摘要：目的基于标准预防、制定并督导落实负压病房新型冠状病毒肺炎(新冠肺炎)的感染防控(感控)措施,防止医患之间发生交叉感染.方法台州市公共卫生中心作为台州市突发性传染病定点收治单位,于2020年1月22日开始收治新冠肺炎患者,开放4层负压病房.截至2020年2月23日,参与救治的医护人员和辅助人员实现"零感染",本研究从组织管理架构的建设、流程和方案的制定、人员的培训、消毒隔离的落实与质控4个角度为切入点,结合医院感染(院感)的规范指南和既往经验制定详细的感控措施.结果①建立应急防控体系,健全组织管理架构.②流程与方案的制定.③多元化、多维度地培训,严防医务人员感染和院内传播.④执行严格的院感管理,做好流程的落实与监控.结论在负压病房的基础上,设计通畅的工作流程,做好人员的培训,落实规范化的诊疗行为才能真正减少院感的发生.

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。