摘要：超声波作为一种具有优秀的组织穿透力的高频机械波,因其无创性和高效性,近年来不仅广泛应用于医学诊断成像中,也被证实在疾病治疗领域有着广阔的应用前景。小尺寸和高反应活性是超声响应型纳米材料的独特优势。该类材料具有在超声刺激下精准控制药物释放的能力,为提升药物治疗效率提供了新途径,因而受到了广大学者的关注。炎症是机体为应对损伤而产生的一种防御性反应,然而,炎症反应过度可能会导致多种机体组织损伤,甚至危及患者的生命。许多研究已证实利用超声响应型纳米材料控制炎症反应是一种可行的治疗方式。目前,超声响应型纳米材料在抗炎治疗中仍有瓶颈,如纳米材料的设计与合成过程复杂,纳米材料生物体内相容性与安全性等问题仍有待进一步验证等。本篇综述针对抗炎领域常见的超声响应型纳米材料进行了归纳与分类,并系统介绍了不同纳米材料的特性。另外,对于超声响应型纳米材料在骨骼疾病、皮肤与肌肉疾病、自身免疫性疾病与呼吸系统疾病等不同疾病中的抗炎应用也进行了阐述,以期为未来超声响应型纳米材料在抗炎领域的精准治疗、靶向递送、临床试验等方向的进一步研究和临床应用提供参考。

摘要：目的影像学医师通常通过观察乳腺B型超声(brightness-mode ultrasound)肿瘤区域进行良恶性分析,针对难以辨别的病例则融合其对应的超声造影(contrast-enhanced ultrasound,CEUS)特征进一步判别。由于超声图像灰度值范围变化小、良恶性表现重叠,特征提取模型如果不能关注到病灶区域将导致分类错误。为增强网络模型对重点区域的分析,本文提出一种基于病灶区域引导的注意力机制,同时融合双模态数据,实现乳腺超声良恶性的精准判别。方法通过对比实验,选取一个适合超声图像特征提取的主干分类模型ResNet34;为学习到更有分类意义的特征,以分割结节的掩膜图(region of interest,ROI-mask)作为引导注意力来修正浅层空间特征;将具有分类意义的超声造影各项评价特征向量化,与网络提取的深层特征进行融合分类。结果首先构建一个从医院收集的真实病例的乳腺超声数据集BM-Breast(breast ultrasound images dataset),与常见分类框架ResNet、Inception等进行对比实验,并与相关最新乳腺分类研究成果对比,结果显示本文设计的算法在各项指标上都有较大优势。本文提出的融合算法的分类准确性为87.45%,AUC(area under curve)为0.905。为了评估对注意力引导机制算法设计的结果,在本文实验数据集和公开数据集上分别进行实验,精度相比对比算法提升了3%,表明本文算法具有较好的泛化能力。实验结果表明,融合两种模态超声数据的特征可以提升最终分类精度。结论本文提出的注意力引导模型能够针对乳腺超声成像特点学习到可鉴别的分类特征,双模态数据特征融合诊断方法进一步提升了模型的分类能力。高特异性指标表现出模型对噪声样本的鲁棒性,能够较为准确地辨别出难以判别的病例,本文算法具有较高的临床指导价值。

摘要：乳房形态学以及体积的测量可以帮助整形外科医生在乳房整形术前制定合理的手术方案,帮助假体型号的确定以及自体肌皮瓣切口的设计,有利于乳房整形外科朝着更便利、更精确、术后对称性更佳的方向发展。现代影像学三维重建技术的飞速发展,使得乳房形态学和体积的测量更为便捷和准确。本文对各类影像学测量手段进行系统性回顾,并分析其利弊与适用范围。