胎儿脊髓圆锥超声定位新指标及其在脊髓拴系的诊断价值

目的 建立超声检测不同孕期胎儿脊髓圆锥末端至最末尾骨远端距离的正常值,评估其在脊髓拴系诊断中的价值.方法 研究对象包括400例正常胎儿及8例脊髓拴系的胎儿.随机选择40例胎儿,进行医师内及医师间测量结果的信度分析.建立胎儿脊髓圆锥末端至最末尾骨远端距离的正常值范围,比较正常组及脊髓拴系组的差别.结果 (1) 400例胎儿中,脊髓圆锥末端至最末尾骨远端的显示率为91％.(2)相同及不同医师测量的重复性良好(ICC:0.990～0.998),其95％一致性界限分别为:-2.2～2.6 mm和-3.7～3.1 mm.(3)胎儿脊髓圆锥末端至最末尾骨远端距离与孕周呈线性正相关关系,相关方程为:脊髓圆锥末端至最末尾骨远端距离=-23.09+2.39孕周(r=0.965,P＜0.001).(4)8例脊髓拴系组的脊髓圆锥末端至最末尾骨远端距离与正常组相比明显缩短(P＜0.001).结论 超声测量胎儿脊髓圆锥末端至最末尾骨远端距离简便可行,这一参数有助于产前诊断胎儿脊髓拴系.     

超声极速成像技术检测妊娠期高血压疾病患者颈动脉血管功能

目的评价妊娠期高血压疾病(PIH)患者颈动脉血管弹性功能。方法应用超声极速成像技术(UFUI)对80例PIH患者(妊娠期高血压28例,轻度子痫前期32例,重度子痫前期20例)与60例正常妊娠孕妇的颈动脉收缩期开始时脉搏波传导速度(PWVBS)及收缩期结束时脉搏波传导速度(PWVES)进行检测,并比较两者之间的差异。结果随着PIH病情进展,颈动脉PWVBS、PWVES值逐渐升高,差异具有统计学意义(P均0.05),其中健康对照组、妊娠期高血压组、轻度子痫前期组、重度子痫前期组PWVBS分别为(4.81±0.33)m/s、(5.64±0.27)m/s、(6.01±0.32)m/s、(6.22±0.26)m/s。健康对照组、妊娠期高血压组、轻度子痫前期组、重度子痫前期组PWVES分别为(5.50±0.80)m/s、(6.67±0.37)m/s、(8.23±0.41)m/s、(8.97±0.56)m/s。结论 UFUI技术能够早期、简便、准确地反映PIH颈部血管弹性功能的变化。随着PIH病情的加重,颈动脉血管的弹性减低。     

盆底超声测量提肌板角度评估产后盆腔器官脱垂北大核心CSCD

目的观察盆底超声测量提肌板角度(LPA)评估产后盆腔器官脱垂(POP)的价值。方法87名产后女性接受盆底超声检查,根据存在POP与否将其分为POP组(n=49)和正常组(n=38),分别测量静息状态(LPA_(静息))、最大缩肛动作(LPA_(缩肛))及最大瓦尔萨尔瓦动作下(LPA_(瓦))的LPA,计算最大缩肛动作(△LPA_(缩肛))和最大瓦尔萨尔瓦动作下LPA变化值(△LPA_(瓦));比较2组LPA参数差异,并观察其与POP的相关性。绘制受试者工作特征(ROC)曲线,计算曲线下面积(AUC),评价各LPA参数诊断POP的效能。结果POP组LPA_(瓦)小于正常组(U=330.00,P<0.001)、△LPA_(瓦)大于正常组(t=-4.357,P<0.001),而LPA_(静息)、LPA_(缩肛)及△LPA_(缩肛)差异均无统计学意义(P均>0.05)。POP严重程度与LPA_(瓦)呈中度负相关(r=-0.570,P<0.001),与△LPA_(瓦)呈低度正相关(r=0.475,P<0.001),而与LPA_(静息)(r=-0.130,P=0.231)、LPA_(缩肛)(r=-0.036,P=0.741)和△LPA_(缩肛)(r=-0.029,P=0.793)均无明显相关。以LPA_(瓦)=2.70°为截断值,其诊断POP的敏感度可达81.63%,特异度达83.67%;以△LPA_(瓦)=21.10°为截断值,其诊断POP的敏感度为67.35%,特异度为81.57%(Z=1.832,P=0.067)。结论采用盆底超声测量LPA可诊断产后POP,以LPA_(瓦)和△LPA_(瓦)的诊断效能最佳。     

初步探讨彩色多普勒血流成像三种参数标准评价颈内动脉粥样硬化性狭窄的诊断价值

目的评价彩色多普勒血流成像(CDFI)技术三种参数标准对颈内动脉粥样硬化性狭窄(ICAS)的诊断价值,为客观评估现存的ICAS超声参数标准的有效性提供理论依据。方法对60例症状性脑缺血患者120支颈内动脉行彩色多普勒超声及数字减影血管造影(DSA)检查,采用CDFI三种参数标准即2003年美国放射年会超声会议公布的参数标准(标准一)、2006年澳大利亚超声医学会推荐的参数标准(标准二)、2006年首都医科大学宣武医院提出的参数标准(标准三)分别评估每支颈内动脉的狭窄程度。结果 CDFI三种参数标准评估ICAS的受试者特征(ROC)曲线及一致性检验结果显示三种参数标准均有效(AUC>0.90),三组评估结果与DSA结果均一致(P<0.001),其中标准二评估结果与DSA一致性最高(Kappa值=0.76),对中、重度ICAS的诊断敏感性(64.00%、81.25%)和准确性(89.17%、96.67%)高于另两种标准。结论 CDFI三种参数标准均可有效地评估ICAS程度,标准二诊断中、重度ICAS的有效性优于另两种标准。     

