摘要：目前关于PET/CT图像分割的方法缺少对图像全局上下文信息提取的考虑并且对提取到的特征信息进行融合的方式有待优化.针对上述问题,本文提出了并行提取和特征综合网络(Parallel Extraction and Feature Synthesis Network,PFNet).该网络首先利用卷积神经网络(convolutional neural network,CNN)和Transformer分别设计了两个支路分别从PET/CT图像中提取局部特征和全局上下文信息.其次,为了融合不同的特征信息,本文设计了一个特征综合模块,将两个分支提取的不同信息送入特征综合模块进行融合.在该模块中,设计了多策略融合单元,与此同时该模块利用通道注意力单元和依赖关系学习单元进一步学习通道特征信息和特征图自身依赖关系,以便进一步进行特征融合.此外本文引入了LogCoshDiceLoss作为损失函数,其利用函数Log-Cosh的平滑性可以提高分割性能.最后,在神经母细胞瘤数据集和HECKTOR 2021数据集上的实验结果表明本文提出的网络相比其它方法具有更好的分割性能,获得了较好的分割效果.

摘要：目的:制备玄参配方颗粒,并进行质量标准研究。方法:使用正交试验设计优化提取工艺,采用湿法制粒制备玄参配方颗粒,建立薄层色谱(thin layer chromatography,TLC)定性鉴别方法,采用紫外-高效液相色谱法(ultraviolet-high-performance liquid chromatography,UV-HPLC)测定特征性成分哈巴苷和哈巴俄苷的含量。结果:优选的提取工艺为:玄参饮片用水煎煮3次,每次30 min,3次煎煮分别加入10、8和8倍量水;建立的TLC方法,色谱斑点清晰,分离度良好;含量测定方法学考察表明,哈巴苷和哈巴俄苷的线性范围分别为:8.91~89.06μg/mL,R^(2)=1.000;4.81~48.05μg/mL,R^(2)=0.9999;平均加样回收率分别为:102.47%(RSD=1.88%),97.78%(RSD=2.70%)。结论:优化的玄参提取工艺稳定可行,质量控制方法简单,重复性好,可为玄参配方颗粒的质量控制提供参考。