刘苗[1]（2021）在《基于机器学习和分子指纹的化合物hERG心脏毒性预测研究》文中研究说明随着计算机技术的日趋成熟,计算机辅助药物设计已经普遍应用于人们的日常生活中。应用计算机技术可以提高实验成功率,并且能节省大量的时间、资金以及劳动力,为新药研发提供了更广阔的空间。目前,使用计算机辅助药物设计已经成为当今社会人类健康的研究热点。因此,本研究基于化合物的结构使用机器学习算法,以目前有机化合物致心脏毒性为研究对象,建立一个新的预测效果更准确的化合物致心脏毒性预测模型。在预测有机化合物致心脏毒性方面,hERG通道的半抑制浓度(IC50)作为钾离子通道阻断的标志物,是关键的参数指标。在本研究中,我们在分类模型中从包含1865种不同化合物的数据集中计算9种分子指纹和55种2D分子描述符。然后我们使用3种机器学习算法基于计算的分子指纹和分子描述符构建30种化合物致心脏毒性集成模型。在分类模型的结果中,Ensemble-top7模型在五折交叉验证中的结果最好,其准确率达到84.9%,AUC为0.887,并且用外部验证数据集测试了集成模型,其准确率为85.0%,AUC达到0.786。对比文献中所报道的模型结果,我们所构建的Ensemble-top7模型具有更高的预测性能,预测结果更准确。在回归模型的结果中,从包含1631种不同化合物的数据集中计算出55种2D分子描述符,使用同样的三种机器学习算法构建三种回归模型。在回归模型的五折交叉验证中,训练集的R2为0.576,三个验证集的Rpred2分别为0.549、0.681、0.711,通过结果可以表明本研究构建的回归模型可以很好地预测IC50参数,能够对新型化合物进行有效地预测。此外,我们通过随机森林模型计算出几种与化合物致心脏毒性抑制剂相关的化学结构,这些信息极有可能对今后的药物研发与设计提供非常重要的作用和十分有价值的信息。本研究的创新性工作:本研究基于化合物的结构使用三种机器学习算法构建的化合物致心脏毒性预测模型,对比文献中报道的建模方法,我们所建立的集成模型达到较高的预测性能（高于文献中的结果）,且没有发生明显的过拟合现象,可用于预测化合物致心脏毒性。
党豪[2]（2020）在《基于深度学习的心脏数据自动分类与分割关键技术研究》文中进行了进一步梳理目前,心血管病的死亡率处于疾病死亡构成的首要位置,已成为全人类健康的共同威胁。探索一种全自动的心脏数据分类和分割算法对心血管疾病的预防和治疗具有重要的理论研究意义。同时,也可以辅助医生从复杂繁重、费时费力的手动分类与分割工作中解脱出来,具有较大的临床实用价值。心电图数据包含了人体心脏活动的丰富信息,在一定程度上反应了心脏各部位生理活动的健康状况,是评估心脏功能、判定心脏疾病的关键因素之一。心脏核磁共振成像技术是一种无创的心脏成像技术,也是诊断心脏及大血管疾病的重要手段,已成为无创性检测与评价心脏结构和功能的重要依据。本文主要基于深度学习理论,系统地研究一维心电信号的自动检测与分类问题和二维心脏核磁图像的自动分割问题。论文主要包含以下研究内容和创新成果:第一,针对心电信号的预处理技术降噪方向进行研究。由于噪声信号存在高频与低频信号,论文提出了改进的形态学小波变换理论的降噪模型,称为Improved Morphology-WT模型。一方面,理论上分析了形态学滤波和小波变换方法的可行性,小波基函数的选择策略,分解尺度的决策过程,阈值处理方法和改进的阈值估计函数的构建等问题;另一方面,通过大量实验验证了小波基函数和分解层数的决策过程,也证明了 Improved Morphology-WT方法对于ECG信号中的低频和高频信号的降噪是合理可行的,而且为信号检测与分类工作奠定基础。第二,针对于房颤信号的检测与分类问题,本文提出了基于卷积神经网络和双向长短期记忆网络的CB-LinkNet模型。卷积神经网络具有很强的特征学习能力,但由于卷积神经网络的提出主要是解决图像分类、目标检测和图像分割等图像的特征提取任务,并没有重点考虑以信号为核心的一维数据,心电信号本质上是时间序列数据。所以,利用双向长短期记忆网络对卷积神经网络的特征学习能力进行补充和调整,使得网络模型更加适用于时间序列信号的特征提取任务。同时,基于原始房颤数据库（MIT-BIH Atrial Fibrillation database）的数据,论文分割出两种输入型信号:RR间隔数据（数据集A）和心拍序列数据（数据集B）,以验证房颤信号对于输入数据的特征敏感性。论文设计的3组消融性实验最终也验证了模型的鲁棒性和泛化性,模型分类准确率在训练和验证阶段分别达到了 99.94%和98.63%,在测试集上达到了 96.59%,敏感度和特异度在测试集上分别达到了99.93%和97.03%。同时,本文与国内外房颤检测的模型及分类结果进行了比较分析,本文的研究效果更为显着,充分证实了本研究的实际价值。第三,在对心律失常信号深入分析的基础上,本文提出了三个深度神经网络分类模型对多类心律失常信号进行检测与分类,包括plain-CNN 模型和两个 MSF-CNN 模型（A 和 B）。其中,plain-CNN模型是具有多个卷积层的基础网络结构;在plain-CNN模型的基础上提出了 MSF-CNNA,以提高plain-CNN网络的学习能力,主要是增加了并联组卷积操作（包括三个不同的卷积核,分别是1×7,1×5,1×3）;最后,在MSF-CNNA网络的基础上,通过实施串并联组卷积和残差学习模型形成了改进的MSF-CNNA模型,即MSF-CNNB模型,以提高算法的性能。在数据方面,考虑到心律失常类信号的数据特点,本文为模型设计了多尺度的输入信号,以验证数据尺度对于模型性能的影响,同时创造性的在一维信号处理中使用数据增强策略来提高数据的科学性和有效性。六组消融性实验证明了模型泛化能力和鲁棒性,在测试集上,平均准确率、敏感性和特异性分别达到了 96.59%,99.93%,97.03%,也充分体现了模型对于心律失常信号分类任务的重要价值。最后,针对于心脏左心室核磁图像的分割问题,本文提出了 Res-LinkNet分割模型,模型分为Encoder,Center和Decoder三个部分。Encoder的核心部分是模型设计了 ResLink结构模型,这一结构替代了 D-LinkNet中的特征提取器—ResNet结构模型。ResNet网络模型是针对于分类任务而设计的,该设计限制了感受野的范围,而且缺乏跨通道的特征交互与融合,ResLink结构模型可以有效地解决这一问题;Center部分的主要结构是DenseASPP。DenseASPP主要是为了有效解决特征图的感受野问题,其包含一个基础网络,后面分别连接5级空洞卷积层,空洞率分别为3,6,12,18,24,实现了混合空洞卷积。一方面,这一结构使得网络深层的特征图的感受野增大,另一方面,它可以有效缓解普通的空洞卷积运算引起的“网格问题”,同时,对不同通道的特征也进行融合;Decoder部分主要是运用密集上采样卷积操作,通过一系列密集上采样卷积操作来将Encoder阶段下采样的特征图放大至所需尺寸,尽可能地恢复图像特征信息。实验进行了三组消融性分析和一组综合比较分析,结果表明,Res-LinkNet101最终平均准确率达到了 99.88%,mIOU 达到了 94.95%,F1 Score 达到了95.57%,充分体现了模型对于左心室分割的有效性。纵览全文,本文的主要创新点如下:（1）在心电信号降噪技术研究中,论文提出了 Improved Morphology-WT降噪模型,同时也提出了自适应阈值估计方法和改进的阈值函数来完成模型中的小波分解工作。（2）在房颤信号检测与分类研究中,本文提出了融合了卷积神经网络和双向长短期记忆模型的CB-LinkNet模型,同时设计两类输入型信号以评估房颤信号的特征敏感性。（3）在多类心律失常信号检测与分类研究中,本文提出了三个端到端的分类网络模型,同时创新性的在信号中设计了数据增强方法,以有效避免模型过拟合。（4）在左心室分割研究中,论文提出了 Res-LinkNet分割模型,并在Encoder部分设计了基于Attention的ResLink结构模型来完成对心脏核磁影像的特征提取工作。
