人才培养

培养一流人才是“双一流”建设的关键任务。本文在回顾护理学科发展历程的基础上,分析在国家“双一流”建设战略指引下护理人才培养的机遇与挑战,从建设中国特色护理学的思政育人理论体系、探索构建以全生命周期健康为轴线的护理知识体系与人才培养模式、打造“护理+”交叉学科集群培养跨学科融合创新人才、加大科技人才引育力度、全方位优化护理人才布局、以一流科研平台为支撑、创建护理创新拔尖人才孵育基地等方面提出对未来一流护理人才培养的思考。     

脑卒中康复治疗新技术研究进展

脑卒中患者遗留不同程度功能障碍,恢复缓慢且不彻底,给患者及其家庭带来沉重而长期的负担。虽然康复训练在脑卒中治疗中发挥至关重要作用,但是由于受到专业康复服务缺乏、难以离家或交通不便等条件的限制,无法得到充分的康复治疗。新型康复技术(包括远程康复技术、虚拟现实康复技术、康复机器人技术、电子织物技术等)应运而生,为上述问题带来解决办法。本文拟就新型康复技术研究进展进行简要概述,以为脑卒中康复治疗提供新视角。