2型糖尿病骨骼肌改变的影像学研究进展

2型糖尿病(T2DM)是常见病、多发病, 骨骼肌胰岛素抵抗被认为是始动因素和关键环节。骨骼肌肌量减少和脂肪浸润与T2DM的病理过程密切相关。近年来, 多种影像技术在骨骼肌肌量减少与脂肪浸润的测定及其与T2DM可能的内在机制的研究不断取得新的成果。早期识别T2DM骨骼肌改变, 探究其与T2DM实验室检查指标的相关性, 对于制定T2DM治疗方案具有重要指导作用。     

深度学习用于影像学预测肺腺癌浸润性的研究进展

基于影像学的早期肺腺癌浸润性预测, 对于肺结节的临床管理、手术方法和预后评估具有重要意义。相比于基于特征构建的统计学方法和影像组学方法, 以卷积神经网络为基础的深度学习方法用于预测肺腺癌浸润性具有性能高、可靠性强、自动勾画等优势, 有很好的应用前景。目前已有研究对多模态学习、浸润性分类、多任务处理、辅助临床、可解释性等领域进行了探索, 并提高了模型的预测准确度。随着融合模态的丰富、多中心大样本的建立、小样本学习方法的应用以及前瞻性研究的开展, 深度学习将在肺腺癌浸润性的预测中发挥更重要的作用。     

中国民航招飞屈光度预测模型研究

目的探讨民航招飞现行眼科标准中, 散瞳前电脑验光屈光度预测散瞳后检影验光屈光度的准确性, 评价现行招飞标准中超出标准0.75 D及以上为评定界限的合理性, 并为调整招飞屈光度标准提供科学依据。方法采取整群抽样法选取2017年至2021年参加中国民航飞行学院四川地区招飞体检的学生, 包括高中生及大学生改飞行驾驶的学生;收集其散瞳前电脑验光及散瞳后检影验光的屈光度值, 以散瞳前电脑验光屈光度为自变量拟合回归模型, 用于预测散瞳后检影验光的屈光度值。结果共纳入参加招飞体检学生2 567名, 均为男性, 平均年龄为(18.20±1.47)岁。散瞳前电脑验光屈光度与散瞳后检影验光屈光度存在高度相关(rs=0.856, P<0.001)。依据回归模型计算散瞳后检影验光屈光度预测区间, 散瞳前电脑验光屈光度可解释散瞳后检影验光屈光度变异程度的80.5%。散瞳前电脑验光屈光度为[-7.000, +1.500]D时, 该模型预测准确率≥83.3%, 拟合效果较好。当散瞳前电脑验光屈光度高于-6.125 D时, 95%预测区间值均高于-4.500 D, 即超出招飞标准。结论对于近视学生, 散瞳前...     

深度学习技术在骨折诊断中应用的研究进展

骨折多为直接或间接外力导致, 严重时可导致患者死亡。伤后及时、明确的骨折诊断对确定创伤严重程度起着重要作用。医学影像学是骨折诊断和评估的重要工具, 但影像造影不清、影像数量过多及医师的主观性阅片均会降低诊断效率, 影响后续治疗。基于深度学习技术的骨折诊断模型可以有效减少由于骨折影像造影不清晰所导致的漏诊、误诊, 展现出了良好的诊断能力。笔者就深度学习技术及其在骨折诊断中应用的研究进展进行综述, 为深度学习技术在临床骨折诊断的研究与应用提供新思路。     

非对比冠状动脉MR血管成像研究进展

冠心病在我国是多发且最常见的致死性疾病。非对比增强冠状动脉MRA(CMRA)作为一种安全有效的无创、无对比剂、无辐射及多参数成像的冠状动脉成像技术, 逐渐应用于临床和科研工作中。本文回顾总结非对比增强CMRA临床应用现状及优势, 阐述CMRA当前技术现状, 介绍CMRA目前研究的技术热点, 主要讨论采集加速技术、填充方式、运动校正等方法, 同时展望CMRA在冠状动脉高分辨率、冠状动脉管腔及血管壁和其生理量化研究的主要进展。     

基于深度学习联合分割模型对扩张型心肌病心肌纤维化的定量分析

目的探讨基于深度学习的心肌-纤维化区域联合分割模型对扩张型心肌病(DCM)患者心肌纤维化定量分析的效果。方法回顾性分析徐州市中心医院2015年1月至2022年4月确诊为DCM, 并接受心脏MR-钆延迟强化检查显示左心室心肌纤维化的200例患者资料, 分为训练集120例、验证集30例、测试集50例。由影像科医师勾勒左心室心肌轮廓和选取正常心肌区域, 应用标准差法(SD)计算阈值提取纤维化心肌, 作为左心室分割和纤维化量化的参考标准。通过凸形先验的U-Net网络分割左心室心肌, 然后应用VGG图像分类网络识别正常心肌图像块, 计算SD阈值提取纤维化心肌。采用精确度、召回率、交并比和Dice系数评价心肌分割效果。采用组内相关系数(ICC)评价深度学习联合分割模型与手动提取测得的左心室心肌纤维化比率的一致性。根据纤维化比率中位数, 将测试集样本分为轻度组和重度组, 通过Mann-WhitneyU检验比较纤维化量化效果差异。结果在测试集中, 心肌分割精确度为0.827(0.799, 0.854), 召回率为0.849(0.822, 0.876), 交并比为0.788(0.760, 0.816),...     

