扩散张量成像在腰骶部根性神经痛中的应用进展

<正>神经病理性疼痛（neuropathic pain,NP）是一类由躯体感觉系统的损伤或疾病引起的疼痛综合征,其中脊神经根在受到机械性压迫、炎症、血供不足等因素后出现的根性神经痛属于周围性NP^[1]。腰骶部根性神经痛多见于腰椎退行性疾病,而腰椎间盘突出症（lumbar disc herniation,LDH）是该病最常见的病因,可导致腰骶部疼痛、下肢放射痛和麻木^[2]。     

人工智能在骨关节炎诊疗中的应用进展

骨关节炎（OA）是临床常见的退行性疾病,晚期可导致关节功能丧失,具有致残率高的特点,目前尚无有效的根治方法。因此,早期诊断和精准治疗是改善治疗效果的关键。人工智能（AI）属于多学科交叉融合的研究热点,近年来已逐渐应用到OA诊疗过程中,能够提高OA的诊断准确性、改善临床治疗和预后效果。本文通过归纳相关文献,对AI在OA诊疗中的应用现状进行系统阐述,发现其在辅助OA影像诊断、手术治疗、疾病进展预测和术后康复等方面具有潜在的应用价值,但也存在数据采集不规范、算法系统不稳定等局限,今后应建立标准化的临床样本数据库,持续优化算法模型,使AI技术更好地参与OA诊疗。     

机器学习在腰椎间盘突出症诊治中的优势和应用策略

背景：基于机器学习的不同算法，如何借助各种算法模型开展腰椎间盘突出症的临床研究已成为目前智能化医学发展的趋势和热点。目的：综述机器学习不同算法模型在腰椎间盘突出症诊治中的特点，归纳相同用途的算法模型各自优势和应用策略。方法：计算机检索PubMed、Web of Science、EMBASE、中国知网、万方数据、维普及中国生物医学数据库中与机器学习在腰椎间盘突出症诊治中的相关应用文献，按入组标准筛选后最终纳入96篇文献进行综述。结果与结论：(1)机器学习的不同算法模型为腰椎间盘突出症的临床诊治提供了智能化、精准化的应用策略。(2)监督学习中的传统统计学方法和决策树在探究危险因素，制定诊断、预后模型方面简单高效；支持向量机适用于高维特征的小数据集，作为非线性分类器可应用于正常或退变椎间盘的识别、分割、分类，制定诊断、预后模型；集成学习可相互弥补单一模型的不足，具有处理高维数据的能力，提高临床预测模型的精度和准确性；人工神经网络提高了模型的学习能力，可应用于椎间盘识别和分类，制作临床预测模型；深度学习在具有以上用途的基础上，还能优化图像，辅助手术操作，是目前腰椎间盘突出症诊治中应用最广泛、性...