主动脉出口血压对左心室血流特性的影响

采用Mimics对心脏进行三维重构，用3-matic进行模型优化以及模型误差分析，对左心室室壁运动做速度分布假设，基于UDF宏文件对左心室室壁运动编写程序，将血液视为非牛顿流体，采用动网格技术研究不同血压对左心室血液流动的影响。模拟发现当左心室收缩时，压力梯度明显，内部压力减小。当左心室舒张时，内部压力逐渐增高。二尖瓣口处的速率先增大后减小。血压升高，左心室内剪切应力持续增大，极易破坏红细胞结构，产生溶血现象，导致心脏功能紊乱。     

社区动脉粥样硬化风险研究的进展和展望

社区动脉粥样硬化风险（ARIC）研究是1987年由美国心、肺和血液研究所资助的关注非洲裔美国人心血管健康的最大研究。旨在调查心脏病的危险因素以及心血管疾病与认知之间的联系。ARIC研究的许多发现加深了对动脉粥样硬化性心血管病病因的了解,在心血管病预防领域做出了重大贡献,证明了以人群为基础的研究对改善健康和预防疾病的重要性。主要概述ARIC研究的起源、目的、研究设计、对心血管医学的贡献以及未来的发展方向。     

保乳术后放疗中钛夹动度与乳腺大小及钛夹位置的相关性

【摘要】目的:分析保乳术后放疗患者钛夹动度，并探讨其与乳腺大小、钛夹位置的相关性。方法:随机选取保乳术后放疗患者15例，每周两次锥形束CT。测量乳腺基底面直径（D）和乳高轴（H），以瘤床质心为原点将临床靶区分4个象限。记录各象限内钛夹在左右、腹背、头脚方向动度（MLR、MAP、MSI）以及其与临床靶区最内、最前、最上的距离（DSLR、DSAP、DSSI）。结果:MLR、MAP、MSI分别为（2.2±3.0）、（-1.1±3.6）、（0.8±4.7） mm；系统误差Σ在左、右、腹、背、头、脚分别为1.7、2.2、2.0、2.4、2.9、3.0 mm，随机误差σ分别为2.4、4.0、3.2、4.0、4.7、4.7 mm；靶区对应外放5.9、8.3、7.2、8.8、10.5、10.9 mm。一象限内，当D×H<99.89 cm2，MAP和D×H强相关（r=0.805），MLR、MAP均和DSLR、DSAP、DSSI强正相关（r=0.94, 0.94, 0.91；0.87, 0.91, 0.92），MSI和DSLR、DSAP强正相关（r=0.91, 0.94）；四象限内，当D×H<90.71 cm2，MAP和DSLR，MSI和DSAP均强负相关（r=-0.96；-0.95），MLR和DSLR强正相关（r=0.91）。结论:钛夹动度有各向异性，以SI方向外扩最大，并易受乳腺大小、钛夹位置影响。     

内囊预警综合征的临床特征和预后

目的 分析内囊预警综合征（capsular warning syndrome，CWS）的临床特点、影像学特征及治疗预后，
以提高对此病的认识。
方法 回顾性分析战略支援部队特色医学中心神经内科2013年1月-2018年12月收住院治疗的CWS的
临床资料、影像学特征及治疗预后情况。
结果 共12例患者，男性8例（66.67%），中位年龄为60岁。高脂血症9例（75.0%），高血压8例
（66.67%），糖尿病4例（33.33%），肿瘤病史3例（25.0%）。纯运动性卒中4例（33.33%），运动伴有构
音障碍者4例（33.33%），运动及感觉性障碍3例（25.00%），纯感觉障碍1例（8.33%）。影像学示豆纹
动脉供血区新发脑梗死6例（50%）。所有患者给予口服双联抗血小板治疗，其中3例症状复发患者又
给予静脉溶栓和静脉抗血小板治疗。3个月随访，所有患者均未再出现症状发作，10例mRS评分为0
分，2例mRS评分分别为4分及3分。
结论 CWS主要表现为运动障碍，发作刻板，常见原因为动脉粥样硬化性。在本组病例中发现双重
抗血小板治疗有效，静脉溶栓效果不肯定。     

