云南省傣族地区2型糖尿病视网膜病变患病率及危险因素分析

探索云南省傣族地区2型糖尿病住院患者糖尿病视网膜病变的患病率及相关危险因素.回顾分析2020年1月—2022年12月就诊于云南省德宏州人民医院眼科和内分泌科的522例T2DM患者的临床资料及彩色眼底照相结果.结合彩色眼底照相结果将入组患者分为NDR组和DR组.采用R 4.0.3统计软件进行单因素分析,比较两组的社会人口学资料、实验室检测指标和相关病史等,进一步使用二元logistic回归分析筛选DR发生可能的危险因素.522例T2DM患者中,NDR组369例,DR组153例,德宏州T2DM住院患者的DR患病率为29.31%.DR患者中傣族患者(64例,41.83%)、糖尿病病程超过5年以上者(5～10年62例、11～15年27例、16～20年38例、>20年5例)、合并高血压者(116例,75.82%)、尿素水平、eGFR降低者(35例,22.88%)均高于NDR组患者.多变量Logistic回归分析显示,傣族、病程超过5年、合并高血压三个因素可能是DR发生的危险因素,其OR值及95%CI分别为傣族2.05(1.24～3.38)、糖尿病病程5～10年3.50(1.97～6.22)...     

基于上下文融合网络的糖尿病视网膜病变诊断

糖尿病视网膜病变(diabetic retinopathy, DR)是一种致盲性的糖尿病并发症。尽管卷积神经网络(convolutional neural network, CNN)目前是DR诊断中最先进的方法,但其特征提取过程存在容易丢失有效病灶信息的问题。对此,提出了一种上下文融合网络(context fusion network, CF-Net)用于处理DR诊断任务。该网络使用ResNet50将眼底图像嵌入到高维表示空间中,提取图像的局部特征信息和高级语义信息,然后通过构建上下文融合模块来聚合中间和高层的特征表示,从而避免卷积操作过多造成的信息丢失。同时还提出了全局通道金字塔(global channel pyramid, GCP)注意力模块用于捕捉通道和空间维度中关键的病灶信息作为DR诊断的重要依据。利用类别注意力探索眼底图像中更具辨别性的区域特征,能够增强网络的病灶辨别能力。在APTOS数据集和Messidor数据集上的实验结果表明,该网络在二分类任务中的准确率分别达到了98.7%和91.3%,而在多分类任务中分别达到了85.1%和78.3%,证明了CF-Net的有效性。     

2型糖尿病视网膜病变功能磁共振成像研究

为了探讨在静息状态下2型糖尿病引发的视网膜病变的脑部活动情况,对21名性别、年龄、文化程度相近的2型糖尿病视网膜病变(type 2 diabetes mellitus retinopathy,T2DR)患者和与之对应的16名正常志愿者(normal control,NC)在静息态下进行脑部扫描.分别用低频振幅(amplitude of low frequency fluctuation,ALFF)和局部一致性(regional homogeneity,ReHo)的脑功能磁共振成像方法(functional magnetic resonance imaging,fMRI)处理所得的fMRI数据,对ALFF和ReHo两种方法所得的数据分别进行双样本T-检验,两种方法结合起来比较正常人和病人的脑功能活动之间的差异,并对结果进行分析.经过双样本T-检验之后的结果显示(与NC组相比):ALFF显著增高的脑区有右侧舌回、枕叶和楔叶(p＜0.001,体素值＞30),ALFF显著降低的脑区有右侧小脑后叶、小脑前叶、缘叶、海马旁回、梭状回、颞上回、顶下小叶、角回;ReHo显著增高的脑区有右侧舌回和枕叶,ReHo显著降低的脑区有左侧后扣带回、缘叶、右侧顶下小叶、颞上回、海马、枕叶.结论显示2型糖尿病视网膜病变患者静息态脑功能存在明显异常,ALFF和ReHo的联合运用可以有助于2型糖尿病视网膜病变患者的脑功能状况的研究.     

