摘要：目的开发一种基于深度学习的多维度分割系统,在磁共振成像(magnetic resonance imaging,MRI)影像中识别微小病灶,为急性缺血性脑卒中(acute ischemic stroke,AIS)的诊治提供决策依据。方法提取并融合2D、3D网络的特征,引入了联合损失函数,进而提出了一种新的2.5D方法——多维度多尺度注意力增强网络(multi-dimensional multi-scale attention enhanced network,MMAE-Net)。在AIS分割数据集(训练集171例、测试集43例)上训练和测试了所提方法的性能,并与其他方法进行比较。结果相较于2D、3D网络,2.5D网络(MMAE-Net)在各项评价指标上均可取得最优异的分割性能,获得了81.25%的Dice相似系数(dice similarity coefficient,DSC)和84.82%的灵敏度(sensitivity,SEN)。相较于U-Net、ResU-Net、DenseU-Net、AttentionU-Net和SEgmentation TRansformer(SETR)等经典方法和既往研究,MMAE-Net取得了更优异的分割性能。我们还开发了可视化自动分割系统以提升方法的实践和推广能力。结论本文基于2D、3D特征融合的理念设计了2.5D多维度分割模型MMAE-Net,其在MRI微小病灶的识别中取得了优异性能,为AIS疾病诊治提供了有效的解决方案。

摘要：目的了解医学大学生对于雾霾天气与健康关系的认识及应对行为现状,并探讨其影响因素。方法采取分层整群抽样的方法抽取山东泰安某医学高校1486名在校大学生作为调查对象,采用自行设计的"关于雾霾认知与应对的调查问卷"进行自填式问卷调查。结果医学大学生对雾霾天气和PM_(2.5)非常了解的人数仅占8. 7%与9. 7%,有8. 0%认为PM_(2.5)与雾霾天气无关。在应对雾霾天气的行为方面,有60. 5%学生可以在日常生活中采取措施减轻雾霾对自身的危害。对治理好雾霾天气的态度(OR=1. 779,95%CI:1. 134～2. 790),雾霾知识和防护措施的宣传(OR=2. 403,95%CI:1. 029～5. 612),对PM_(2.5)了解程度(OR=2. 961,95%CI:1. 761～4. 977),所在城市雾霾污染情况(OR=2. 835,95%CI:1. 571～5. 117)是影响医学大学生采取措施应对雾霾危害的主要因素。结论该医学高校的大学生对雾霾知识的认知水平一般。对雾霾的了解、态度、以及对雾霾知识和防护措施宣传等均会影响医学大学生的个人防护行为。