基于心冲击信号的心率检测方法

针对现有基于心冲击描记图进行心率检测存在的抗干扰性不足问题，提出一种鲁棒的心率检测模型，首先对原始信号中受干扰的片段进行补偿重构，然后将J峰作为特征波形，通过基于J峰频段的滤波与差分增强处理放大特征，并设计改进的峰值提取算法定位心跳点，进而得到心率估计值。实验结果表明，所用模型对于不同情形下的心冲击描记图信号均表现出良好的适应性，逐拍检测平均覆盖率为98.3%，平均准确率为98.4%。心率输出结果与金标准一致性高，误差范围控制在[±]5%以内，且运算实时性好，可以为临床或家庭保健提供良好的心率检测方案。     

Influence of coronary stenosis location on diagnostic performance of machine learning-based fractional flow reserve from CT angiography

BackgroundCompared with invasive fractional flow reserve (FFR), coronary CT angiography (cCTA) is limited in detecting hemodynamically relevant lesions. cCTA-based FFR (CT-FFR) is an approach to overcome this insufficiency by use of computational fluid dynamics. Applying recent innovations in computer science, a machine learning (ML) method for CT-FFR derivation was introduced and showed improved diagnostic performance compared to cCTA alone. We sought to investigate the influence of stenosis location in the coronary artery system on the performance of ML-CT-FFR in a large, multicenter cohort.MethodsThree hundred and thirty patients (75.2% male, median age 63 years) with 502 coronary artery stenoses were included in this substudy of the MACHINE (Machine Learning Based CT Angiography Derived FFR: A Multi-Center Registry) registry. Correlation of ML-CT-FFR with the invasive reference standard FFR was assessed and pooled diagnostic performance of ML-CT-FFR and cCTA was determined separately for the following stenosis locations: RCA, LAD, LCX, proximal, middle, and distal vessel segments.ResultsML-CT-FFR correlated well with invasive FFR across the different stenosis locations. Per-lesion analysis revealed improved diagnostic accuracy of ML-CT-FFR compared with conventional cCTA for stenoses in the RCA (71.8% [95% confidence interval, 63.0%–79.5%] vs. 54.8% [45.7%–63.8%]), LAD (79.3 [73.9–84.0] vs. 59.6 [53.5–65.6]), LCX (84.1 [76.0–90.3] vs. 63.7 [54.1–72.6]), proximal (81.5 [74.6–87.1] vs. 63.8 [55.9–71.2]), middle (81.2 [75.7–85.9] vs. 59.4 [53.0–65.6]) and distal stenosis location (67.4 [57.0–76.6] vs. 51.6 [41.1–62.0]).ConclusionIn a multicenter cohort with high disease prevalence, ML-CT-FFR offered improved diagnostic performance over cCTA for detecting hemodynamically relevant stenoses regardless of their location.     

放疗计划系统DeepPlan光子放疗剂量计算的临床可行性验证

目的:评估DeepPlan放疗计划系统患者计划剂量计算的准确性和临床应用的可行性。方法:剂量算法准确性评估主要是针对YY 0775号和YY/T 0889号报告中的例题内容进行测量验证。临床病例验证是基于Pinnacle计划系统设计的前列腺肿瘤患者9例、胸部肿瘤患者13例和头颈部肿瘤患者5例，试验将各病例原计划优化的子野等信息直接导入DeepPlan进行重新剂量计算，比较不同计划系统得到的靶区和危及器官剂量分布，并用PTW VeriSoft软件对两组计算结果进行全空间剂量γ分析。结果:DeepPlan光子剂量算法通过了剂量计算准确性验证，YY 0775号报告中所有测试例题误差均在2%以内。YY/T 0889号报告中所有患者计划的γ通过率均在96.8%以上，复合野的γ通过率平均值为98.1%。在病例验证中，前列腺肿瘤病例的等中心层面2D γ通过率平均值为97.6%，3D γ通过率平均值为96.9%。胸部肿瘤病例的等中心层面2D γ通过率平均值为98.7%，3D γ通过率平均值为98.3%。头颈部肿瘤病例的中间层面2D γ通过率为98.6%，3D γ通过率平均值为98.8%。结论:通过模体实际测量和临床病例测试，验证了DeepPlan光子放疗剂量计算的准确性和临床应用的可行性。