0~6岁小儿C3-C7椎弓根及相关结构的数字化形态学研究

来源 :内蒙古医科大学 | 被引量 : 0次 | 上传用户:sukey2
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
目的通过将06岁小儿全颈椎MSCT扫描数据重建后进行二维联合三维数字化测量,探索该年龄段C3-C7椎弓根相关指标的发育特征及变化规律,为临床相关疾病诊治、损伤螺钉内固定方式选择、辅助矫形器械设计与制造等提供解剖学发育依据,同时为研究小儿颈椎增龄变化特征及规律提供基础资料。方法收集2014年2月-2018年10月间在内蒙古国际蒙医医院、内蒙古医科大学第二附属医院、内蒙古医科大学附属医院影像中心行颈椎MSCT薄层扫描的影像资料共计52例及学校小儿尸体标本行颈椎MSCT扫描的影像资料共计16具(例),以2岁为一个年龄段,共分3组,将原始数据导入Mimics软件以下指标的形态学测量:椎弓根的宽、高、长,侧块-椎弓根长、椎弓根轴线全长、颈椎管前后径、椎弓根间距、椎弓根矢状面夹角与水平面夹角、椎弓根轴线与椎体正中矢状面的位置关系,并分析椎弓根宽/高、椎弓根间距/颈椎管前后径,椎弓根轴线上椎体、椎弓根、侧块三者间的发育比例关系;按侧别、性别、年龄分别行相关性分析。结果1.06岁小儿C3-C7椎弓根宽、高、长,侧块-椎弓根长、椎弓根轴线全长、椎弓根间距总体随年龄增长呈递增趋势,但椎序间增长幅度各有差异;颈椎管前后径随椎序增加总体呈递增趋势,年龄组间无统计学差异(P>0.05)。2.椎弓根矢状面夹角随年龄及椎序总体均呈递减趋势,最大为47.44°,最小为38.95°;椎体水平面夹角各年龄组内均由正值向负值渐变,负值的绝对值渐增,该夹角同一椎骨指标随年龄增大无明显改变。3.椎弓根宽/高比值逐渐减小,而椎弓根间距/颈椎管前后径则逐渐增大。4.随年龄的增长,构成椎弓根全长的3部分占比有所变化,其中侧块部分占比不断增加,椎体部分则不断减少,而椎弓根占比无显著变化。5.椎弓根轴线与椎体正中矢状面的位置关系中I型占28%、II型为31%、III型最多达41%。结论1.0-6岁小儿C3-C7椎弓根采取二维联合三维数字化测量是获得小儿准确数据的较好方式。2.0-6岁小儿椎弓根置钉前需行PW、PH等指标的精确测量,明确其是否具备置钉条件并辅助选择最佳螺钉尺寸,本研究认为该年龄段小儿C3-C7椎弓根理论上具备使用直径为3.0mm螺钉的条件。3.依据各组PAL测量平均值,建议置钉深度A组为16.5mm,B组为17.8mm,C组为19.0mm。4.椎弓根间距较颈椎管前后径增长速度快,侧块的增长为椎弓根全长的增大提供主要支撑。5.0-6岁儿童行后路经椎弓根-椎体穿刺时有41%椎体需行双侧穿刺,在行椎弓根螺钉置入时有28%椎体需调整其两侧的椎体水平面夹角,以避免螺钉植入在椎体内“聚交相撞”。
其他文献
根据炼钢厂生产实际,针对普遍存在的转炉炉底上涨问题进行了系统的原因分析,并提出了具体的炉底控制与处理的改进措施。从设备优化、参数以及具体操作等方面入手,详细阐述了安钢
智邦磁铁积木由杭州智邦玩具厂出品。产品采用天然永磁体,进口ABS塑料,100%食品级,3C认证安全无毒,立体提拉百变造型,深度益智。7大技术亮点,提升宝宝的空间逻辑、想象力和创
针对转炉炉底上涨的原因进行了分析并提出了改进对策。通过加强并规范溅渣护炉操作,选择合适的氧枪及合理的供氧制度,改进炉衬维护方式,采取适时调整装入量并及时进行炉底吹扫等
介绍基层医院图书馆的概况及现状,指出推进基层医院图书馆文献资源共享的必要性与可行性,针对存在的问题提出解决的措施和方法及协调各成员馆之间的共享工作。
在信息时代手机依赖、网络焦虑的语境下,在以MOOC为代表的新型教学模式的冲击下,回归传统课堂的“在场感”,在“在场”的仪式感中,体会课堂教学之真显得至关重要.在传统课堂
改革三项制度,激活一池春水。哈空调大刀阔斧实施改革,短短半年时间就扭亏为盈,收入、利润等财务数据同比均成倍增长,为我市国企改革探索出可资借鉴的成功经验。$$哈空调改革的成
报纸
张枣是当代一位极具才华的天赋诗人,却在声名大噪的时期选择远赴德国探索"诗歌的边界",这样的流散经历使诗人面临着生活上和诗歌上边缘化的危机,面对危机,诗人做出了积极的营
三亚作为海南国际旅游重地,每年会有大量国际性赛事和活动在三亚召开,因此,警犬搜爆任务也日益繁重。在安检任务或者训练过程中,我发现,由于多方面因素的影响,搜爆犬经常会出
自传体记忆是有关个人自身经历的记忆,具有自传性质,影响个体自我成长和社会生活的各个方面。关于自传体记忆的研究多关注其内容特质,尤其集中于自传体记忆的具体性和情绪性,
针对电池分选中,由于输入技术参数存在噪声而引起误选率过高的问题,以BP(back-propagation)神经网络为基础,使用抽样学习的方法,提出了多参数输入的电池分选方案.实验结果表