赵娜[3]（2020）在《基于心房多尺度计算模型的心衰诱发房颤机制研究》文中提出心力衰竭（简称心衰）和心房颤动（简称房颤）经常合并发生,具有较高的发病率、致残率和死亡率。流行病学研究指出心衰可以促进房颤的发生,但其病理机制尚不完全明确。心衰合并房颤的预后较差,心衰和房颤的动态演化及相互影响很大程度上限制了治疗的长期有效性,因此需要更全面地理解心衰促进房颤发生的机制。生理实验发现心衰会诱导心房发生重构,且其因素众多,而目前生理实验方法很难完成不同物理尺度电生理实验数据的同时观测。虚拟生理心脏计算模型可以有效克服这种困难,能够整合心脏多物理尺度的生理病理信息,在不同层级剖析影响心脏功能的因素,并仿真心脏系统的动态演化过程。因此,基于虚拟生理心脏计算模型的优势,本文致力于应用心房多尺度计算模型来研究心衰诱导的心房多因素重构促进房颤的潜在机制,主要工作包括以下四个方面:（1）生理实验数据显示犬类动物短期心衰会诱导心房细胞发生电生理重构,但是目前并不清楚这种重构是否会促进致房颤的电交替发生。基于此,本文构建了仿真心衰状态的犬心房细胞电生理计算模型,通过模型仿真发现了心衰诱导的心房细胞电生理重构能够增强心房细胞发生电交替的易感性。通过参数敏感性分析,确定了受磷蛋白磷酸化增强和瞬时外向K+电流减小是增强电交替易感性的重要重构因素。通过分析动作电位、离子通道电流和钙循环之间的关联,揭示了这两个重构因素导致心衰的心房细胞发生电交替的内在机制。（2）心衰会促进心房成纤维细胞增殖和纤维化,成纤维细胞与心房细胞之间的电耦合会影响心房细胞的电生理特性,然而,目前并没有犬心房的成纤维细胞计算模型。因此,本文构建了首个犬心房的成纤维细胞计算模型,应用遗传算法自动优化了模型参数,使其符合生理实验数据。然后,将此模型与犬心房细胞计算模型耦合,提出了基于傅里叶变换频谱和交替比率限定的动作电位时程（Action potential duration,APD）交替判定方法。仿真发现了成纤维细胞增殖增强了心房细胞发生电交替的易感性,并解释了其具体原因。（3）生理实验数据表明心衰情况下心房组织的间隙连接会发生重构（即心房组织电重构）,影响心房的电传导。如果心肌组织上发生空间不一致的电传导交替现象,则可能引起心律失常。然而,目前尚不清楚心衰是否会引起心房电传导发生空间不一致交替。针对此问题,本文构建了心衰的犬心房一维组织计算模型,分析了心衰诱导的心房多因素重构（心房细胞的电生理重构、心房纤维化/成纤维细胞增殖、心房组织电重构/间隙连接重构）对心房组织电传导的影响,揭示了心衰促进心房电传导发生空间不一致交替的机制以及间隙连接重构增加心房电传导空间异质性的机制。（4）在心房组织上,折返波是房颤发生和维持的重要机制之一。心衰情况下一维组织电传导在发生空间不一致交替的过程中引起了传导阻滞,然而在心房二维组织上其是否会进一步发展为致房颤的折返波仍不明确。因此,本文构建了心衰的犬心房二维组织计算模型,通过模型仿真验证了心衰情况下的心房空间不一致交替电传导可以转化为折返波,其中,间隙连接重构和成纤维细胞增殖发挥着决定性作用;进一步揭示了,心衰情况下的空间不一致交替电传导通过增大APD的空间梯度和增强APD节点线的复杂性,促使功能性传导阻滞区域的形成,为折返波提供合适基质。本文以心脏电交替为切入点,从细胞层级到一维和二维组织层级,系统地研究了心衰诱导的心房多因素重构是如何促进电交替以及致房颤折返波发生的,为心衰促进房颤发生和维持的机制提供了新的见解,对预防心衰患者并发房颤以及改进和开发有效治疗方法具有重要的科学意义和潜在临床应用价值。
陈筱雪[4]（2020）在《全自动测量技术评估冠心病患者左心收缩功能的价值》文中研究指明目的:应用全自动测量技术评估冠状动脉粥样硬化性心脏病（CHD）患者的左心收缩功能,探讨全自动测量技术评估CHD患者左心收缩功能的价值。方法:建立容纳500例受检者资料的Access数据库,从数据库中调出符合纳入标准的C HD患者127例为病例组,并依据左心室室壁运动情况进一步分为室壁运动异常亚组,记为病例A组和室壁运动正常亚组,记为病例B组。同时从数据库中随机抽取符合纳入标准的非CHD受检者127例为对照组。并对所有受检者进行图像质量评分,评分在28-32分区间者记为图像质量良好组（图优组）,评分<28分者记为图像质量差组（图差组）。应用M型超声心动图Teichholz法（简称“M型法”）、二维超声心动图双平面Simpson法（简称“双平面Simpson法”）和EchoPAC工作站的Auto EF软件（GE,版本号:110）（简称“自动测量法”）测量各组受检者的左心收缩功能。观察指标包括左心室舒张末期内径和容积（EDV）、收缩末期内径和容积（ESV）、射血分数（LVEF）、每博输出量和短轴缩短率和检查左心收缩功能所需花费的时长。分析不同方法测量左心收缩功能的之间的相关性和一致性。对三种方法测量左心收缩功能进行重复性检验。结果:病例A组左心收缩功能测值均低于病例B组和对照组（P<0.05）。病例A组、B组、对照组中自动测量法和双平面Simpson法测量的LVEF、EDV和ESV参数间相关性和一致性水平均高于M型法和双平面Simpson法测值。各组内自动测量法和双平面Simpson法测量LVEF、EDV和ESV具有中等水平以上的相关关系和较高程度一致性。病例A组中自动测量法和双平面Simpson法测量的LVEF具有强水平的相关性（r:0.749,95%CI:0.516～0.871）和基本程度的一致性关系（ICC:0.809,95%CI,0.662～0.896）,差异均有统计学意义（P均<0.05）。不同图像质量组内三种方法测量的左心收缩功能测值的相关性和一致性基本处于同一水平。M型法和双平面Simpson法测量重复性好。自动测量法重复性测量无差异。自动测量法较双平面Simpson法测量时间明显缩短（P<0.05）,自动测量法较M型法测量时间差异不明显（P>0.05）。结论:EchoPAC工作站的Auto EF软件（GE,版本号:110）测量具有快捷、简便、易行的特点。可最大化的避免人为主观因素影响,且受图像质量影响小。该方法与双平面Simp son法比较具有较高水平的相关性和一致性,在CHD患者和非CHD人群左心收缩功能测量中均有良好的适用性,尤其在室壁运动异常的CHD患者中评估左心收缩功能的适用性更好。Auto EF自动测量法可以方便超声医师尤其是低年资的医师迅速掌握并能准确评估左心收缩功能为患者临床救治及预后评估献一份力。图[27]表[24]参[130]
