目的探讨血尿酸水平与免疫球蛋白A肾病(immunoglobulin A nephropathy,IgAN)患者动脉粥样硬化和心血管事件的相关性。方法选择2020年1月1日至2021年12月31日在深圳市南山区人民医院接受肾活检证实为IgAN的146例患者作为研究对象。根据...目的探讨血尿酸水平与免疫球蛋白A肾病(immunoglobulin A nephropathy,IgAN)患者动脉粥样硬化和心血管事件的相关性。方法选择2020年1月1日至2021年12月31日在深圳市南山区人民医院接受肾活检证实为IgAN的146例患者作为研究对象。根据尿酸水平的三分位数将患者分为T1水平组(≤220μmol/L)、T2水平组(220μmol/L~260μmol/L)和T3组(≥260μmol/L)。通过冠状动脉造影术定量分析血流储备分数。本研究的终点是主要心血管事件(major adverse cardiovascular events,MACE),包括冠状动脉疾病、卒中、外周动脉疾病和心血管死亡。根据患者是否发生MACE分为非MACE组和MACE组。结果在随访期间,有23例IgAN患者发生MACE事件。与非MACE组患者相比,MACE组的慢性肾脏病3~4期例数(19例比62例)、肌酐水平[117.00(109.00,138.00)μmol/L比136.00(121.00,169.00)μmol/L]、尿酸水平[(263.66±91.69)μmol/L比(371.45±156.58)μmol/L]、直径狭窄比例[46.00(40.00,52.00)%比51.00(43.00,59.00)%]显著增加,差异具有统计学意义(P<0.05),估算肾小球滤过率水平[57.00(44.00,83.00)mL·min^(-1)·(1.73 m^(2))-1比39.00(33.00,51.00)mL·min^(-1)·(1.73 m^(2))^(-1)]、最小管腔直径[1.43(1.21,1.66)mm比1.16(0.90,1.53)mm]显著降低,差异具有统计学意义(P<0.05)。多因素Cox回归模型显示,血尿酸(HR=4.137,95%CI:1.135~15.084)是IgAN患者发生MACE事件的独立影响因素(P<0.05)。受试者工作特征曲线分析显示,血尿酸水平在截止值为247μmol/L时,曲线下面积为0.733(95%CI:0.623~0.843),敏感度为87.0%,特异度为56.9%。Kaplan-Maier分析显示,血尿酸高水平组随访期间MACE事件发生率为27.4%(20/73),血尿酸低水平组MACE事件发生率为4.1%(3/73),组间比较差异具有统计学意义(Log-Rank=15.233,P<0.001)。结论血尿酸水平与IgAN患者的动脉粥样硬化发展和MACE事件的发生相关。在IgAN患者中较高的血尿酸水平有助于预测MACE事件的发生。展开更多
视频帧之间不仅具有空间相关性,还存在时间相关性。根据低分辨率视频重建高分辨率视频时,可以利用相邻的多帧信息对齐到目标帧,以指导当前帧的恢复。相邻帧之间的对齐一般采用光流指导的可变形卷积进行显式对齐,这种方法克服了可变形卷...视频帧之间不仅具有空间相关性,还存在时间相关性。根据低分辨率视频重建高分辨率视频时,可以利用相邻的多帧信息对齐到目标帧,以指导当前帧的恢复。相邻帧之间的对齐一般采用光流指导的可变形卷积进行显式对齐,这种方法克服了可变形卷积的不稳定性,但会影响帧中高频信息的恢复,降低对齐信息的准确性并放大伪影。为解决上述问题,提出了一种基于隐式对齐的视频超分模型IAVSR(Implicit Alignment Video Super-Resolution)。IAVSR通过偏移量和原始值将光流编码到特定像素位置,以此计算光流预对齐的信息而不是利用插值函数插值获得,随后利用光流指导的可变形卷积对计算后的预对齐特征进行重对齐,以帮助高频信息的恢复。在双向传播中利用前两帧传播的信息进行对齐来指导当前帧的恢复,并引入残差网络结构,在提高对齐信息准确性的同时避免引入过多的参数。在REDS4公开数据集上的实验结果表明,IAVSR的峰值信噪比(PSNR)比基准模型提高了0.6 dB,且模型训练时的收敛速度提升了20%。展开更多
文摘视频帧之间不仅具有空间相关性,还存在时间相关性。根据低分辨率视频重建高分辨率视频时,可以利用相邻的多帧信息对齐到目标帧,以指导当前帧的恢复。相邻帧之间的对齐一般采用光流指导的可变形卷积进行显式对齐,这种方法克服了可变形卷积的不稳定性,但会影响帧中高频信息的恢复,降低对齐信息的准确性并放大伪影。为解决上述问题,提出了一种基于隐式对齐的视频超分模型IAVSR(Implicit Alignment Video Super-Resolution)。IAVSR通过偏移量和原始值将光流编码到特定像素位置,以此计算光流预对齐的信息而不是利用插值函数插值获得,随后利用光流指导的可变形卷积对计算后的预对齐特征进行重对齐,以帮助高频信息的恢复。在双向传播中利用前两帧传播的信息进行对齐来指导当前帧的恢复,并引入残差网络结构,在提高对齐信息准确性的同时避免引入过多的参数。在REDS4公开数据集上的实验结果表明,IAVSR的峰值信噪比(PSNR)比基准模型提高了0.6 dB,且模型训练时的收敛速度提升了20%。
