针对糖尿病视网膜病变(DR)分割任务中病变区域多尺度特征难以学习、边界模糊等问题,提出一种改进的U型多病变分割模型DDAPNet.首先,对DR图像进行Patch处理,使模型更好地捕捉病变的局部特征;其次在主干特征提取后引入重新设计的密集空洞注意力金字塔(DDAP)模块,扩大感受野,解决病变边界模糊问题;同时采用金字塔切分注意力进行特征增强,然后将二者进行特征融合;最后在跳跃连接中嵌入改进的残差注意力模块,降低浅层冗余信息的干扰.在数据集和医院真实数据集上进行联合验证,实验结果表明,相较于基础模型,DDAPNet模型对微动脉瘤、出血点、软渗出DDR物和硬渗出物的分割在Dice系数上分别提高了4.31%、2.52%、3.39%、4.29%,在mIoU上分别提高了1.80%、2.24%、4.28%、1.98%.该模型对病灶边缘的分割更为连续和平滑,有效提升了软渗出物等视网膜病变的分割性能.

目的 青少年特发性脊柱侧弯(adolescent idiopathic scoliosis,AIS)是危害青少年健康的常见疾病之一.临床上,X线图像Cobb角测量法是评估患者脊柱侧凸严重程度的"金标准".由于X线图像中肋骨和骨盆阴影重叠以及椎骨形态差异等因素影响,人工测量在寻找关键点时步骤复杂且耗时长,快速且准确的Cobb角自动测量方法具有重要临床应用价值.现有深度学习方法中基于分割的方法易受图像质量影响;基于关键点检测方法过于关注局部特征提取导致定位不准确等问题.为此,本文提出了一种以椎骨为中心的标志点检测方法,来实现脊柱侧弯Cobb角自动估计算法.方法 构建一种基于融合多尺度和注意力机制M型椎骨检测网络(multi-scale attention M-shaped network,MSAM-Net).首先,使用多尺度金字塔拆分注意力(multi-scale pyramids squeeze attention,MPSA)模块和注意力特征融合(attentional feature fusion,AFF)模块提取椎骨特征和上下文信息,然后,根据椎体中心和角偏移量定位4个角标志点,以在脊柱侧弯评估任务中提高椎骨标志点检测的性能,进而实现近胸段、主胸段和胸腰段曲线的Cobb角估计.结果 为了评估Cobb角估计与真实侧弯角度之间的偏差程度,本研究算法基于AASCE MICCAI 2019挑战赛数据集,使用4种指标对Cobb角精度进行评估,分别是对称平均绝对百分比误差(symmetric mean absolute percentage error,SMAPE)、欧氏距离(Euclidean distance,ED)、曼哈顿距离(Manhattan distance,MD)和切比雪夫距离(Chebyshev distance,CD).测试得到SMAPE为9.39％,ED为4.18;MD为5.92;CD为5.34.与基于分割和检测的5种深度学习方法进行对比,实现更好的Cobb角测量结果.结论 本研究可以准确识别和定位X线图像中椎骨,帮助医生测量AIS患者的Cobb角,为临床AIS诊断、手术计划和脊柱健康分析提供决策支持.

目的:探讨学习金字塔理论下逆向多维法健康教育对高血压患者心理痛苦、健康素养、自护能力的影响。方法:收集2018年6月至2020年6月驻马店市中医院内科高血压患者167例的临床资料进行回顾性分析，根据入院顺序分为对照组83例和观察组84例，分别给予传统健康教育、学习金字塔理论下逆向多维法健康教育，连续干预6个月。对比两组干预前后心理痛苦(DMSM)、健康素养、自护能力(ESCA)、健康生活方式(HPLP-Ⅱ)、血压〔舒张压(DBP)、收缩压(SBP)〕控制情况及不良事件发生率。结果:干预后观察组心理痛苦温度计(DT)、心理痛苦相关因素调查表(PL)评分低于对照组；干预后观察组信息获取能力、经济支持意愿、改善健康意愿、交流互动能力等健康素养评分高于对照组；干预后观察组各维度ESCA评分高于对照组；干预后观察组HPLP-Ⅱ评分等级高于对照组；干预后观察组DBP、SBP均低于对照组；观察组不良事件发生率4.76%低于对照组19.28%，差异均有统计学意义(均 P<0.05)。 结论:学习金字塔理论下逆向多维法健康教育是一项新型健康宣教模式，在培养高血压患者健康素养、促进健康行为、增强自护能力方面效果显著，同时能协助患者保持良好心理状态，控制血压水平，降低不良心血管事件风险。