赵平安[5]（2020）在《基于多离子通道计算仿真模型预测药物致心律失常的风险及机制研究》文中研究表明背景自新药开发初期以来,药物引起的心脏毒性一直是人们关注的焦点。意想不到的心脏毒性作用仍然是导致新药停止研发和药物上市后被撤回的主要原因。根据国际协调会议专家工作组（ICH）对所有正在开发的药物的定义,QT间期延长已被用作预测Torsade de Pointes（TdP）潜在风险的生物标志物,延长QT间期的大多数药物抑制人ether-à-go-go相关基因（hERG）编码的心肌钾通道,因此,hERG通道抑制水平已成为预测TdP风险的“金标准”。然而,最近的研究表明,单一的体外hERG阻断试验提供的信息不足以准确区分“安全”药物和“危险”药物。例如,QT间期延长可由抑制其他离子通道如IKs的药物诱导;Na+或Ca2+通道阻滞可以缓解由于hERG阻滞引起的心律失常;其它心电图异常,如QT间期缩短或T波交替,也常与TdP相关。最近,基于hERG阻滞和QT间期延长数据的综合体外致心律失常试验（CiPA）被提出,以提高临床前药物筛选的精准性和有效性。CiPA项目中的一个重要组成部分是对影响心室去极化和复极化的多离子通道进行综合评估。本研究利用计算机模型结合六种离子通道的药物阻断数据,量化分析不同药物在不同刺激频率下对不同心脏细胞类型的动作电位的影响,并对药物潜在的心脏毒性进行预测。目的1.量化评估12种药物的心脏毒性2.分析药物产生心脏毒性的离子机制。3.为准确评估药物的心脏毒性提供新思路。方法基于心脏电生理的实验数据,在Pan-Rudy（PRd）,Keith-Rudy（KRd）和Decker模型的基础上,建立四种细胞模型（浦肯野、心内膜、心肌膜、心外膜）,模拟12种药物（奎尼丁、苄普地尔、多非利特、索他洛尔、氯丙嗪、西沙必利、特非那定、昂丹司琼、地尔硫卓、美西律、雷诺嗪、维拉帕米）在不同刺激频率下对4种细胞动作电位的影响。药物浓度设定为有效游离治疗血浆浓度（Effective Free Therapeutic Plasma Concentration,EFTPC）。结果1.QT间期延长不一定导致早期后除极（early afterdepolarization,EAD）,并不能准确预测药物所导致的心律失常。2.EAD的发生可能是预测药物性心律失常的候选生物标志物。3.M细胞更易发生药物性心律失常,且在较慢的起搏速率下发生EAD。4.奎尼丁可在所有细胞类型中导致的EADs,且EADs产生的机制是不同的,在浦肯野细胞中,药物产生EAD的主要原因是INaL,而在心室肌细胞中,IcaL是药物产生EAD的主要原因。5.在浦肯野细胞中,随着心率变慢,动作电位出现交替现象。结论1.基于心脏细胞数学模型的计算仿真结果可以较为准确地预测药物的心脏毒性:其中奎尼丁、苄普地尔、多非利特、索他洛尔为高风险药物;氯丙嗪、西沙必利、特非那定、昂丹司琼为中等风险药物;地尔硫卓、美西律、雷诺嗪、维拉帕米为低风险药物。这些预测结果与药物已知的心脏毒性一致。2.不同药物致心律失常毒性产生的离子机制具有较大的心率与细胞依赖性差异,在评估药物的心脏毒性时,量化预测多离子通道药理学在不同细胞类型和心率条件下的变化是重要评估因素之一。
郑也[6]（2020）在《机械瓣置换术后抗凝管理相关问题研究》文中提出背景:华法林是目前人工机械心脏瓣膜置换（Mechanical heart valve replacement,MHVR）患者术后应用最广泛且有效的口服抗凝药物,但是华法林的治疗窗较窄,因此患者出院后需要常规检测国际标准化比值（International normalized ratio,INR）以监测患者对抗凝治疗的反应,并根据检测结果适当调整抗凝药物剂量以维持稳定抗凝作用。尽管维持INR的稳定很重要,但我国目前尚缺乏相关证据证明何种术后管理方式可以有效改善患者抗凝治疗质量、减少抗凝相关并发症（如出血和血栓栓塞）,并提高其长期生存率。因此我们提出以现代互联网技术为平台、基于移动智能设备应用程序,为MHVR术后患者人群建立一个华法林抗凝随访管理系统。该系统将为医生和患者提供更标准化、更安全的随访方式,以求进一步降低华法林抗凝相关并发症发生风险,提高其治疗效果。为了评价基于移动智能设备应用程序的新型抗凝管理模式是否优于传统抗凝管理,我们开展了这项随机对照试验（Randomized controlled trial,RCT）。方法:本研究是该多中心RCT研究的单中心初步分析,对于符合纳入标准的患者将随机分为新型抗凝管理组和传统抗凝管理组。新型抗凝管理组患者使用基于移动智能设备应用程序进行抗凝管理;传统抗凝管理组参考目前的抗凝管理策略,主要依靠门诊医生对患者进行抗凝管理。主要终点为比较两组术后1年随访期间INR治疗窗内时间占比（Time in therapeutic range,TTR）。同时对患者的心血管不良事件进行前瞻性随访,包括全因死亡、血栓栓塞事件、重度出血事件和轻度出血事件。复合终点的定义为全因死亡、血栓栓塞事件和重度出血事件。Kaplan-Meier曲线模型估算不同抗凝管理模式的累积事件生存率,并采用Log-rank检验比较两组间差异。结果:在这项RCT研究中,本中心目前已入选330例接受MHVR手术的患者,共258例患者达到随访终点。目前的结果是对此258例患者的初步分析,其中新型抗凝管理组纳入128例患者,传统抗凝管理组纳入130例患者。所有患者中男性为134例（51.9%）,平均年龄为49.5±10.1岁。两组患者基线的性别、年龄、吸烟史、糖尿病史等人口统计学数据无显着差异,接受手术类别以及出院带药的详细信息两组间同样不存在统计学差异。所有患者的中位随访期为12.9个月（范围:10.3到15.4个月）,其中新型抗凝管理组为12.7个月（范围:10.3到15.4个月）,传统抗凝管理组为13.1个月（范围:10.8到14.2个月）。新型抗凝管理组和传统抗凝管理组的TTR分别为60.88%±28.87%和60.98%±25.92%,差异无统计学显着性;INR变异率分别为0.26±0.18和0.26±0.17,差异未达到统计学显着性;两组范围内INR检测次数占比（Proportions of INRs in range,PINRR）分别为57.33%±21.98%和54.58%±21.69%,亦无显着差异。血栓栓塞事件在新型和传统抗凝管理组发生率分别为1.6%和0.8%,出血事件发生率分别为25.7%和31.5%,均未达到统计学显着性。复合终点两组发生率相当,均为3.1%。Kaplan-Meier曲线显示与传统抗凝管理组相比,新型抗凝管理组累积事件生存率差异未达到统计学显着性。在排除了术后1月以后无INR检测记录的患者,对余下210例患者的主要和次要结局进行敏感性分析。在98例新型抗凝管理组的患者中,TTR和PINRR分别为62.44%±27.01%和58.24%±18.24%,在112例传统抗凝管理组的患者中,TTR和PINRR分别为63.80%±24.50%和56.47%±20.15%,两组间无统计学差异。