简介:目的制作犬迷走神经性心房颤动模型,评价可行性和持续性。方法针状电极分别插入颈部双侧迷走神经干,以3V-5V的电压/10Hz-20Hz的频率,刺激双侧迷走神经,在心率出现明显下降后,给予频率为10Hz-20Hz,电压为3V-5V的快速脉冲起搏刺激右心房,诱发心房颤动。结果迷走神经刺激的平均电压/频率为4.4V±0.7V/16.8Hz±3.3Hz,心率由基础的(171±26)次/分降为(97±8)次/分;在给予平均电压/频率为3.5V±0.6V/11.5Hz±2.2Hz的右心房起搏刺激后,36只杂种犬中31只(86.1%)成功诱发出持续性心房颤动,且在保持迷走神经刺激下,持续时间超过90分钟。结论本实验建立的犬迷走神经性心房颤动模型容易诱发,持续时间长,为评估抗心率失常药物对心房颤动的作用提供可靠的方法。
简介:摘要目的建立大鼠坐骨神经牵拉损伤动物模型,观察神经牵拉损伤后大鼠坐骨神经功能,电生理及病理学变化。方法24只清洁级健康大鼠以简单随机化分为对照组(A),轻(B)、中(C)、重度(D)牵拉组4组,每组6只。选择左侧坐骨神经暴露,A组暴露神经10 min后关闭伤口,B、C和D组使用不同拉力牵拉坐骨神经干10 min后关闭伤口。分别检测各组损伤肢体坐骨神经功能指数、滚轮运动试验及热刺激试验、神经靶肌肉复合肌肉动作电位及坐骨神经牵拉节段组织病理学变化。组间比较采用t检验。结果SFI测量结果表明,神经损伤后2周,重度组(-100.042±4.667)完全丧失神经功能,中度组(-65.250±23.705)具有部分神经功能,轻度组(-26.792±18.762)神经功能完全恢复。重度组(t=200.900,P<0.0001)及中度组(t=4.830,P<0.05)与对照组比较差异均有统计学意义,轻度组与对照组比较差异无统计学意义(t=2.246,P>0.05)。CMAP测量发现重度组的神经传导被完全阻断,中度损伤组的动作电位在损伤后20 d前下降,并在损伤后20 d开始恢复。重度组(10.250±7.146)与对照组比较差异有统计学意义(t=198.900,P<0.01),中度组(39.875±20.259)与对照组比较(t= 8.944,P<0.05),轻度组(86.125±9.094)与对照组比较无统计学意义(t=1.980,P>0.05)。滚轮运动实验结果轻度牵拉组(2.692±0.240),10 d后逐渐恢复正常,中度(1.891±0.328)及重度(0.804±0.280)恢复不明显。各组与对照组比较差异均有统计学意义(t=11.330、12.220、30.490,P<0.01)。热刺激实验发现损伤后对热反应明显降低并且重度组无恢复,各组与对照组比较差异均有统计学意义(t=3.623、8.994、215.749,P<0.05)。结论以拉力为参数可以稳定地建立不同程度的坐骨神经牵拉性损伤动物模型。
简介:摘要目的探索基于多参数MRI的放射组学特征和神经网络模型在区分宫颈癌淋巴结转移的效能。材料与方法回顾性分析178例宫颈癌并提取9个临床及病理特征,经过方差分析进而提取3个特征进入模型。两位观察者分别用软件勾勒得到感兴趣容积,提取到428个放射组学特征。放射组学特征结合临床及病理特征建模:分别组成428维、437维、431维模型。通过Python库的torch和sklearn构建并评价神经网络模型和支持向量机模型。组内相关系数(intraclass correlation coefficient,ICC)来评估观察者之间的信度,使用分类准确率、敏感度、特异度和受试者特征曲线下面积(area under the receiver operating characteristics curve,AUC)用来衡量检测模型性能。使用sklearn中的metrics.roc_curve函数绘制ROC曲线,通过最大约登指数(Youden index)确定最佳界值,并进行诊断效能评估。结果两位观察者ICC为0.819、观察者内ICC为0.796。431维神经网络模型AUC为0.882,在测试集中该模型的分类准确率、敏感度和特异度分别为0.810、0.840和0.741,优于其他模型。结论基于多参数MRI的神经网络模型可有效地预测宫颈癌淋巴结转移。
