《上海交通大学学报》2022年“生物医学工程”专题
为了研究大客车内携带病毒飞沫的扩散特性,预测客车中空气传播病毒感染乘客的风险概率,基于计算流体力学的数值仿真与Wells-Riley方程相结合,建立夏天制冷空调开启状态下大客车的数值模型.通过对车内流场的组织特性分析,结合拉格朗日方法,计算车内病毒携带者咳嗽产生飞沫的扩散过程,分析对比在4种送风方式下携带病毒的飞沫对车内乘客的感染风险.研究发现,车内纵向气流是影响飞沫扩散的关键因素,相较于非对称布置的圆形送风口,客车采用条缝型送风口能够减少车内的纵向气流;采用置换通风的客车内,仅6%的乘客有高于5%概率感染疾病,置换通风在降低飞沫传播感染的风险方面更有效.研究成果可以为客车送风系统的结构设计和降低飞沫传播感染风险提供指导作用.
作为植入式医疗设备的一种,双轴驱动式人造肛门括约肌(BAAS)系统的经皮无线供能(TET)系统在植入活体后,受到增生包裹等体内环境的影响,面临耦合性能明显低于体外实验的问题,降低了其在医疗中的实用价值.结合现有BAAS的TET系统实验结果,针对受增生包裹导致的传输角度等问题,对现有TET系统的参数进行分析研究,得出了传输角度与传输效率的关系曲线.实验结果表明,在传输距离为30 mm时,传输效率仍可达到60%以上.在传输距离为30 mm条件下,传输角度为20° 时,传输效率的均值可达到66.65%;传输角度为30° 时,传输效率的均值可达到59.96%.发射线圈充电温度最大值为23 ℃,充电温度不会对人体造成低温烫伤的情况,满足BAAS系统性能要求,达到了在传输距离较远时仍可高效率传输能量的目的.
下颌角截骨手术是近年来较为热门的颅面整形手术.现阶段,下颌角截骨的术前方案设计通常由具有一定年资的医生完成,过程繁琐且耗时较长.为了提高截骨手术术前规划效率,提出一种基于点云语义分割网络的下颌角截骨面设计方法.对颅骨电子计算机断层扫描(CT)数据进行三维重建和表面点采样,将下颌骨三维模型转换为点云数据,然后通过基于Transformer的点云语义分割网络预测下颌骨点云中的截骨区域,最后根据点云分割结果计算出下颌角截骨平面.所提网络主要包括两个部分:一是基于注意力机制的本地特征提取层,用于提取细粒度局部结构信息;二是基于Transformer的非本地特征提取层,用于提取点云的全局上下文信息.在构建的下颌骨语义分割数据集上,将所提算法与其他点云语义分割算法进行比较.结果表明:所提算法能实现最佳的下颌角截骨区域预测,优于目前常见的点云语义分割算法.
现代电网和医疗环境中广泛存在的脉冲电磁场对起搏器佩戴者潜在的电磁干扰不容忽视,但目前缺乏对此类暂态电磁干扰发生机制和防护措施的系统研究.将猪肉组织浸入0.9%氯化钠溶液,构建起搏器术后人体等效离体模型,采用快波前特性电流模拟常见电力设备投切过程和低频脉冲式医疗设备产生的脉冲电磁场对起搏器佩戴者的影响.基于脉冲形成线理论,对脉冲电磁场在胸腔结构中的波型压缩特性进行分析.进一步通过有限元软件建立起搏器与组织结构结合的参数化生物电磁暂态模型.研究结果表明,起搏器在脉冲电磁场中会产生心电图P波尖顶、过感知等故障,通过改变囊袋中导线缠绕方式发现起搏器在电磁干扰环境下,囊袋回路存在“窗口效应”.基于此发现,提出使用复合材料进行“窗口”屏蔽的防护策略,并通过仿真验证该方法可将脉冲电磁场对起搏器的电磁干扰强度有效降低80 dB,初步印证了该防护措施的理论可行性.最后,为电网环境和医疗环境下起搏器佩戴者制定了安全距离.
为确保微型胃肠道机器人在人体内部稳定运行,研制了一种新型无线供能系统.该系统基于电磁场谐振原理,参考电磁场理论计算和纺锤形三维接收线圈模型的优化结果,并创新性地结合了肠道机器人的工作能耗、姿态稳定性、供能稳定性、尺寸设计等要求.其中,发射线圈采用4组螺线管线圈产生均匀交变磁场,优化后的发射线圈通过与集成于肠道机器人内部的接收线圈互感,可产生稳定大于500 mW的能量用于机器人工作.经过相关实验验证,该无线供能系统的性能满足机器人在肠道内复杂环境的工作需求.
建立患者准入控制的Markov决策过程(MDP)模型,并基于均匀化方法对该模型进行拓展,实现逐时段的实时决策过程.拓展经典MDP迭代求解方法,提出双向迭代算法、逐时段策略迭代算法等方法对模型求解.以上海某大型医院抢救室为例,数值实验表明:对比现有决策方法,所提出的新方法可以提高危重患者的接收率,提升急诊医疗的服务水平.
对肺结节的形状特征、边缘特征和内部特征进行准确分类,能够辅助影像科医生的日常诊断工作,提高影像报告的书写效率.针对这一问题,提出一种基于长短时记忆(LSTM)结构与注意力结构的多任务分类模型.该模型通过注意力机制融合各个任务间的共享特征,提高当前任务的特征抽取效果.LSTM结构分类器能够有效地筛选任务间的共享特征,提高模型的信息传递效率.实验表明,相较于传统多任务结构,所提模型在公开数据集LIDC-IDRI上能够取得更好的多特征分类效果,辅助医生快捷地获取肺结节特征信息.
使用多模态数据建模可以有效地克服单一模态信息量不足的问题,大大提高模型的性能.但在量化神经网络模型置信度,尤其是对于多模态融合模型方面并没有很多进展.基于此,提出一种基于嵌入的方法,在嵌入空间中通过计算样本间的距离进行局部密度估计,进而计算模型的置信度分数.该方法具备可扩展性,不仅可以用于单一模态模型,还可以用于多模态融合模型置信度的度量.此外,所提方法还可以用来评估和量化不同模态数据对于多模态融合模型的影响程度.