在敏感性分析中,新型和传统抗凝管理组患者在全因死亡、血栓栓塞事件、出血事件以及复合终点的发生率相近。结论:在接受MHVR手术的患者中,与传统抗凝管理相比,基于移动智能设备应用程序的新型抗凝管理模式达到了类似的控制水平,两组患者TTR和PINRR无统计学显着性差异。心血管不良事件的发生率在两组中相当,敏感性分析显示该结果具有稳健性。主体研究仍在进行中,未来仍需更大样本量和更长随访时间来进一步验证我们的初步研究结果。背景:心房颤动（Atrialfibrillation,AF）可增加3-5倍的中风风险,且血栓栓子大多源自左心耳。这一发现引出了一系列评估心脏手术同期进行左心耳闭塞手术（Surgical left atrial appendage occlusion,SLAAO）对临床结局影响的研究。心脏机械瓣膜置换（Mechanical heartvalvereplacement,MHVR）术后患者通常需要接受严格的抗凝治疗,可显着降低血栓栓塞事件发生率。而关于AF患者在进行MHVR时同期进行SLAAO手术是否可以有效预防术后血栓栓塞事件的证据尚不充足。因此,本研究旨在评估AF患者在进行心脏瓣膜手术同期进行SLAAO手术与术后心血管结局事件风险的相关性。方法:本研究纳入2017年6月1日至2018年6月30日期间于本中心进行MHVR手术的AF患者,并对入选患者进行1年随访。研究的主要终点定义为缺血性卒中、系统性栓塞及全因死亡的复合终点。次要终点定义为由缺血性卒中、系统性栓塞、重度出血和全因死亡构成的复合终点。我们通过应用Kaplan-Meier曲线模型估算免于事件累计生存率,并应用多因素Cox 比例风险模型以评估同期进行SLAAO手术与结局之间的关联。此外,本研究也使用1:1的倾向性得分匹配（Propensity score matching,PSM）方法来平衡基线特征的差异,并对PSM后的两组患者进行分析。根据患者的基线特征进行亚组分析,评估MHVR同期接受SLAAO手术在不同亚组之间对心血管结局事件风险的影响。结果:在这项回顾性观察性中,我们共纳入497名接受MHVR手术的AF患者,其中女性307例（61.8%）,平均年龄为55.9±8.6岁。根据患者是否同期接受SLAAO手术分将患者为SLAAO组（N=137）和No-SLAAO组（N=360）。本研究队列中共有5例患者在手术后30天内死亡。两组间术后并发症的发生率,包括术后二次开胸发生率,术后红细胞输注率以及急性肾损伤的发生率均没有统计学差异（P均>0.05）。Logistic回归分析表示,MHVR同期接受SLAAO手术与30天死亡率（OR=0.65,95%CI:0.07-5.91;P=0.706）及其他院内并发症发生率均无相关性。术后中位随访13.6个月,共有14例主要终点事件发生。Kaplan-Meier曲线显示两组之间主要终点事件、血栓栓塞事件、全因死亡、出血事件和复合终点事件的累积发生率均无统计学差异（所有Log-rank P>0.05）。在校正了多项心血管危险因素后,多因素Cox 比例风险回归分析表明同期进行SLAAO手术与任何心血管结局无相关性。经过1:1的PSM后,共从SLAAO组和No-SLAAO组中匹配出120对患者,匹配后两组患者的基线特征变量均无显着统计学差异。多因素Cox 比例风险回归分析未发现MHVR手术同期进行SLAAO与较低的主要或次要终点事件发生率相关。按照患者的性别、体重指数、CHA2DS2-VASc评分、既往冠心病史、左心房内径以及抗血小板药物使用情况进行了亚组分析。亚组分析显示,在不同亚组之间,MHVR手术同期进行SLAAO未明显降低主要终点事件。结论:这项回顾性研究中表明,在AF患者中,MHVR手术同期进行SLAAO手术可能会伴有较长的体外循环时间和主动脉阻断时间以及较长的住院时间,但与一年随访期间对血栓栓塞和死亡事件的额外保护作用无关。背景:心脏瓣膜疾病人群中超过三分之一的患者合并有冠状动脉疾病。当进行瓣膜手术的患者合并有严重的冠状动脉疾病时,则须同期进行冠状动脉搭桥术（Coronary artery bypass grafting,CABG）,以避免围手术期心肌梗塞。由于这类患者有较高的术后血栓栓塞事件发生,抗栓治疗方式值得关注。然而目前尚缺乏评价同期接受MHVR合并CABG手术患者的抗栓策略及疗效的研究,且在华法林治疗的基础上长期接受阿司匹林治疗能否带来心血管事件获益尚未见报道。因此,本研究拟评估术后阿司匹林使用情况对随访期间心血管不良事件的影响,并分析影响MHVR合并CABG手术患者早期手术相关不良事件和1年随访期间内的心血管不良事件的危险因素。方法:本研究纳入自2016年1月1日至2018年12月31日期间在本院同期接受MHVR手术和CABG术的成年患者。根据出院后患者是否使用阿司匹林进行分组并进行前瞻性随访,心血管不良事件包括全因死亡、心肌梗死（Myocardial infarction,MI）、缺血性脑卒中、系统性栓塞、重度出血事件和再次血运重建。主要终点定义为全因死亡、MI、缺血性脑卒中、系统性栓塞和再次血运重建;次要终点定义为重度出血事件及包括所有心血管不良事件的复合终点;栓塞相关终点事件定义为MI、缺血性脑卒中、系统性栓塞和再次血运重建;硬终点事件定义为MI、缺血性脑卒中、系统性栓塞和全因死亡。Kaplan-Meier曲线模型估算无事件累计生存率,并应用单因素及多因素Cox比例风险模型以评估出院后阿司匹林使用情况与心血管不良事件的关系,并计算风险比值（Hazard ratios,HR）和95%置信区间（Confidence intervals,CI）。结果:在这项观察性研究中,535例患者进行了为期1年的出院随访,其中491例患者接受华法林合并阿司匹林治疗（阿司匹林组）,同时有44例患者仅接受华法林治疗（非阿司匹林组）。随访期间记录到28例（5.2%）主要终点事件,20例（3.7%）栓塞相关终点事件、26例（4.9%）硬终点事件、6例（1.1%）重度出血终点事件和34例（6.4%）复合终点事件。Kaplan-Meier曲线显示与未使用阿司匹林相比,使用阿司匹林组随访期间重度出血终点事件的发生率显着较低（Log-rank P=0.024）,其他心血管不良事件的发生率低,但差异未达到统计学显着性。单因素Cox回归分析显示出院后使用阿司匹林治疗组较未使用阿司匹林治疗的患者出现显着较低的重度出血终点事件,但主要终点事件、栓塞相关终点事件、硬终点事件和复合终点事件与阿司匹林治疗的关系未达到统计学显着性。在对多种心血管危险因子进行校正后,阿司匹林治疗与心血管不良事件均未达到统计学意义的负相关关系。结论:在MHVR合并CABG手术患者中,术后应用阿司匹林治疗与较低的心血管不良事件相关,但差异未达到统计学显着性。提示术后1年应用阿司匹林治疗虽然未带来显着的心血管获益,但也未明显增加出血相关的安全性终点事件。未来仍需更大样本量和更长时间的研究进一步验证我们的研究结果。
