Drive训练20张，测试20张 Chase训练20张，测试8张

悬吊废用和血管紧张素II对运动终板的影响，周越，王兵，目的：研究悬吊废用和缓释外源性血管紧张素Ⅱ对大鼠骨骼肌运动终板形态结构和功能的影响。方法：（1）采用尾悬吊模型造成大鼠腓�

Telmisartan延缓血管内皮细胞衰老及p21INK4a表达变化的作用，单海燕，于凯，目的：探讨Telmisartan对血管内皮细胞衰老与p21INK4a表达变化的影响，为寻求延缓内皮细胞衰老途径提供理论和实验依据。方法：体外培养�

血管性帕金森综合征研究进展，饶峰，叶民，血管性帕金森综合征是指由于脑血管病变引起的与帕金森病具有相似临床表现的一组综合征。病理层面的确切发病机制尚未完全阐明，脑

简介：糖尿病性微血管病很常见，但糖尿病患者发病的时间因受试者而异。 我们研究的目的是研究2型糖尿病患者的肾脏和眼科疾病之间的相关性。 患者和方法：这项纵向分析性研究于2018年3月1日至2019年3月31日在Abass Ndao大学医院中心进行。 它正在研究糖尿病肾小球病患者的视网膜受累情况。 结果：在100例糖尿病性肾小球病患者中，他们分为70名女性和30名男性，平均年龄为58.2岁。 糖尿病的平均病程为6.1年，其平均糖化血红蛋白（HbA1c）为8.1％。 只有37％的患者HbA1c水平低于7％。 其他心血管危险因素是高血压（HBP）（39％），血脂异常（36％）和肥胖症（15％）。 在这些患者中，糖尿病视网膜病变占21％。 在诊断为少于6年的糖尿病患者中，视网膜病变更为常见（69％），而肾小球滤过率（GFR）略有降低的慢性肾脏疾病患者（34％）则更为常见。 结论：我们的研究得出的结论是，在2型糖尿病的发病过程中，慢性肾脏疾病的发作并不系统地暗示糖尿病性视网膜病的存在。 因此，重要的是进行系统并发症的筛查和评估。

背景：糖尿病性视网膜病（DR）是糖尿病的常见并发症，也是劳动年龄人口视力下降的主要原因。 对其发病机理了解甚少，但可能涉及低度慢性炎症和血管生成。 这项研究的目的是评估2型糖尿病患者中一种炎症（IL-6）和血管生成细胞因子（VEGF-A）的血清水平与DR的存在和严重程度之间的关系。 方法：从2019年1月至2019年6月，我们对84例患者进行了横断面分析研究，其中31例发展为DR，53例未发展为DR。 所有患者均接受了完整的眼科检查，并通过ELISA技术对IL-6和VEGF-A进行了实验室分析。 我们研究了IL-6和VEGF-A与DR，HBA1c的存在和严重程度以及糖尿病持续时间的关系。 结果：DR组与对照组相比，VEGF-A水平有统计学意义的显着升高（390.5 pg / ml与173.1 pg / ml； p = 0.007）。 两组之间的IL-6水平无显着差异（42.8 pg / ml与31.7 pg / ml； p = 0.10）。 同样，这两种细胞因子与黄斑水肿或DR的严重程度之间没有关联。 IL-6的水平与糖尿病的平衡有关（p = 0.006），而VEGF-A却没有（p =

血管分割 1.0.0版从光声图像中分割血管结构并进行可靠性评估 网络： ：//math.tut.fi/inversegroup/出版物：P.Raumonen和T.Tarvainen（2018）：“通过光声图像对血管结构进行分割并进行可靠性评估”，已提交给Biomedical Optics Express 。 血管分割是用Matlab编写的。 主要功能是vessel_segmentation.m ，它包含一个数字3D数组（光声图像）和一个可选的结构数组，用于指定所需的输入参数，可以使用脚本define_inputs.m对其进行定义。 有关更多详细信息，请参阅特定功能的帮助文档。

使用U-Net和LadderNet网络框架，实现眼底图像血管分割，包括训练、测试和评估等环节。

图像修复matlab代码Path_planning_for_FEVAR 通过可变形配准腹主动脉瘤的3D路径规划，进行机器人辅助的开窗血管内修复 要求 版本：Matlab R2016a至R2017a 平台：Windows，Linux 脚本'demo_2D3Dregist.m'： 这演示了如何从2D术中分割的动脉瘤形状和3D术前骨骼恢复机器人路径的3D骨骼，它将导入术前透视的2D jpg图像，2D分割标签和3D骨骼。 它将显示2D / 3D骨骼，术中（地面真实）骨骼，术前骨骼和我们的预测的注册时间成本，以及在2D和3D中评估的距离误差。 文件夹“功能”： 它包括为在2D和3D骨架之间进行可变形配准而编写的所有代码。 请仔细阅读每个文件中的许可证。 对于使用此文件夹中代码的任何学术出版物，请引用： 郑JQ，周XY，C。Riga和GZ Yang，“机器人辅助有条件的血管内主动脉修复的单一2D荧光镜图像的3D路径规划”，IEEE国际机器人与自动化会议（ICRA），2019年。 文件夹“数据”： 它包括演示中使用的导入数据。 文件夹“外部”： 它包括演示中使用的重新分配的代码。 请仔细阅读每个文件

isodata的matlab代码博客reitna-segmentation 视网膜图像分割提取血管复杂结构 详情见： 用法：运行 mainDemo.m 步骤 1：从文件夹“retina_images\1.tif”读取 matlab 工作区中的视网膜图像。 步骤 2：将分割算法应用于输入的视网膜图像。 ISODATA算法用于从视网膜图像中分割血管。 使用迭代 isodata 方法的 ISODATA 计算全局图像阈值。 LEVEL = ISODATA(I) 计算可用于将强度图像转换为具有 IM2BW 的二值图像的全局阈值 (LEVEL)。 LEVEL 是一个归一化的强度值，位于 [0, 1] 范围内。 这种选择阈值的迭代技术是由 Ridler 和 Calvard 开发的。 视网膜分割图像： 步骤 3：加载真实图像（label_images/1.tif）以比较分割算法的结果。 现在我们有两个图像。 即一个是ground truth，另一个是分割结果。 为了比较算法的性能，我们计算了“真视网膜”和“假视网膜”以及“真背景”和“假背景”。 以下代码部分显示了上述参数的计算 number_of_p