根分叉病变治疗的初探

根尖周病，牙周炎，牙髓疾病引起的根分叉病变，由于其解剖部位的复杂性及多变性，是临床表现较复杂的一种牙周组织病损几乎是河治愈，近十年来作者对其进行手术刮治，取得一定疗效，本文将其作一介绍。     

计算机人体眼睛视网膜智能系统的研究

重点阐述了人眼睛视网膜智能诊断系统的设计与实现根据人眼睛的特点，对这种计算机智能系统的原理、如何实现和使用方法进行了详细的研究．     

多焦视网膜电信号的分离算法仿真研究

针对多焦视网膜电信号局部波形分离算法的原理与实现,以现代信号检测与系统辨识技术为基础,采用伪随机序列m-序列、快速walsh变换等数学理论及方法,研究了多焦视网膜电信号分离与提取的快速m-变换算法,并利用Visual C 进行编程,通过临床采集的实际信号对算法进行了仿真与验证。结果表明,文中所研究的算法能够快速准确地从多焦视网膜电信号总响应中分离提取出各局部刺激的响应信号波形。     

多焦视网膜电图电信号的提取技术

介绍了多焦视网膜电图电信号的采集方式及应用m序列和互相关分离提取各个刺激部位反应的技术。根据各部位反应获得的视网膜功能地形图,为临床早期发现局部视网膜功能损害提供客观的评价工具。     

基于眼底视网膜血管网络模型的血管提取方法

在分析正常与病理状况下眼底图像特点的基础上,建立了眼底血管网络模型． 根据该模型,首先使用ＳＥＤ（ｓｉｇｎｅｄ ｅｄｇｅ ｄｅｔｅｃｔｉｏｎ）与ＲＯＳＥ（ｏｐｅｎｉｎｇ ｗ ｉｔｈ ｌｉｎｅａｒ ｒｏｔａｔｉｎｇ ｓｔｒｕｃｔｕｒｉｎｇ ｅｌｅｍ ｅｎｔ）算法提取出血管的粗骨架,然后利用该骨架选出使用ＬＯＧ（σ＝ １．４）算子计算过零点,并加以修正得到的精确血管边沿点． 结果表明：用本文方法提取出的血管边沿连续性好,位置定位精度高,且具有虚假边沿产生少、抗干扰能力强的优点     

基于DSP嵌入式系统的视网膜电图暗适应仪设计

介绍了一种基于DSP的嵌入式系统,即视网膜电图暗适应仪的硬、软件设计和工作过程.该仪器能全自动记录视网膜电图,并计算各波振幅和潜伏期,光强度-振幅曲线和暗适应曲线,并能对色觉异常患者进行色觉异常定量检测.     

基于Gabor滤波与数学形态学的视网膜图像增强方法

提出一种双尺度多方向的Gabor滤波器与数学形态学结合的视网膜图像增强方法。首先使用双尺度Ga-bor滤波器提取各个方向的主要血管信息并弱化背景,然后使用数学形态学top-hat变换来增强图像微小的细节,最后结合两种方法实现增强的动态调节。实验表明,该方法能够很好地增强视网膜图像中的血管信息,并大范围地弱化了背景和噪声,对于改善视网膜图像的视觉效果有极大帮助。     

激活视网膜水平细胞NMDA受体对GABA转运体的抑制

目的:在视网膜水平细胞上研究激活NMDA受体对GABA转运体的调节作用。方法:采用膜片钳全细胞记录,分析水平细胞NMDA受体在激活前后的GABA转运体电流变化,并分析Ca2+在其中的作用。结果:当灌流0.1mmol/L的NMDA 30s后,1 mmol/L GABA所引发的GABA转运体电流下降到了对照水平的(78.01±3.10)%(n=5);当细胞外Ringer’s液的Ca2+被去除后,NMDA的抑制效应消失;当胞内Ca2+库的Ca2+释放和重吸收被阻断,或者胞内Ca2+被BAPTA缓冲后,NMDA的抑制效应减弱。结论:激活视网膜水平细胞的NMDA受体会抑制GABA转运体电流,细胞内Ca2+参与调节过程。     

具有视网膜仿生处理功能的CMOS图像传感器

借鉴生物视网膜进行图像采集和处理的结构及功能,设计了具有视网膜仿生片上信号处理电路的智能CMOS图像传感器(CIS)。像元内的仿生处理电路主要由自适应光接受器、滤波网络和减法运算电路3部分构成;CIS采用结构简单的空间滤波电阻网络和基于运算放大器的减法电路分别模拟水平细胞和双极细胞的功能,实现图像的边缘检测。在Chartered 0.35μm 2P4M CMOS工艺参数下,对各单元电路及6×6 CIS阵列进行仿真。     

阿尔茨海默病药物治疗的研究进展

综述了阿尔茨海默病的药物治疗研究进展,包括乙酰胆碱酯酶抑制剂,NMDA受体拮抗剂,非甾体类抗炎药,抗氧化剂,免疫治疗以及针对Aβ的其它治疗手段等.     