储庆[7]（2020）在《小鼠心脏结构畸形自动鉴定系统的开发》文中研究表明研究背景:先天性心脏病的发病率约为0.8%-1.2%,是我国存活新生儿发生率最高的出生缺陷;多种先心病患者（特别是复杂心脏结构畸形患者）的手术预后差,对患者家庭和社会造成严重的负担。利用小鼠等模式生物开展心脏异常发育及心脏结构畸形发生的相关机制研究,对于先天性心脏病的预防控制有着重要的指导意义。既往的研究中,研究者主要通过分析病理切片来判断心脏的结构表型,该方法的建立依赖研究人员具备熟练的切片制备技术和大量的时间成本。另一方面,二维切片往往无法精确反映心脏在三维层面的畸形和变化,即便是经验丰富的研究者也非常容易做出误判。快速稳定的心脏畸形鉴定系统,对于应用小鼠模型开展先天性心脏病机制研究至关重要。研究结果:一、构建小鼠心脏结构自动鉴定系统——CACCT我们对孕期17.5天（E17.5）的C57BL6/J胚胎小鼠进行显微电子计算机断层扫描（micro-computed tomography,micro-CT）,获取连续的心脏 CT 图像。为了实现小鼠心脏结构的自动化分析,我们开发了一种名为CACCT（computer-assisted cardiac cavity tracking system）的三维图像分析系统。该系统通过阈值分割和区域生长算法提取CT图像中的心脏内腔区域,然后利用不同图像中心脏内腔的三维关系构建心脏三维图结构,通过三维图结构信息自动连续识别每一幅CT图像中的心室腔和大动脉腔并判断心室和大动脉的连接关系。CACCT完成心脏结构鉴定仅需要0.08±0.005小时/个心脏,如果通过人工标注进行结构鉴定则需要29.90±1.33小时/个心脏（n=5,p<0.001）,因此CACCT可以显着提高心脏结构表型鉴定效率。通过逐层检查CACCT心腔分割结果,我们发现CACCT的心腔识别准确率超过99.77%,并且识别结果的变异系数低于0.38%,这说明CACCT具备精确和稳定的心腔分割能力。二、CACCT鉴定心脏流出道畸形和室间隔缺损为了确认CACCT对心脏畸形的鉴定能力,我们利用全反式视黄酸诱导（E8.5天灌胃给予孕鼠60 mg/kg）小鼠发生各类心脏畸形,包括大动脉转位、右心室双出口、室间隔缺损等;随后对全反式视黄酸诱导的E17.5胚胎心脏进行micro-CT扫描获取连续心脏图像。应用CACCT分析心脏图像,可以准确判断心室和大动脉的连接关系,继而有效甄别正常心脏（n=11）、大动脉转位（n=8）和右心室双出口（n=22）,准确率为100%。此外,CACCT能够自动检测出左右心室之间的异常连接,展示出心脏中室间隔缺损的位置和形态,通过逐层人工核对CACCT识别的室间隔缺损发现,CACCT对全反式视黄酸诱导的室间隔缺损的识别率达到100%（n=22）。三、CACCT鉴定小鼠心脏瓣膜畸形我们发现在心脏祖细胞isl-1+细胞中敲除Ezh2的Isl-1Cre/+;Ezh2fl/fl小鼠会在出生后1.5天内全部死亡,但是传统二维表型鉴定方法未发现明显的心脏畸形。利用CACCT分析Isl-1Cre/+;Ezh2fl/fl小鼠心脏的micro-CT图像发现,该小鼠心脏中存在传统方法无法识别的斜交室间隔缺损。此外,我们还开发了 CACCT半月瓣形态分析模块;该模块能够自动重建小鼠半月瓣三维图像。利用CACCT的半月瓣分析模块,我们发现Isl-1Cre/+;Ezh2fl/fl小鼠心脏中同时存在主动脉瓣二瓣化畸形。结论通过如上实验,我们获得了如下结论:1)CACCT可以自动精确分割正常心脏图像中的心室腔和大动脉腔并自动进行腔室连接关系的判断。2)CACCT可以准确甄别正常心脏、大动脉转位和右心室双出口等流出道畸形。3)CACCT能够一次性鉴定出多个室间隔缺损,并能有效识别传统方法无法发现的斜交室间隔缺损。4)CACCT可以准确识别心脏图像中的瓣膜区域,能够有效鉴定小鼠心脏主动脉瓣二瓣化畸形。利用CACCT,即使是没有临床诊断经验和小鼠心脏发育学研究经验的科研工作者,也可以对复杂先天性心脏病实现准确和快速的鉴定,有效降低了先心病发病机制研究的准入门槛。CACCT的广泛应用,将可能帮助先心病研究人员、遗传学和发育生物学研究人员更加精确地建立心脏表型和分子遗传之间的因果关系,推动先心病的认知与机制研究。
徐进[8]（2019）在《基于图像配准的心脏冠脉CTA模型建立方法研究》文中提出随着计算机辅助诊断技术的快速发展,其在临床医学中的作用越来越大。图像配准作为计算机辅助诊断系统的一个重要组成部分,在心血管疾病诊断方面,扮演着重要的角色。心脏冠脉的位置信息是心血管疾病分析诊断的重要依据,因此,如何结合图像配准算法和建模方法,得到冠脉感兴趣区域和冠脉中心线的方向信息,并结合最短路径算法实现心脏冠脉三个主分支中心线的自动提取和识别,成为了目前的一个研究热点。本文以心脏冠脉CTA（Computed Tomography Angiography）数据为研究对象,首先研究了三维可视化技术,利用体绘制技术对心脏CTA数据进行三维显示;进而对图像配准算法进行分析,针对如何从原始心脏冠脉CTA数据中自动分割出心脏冠脉线的问题,重点对仿射变换、B样条可变形变换、图像建模和图像融合等问题进行了研究,并提出了一种基于图像配准的心脏冠脉CTA模型的建立方法,以此得到了冠脉感兴趣区域和冠脉中心线的方向信息;最后在先验模型的基础上,结合最短路径算法,在冠脉的感兴趣区域内,自动提取和识别三个心脏冠脉的主分支中心线。本文的主要研究内容如下:（1）在三维可视化过程中,研究了面绘制和体绘制技术,对心脏冠脉CTA数据实现三维显示。在此基础上利用图形用户界面技术开发了一款三维可视化软件,实现图像处理过程中的一些常用功能,包括旋转,缩放,设置颜色梯度值,截图等功能。对实验数据进行了去噪声处理,为后续的配准实验做准备。（2）研究基于仿射变换和B样条可变形变换的三维图像配准算法,分析比较其性能差异。分别对建立CTA模型的实验数据进行仿射变换和B样条可变形变换,将实验数据映射到同一坐标空间下,评估两种算法的性能。并在此基础上提出了优化的配准方案,实现心脏冠脉的配准。利用形状平均方法（Shape-based Averaging）对8个映射到同一坐标空间下的分割标记图求平均,建立一个具有一定泛化能力的心脏CTA模型,得到心脏冠脉感兴趣区域和冠脉中心线的方向信息。（3）在先验模型的基础上,首先在前文得到的心脏冠脉感兴趣区域利用训练检测的算法,自动检测冠脉起点位置。在冠脉中心线追踪过程中,将冠脉的方向因素导入到最短路径的代价函数中,引导冠状动脉中心线追踪。最终,在冠脉的感兴趣区域内,三个主分支中心线被自动提取和识别出来。
罗存金,游婷婷,刘彤,赫颖,王宽全,张恒贵[9]（2019）在《虚拟生理心脏模型及房颤机制研究进展》文中指出房颤是临床上最常见的持续性心律失常.揭示房颤的发病机制和病理生理过程是其诊断、预防、治疗、药物研发及临床设备设计的关键,而实验和临床只能呈现细胞或亚细胞的局部特性及房颤病症的宏观结果.随着生物信息技术、统计分析技术等的发展,运用多物理尺度的虚拟生理心脏模型,来实现宏观结果与微观机制相统一的研究方法备受关注.本文综述了离子通道、心肌细胞、心脏组织及器官等多尺度的虚拟生理心脏模型研究进展,探讨了近年来基于虚拟生理心脏模型的房颤机制研究以及房颤的治疗手段,提示了房颤研究的挑战和未来的发展方向.
