新型肝动脉栓塞微球制剂的制备

开发了一种适合肝动脉灌注化疗栓塞(TACE)用的姜黄素载药微球,并探究其对肝癌的治疗效果.以聚乙烯醇(PVA)为载体,采用乳液交联法制备微球,观察微球的外观和粒度,证明微球对癌细胞的抑制作用,在VX2兔模型中评估肝动脉栓塞微球治疗肝癌的功效.扫描电镜和粒度分析显示制备的微球球形完整;生物安全性证明微球材料安全指数较高;药效学研究表明姜黄素栓塞微球可在栓塞给药后有效发挥动脉栓塞作用,提高肝癌的治疗效果.本研究成功地制备了姜黄素栓塞微球,有望将其用于栓塞以提高TACE在肝癌中的治疗效果.     

DLIR在肝门静脉血管成像中降低辐射、对比剂剂量和注射速度的性能评估

目的:对比三低方案结合深度学习图像重建(DLIR)算法肝门静脉血管成像(SCTP)与常规协议结合自适应统计迭代重建Veo(ASiR-V)算法SCTP图像质量。方法:将210例上腹部SCTP检查患者分为4组：标准方案A组(n=90)、低体脂标准方案A1组(n=30)、三低方案B组(n=90)、低体脂超三低方案C组(n=30);其中A组、A1组采用60%权重ASiR-V(A-AV60,A1-AV60),80%权重ASiR-V(A-AV80,A1-AV80)重建；B组、C组：采用60%权重ASiR-V(B-AV60,C-AV60),80%权重ASiR-V(B-AV80,C-AV80),DLIR算法中等级别(B-DM,C-DM),DLIR算法高等级别(B-DH,C-DH)重建。结果:与A组相比，B组的有效剂量、对比剂剂量和注射速度分别减少41.3%(P<0.001)、32.6%(P<0.001)和30.0%(P<0.001),B-DH的标准差(SD)最低，信噪比(SNR)及对比噪声比(CNR)最高，与A-AV80比较，差异无统计学意义。B-DH综合主观评分最高医生1为4.30...     

基于梯度惩罚生成对抗网络的过采样算法

在不平衡数据分类问题中，为了更注重学习原始样本的概率密度分布，提出基于梯度惩罚生成对抗网络的过采样算法（OGPG）。该算法首先引入生成对抗网络（GAN），有效地学习原始数据的概率分布；其次，采用梯度惩罚对判别器输入项的梯度二范数进行约束，降低了GAN易出现的过拟合和梯度消失，合理地生成新样本。实验部分，在14个公开数据集上运用k近邻和决策树分类器对比其他过采样算法，在评价指标上均有显著提升，并利用Wilcoxon符号秩检验验证了该算法与对比算法在统计学上的差异。结果表明该算法具有良好的有效性和通用性。     

基于一维倒残差轻量级网络的无人机个体识别方法

在无人机的个体识别问题中，针对传统的识别方法存在网络模型参数量大和算法时效性差等问题，提出基于一维倒残差轻量级神经网络(1D-IRLNN)的无人机个体识别方法。首先提取反映无人机个体间差异的I/Q包络一维特征作为无人机的浅层特征；其次将深度可分离卷积与倒残差结构等设计思想和一维神经网络模型相结合，设计出跳跃级联的一维倒残差轻量级神经网络；最后利用网络模型提取一维I/Q包络数据中的深层特征，从而实现对无人机个体的快速准确识别。实验结果表明，1D-IRLNN模型的计算量分别是同等体量的深度模型1D-CNN与1D-ResNet的305%和238%，网络模型规模分别是深度模型1D-CNN与1D-ResNet的387%和297%，所提方法相较于其他方法，在保持较高识别准确率的同时具有更快的识别速度且占内存更小。     

融合多尺度特征和子空间注意力的黏膜下肿瘤检测

计算机辅助检测工具可以帮助医生减少在临床检查中漏检误检的情况，从而提高诊断准确度，同时减轻医生的劳动强度。针对超声胃肠镜检查中黏膜下肿瘤的定位与分类问题，提出了一种融合多尺度特征和子空间注意力的黏膜下肿瘤检测算法(MFSA-YOLOv7t)。首先，移除小目标预测头，在保证精度下使网络轻量化；然后，基于浅层特征提出多尺度特征融合模块，提取肿瘤细节信息；其次，改进上采样结构，在保留上层信息的同时增强感受野；最后，引入子空间位置注意力模块，捕获肿瘤的位置和边界特征，进一步提升黏膜下肿瘤的检测性能。实验表明，MFSA-YOLOv7t在平均精度均值、敏感度以及准确度上分别达到97.32%，96.99%和96.24%，相比YOLOv7-tiny算法检测性能有较大的提升，分别提高了2.39%，2.75%和2.59%。MFSA-YOLOv7t为医生在临床检查中的辅助诊断提供更加可靠的肿瘤类型参考，同时为黏膜下肿瘤的检测提供了一个新的思路和研究方向。     

联合稀疏和低秩表示的医学超声图像去噪

为了保持超声图像的边缘和细节特征，同时去除图像中的噪声，提出了一种改进的低秩稀疏矩阵分解模型。首先，通过对数变换将乘性性质的斑点噪声转换为加性噪声；然后引入L1范数和改进的低秩正则项，以最小化保真项、正则项为目标函数，迭代恢复出去噪后的超声图像；最后使用指数变换从对数域中还原。将本模型应用于肿瘤超声图像，与一些经典的去噪算法进行比较，得出该模型对消化道粘膜下肿瘤超声图像去噪估计具有良好的适用性和实时性。