视网膜神经元回路响应运动目标的生理学建模

根据模式动物蛙视网膜神经元的生理和信息通路结构，进行了运动目标动态响应的建模和仿真研究。在建立视网膜主要神经元模型的基础上，通过不同的选择和组合仿真来获得不同的输出，分析模式动物获取外界运动目标的信息整合和传输机制，以及由单一刺激因素引起的视觉系统对运动目标动态信息的获取处理和认知过程。研究神经元回路不同连接的动态处理机制，推测响应的认知结果，并与已有生理学数据相比较。结果表明，该视网膜神经元回路模型可以很好地完成对运动目标的检测。讨论了运动目标的检测机制和R3神经元方向选择性响应的形成原因，并分析了感受野时空特性对运动目标检测的影响。     

基于图像生成的多模态视网膜图像配准方法

针对多模态视网膜的全局粗配准,提出了一种基于图像生成的多模态视网膜配准方法. 不同于当前主流的提取多模态视网膜图像血管再进行配准的方法,使用GAN模型对不同模态的视网膜图像进行像素级映射,再通过特征点匹配的方式计算图像仿射矩阵,实现图像粗配准. 基于彩色眼底图像与荧光素血管造影图像的实验结果表明,该方法与当前主流的视网膜粗配准方法相比,具有快速且鲁棒的优势.     

全局阈值与局部阈值相结合的视网膜血管分割方法

针对视网膜血管图像使用单一阈值方法无法有效提取整体血管网络的问题,提出了一种全局阈值与局部阈值相结合的视网膜血管分割方法.该方法采用匹配滤波方法来增强图像,然后在增强图像上分别使用全局阈值二维最大熵与局部阈值移动平均算法对图像进行分割以获取视网膜的主血管与细小血管部分,最后通过区域连通性的判断,将视网膜的主血管与细小血管进行结合,分割出最终的血管网络.在Drive公共数据库上进行实验,结果表明,该方法分割得到的血管准确率达到93.56%,真阳性率值达到80.46%,均高于Perez算法,并且在细小部分更为丰富,能够得到较好的血管分割结果.     

基于多层特征融合的视网膜血管分割模型

针对现有的视网膜血管分割算法在下采样的学习层中不能有效捕捉更多特征,且低层特征没有得到充分利用从而提高视网膜血管分割的准确性,提出了一种新颖的多层特征融合网络。首先设计了一个具有连续记忆力机制的模块来增加网络的深度,以捕获更多的特征。在此基础上提出了一个多层特征融合模块将低层特征和高层特征进行融合。在DRIVE和CHASE＿DB1数据集上进行训练和测试,结果表明：与其它流行的深度学习方法相比,该方法在两个数据集上获得了更好的结果,视网膜血管分割结果更加准确。     

基于区域连通性分析的视网膜血管分割方法

为了解决传统的视网膜分割方法中存留的难以分割小血管和低对比度区域血管等问题,提出了一种新的视网膜血管分割算法-区域连通性分析的方法。首先对同一幅图像分别进行对比度受限自适应直方图均衡化和二维高斯匹配滤波进行预处理,然后使用最佳熵阈值分割方法对两幅预处理之后的图像进行分割,最后采用血管区域连通性分析的方法进行分析,提取出血管区域。通过对比专家人为提取的结果,使用本文算法分割出的血管图像接近于手动提取结果。实验结果证明,基于区域连通性分析的方法可以有效提取出视网膜血管。     

基于U-Net的多尺度融合视网膜血管分割算法

针对眼底血管图像具有形状多样、分叉较多、曲度复杂的特点,提出了一种多尺度融合视网膜血管分割算法.该算法基于U-Net模型进行改进,首先在编码和解码部分使用短跳跃连接模块将网络浅层和深层的特征信息进行融合,通过增加浅层特征的权重,更多地保留了血管的边缘和细微结构信息.其次在编码部分采用空洞卷积构建空洞空间金字塔池化模块代替传统卷积块,来扩大算法的感受野,从而在不增加网络参数的同时进行多尺度特征融合,提取更丰富的空间信息.通过在DRIVE数据集上进行验证,实验结果表明:本算法的准确率和AUC值分别达到0.9572、0.9811,与U-Net等其他基于深度学习的算法相比分割效果更优,从而验证本算法在视网膜血管分割中更加有效.     

基于注意力机制和稠密卷积的视网膜微血管分割算法

为了解决糖尿病性视网膜病变诊断难、各地评判标准不统一的问题,提出了基于注意力机制和稠密卷积的视网膜微血管分割算法,即通过图像分割技术来辅助诊断,既减轻了工作量,又能保证准确率.以LadderNet为基础网络,为了更加突出微血管信息,加入注意力机制,使微血管的特征信息更加完整、准确地保留下来.使用稠密卷积在增强特征信息传递的同时减少参数数量,进一步提升图像分割性能.该算法具有更好的分割性能,能够更好地完成视网膜微血管分割任务.