田良[10]（2019）在《心脏运动过程超弹性材料建模与仿真研究》文中指出心脏膨胀-收缩是实现心脏输血功能的基础,心脏的材料特性对膨胀-收缩的大小起着决定性作用。由于对活体心脏材料特性暂时没有统一的定性描述,采用传统取材保持活性实验难以实现,而对活体心脏进行实验操作困难且成本较高,于是建立一种适合心脏运动中发生较大变形的材料模型本构尤为重要。首先,针对心脏的材料特性,运用控制变量法对现有心肌组织应变能的数学模型进行解耦,分别推导出等容应变能、纤维拉伸应变能、剪切应变能、粘性应变能的解析关系。根据各应变能之间的函数关系构建心脏的应变能等效理论模型,设计仿真拟合试验验证等效理论模型,从而使得等效关系在合理的误差范围内,为准确描述心脏的不可压缩性、超弹性、粘弹性的力学表征奠定了基础。其次,从心脏空间点云数据库中提取有效的心脏初始轮廓三维空间坐标,运用DES编辑技术对心脏坐标信息进行分析计算,配置心脏各腔室的厚度分布;继而采用曲面造型技术对心脏外形进行合理的精细化处理,初步完成心脏有限元模型的搭建。此外,为了得到心脏力学材料模型参数,通过对常见的三种超弹性材料数学模型（Mooney-Rivlin模型、Ogden模型和Yeoh模型）进行有限元仿真试验,并对其仿真结果进行曲线拟合处理,对比分析,结果表明:Yeoh模型（N=4）时拟合度为0.9963与心脏初步理论模型较为吻合。将材料参数赋予初始有限元模型进行机-电耦合仿真试验,同时针对实物,利用CT技术获取心电图数据,对比实验数据和仿真数据,结果表明:两者残差最大为R2=3.7261,满足误差要求。最后,基于心脏超弹性模型,对心肌病中的肥厚型心肌病的心室侧壁进行仿真,分析数据得出肥厚型心肌病心室侧壁的平均载荷峰值低于0.8MPa,可以一定程度的预测肥厚型心肌病,对心脏发病提供量化的参考标准。
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
| 摘要 |
| abstract |
| 引言 |
| 0.1 研究背景及意义 |
| 0.2 定量结构-活性关系(QSAR) |
| 0.3 机器学习方法 |
| 0.4 研究内容 |
| 0.5 论文结构安排 |
| 第1章 国内外文献综述 |
| 1.1 计算机辅助药物设计的应用 |
| 1.2 有机化合物致心脏毒性预测概述 |
| 第2章 基于分类模型对化合物致心脏毒性的预测 |
| 2.1 材料与方法 |
| 2.1.1 准备数据集 |
| 2.1.2 计算分子指纹和分子描述符 |
| 2.1.3 特征选择 |
| 2.1.4 模型构建 |
| 2.1.5 性能评估 |
| 2.2 结果与讨论 |
| 2.2.1 基分类模型的预测性能 |
| 2.2.2 集成模型的预测性能 |
| 2.2.3 与以往方法的比较 |
| 2.2.4 与hERG抑制剂相关的结构特征 |
| 2.2.5 结论 |
| 2.3 本章小结 |
| 第3章 基于回归模型对化合物致心脏毒性的预测 |
| 3.1 材料与方法 |
| 3.1.1 准备数据集 |
| 3.1.2 计算分子描述符 |
| 3.1.3 特征选择 |
| 3.1.4 模型构建 |
| 3.1.5 性能评估 |
| 3.2 结果与讨论 |
| 3.2.1 回归模型的预测性能 |
| 3.2.2 与以往方法比较 |
| 3.3 本章小结 |
| 第4章 结论与展望 |
| 4.1 结论 |
| 4.2 进一步工作的方向 |
| 致谢 |
| 参考文献 |
| 附录 本研究中分子描述符的数量和类型 |
| 攻读学位期间发表的学术论文及参加科研情况 |
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 心电信号检测与分类任务国内外研究现状分析 |
| 1.2.2 心脏影像数据分割国内外研究现状分析 |
| 1.2.3 研究发展趋势 |
| 1.3 研究内容 |
| 1.3.1 基于深度学习的心电信号检测与分类 |
| 1.3.2 基于深度学习的心脏影像数据自动分割 |
| 1.4 论文的组织结构 |
| 第二章 研究基础及相关技术理论 |
| 2.1 心电信号分类研究基础理论 |
| 2.1.1 心电信号的产生机理 |
| 2.1.2 心电信号基本波形及意义 |
| 2.1.3 心律失常的分类 |
| 2.2 心脏影像数据分割研究基础理论 |
| 2.2.1 心脏核磁图像数据的产生机理 |
| 2.2.2 短轴核磁序列图像介绍 |
| 2.2.3 心脏核磁共振图像的分割 |
| 2.3 深度学习相关理论 |
| 2.3.1 深度学习的发展 |
| 2.3.2 卷积神经网络 |
| 2.3.3 循环神经网络 |
| 2.3.4 分类与分割任务 |
| 2.4 本章小结 |
| 第三章 心电信号预处理研究 |
| 3.1 引言 |
| 3.2 心电信号的噪声类型 |
| 3.3 基于改进的形态学小波变换理论的心电信号降噪方法 |
| 3.3.1 小波变换理论 |
| 3.3.2 小波变换理论去噪方法 |
| 3.3.3 基于改进的形态学小波变换理论的信号去噪方法 |
| 3.4 实验与结果 |
| 3.4.1 性能评价 |
| 3.4.2 实验数据 |
| 3.4.3 实验结果与分析 |
| 3.5 本章小结 |
| 第四章 基于深度学习的房颤信号分类研究 |
| 4.1 引言 |
| 4.2 基于CB-LinkNet模型的房颤信号分类研究 |
| 4.2.1 数据集分析 |
| 4.2.2 模型结构与参数分析 |
| 4.2.3 模型训练过程分析 |
| 4.3 消融性实验及分析 |
| 4.3.1 评价指标 |
| 4.3.2 实验结果及分析 |
| 4.4 本章小结 |
| 第五章 基于深度学习的心律失常信号分类研究 |
| 5.1 引言 |
| 5.2 基于MSF-CNN模型的心律失常信号分类研究 |
| 5.2.1 数据集分析 |
| 5.2.2 模型结构与参数分析 |
| 5.2.3 模型训练过程分析 |
| 5.3 消融性实验及分析 |
| 5.3.1 评价指标 |
| 5.3.2 实验结果及分析 |
| 5.4 本章小结 |
| 第六章 基于深度学习的心脏核磁影像数据分割研究 |
| 6.1 引言 |
| 6.2 基于Attention机制的左心室分割模型 |
| 6.2.1 数据集分析 |
| 6.2.2 课题研究所涉及的核心技术 |
| 6.2.3 模型结构与参数分析 |
| 6.2.4 模型训练过程分析 |
| 6.3 消融性实验及分析 |
| 6.3.1 评价指标 |
| 6.3.2 实验结果及分析 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 本文工作总结 |
| 7.2 下一步工作展望 |
| 参考文献 |
| 缩略语说明 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题来源 |
| 1.2 课题背景及研究的目的和意义 |
| 1.3 心脏电生理与建模基础 |
