人工智能在脊柱畸形诊疗中的应用及展望

随着人工智能的发展,医疗健康领域成为其最重要、最有潜力的应用领域之一。脊柱畸形的诊治是脊柱外科领域的研究热点,人工智能在该疾病的筛查、诊断、手术规划与实施、预后、康复中逐渐发挥不可或缺的作用。然而,目前人工智能在脊柱畸形诊疗中的应用尚处于初步阶段,仍有诸多问题亟待解决。本文就人工智能在脊柱畸形的筛查、诊断、手术规划及实施、预后、康复中的研究进展进行综述,并展望未来发展方向。     

超声在新型冠状病毒肺炎诊疗中的应用

新型冠状病毒肺炎（COVID-19）传播速度快,感染率高,疫情已构成全球大流行。超声设备具有便携、方便消毒、检查模式多样等优点,可应用于COVID-19的辅助诊断、病情监测及治疗评估,为诊治决策的调整提供指导。超声专家还可通过智能化超声装备在4G/5G网络支持下进行超声远程会诊,通过异地操作超声机器人机械臂完成实时扫查,有效缓解隔离区超声医师不足的问题,降低感染风险。目前,超声是唯一能进入隔离区对COVID-19患者进行床旁检查的可视化影像设备。本文分析了超声技术在COVID-19所致肺部损伤及全身多脏器病变检查诊断、病情监测、治疗评估中的应用价值,并就远程超声、超声人工智能等领域的应用前景进行探讨。     

内镜精灵结肠镜检查对结肠息肉检出率的影响

目的探讨内镜精灵在结肠镜检查中对结肠息肉检出的价值。方法选取2016年11月—2018年12月于武汉大学人民医院消化内镜中心接受电子结肠镜检查的患者资料共18 667例,按时间段分为5组: A组3 131例（2016年11月—2017年4月）,B组3 703例（2017年5—9月）,C组3 134例（2017年10月—2018年2月）,D组4 347例（2018年3—7月）,E组4 352例（2018年8—12月）,进行回顾性分析。A、B、C组单纯行电子结肠镜检查,D、E组应用内镜精灵行电子结肠镜检查。对各组息肉检出率,大、小息肉检出个数进行统计分析。结果18 667例患者中5 770例患者检出息肉,共检出息肉18 797个。A、B、C 3组息肉检出率分别为21.88%（685/3 131）、26.55%（983/3 703）、22.94%（719/3 134）,检出小息肉个数占比分别为87.31%（2 161/2 475）、87.70%（2 751/3 137）、84.57%（2 356/2 786）,3组间比较差异均无统计学意义（χ2=3.786,P=0.151; χ2=2.177,P=0.377）。D、E组息肉检出率分别为36.16%（1 572/4 347）、41.61%（1 811/4 352）,检出小息肉个数占比分别为90.67%（4 390/4 842）、88.68%（4 928/5 557）,2组比较差异亦无统计学意义（χ2=2.934,P=0.087; χ2=2.416,P=0.120）。内镜精灵结肠镜检查组（D+E组）与单纯结肠镜检查组（A+B+C组）比较,息肉检出率[38.89%（3 383/8 699）比23.95%（2 387/9 968）, χ2=485.668,P<0.001]、小息肉检出个数占比[89.60%（9 318/10 399）比86.54%（7 268/8 398）, χ2=29.215,P<0.001]差异均有统计学意义。结论在电子结肠镜检查时应用内镜精灵,结肠息肉检出率显著提高,特别是小息肉检出率显著提高。     

基于YOLO算法和ResNet深度卷积神经网络的结直肠息肉检测（含视频）

目的 构建一个基于YOLO算法和ResNet网络的自动检测结直肠息肉的深度卷积神经网络（deep convolutional neural network,DCNN）模型,并测试其功能。 方法 选取武汉大学人民医院消化内镜中心数据库2018年1月—2019年3月的肠镜图像及视频并分为3个数据集（数据集1、3、4）,另以公共数据集CVC-ClinicDB（由西班牙巴塞罗那医院提供的29个结肠镜检查视频中提取的612帧息肉图像组成）作为数据集2。数据集1（2018年1—11月的肠息肉图像3 700张,无息肉图像1 000张）用于DCNN模型构建、训练与验证;数据集2和数据集3（2019年1—3月的肠息肉图像320张,无息肉图像400张）用于DCNN模型在图像中的测试;数据集4（2018年12月肠镜视频15个,包含33个息肉）,用于DCNN模型在视频中的测试。主要观察DCNN模型检测肠息肉的敏感度、特异度、准确率和假阳性率。 结果 DCNN模型在数据集2中检测肠息肉的敏感度为93.19%（602/646）;在数据集3中检测肠息肉的准确率为95.00%（684/720）,敏感度为98.13%（314/320）,特异度为92.50%（370/400）,假阳性率为7.50%（30/400）;在数据集4中检测息肉逐息肉个数的敏感度为100.00%（33/33）,逐帧准确率为96.29%（133 840/138 998）,逐帧敏感度为90.24%（4 066/4 506）,逐帧特异度为96.49%（129 774/134 492）,逐帧假阳性率为3.51%（4 718/134 492）。 结论 构建的DCNN模型可用于自动检测结直肠息肉,在静止肠镜图像及肠镜视频中均具有较高的敏感度与特异度,且在视频中测试的假阳性率低,可用于帮助内镜医师检测结直肠息肉。     

人工智能化的远程心电监测在心血管疾病中的应用

在我国,心血管疾病患病率和死亡率居高不下,部分原因与心血管疾病的突发性和不可预测性有关。远程心电监测具有实施、远程、准确等特点,结合人工智能可实现自动预警,对心血管疾病的防治具有重要意义。本文将对人工智能化的远程心电监测在心血管疾病中的应用进行阐述。     

针对帕金森冻结步态康复的研究进展

冻结步态随着帕金森病患者病程的进展与延长,发病率呈日益增高趋势。现阶段综合性研究报道颇多,但对此类患者分期的康复手段,以及传统康复技术与现代智能化设备如何有机结合,目前研究尚不多见,值得关注。本文旨在总结归纳传统与现代化技术如何分期实施,为临床一线医务工作者的诊疗提供参考。     

当代脑计划研究进展

科技的进步让人们对大到宇宙小到微观粒子的世界有深入的认识,但是人类对自身大脑的精细结构和运行机制的了解甚少。为此,多个国家和地区纷纷提出并开展“脑研究计划”,简称“脑计划”,以提高对人类大脑的认知,并寻求治疗神经及精神系统疾病的方法。本文对近年来欧盟、美国、日本及我国开展的“脑计划”进行综述,分别介绍各个国家和地区“脑计划”的研究方向及取得的突破性成果,介绍正在开展的“齐鲁脑计划”。“脑计划”的开展有利于推动人工智能等相关学科进步和经济社会发展,未来“脑计划”的实施需要更深入的国际合作。