摘要：目的 开发一个基于大规模视觉语言模型的黑色素瘤诊断框架,并探讨该框架用于黑色素瘤诊断的可行性和准确性。方法 采用公开数据集Derm7pt,其数据集划分为训练集(346例),验证集(161例)和测试集(320例)。提出了一个基于大规模视觉语言模型的黑色素瘤诊断框架,该诊断框架包括两个文本分支和一个视觉分支。在文本分支中,一个分支处理固定的临床提示;另一个分支则处理可学习的提示。这种设计旨在通过固定的临床提示引导和优化可学习提示的效果。视觉分支处理皮肤镜图像,通过微调图像编码来增强对黑色素瘤特征的识别能力。结果 在Derm7pt数据集上,我们的方法在性能上优于现有其他方法。其接收者操作特征曲线下面积(AUC),准确率和F1-分数分别为87.35%,84.17%和84.01%。结论 通过适当的微调策略,基于大规模视觉语言预训练模型的方法能够有效地适应黑色素瘤的诊断任务。这种方法可以作为医生的有力辅助工具,帮助他们做出更加准确的诊断决策。

摘要：机器人辅助微创手术,因其低侵袭性而变得越来越普遍。然而,因定向障碍和缺乏导航信息限制了其在经自然腔道手术的进一步应用。自然腔道解剖结构复杂,机器人末端的手术器械易损伤周围血管和神经。本研究设计了一种智能控制导航手术机器人系统,使用可靠和安全的定位技术、7自由度机械臂以及避免关节角度限制的逆运动学控制策略,以实现高灵活度的机械臂控制。基于患者术前影像进行手术导航与手术规划,并通过阻抗柔顺控制将患者与手术器械的接触力限制在一定范围内,实现保护患者的正常组织。为了提高手术精度并缓解医生的手术强度,智能语音控制实现术中手术器械位置和姿态的微小调整。基于体模和尸头实验进行系统的有效性验证。结果显示,本系统的定位误差小于1 mm,轨迹追踪角度误差小于2.5°,术中导航可进行实时手术靶点与器械跟踪,阻抗柔顺控制可将手术器械与患者之间的接触力降低在1.2 N以下,基于语音识别的精细调控可以满足术中对手术器械运动控制的要求。本研究的结果初步表明,所设计的手术机器人系统在机器人辅助微创手术中具有潜在的应用前景。

摘要：目的提出一种新型的肋骨骨折检测网络Rib-Net,探讨其进行肋骨骨折检测的可行性与准确性,以减少骨折漏诊案例。方法采用公开数据集RibFrac Dataset,其数据集划分为训练集(420例)、验证集(80例)及测试集(160例)。Rib-Net由目标检测集成网络ED-Net、完全候选框融合算法(CBF)与分割模型3D Unet构成。首先,集成Retina Unet、UFRCNN+与Mask RCNN组成ED-Net,预测肋骨骨折候选框;其次,设计全新的CBF,融合存在重叠的骨折候选框,生成定位精准、置信度准确的候选框;最后,利用Unet对肋骨骨折进行分割,实现肋骨骨折的进一步精确定位。结果在“MICCAI 2020 RibFrac Challenge:Rib Fracture Detection and Classification”挑战赛平台上,Rib-Net检测结果达到了最优成绩,其召回率、无限制接受者操作特性曲线(FROC)值及Dice相似指数分别为92.3%,0.859和0.61。结论Rib-Net网络可高效精准地对胸部CT影像进行肋骨骨折检测定位,有效协助医生做出准确诊断。

摘要：目的：利用计算机图像融合技术,探讨对颞骨岩部、颈内动脉、骨迷路等结构进行多模态医学图像的配准、融合与重建,为经岩骨入路手术术前计划的设计与模拟提供形态学基础.方法：收集患者头颅CT、MRA导航序列图像,利用复旦数字医疗自行研发的神经外科手术导航系统软件,进行影像数据的配准和融合,分别基于CT图像重建出颅骨和骨迷路,基于MRA图像重建出颈内动脉.结果：重建后的图像可单独或多结构融合显示颞骨岩部、颈内动脉和骨迷路的形态;三类结构用不同的伪彩色、透明度进行区别显示,能快速、直观地反映相互之间的位置和毗邻关系;能够根据手术入路,在三维空间中任意角度旋转观察.结论：利用头颅CT和MRA导航序列图像,经配准、融合和重建,显示颞骨内颈内动脉、骨迷路等复杂结构,为颅底外科解剖训练和手术计划提供一种新的方法和有效的信息补充.