目的:喉返神经（recurrent laryngeal nerve，RLN）是腔镜甲状腺手术中需重点识别和保护的结构。本研究旨在探索深度学习技术识别RLN在经腋窝入路腔镜甲状腺手术中的应用价值。方法:收集2020年7月1日至2021年5月1日在北京协和医院基本外科操作的，留存了完整视频资料的经腋窝入路腔镜甲状腺手术录像。两位资深甲状腺外科医师选取其中包含RLN的视频片段，经过训练的标注人员对RLN的轮廓进行描绘标注，并经两位甲状腺外科医师审校确认。视频资料用随机数方法按照5∶1的比例分为训练集及测试集，并根据RLN与周围组织的辨识度分为高、中、低辨识度。采用基于PSPNet的语义分割模型进行训练，使用ResNet50作为主干网络提取特征，同时结合金字塔池化模型融合多尺度特征，最终根据交并比（insertion over union, IOU）评判深度学习神经网络对RLN具体位置预测的能力。所有资料使用R 4.0.2版本分析。结果:共38个视频中累计35 501帧图像纳入本研究，其中32个视频共29 704帧图像作为训练集，6个视频共5 797帧图像作为测试集。当IOU阈值设为0.1时，模型在高、中、低辨识度组中的灵敏度和精确率分别达到了100.0%/92.1%、95.8%/80.2%及81.0%/80.6%。而当IOU阈值提高到0.5时（代表有效定位RLN），灵敏度和精确率则分别为92.6%/85.3%、71.7%/60.5%及38.1%/37.9%。这说明本模型在辨识度中高时可很好地提示RLN的位置和走行。漏检通常因目标过小、边界不明确所致。结论:基于深度学习的人工智能RLN识别在腔镜甲状腺手术视频中是可行的，有潜在的应用价值，有可能帮助外科医生降低手术中误损伤风险，提高手术安全性。

目的:探讨基于学习金字塔理论的老年专科护士临床教学能力提升培训项目的方法和效果。方法:基于学习金字塔理论设计培训方案，对3期共70名老年专科护士各进行为期1周的培训，主要包括临床护士培训项目设计与管理、案例教学法、Workshop培训法的临床应用、护理教学查房实施及评价、多媒体课件制作等8个专项。通过学员试讲考核、教学能力自评、教学满意度调查和教学实践作业进行综合效果评价。采用SPSS 22.0进行 t检验。 结果:20名学员教学试讲考核为优秀[（87.32±3.26）分]，35名为良好[（81.75±5.19）分]。培训前，学员自评综合临床教学能力为（1.54±0.66）分，培训后自评为（3.69±0.52）分，培训后较培训前能力提升（ P<0.001）。学员满意度为97.43%（341/350）。学员回归单位后，作业完成度为64.29%（45/70）。 结论:基于学习金字塔理论的老年专科护士临床教学能力提升培训能有效提高其临床护理教学能力，值得进一步推广和应用。

目的:分析Miller金字塔结合HEART沟通模式在护生《基础护理学》教学中的应用效果。方法:整群随机抽样选取我院2022级分组实习的一、二组63名本科护生为观察组，选取三、四组63名本科护生为对照组。对照组护生在常规教学基础上接受HEART沟通教学，观察组护生在HEART沟通模式基础上接受Miller金字塔教学，比较两组护生教学前后理论考核成绩、操作考核成绩、人文关怀能力、批判性思维能力。应用SPSS 24.0进行卡方检验、 t检验。 结果:教学后，两组护生理论考核成绩和操作考核成绩均较教学前高，且观察组较对照组高（ t=5.79、8.56， P<0.001）；两组护生人文关怀能力评估问卷各维度评分及总分均较治疗前高，且观察组较对照组高（ t=4.45、5.78、3.31、4.50， P<0.001）；两组护生批判性思维能力测量表中各维度评分均较教学前高，且观察组较对照组高（ t=7.43、4.10、5.26、4.01、5.33、3.49、3.62、4.55， P<0.001）。 结论:Miller金字塔教学结合HEART沟通模式有利于提高《基础护理学》教学效果，提高护生人文关怀能力、自主学习能力以及批判性思维能力。

