两种短效胰岛素对糖尿病酮症酸中毒的疗效对比

 以北京市垂杨柳医院2017年5月至2020年5月收治的50例糖尿病DKA患者为研究对象，分为赖脯组和门冬组（n=25），赖脯组使用重组赖脯胰岛素，门冬组使用门冬胰岛素。结果显示，两组的血糖达标时间、不良反应发生情况无统计学差异（P>0.05）；赖脯组患者空腹血糖、餐后2 h血糖水平低于门冬组，且尿酮体转阴时间、pH值恢复时间短于门冬组。说明赖脯胰岛素治疗DKA具有一定的优势，其控制血糖、纠正DKA的速度更快，效果更好。     

基于ME-ANet模型的糖尿病视网膜病变分级

糖尿病视网膜病变(Diabetic Retinopathy，DR)是一种致盲率很高的眼科疾病。不同病变等级的视网膜图像之间差异小且病灶点分布无规律。针对现有深度模型对DR中的相似病灶点识别率低，严重影响模型分类精度的问题，本研究以深度学习为基础，构建新的模型架构进行训练，提出一种集成MobileNetV2和EfficientNetB0深度模型的注意力网络：ME-ANet。模型集成分为头部和主干两部分，将深度模型的浅层部分融合构成网络的头部，训练时采用迁移学习的策略对网络模型参数进行初始化，减少训练中的过拟合问题。主干部分利用上述两种模型的核心结构，设计3个阶段集成模块进行特征提取。同时设计全局注意力机制(Global Attention Mechanism，GAM)并分别嵌入到3个阶段的集成模块中。模型的改进加速了网络的收敛速度，该网络模型实现了对图像浅层信息的特征融合提取，减少了微病灶特征信息在训练过程中的卷积丢失问题，模型的分类精度进一步得到改善。通过模型集成构建特征提取主干网络，提高了模型对低级特征信息的学习，注意力机制抑制非病变特征信息，强化典型病灶特征学习，从而实现细粒度分类，进一步提升了模型的分类性能。