目的研究腰痛患者腰骶椎Modic改变(Modic changes,MCs)及其类型与骨质疏松的关系。方法选取2021年1月至2024年9月于南京中医药大学附属徐州市中医院就诊的女性腰痛患者204例为研究对象,根据磁共振成像结果将患者分为MCs组(139例)和无MCs...目的研究腰痛患者腰骶椎Modic改变(Modic changes,MCs)及其类型与骨质疏松的关系。方法选取2021年1月至2024年9月于南京中医药大学附属徐州市中医院就诊的女性腰痛患者204例为研究对象,根据磁共振成像结果将患者分为MCs组(139例)和无MCs组(65例),将MCs组按MCs分型分为Ⅰ型组(33例)、Ⅱ型组(90例)和Ⅲ型组(16例)。比较各组患者的年龄、髋部骨密度(bone mineral density,BMD)及其T值。结果MCs组和无MCs组患者的年龄、髋部BMD及相应T值比较差异均无统计学意义(P>0.05)。四组患者的髋部BMD及相应T值依次为Ⅲ型组>无MCs组>Ⅱ型组>Ⅰ型组。Ⅲ型组患者骨量多处于正常水平,其余三组患者多处于骨量减少或骨质疏松水平。Ⅱ型组与无MCs组患者的髋部BMD及相应T值比较差异均无统计学意义(P>0.05),Ⅲ型组患者的髋部BMD及相应T值均显著高于其余三组(P<0.05)。Ⅰ型组患者的髋部BMD及相应T值均显著低于其余三组(P<0.05)。结论腰痛患者不同的骨量水平有不同的MCs发病倾向:较高骨量(骨量正常)者多发生Ⅲ型MCs,骨量减少或骨质疏松者则易发Ⅰ型MCs,应重视Ⅰ型MCs患者的抗骨质疏松治疗。展开更多
针对当前按摩机器人穴位自动定位技术存在着装限制、适用范围局限以及定位精度较差等问题,提出了一种基于背部形态分类与多层感知机网络的人体背部穴位定位方法(morphology classification-multilayer perceptron-based accurate point ...针对当前按摩机器人穴位自动定位技术存在着装限制、适用范围局限以及定位精度较差等问题,提出了一种基于背部形态分类与多层感知机网络的人体背部穴位定位方法(morphology classification-multilayer perceptron-based accurate point location,BMC-MPAPL)。通过采集大量不同人体背部图像数据结合骨骼关键点定位技术、核密度估计和最大类间方差方法,研究了背部形态的统计分布与有效分类。为克服衣物覆盖对定位的限制,基于分类结果制作包含背部关键点和大椎穴的各类坐标数据集,同时利用多层感知机网络深度学习模型实现大椎穴的自动定位。依据大椎穴的定位结果建立人体坐标系,结合中医骨度分寸法实现人体背部60个常见穴位的自动定位。结果表明:基于不同背部形态的大椎穴定位模型,实现了对大椎穴的高精度定位,在允许误差为20 mm时的平均精度为94.87%,较未进行背部分类的大椎穴定位模型精度提高13.37%。对于背部其他常见穴位,在患者服饰、背景没有限制的情况下,其定位精度在允许误差为20 mm时为91.58%。可见,所提方法有效提高了穴位自动定位的精度和适用性。展开更多
文摘目的研究腰痛患者腰骶椎Modic改变(Modic changes,MCs)及其类型与骨质疏松的关系。方法选取2021年1月至2024年9月于南京中医药大学附属徐州市中医院就诊的女性腰痛患者204例为研究对象,根据磁共振成像结果将患者分为MCs组(139例)和无MCs组(65例),将MCs组按MCs分型分为Ⅰ型组(33例)、Ⅱ型组(90例)和Ⅲ型组(16例)。比较各组患者的年龄、髋部骨密度(bone mineral density,BMD)及其T值。结果MCs组和无MCs组患者的年龄、髋部BMD及相应T值比较差异均无统计学意义(P>0.05)。四组患者的髋部BMD及相应T值依次为Ⅲ型组>无MCs组>Ⅱ型组>Ⅰ型组。Ⅲ型组患者骨量多处于正常水平,其余三组患者多处于骨量减少或骨质疏松水平。Ⅱ型组与无MCs组患者的髋部BMD及相应T值比较差异均无统计学意义(P>0.05),Ⅲ型组患者的髋部BMD及相应T值均显著高于其余三组(P<0.05)。Ⅰ型组患者的髋部BMD及相应T值均显著低于其余三组(P<0.05)。结论腰痛患者不同的骨量水平有不同的MCs发病倾向:较高骨量(骨量正常)者多发生Ⅲ型MCs,骨量减少或骨质疏松者则易发Ⅰ型MCs,应重视Ⅰ型MCs患者的抗骨质疏松治疗。
文摘针对当前按摩机器人穴位自动定位技术存在着装限制、适用范围局限以及定位精度较差等问题,提出了一种基于背部形态分类与多层感知机网络的人体背部穴位定位方法(morphology classification-multilayer perceptron-based accurate point location,BMC-MPAPL)。通过采集大量不同人体背部图像数据结合骨骼关键点定位技术、核密度估计和最大类间方差方法,研究了背部形态的统计分布与有效分类。为克服衣物覆盖对定位的限制,基于分类结果制作包含背部关键点和大椎穴的各类坐标数据集,同时利用多层感知机网络深度学习模型实现大椎穴的自动定位。依据大椎穴的定位结果建立人体坐标系,结合中医骨度分寸法实现人体背部60个常见穴位的自动定位。结果表明:基于不同背部形态的大椎穴定位模型,实现了对大椎穴的高精度定位,在允许误差为20 mm时的平均精度为94.87%,较未进行背部分类的大椎穴定位模型精度提高13.37%。对于背部其他常见穴位,在患者服饰、背景没有限制的情况下,其定位精度在允许误差为20 mm时为91.58%。可见,所提方法有效提高了穴位自动定位的精度和适用性。