| 1.3.1 心脏电生理 |
| 1.3.2 心脏单细胞建模基础 |
| 1.3.3 心脏组织电传导建模基础 |
| 1.4 国内外研究进展与分析 |
| 1.4.1 心衰促进房颤的研究进展 |
| 1.4.2 虚拟生理心脏计算模型的研究进展 |
| 1.4.3 存在的主要问题 |
| 1.5 本文的主要研究内容 |
| 第2章 心衰诱导的细胞电生理重构促心房细胞电交替的机制研究 |
| 2.1 引言 |
| 2.2 心衰的犬心房细胞计算模型构建与电交替诱发方案 |
| 2.2.1 改进犬心房细胞计算模型 |
| 2.2.2 构建心衰的犬心房细胞计算模型 |
| 2.2.3 基于多元回归的模型参数敏感性分析 |
| 2.2.4 细胞电交替诱发方案 |
| 2.3 心衰诱导的细胞电生理重构影响心房细胞电生理和电交替的仿真结果 |
| 2.3.1 验证模型的有效性 |
| 2.3.2 心衰诱导的细胞电生理重构对心房细胞电生理的影响 |
| 2.3.3 心衰诱导的细胞电生理重构对心房细胞电交替的影响 |
| 2.3.4 探索促心房细胞发生电交替的重要重构因素 |
| 2.4 心衰的心房细胞计算模型构建讨论与重构促电交替的机制 |
| 2.4.1 心衰的犬心房细胞计算模型的构建 |
| 2.4.2 心衰诱导的细胞电生理重构促心房细胞发生电交替的机制 |
| 2.5 本章小结 |
| 第3章 心衰诱导的纤维化影响心房细胞电交替的机制研究 |
| 3.1 引言 |
| 3.2 成纤维细胞计算模型构建与电交替判定方法 |
| 3.2.1 构建犬心房成纤维细胞计算模型 |
| 3.2.2 基于遗传算法的成纤维细胞计算模型的静息电位调整 |
| 3.2.3 心房纤维化对心房细胞影响的仿真方法 |
| 3.2.4 电交替判定方法 |
| 3.3 心衰诱导的纤维化影响心房细胞电生理和电交替的仿真结果 |
| 3.3.1 心衰诱导的纤维化对心房细胞电生理的影响 |
| 3.3.2 心衰诱导的纤维化对心房细胞电交替的影响 |
| 3.4 成纤维细胞计算模型参数优化的讨论与纤维化促电交替的机制 |
| 3.4.1 成纤维细胞计算模型的参数优化 |
| 3.4.2 心衰诱导的纤维化促心房细胞发生电交替的机制 |
| 3.5 本章小结 |
| 第4章 心衰促心房电传导发生空间不一致交替的机制研究 |
| 4.1 引言 |
| 4.2 犬心房一维组织计算模型构建与电传导交替诱发方案 |
| 4.2.1 构建犬心房一维组织计算模型 |
| 4.2.2 构建心衰的犬心房一维组织计算模型 |
| 4.2.3 电传导交替诱发方案 |
| 4.3 心衰诱导的多因素重构影响电传导发生空间不一致交替的仿真结果 |
| 4.3.1 心衰诱导的多因素重构对一维组织电传导交替的影响 |
| 4.3.2 一维组织的电传导交替现象 |
| 4.4 心衰诱导的重构促心房电传导发生空间不一致交替的机制 |
| 4.4.1 不同重构因素促心房电传导发生空间不一致交替的机制 |
| 4.4.2 电传导的空间不一致交替引起传导阻滞的机制 |
| 4.5 本章小结 |
| 第5章 心衰情况下电传导空间不一致交替诱发致房颤折返波的机制研究 |
| 5.1 引言 |
| 5.2 犬心房二维组织计算模型构建 |
| 5.3 心衰诱导的多因素重构影响折返波发生的仿真结果 |
| 5.3.1 心房二维组织电传导的空间不一致交替与折返波 |
| 5.3.2 心衰诱导的多因素重构对心房二维组织发生折返波的影响 |
| 5.4 心衰促空间不一致交替电传导向折返波转化的机制 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 附录 |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
| 摘要 |
| Abstract |
| 注释说明清单 |
| 引言 |
| 第1章 资料管理数据库建立 |
| 1.1 引言 |
| 1.2 材料 |
| 1.3 方法 |
| 1.4 结果 |
| 1.5 讨论 |
| 1.6 结论 |
| 第2章 全自动测量技术评估冠心病患者左心收缩功能的价值 |
| 2.1 引言 |
| 2.2 材料 |
| 2.3 方法 |
| 2.4 结果 |
| 2.5 讨论 |
| 2.6 结论 |
| 结论 |
| 参考文献 |
| 附录A |
| 附录B 深度学习在心脏超声领域的应用 |
| 参考文献 |
| 后记或致谢 |
| 作者简介及读研期间主要科研成果 |
| 摘要 |
| Abstract |
| 前言 |
| 1.实验方法 |
| 2.结果 |
| 3.讨论 |
| 4.结论 |
| 参考文献 |
| 综述 |
| 参考文献 |
| 附录 |
| 攻读学位期间发表文章情况 |
| 致谢 |
| 个人简历 |
| 引言 |
| 第一部分 心脏瓣膜术后基于互联网的新型抗凝管理模式与传统抗凝管理模型的随机对照试验-单中心初步结果分析 |
| 摘要1 |
| abstract1 |
| 前言 |
| 方法 |
| 结果 |
| 讨论 |
| 结论 |
| 参考文献 |
| 第二部分 接受心脏机械瓣膜置换手术的心房颤动患者同期行左心耳闭塞手术与心血管事件的关系探讨 |
| 摘要2 |
| abstract2 |
| 前言 |
| 方法 |
| 结果 |
| 讨论 |
| 结论 |
| 参考文献 |
| 第三部分 心脏机械瓣膜置换合并冠状动脉旁路移植术后抗栓策略对预后的影响 |
| 摘要3 |
| abstract3 |
| 前言 |
| 方法 |
| 结果 |
| 讨论 |
| 结论 |
| 参考文献 |
| 第四部分 综述: 机械瓣置换术后接受抗凝药物治疗患者管理模式现状综述 |
| 参考文献 |
| 附录 缩略语表 |
| 简历 |
| 博士期间以第一作者发表文章 |
| 致谢 |
| 摘要 |
| Abstract |
| 第一章: 构建计算机辅助心脏腔室追踪系统——CACCT |
| 1.1 引言 |
| 1.2 实验材料 |
| 1.3 实验方法 |
| 1.4 研究结果 |
| 1.4.1 小鼠心脏高分辨率micro-CT图像的采集 |
| 1.4.2 编写心脏腔室区域自动追踪算法CACCT |
| 1.4.3 应用CACCT识别正常心脏腔室 |
| 1.4.4 应用CACCT鉴定正常心脏心室与大动脉连接关系 |
| 1.4.5 CACCT的心脏表型鉴定效率高于人工鉴定效率 |
| 1.5 讨论 |
| 1.6 结论 |
| 1.7 参考文献 |
| 第二章: 应用CACCT鉴定心脏流出道畸形和室间隔缺损 |
| 2.1 引言 |
| 2.2 实验材料 |
| 2.3 实验方法 |
| 2.3.1 全反式视黄酸诱导胚胎小鼠心脏畸形 |
| 2.3.2 全反式视黄酸诱导的胚胎小鼠心脏取材和形态质控 |
| 2.3.3 心脏组织石蜡标本切片制作 |
| 2.3.4 HE染色与成像 |
| 2.3.5 统计学分析 |
| 2.4 研究结果 |
| 2.4.1 全反式视黄酸诱导制备心脏流出道畸形小鼠模型 |
