简介:摘要:目的:就生物反馈治疗对抑郁患者的疗效进行研究、分析。方法:本次入选人员均选自2018-2019年我院收治的抑郁患者,对其实施生物反馈治疗。结果:在抑郁疾病的治疗中应用生物反馈治疗后,进一步缓解了患者的不良心理,其HAMD评分呈良好趋势,治疗效果较高。结论:针对抑郁患者而言,在其治疗中生物反馈治疗发挥的作用明显,有利于促进患者生活质量的改善,值得进一步推广、应用。
简介:摘要:目的:脑瘫患儿康复训练过程中采用肌电生物反馈疗法提高脑瘫患儿运动功能以及平衡能力,观察该种方法的应用效果。方法:将我院儿童康复科收治的脑瘫儿童设置为观察对象,观察开始时间段为2017年3月,结束时间段为2019年5月。并且根据分析需要将患儿分成两组,对照组采用传统康复治疗,治疗组采用肌电生物反馈疗法。结果:分析两组患者GMFM-88的评分情况和Berg平衡量表评分情况,其中在D项和E项的评分中两组治疗前没有差异,(P>0.05),有可比性。两组治疗后治疗组的D项评分为37.25±11.31,E项评分为65.37±16.24,对照组D项评分为31.37±10.32,E项评分为50.21±15.32。两组数据有差异,(P
简介:【摘要】目的 探讨适应性统计迭代(adaptive statistical iterative reconstruction,ASIR)、滤波反投影(FBP)两种重建技术对胸部CT图像质量的影响。方法 80例患者均应用西门子64排CT行胸部CT平扫。分别用ASIR、FBP两种重建算法对原始数据进行重建,重建层厚1mm,层间距0.5mm。测量记录信噪比(SNR)、图像噪声、对比噪声比(CNR)。对肺窗和纵隔窗进行图像质量评价。对比分析两种不同重建算法的定性定量参数。结果 两组图像的噪声值分别是35.6±14.5,52.5±18.6,与FBP组比较,ASIR组噪声降低了31.4%,ASIR组的SNR和CNR明显高于FBP组(P<0.05)。且ASIR组肺窗及纵隔窗图像质量较FBP组高,差异有统计学意义(P<0.05)。结论 与FBP重建算法相比,ASIR可明显降低图像的噪声,提高图像质量。
简介:【摘要】目的 探讨当管电流设定为17mAs时,其他参数变量设置对胸部CT图像质量和辐射剂量的影响。方法 选取行胸部CT检查的志愿者160名,将管电流设定为17mAs,根据不同管电压(100kv、120kv)和曝光控制设定(自动曝光控制、固定管电流扫描)分为4组,分别进行成像,对图像质量进行评价,分析比较辐射剂量与图像质量的相关性。结果 4组的图像质量及有效剂量差异均有统计学意义,在自动曝光控制条件相同情况下,100kv、120kv管电压均可产生较高质量图像(P<0.05),120kv、自动曝光控制扫描组的有效剂量最高,100kv、固定管电流扫描组的有效剂量最低,而100kv、自动曝光控制组和120kv、固定管电流扫描组有效剂量无明显统计学意义(P=0.06)。结论 管电流设定为17mAs时,采用100kv、自动曝光控制扫描方式可以获得较高质量的图像,同时降低辐射剂量。
简介:【摘要】目的:研究不同碘浓度对比剂对冠脉CT血管造影图像质量的影响。方法:回顾性分析60例在我院进行冠脉CT血管造影检查的患者,按检查时采用的碘对比剂浓度进行分组(实验组、对照组),30例/组。选取时间:2020年1月至2020年12月。其中对照组采用350mg I/L碘浓度对比剂检查,实验组采用320mg I/L碘浓度对比剂检查。结果:除矫正后冠状血管密度值外,实验组及对照组图像质量相关指标对比差异较小(P>0.05)。结论:在同样的注射方案下,320mg I/L碘浓度对比剂及350mg I/L碘浓度对比剂的冠脉CT血管造影图像质量基本无差异,低密度对比剂矫正后冠状血管密度值相对较高。
简介:【摘要】 目的 分析脑卒中患者接受肌电生物反馈联合作业治疗对其上肢及手功能恢复的影响。方法 在本院2021年1月-2021年11月内接受治疗的脑卒中患者中随机抽选174例,随机对其进行分组,对照组87例接受接受常规临床治疗,试验组87例接受肌电生物反馈联合作业治疗,比较两组患者Fug-Meyer运动功能评分、日常生活活动能力评分。结果 治疗前,试验组患者与对照组患者上肢运动功能及手功能评分之间差异较小,无统计学意义(P>0.05);治疗后试验组患者上肢运动功能及手功能分数明显高于对照组患者,两组比较差异显著,具有统计学意义(P
简介:摘要:本文深入研究了医学影像技术在癌症筛查领域的创新发展,特别聚焦于CT图像处理与自动化分析的应用与性能评估。随着医学技术的飞速进步,癌症筛查的紧迫性逐渐凸显,而传统方法的主观性和耗时问题促使对更为准确和高效的策略的需求。文章首先追溯了医学影像技术的发展历程,强调数字化医疗时代为癌症筛查带来了新的机遇。重点关注了CT图像处理与自动化分析技术,通过深度学习等人工智能技术,实现对大规模数据的智能处理,为癌症早期检测提供有力支持。文章详述了该技术在肺癌筛查中的具体应用,展示了其在提高诊断速度和准确性方面的卓越表现。