血尿酸丰度与脑梗死、颈动脉病变的相关性研究

<正>随着人口老龄化和生活水平的提高,我国脑梗死发病率正逐年提高且呈年轻化趋势。脑梗死是我国中老年人致残和致死的主要原因之一。为提高人们的生活质量,对该病的预防已成为重点,寻找可能存在的危险因素成为控制其发病的可行途径。研究表明,动脉粥样硬化(Atherosclerosis,As)是脑梗死的病理基础[1],高血压病、糖尿病、高脂血症、吸烟、酗酒等是动脉粥样硬化的传统危险因素;然而,脑梗死及动脉粥样硬化的发生尚有其他未明确的因素参与。随着生活水平的提高,饮食结构向高脂、高蛋白方面转变,我国高尿酸(Uric     

联合彩色多普勒、弹性成像的BI-RADS评价体系的构建及其价值

目的:探讨彩色多普勒血流显像(CDFI)、超声弹性成像(UE)与乳腺影像报告和数据系统(BI-RADS)联合诊断乳腺病变的价值。方法:199例病例215个乳腺病灶,根据UE评分及CDFI的Adler血流分级对BI-RADS分类进行调整,绘制ROC曲线,比较单纯运用BI-RADS、BI-RADS+UE联合、BI-RADS+UE+CDFI联合的诊断效能。结果 :215个病灶中,良性病灶126个,恶性病灶89个。BI-RADS分类、BI-RADS+UE联合、BI-RADS+UE+CDFI联合诊断乳腺癌的敏感性依次为77.5%、88.8%、91.0%,特异性依次为78.6%、84.9%、88.9%,准确性依次为78.9%、85.1%、87.9%,阳性预测值依次为71.9%、79.4%、81.8%,阴性预测值依次为83.2%、89.8%、93.1%,AUC依次为0.780、0.868、0.900。BI-RADS+UE+CDFI联合、BI-RADS+UE联合诊断乳腺癌的敏感性、准确性均高于单纯运用BI-RADS分类(P<0.05)。BI-RADS+UE+CDFI联合诊断乳腺癌的敏感性高于BIRADS+UE联合(P<0.05)。结论 :BI-RADS+UE联合、BI-RADS+UE+CDFI联合均可显著提高超声对乳腺病变的诊断价值,BIRADS+UE+CDFI联合较BI-RADS+UE联合诊断敏感性提高,可有效提高恶性病变的检出率。     

非侵入性显像技术在颈动脉粥样硬化狭窄诊断中的应用进展

脑梗死已成为发达国家的第三大死亡原因,每年因脑梗死死亡人数超过450万[1-2]。而缺血性脑梗死的发生与颈动脉粥样硬化性狭窄(atherosclerotic carotid stenosis)关系密切[3]。     

弹性成像联合超声造影定量评估颈动脉低回声斑块与脑梗死再发的关系

目的应用超声弹性成像结合超声造影技术定量分析颈动脉低回声斑块对脑梗死再发的预测价值。方法选取87例临床首次诊断为脑梗死并彩超常规证实有颈动脉低回声斑块的患者,均行超声弹性成像及超声造影,随访一年,分析颈动脉低回声斑块与脑梗死再发的关系。结果 (1)脑梗死再发组Emean、Emax、Emin均低于脑梗死未再发组,而脑梗死再发组PI高于脑梗死未再发组(P<0.05);(2)ROC分析显示,以PI≥20.99 dB且Emax≤21.20 kPa为最佳截断值联合预测脑梗死再发的曲线下面积为0.922(95%CI,0.863~0.982,P<0.001),灵敏度和特异度分别为88.0%、87.0%。结论弹性成像及超声造影技术联合定量评估颈动脉低回声斑块能明显提高脑梗死再发的预测价值。     

基于关键解剖结构检测的人工智能模型识别甲状腺超声标准切面的应用价值

目的 探讨基于关键解剖结构检测的人工智能（AI）模型在甲状腺超声标准切面（TUSP）识别中的应用价值。方法 以成人TUSP和非标准切面（N-SP）图像为研究对象，含标准集8978张和实验集1916张；其中标准集分为训练集8178张和验证集800张，分别用于训练和验证AI模型识别TUSP；以超声专家团队识别为标准，比较初级医师、中级医师及AI模型识别实验集TUSP和非标准切面（N-SP）的诊断效能；同时收集AI模型及不同年资医师识别实验集图像累计耗时及平均每张图像耗时，并对其进行比较。结果 AI模型识别实验集8个TUSP即甲状腺峡部横切面（TPTI）、甲状腺峡部纵切面（LPTI）、左甲状腺上极横切面（UTPLT）、左甲状腺下极横切面（DTPLT）、右甲状腺上极横切面（UTPRT）、右甲状腺下极横切面（DTPRT）、左甲状腺纵切面（LPLT）及右甲状腺纵切面（LPRT）的准确率为94.7%～99.9%，识别N-SP的准确率为93.8%;AI模型识别8个TUSP和N-SP的曲线下面积（AUC）均大于初级医师，差异均有统计学意义（均P<0.05）;AI模型识别LPTI、UTPLT、DTP...