| 2.4.2 CACCT鉴定心脏流出道畸形受到室间隔缺损干扰 |
| 2.4.3 构建室间隔缺损自动识别模块 |
| 2.4.4 CACCT整合室间隔缺损识别模块后实现流出道畸形自动鉴定 |
| 2.4.5 CACCT整合室间隔缺损模块后可以识别心脏室间隔缺损 |
| 2.4.6 应用CACCT识别传统方法难以鉴定的室间隔缺损 |
| 2.5 讨论 |
| 2.6 结论 |
| 2.7 参考文献 |
| 第三章: 应用CACCT鉴定小鼠心脏瓣膜畸形 |
| 3.1 引言 |
| 3.2 实验材料 |
| 3.3 实验方法 |
| 3.4 研究结果 |
| 3.4.1 利用基因工程方法构建小鼠心脏畸形模型 |
| 3.4.2 第二生心区表达的Ezh2基因对心脏发育有潜在作用 |
| 3.4.3 传统鉴定方法未发现条件性敲除Ezh2基因导致心脏畸形 |
| 3.4.4 CACCT发现条件性敲除Ezh2基因导致室间隔缺损 |
| 3.4.5 构建半月瓣识别模块 |
| 3.4.6 加入半月瓣识别模块的CACCT可以高效识别小鼠心脏半月瓣 |
| 3.4.7 CACCT发现条件性敲除Ezh2基因导致主动脉瓣二瓣化畸形 |
| 3.5 讨论 |
| 3.6 结论 |
| 3.7 参考文献 |
| 文献综述: 小鼠先天性心脏病鉴定方法的研究进展 |
| 参考文献 |
| 附录: 个人简介及博士研究生期间相关学术成果 |
| 致谢 |
| 摘要 |
| Abstract |
| 专用术语注释表 |
| 第一章 绪论 |
| 1.1 计算机辅助诊断系统在心血管疾病方面的发展 |
| 1.1.1 传统影像学的发展及现状 |
| 1.1.2 基于计算机图像处理技术的辅助诊断系统 |
| 1.2 图像建模的研究现状 |
| 1.2.1 图像建模的常用方法 |
| 1.2.2 基于图像配准算法的心脏建模 |
| 1.3 心脏冠脉的自动提取和识别 |
| 1.4 本文的主要工作及内容安排 |
| 第二章 心脏冠脉CTA医疗图像的预处理 |
| 2.1 引言 |
| 2.2 NIFTI图像介绍 |
| 2.3 三维可视化技术 |
| 2.3.1 图像分割和配准技术 |
| 2.3.2 图像可视化技术 |
| 2.3.3 图形用户界面应用框架 |
| 2.4 心脏冠脉图像的去噪 |
| 2.5 实验结果与分析 |
| 2.6 本章小结 |
| 第三章 基于配准算法的图像建模 |
| 3.1 引言 |
| 3.2 图像配准的概念 |
| 3.3 图像配准的框架 |
| 3.3.1 特征空间 |
| 3.3.2 空间几何变换 |
| 3.3.3 相似性测度 |
| 3.3.4 插值算法 |
| 3.3.5 优化算法 |
| 3.4 仿射变换 |
| 3.4.1 仿射变换的性质 |
| 3.4.2 基于仿射变换模型的图像配准方法 |
| 3.4.3 实验结果与分析 |
| 3.5 B样条可变形变换 |
| 3.5.1 B样条可变形变换的性质 |
| 3.5.2 基于B样条可变形变换模型的图像配准方法 |
| 3.5.3 实验结果与分析 |
| 3.6 配准算法优化方案 |
| 3.6.1 优化算法步骤 |
| 3.6.2 实验参数设置 |
| 3.6.3 实验结果与分析 |
| 3.6.4 基于配准算法的心脏建模 |
| 3.7 本章小结 |
| 第四章 模型映射在心脏冠脉自动提取和识别方面的应用 |
| 4.1 引言 |
| 4.2 基于模型映射的心脏冠脉分支的自动提取和识别 |
| 4.2.1 模型映射和起点检测 |
| 4.2.2 基于模型映射方向最小路径的中心线跟踪 |
| 4.2.3 映射模型的校正 |
| 4.3 实验细节 |
| 4.3.1 基于综合模型的评估 |
| 4.3.2 基于实体模型的评估 |
| 4.4 实验结果分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 全文总结 |
| 5.2 未来展望 |
| 参考文献 |
| 附录1 攻读硕士学位期间撰写的论文 |
| 附录2 攻读硕士学位期间申请的专利 |
| 附录3 攻读硕士学位期间参加的科研项目 |
| 致谢 |
| 1 多尺度虚拟心脏模型 |
| 1.1 离子通道模型 |
| 1.2 心肌细胞模型 |
| 1.3 浦肯野纤维模型 |
| 1.4 心脏组织模型 |
| 1.5 心脏-躯干模型 |
| 1.6 多尺度心脏模型的构建及验证过程 |
| 2 临床房颤机制研究及治疗进展 |
| 3 应用计算机模型研究房颤进展 |
| 4 未来发展方向 |
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 国内外研究现状 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.4 本文主要内容 |
| 2 心脏超弹性数学模型与物理模型 |
| 2.1 引言 |
| 2.2 心脏模型力学性质 |
| 2.3 超弹性力学基本理论 |
| 2.3.1 心脏本构模型的基本形式 |
| 2.3.2 边值条件 |
| 2.3.3 约束条件 |
| 2.4 超弹性应变能的解耦 |
| 2.4.1 心脏等容应变能函数 |
| 2.4.2 心脏拉伸应变能函数 |
| 2.4.3 心脏剪切应变能函数 |
| 2.4.4 粘性应变能函数的推导 |
| 2.4.5 心脏粘-超弹性本构模型 |
| 2.5 心脏模型构建 |
| 2.5.1 心脏物理三维建模 |
| 2.5.2 心脏几何属性选取 |
| 2.5.3 定义接触 |
| 2.5.4 网格划分与单元选择 |
| 2.6 本章小结 |
| 3 心脏超弹性数学模型参数确定与拉伸实验拟合 |
| 3.1 引言 |
| 3.2 超弹性材料模型本构及模型参数的确定 |
| 3.2.1 Mooney-Rivlin模型参数的确定 |
| 3.2.2 Ogden模型模型参数的确定 |
| 3.2.3 Yeoh模型模型参数的确定 |
| 3.3 心脏超弹性材料数学模型仿真分析与参数确定 |
| 3.3.1 模型拟合度的确定 |
| 3.3.2 基于三类基础拉伸试验数据的模型选取 |
| 3.4 本章小结 |
| 4 心脏运动过程仿真分析求解 |
| 4.1 引言 |
| 4.2 心脏运动过程求解算法 |
| 4.2.1 非线性系统求解 |
| 4.2.2 罚函数迭代求解 |
| 4.3 简易模型有限元仿真分析 |
| 4.3.1 模型网格划分 |
| 4.3.2 边界条件和位移载荷施加 |
| 4.3.3 简易模型模拟结果 |
| 4.4 心脏整体模型运动过程仿真求解 |
| 4.4.1 心电图波段分析 |
| 4.4.2 心脏整体模型仿真 |
| 4.4.3 心脏各点位移曲线拟合 |
| 4.5 本章小结 |
| 5 心脏运动仿真应用 |
| 5.1 引言 |
| 5.2 心肌病症状模型 |
| 5.3 心肌病模型仿真应用 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文 |
| 致谢 |