目的:准确提取用于形态评估和临床疾病监测的医学图像中的目标区域,改进将卷积神经网络(CNN)与转换器(Transformer)结合的混合网络用以学习图像局部信息和全局信息.方法:①通过引入基于CNN的解码器并将其与金字塔视觉转换器(PVT)整合,开发了一种新颖的特征细化分割网络称为特征细化金字塔视觉转换器(FR-PVT).解码器用于细化PVT捕获的多尺度全局特征,由特征细化模块(FRM)和上下文注意模块(CAM)以及相似性聚合模块(SAM)共同构成.②为了验证FR-PVT,将其用于五个公共结肠镜图像数据集(ClinicDB、ColonDB、EndoScene、ETIS和KvasirSEG)的息肉分割和温州医科大学附属眼视光医院提供的眼部视频数据集的睑裂分割.③使用四种不同的指标评估FR-PVT的性能,包括Dice系数、IOU、Matthew 系数(MCC)和 Hausdorff 距离(Hdf).FR-PVT与现有网络[即息肉 PVT(Polyp-PVT)、U-Net 及其变体]在相同的分割任务上进行比较.结果:①FR-PVT能够处理各种成像条件下获取的结肠镜图像,并在分割ClinicDB、ColonDB、EndoScene、ETIS和KvasirSEG数据集时获得平均Dice分别为 0.937、0.819、0.892、0.800和0.909.②在眼部视频数据集中的图像上进行的实验结果显示,FR-PVT获得的平均Dice、IOU、MCC和Hdf分别为0.966、0.943、0.957和4.706.③在五个息肉数据集上的分割性能对比显示,FR-PVT分别获得了平均Dice系数和IOU分别为0.840和0.764,优于Polyp-PVT(0.834和0.760)、U-Net(0.561 和0.493)、U-Net++(0.546和0.476)、SFA(0.476和0.367)、PraNet(0.741和0.675).在眼部视频图像上的分割性能显示,FR-PVT分别获得了 0.840的平均Dice系数和0.764的平均IOU.结论:FR-PVT实现了比Polyp-PVT和现有的几种基于CNN的网络(如U-Net及其变体)更好的分割性能.

针对结核病病原体在痰涂片图像背景复杂且目标小,人工筛查成本较高的问题,提出了一种基于YOLOv8s的结核病病原体检测方法.首先,采用基于空间和通道重构卷积改进的结构来限制特征冗余.其次,引入了坐标注意力来扩大模型的感受野.再者,使用空间金字塔池化跨阶段局部网络来提取不同尺度上的特征信息.最后,嵌入基于归一化的注意力机制抑制不太显著的特征.实验结果表明,在公开数据集上,改进网络模型与原YOLOv8s模型相比,精确率和召回率分别提升2.7%和1.5%,置信度为0.5时的平均精度均值提高了2.3%,该模型能够有效辅助影像科医师进行诊断.

目的 检索、评价并整合肠造口患者自我照护的最佳证据.方法 采用PIPOST方法确立循证问题,按"6S"金字塔证据模型,系统检索Up To Date、BMJ、JBI、国际指南协作网、医脉通、加拿大安大略省注册护士协会、美国伤口造口失禁护士协会、Cochrane Library、PubMed、Ovid、CINAHL、中国知网(CNKI)和万方等数据库中关于肠造口患者自我照护措施相关的临床决策、指南、系统评价、专家共识和原始研究等,检索时限为建库至2023年5月2日.结果 共纳入14篇文献,其中临床决策1篇、指南5篇、专家共识2篇、系统评价3篇、随机对照试验3篇,从自我照护目标、自我照护前准备、自我照护措施及促进策略4个维度,共汇总出35条证据.结论 本研究总结形成了肠造口患者自我照护的最佳证据,在心理调节、学习知识、造口照护、用药管理、饮食营养、身体活动、生活方式和自我监测方面规范肠造口患者自我照护行为,给予自我照护指导提供参考依据,建议在临床实践时,可结合临床情景及患者意愿选择适合的证据应用.

目的 探讨基于深度学习的图像高斯金字塔和卷积神经网络方法,构建和训练一种高精准度的自动化二维头影测量标志点定位与分析系统模型.方法 收集2021年1月至12月期间本院所摄的400张年龄在18至50周岁且无牙列缺损的头颅侧位影像,在3D slicer(NIH美国)上完成每张44个牙颌和颅面软硬组织结构标志点的标注,并构建和训练基于图像高斯金字塔和卷积神经网络的自动化二维头影测量标志点定位和分析系统.结果 运用图像高斯金字塔和卷积神经网络方法能高精准获取44个牙颌和颅面的软硬组织结构标志点,在2.0 mm、2.5 mm、3.0 mm、4.0 mm精度范围内预测的平均准确率分别为85.61%、90.72%、93.82%、96.34%;44个牙颌和颅面软硬组织结构标志点的平均误差为1.22 mm,平均标准差为1.27 mm;常见头影测量项目(ANB、SNA、SNB、ODI、APDI、FHI、FMA、MW)的平均预测准确率为85.00%.结论 运用图像高斯金字塔和卷积神经网络方法能高精准获取牙颌和颅面的软硬组织结构标志点,并且对牙颌和颅面形态分析诊断具有良好的准确性,该技术将有助于推进自动化头影测量的临床运用.