简介:摘要目的探讨卷积神经网络(CNN)在胸部CT肋骨骨折诊断中应用的准确性和可行性。方法收集2017年5月至2019年5月于山西白求恩医院行胸部CT检查的305例肋骨骨折患者的影像资料,经过图像裁剪构建包含5类胸部CT肋骨骨折图像数据集,共7433张图像,作为训练组数据,在深度学习caffe框架下采用Faster R-CNN和Yolov3模型对数据集进行训练和测试。另选取同期肋骨骨折患者20例,裁剪后144幅包含肋骨骨折的CT图像作为验证组,由两位高年资主任医师阅片并确定肋骨骨折类型及部位等作为诊断标准,分别使用Faster R-CNN、Yolov3模型进行验证,同时两位CT医师对验证组图像进行判读。比较3种方法的诊断准确率、诊断一致性及阅片时间。结果验证组144幅CT图像共包含162处骨折,骨折类型包括双侧骨皮质断裂71处、外侧骨皮质断裂38处、内侧骨皮质断裂21处、骨皮质屈曲骨折12处、其他类型骨折20处。Faster R-CNN模型、Yolov3模型、CT医师诊断肋骨骨折的总准确率分别为95.68%(155/162)、83.33%(135/162)、96.30%(156/162),组间比较差异有统计学意义(P<0.001)。Kappa一致性检验显示,Faster R-CNN模型及CT医师的诊断一致性较好(Kappa=0.851,P=0.012)。CT医师、Faster R-CNN模型、Yolov3模型平均每幅图阅片时间分别为(11.57±5.80)s、(0.52±0.15)s、(0.054±0.003)s,组间比较差异有统计学意义(P<0.01)。结论利用深度卷积神经网络识别胸部CT肋骨骨折具有可行性,诊断总准确率与有经验的CT医师相当,而阅片速度更优。
简介:摘要目的建立儿童神经源性膀胱(NB)发生上尿路损害的预测模型并验证其效能。方法以2011年1月至2021年12月重庆医科大学附属儿童医院收治的143例NB住院患儿及郑州大学第一附属医院收治的84例NB住院患儿为研究对象,将前者设为训练集,后者设为验证集,对两者的一般参数进行比较。通过Lasso回归和多因素logistic回归分析筛选出NB患儿发生上尿路损害的危险因素,将危险因素纳入并建立列线图预测模型。分别在训练集和验证集中对模型进行内部和外部验证,采用受试者工作特征曲线下面积(AUC)验证模型的准确性。结果纳入的227例NB患儿中,男121例、女106例,年龄(10.2±3.8)岁。训练集和验证集之间除年龄外其他参数差异均无统计学意义(均P>0.05);Lasso回归和多因素logistic回归分析显示:逼尿肌漏尿点压(DLPP)≥40 cmH2O(OR=4.76,95%CI:2.01~11.26,1 cmH2O=0.098 kPa)、伴有膀胱过度活动(OAB)(OR=3.08,95%CI:1.34~7.04)、膀胱顺应性(BC)<20 ml/cmH2O(OR=3.65,95%CI:1.41~9.47)、既往泌尿系感染史(OR=2.73,95%CI:1.09~6.81)以及腹压或其他排尿方式(OR=2.86,95%CI:1.20~6.82)是NB患儿发生上尿路损害的危险因素(均P<0.05);使用上述参数建立儿童NB发生上尿路损害的列线图模型并进行内部和外部验证,训练集和验证集的AUC值分别为0.84(95%CI:0.77~0.91)和0.86(95%CI:0.79~0.94)。结论本研究构建的儿童NB上尿路损害预测模型有较高的准确度和临床适用性,可帮助临床医生早期发现高危患儿并及时进行干预。
简介:在调水工程中,如果泵站站前水位过低,会危及泵站安全,如果水位过高,会危及周边安全,因此探寻调水工程中河渠湖库水位变化显得尤为重要.以南水北调东线山东段南四湖为研究区域,寻求不同起调水位、出入流量、泵站开启时间差的调水方案下泵前水位变化规律.先利用耦合模型对不同的调水方案进行数值模拟,然后选取23组调水方案及其数值模拟所得的泵前水位作为样本训练BP神经网络,建立BP神经网络调蓄水位预测模型并进行验证,最后利用预测模型对不同调水方案进行泵前水位预测.结果表明,BP神经网络预测模型具有很强的预测能力,预测模型结果与耦合模型结果泵前水位基本吻合,水深相对误差小于9.15%,而模型计算效率提升96.67%.
简介:基于解的充分必要条件,提出一类广义变分不等式问题的神经网络模型.通过构造Lyapunov函数,在适当的条件下证明了新模型是Lyapunov稳定的,并且全局收敛和指数收敛于原问题的解.数值试验表明,该神经网络模型是有效的和可行的.
简介:目的:建立单纯庖疹病毒1型(herpessimplexvirustype1,HSV-I)感染造成的面神经麻痹动物模型,研究HSV-I与面神经麻痹之间的关系。方法:Balb/c小鼠66只,切断双侧面神经耳后支,右侧神经断端接种HSV-1,左侧接种胎牛血清作为对照。观察小鼠全身情况、双侧面肌运动的对称性;颞骨连续切片HE染色;颞外段面神经锇酸染色:双侧面神经、脑干、三叉神经节、脊髓行PCR检测HSV-1DNA片断。结果:28只小鼠(4242%)于接种后2-5d发生右侧面神经麻痹,病程持续3-6d后恢复。38只未发生面神经麻痹。与对侧比较,颞骨连续切片显示面神经麻痹鼠右侧神经肿胀、神经周围间隙变小、
简介:摘要在电力市场中,风电所占电网的比例越来越大。但由于风的波动及其不可控性,风电场的发电量也在随机变化,风速是影响产能最直接最根本的因素,所以很有必要对其进行预测。本文采用RBF人工神经网络模型对未来短时间风速进行预测。通过对风速反复训练与检测来选择一组合适的模型参数,并对模型进行了误差分析。研究结果表明,使用RBF神经网络对未来风速进行短时间预测能够达到较好效果。