深度学习影像组学在脑胶质瘤精准诊疗中的研究进展

脑胶质瘤的影像评估已进入精准诊疗时代, 传统影像学诊断已不能满足临床需求。随着大数据挖掘和人工智能的飞速发展, 其为脑胶质瘤的精准影像学评估带来了新契机, 其中深度学习影像组学显示出巨大的应用潜力。该文旨在对深度学习影像组学在脑胶质瘤中的研究进展、面临的挑战和展望进行综述, 以期助力推动智能影像辅助脑胶质瘤精准诊疗的发展。     

更正

本刊2023年第39卷第10期第880页1.4 统计学分析应改为1.5 统计学分析。特此更正并致歉意!     

联合应用血氧水平依赖及动脉自旋标记MRI评估2型糖尿病早期肾功能改变

目的探讨联合应用血氧水平依赖(BOLD)及动脉自旋标记(ASL)MRI无创评估2型糖尿病(T2DM)患者早期肾功能改变的价值。方法前瞻性收集2019年9月至2022年5月天津市第一中心医院63例T2DM患者, 同期收集30例健康志愿者(对照组)。将T2DM患者根据尿白蛋白/肌酐比值(ACR)分为正常白蛋白尿(NAU, ACR<30 mg/g)组和微量白蛋白尿(MAU, 30 mg/g≤ACR≤300 mg/g)组, 分别为35、28例。所有受试者行腹部BOLD及ASL检查, 测量肾皮、髓质表观弛豫率(R2*)及肾皮质肾血流量(RBF)。采用单因素方差分析比较3组间R2*和RBF的差异。应用受试者操作特征曲线分析相关参数鉴别各组的诊断效能, 曲线下面积(AUC)的比较采用Z检验。结果对照组、NAU组、MAU组间肾髓质R2*及肾皮质RBF差异有统计学意义(F=45.83、34.15, P<0.001), 肾皮质R2*差异无统计学意义(F=2.98, P=0.056)。区分对照组与NAU组时, 肾髓质R2*、肾皮质RBF以及两者联合参数的AUC分别为0.921(95%CI 0.8...     

基于深度学习的快速磁敏感加权成像评估急性缺血性卒中

目的探讨基于深度学习的快速磁敏感加权成像(SWI)评估急性缺血性卒中(AIS)的价值。方法回顾性分析2019年1月至2021年1月在解放军总医院第一医学中心接受MR检查并行SWI序列扫描且发病24 h内的AIS患者118例, 其中男75例、女43例, 年龄23～100(66±14)岁。采用MATLAB的randperm函数将118例患者以8∶2的比例分为训练集96例, 测试集22例。另外收集MR-STARS研究招募的同一中心的47例AIS患者作为外部验证集, 其中男38例、女9例, 年龄16～75(58±12)岁。将SWI图像和滤波相位图像合并为复值图像作为全采样参考图像。对全采样参考图像进行回顾性欠采样以模拟实际欠采样过程, 获得欠采样SWI图像, 欠采样倍数为5倍, 可节省80%的扫描时间;然后基于复值卷积神经网络(ComplexNet)的深度学习模型重建快速SWI数据。采用组内相关系数(ICC)或Kappa检验比较全采样SWI和基于ComplexNet的快速SWI的图像质量评分一致性及检出AIS患者磁敏感血栓征(SVS)、微出血、深部髓质静脉(DMVs)不对称的一致性。结果测试集...     

影像组学与深度学习在评价直肠癌淋巴结状态中的应用

术前是否存在淋巴结转移是影响直肠癌临床治疗决策和预后的主要因素之一, 但现有的影像学标准难以准确判断淋巴结的良恶性, 亟需新的方法来解决这一临床难题。近年来影像组学与深度学习在医学影像领域得到了广泛的关注, 可自动检测与分割淋巴结、鉴别良恶性淋巴结及预测淋巴结转移的发生等, 有望提高术前分期的准确性, 进而指导治疗决策。然而不同的研究间结果差异性较大, 其中一个重要的原因是各研究之间工作流程存在差异。只有明确、统一并标准化具体操作流程、开展大规模前瞻性外部验证才能实现人工智能辅助诊断模型的转化与推广。该文中以影像组学和深度学习的工作流程为线索, 对其在评价直肠癌淋巴结状态方面的研究进行综述。     

人工智能在腰椎影像中的研究现状和进展

人工智能技术的应用是目前腰椎影像学研究的热点, 主要包括椎体、椎间盘、脊髓、椎管等各组织结构的检测与分割、定位与标注、测量、疾病诊断以及其他高级应用。该文中, 对目前腰椎影像人工智能方向的研究框架、研究现状及研究进展进行综述, 以期对未来腰椎影像的研究提供帮助。     

基于聚类分析优化冠状动脉CT血管成像对非阻塞性冠心病的风险分层研究

目的探讨基于聚类分析方法优化冠状动脉CT血管成像(CCTA)对非阻塞性冠心病患者的风险分层价值, 识别非阻塞性冠心病患者中的心血管不良事件高风险人群。方法前瞻性连续纳入2015年1月1日至2017年12月31日就诊于解放军总医院, 疑似冠心病接受CCTA检查并明确为非阻塞性冠心病的患者, 收集患者的临床信息和CCTA诊断信息, 随后进行随访, 获取不良心血管事件信息。首先, 基于聚类分析方法挖掘CCTA信息, 将患者划分不同的类。然后, 比较不同类间人群的不良心血管事件风险差异。最后, 依次运用节段受累评分(SIS)、Leiden评分、SIS评分联合临床特征、Leiden评分联合临床特征和聚类信息联合临床特征对人群进行风险分层, 并绘制一致性指数-时间曲线和计算净重分类改善(NRI)指标来比较5个不同模型的风险分层能力。结果共有3 402例非阻塞性冠心病患者被纳入研究, 其中104例患者在随访期内发生了不良心血管事件。基于CCTA信息的聚类分析将患者划分为不同的3类。各类间的临床变量、CCTA信息和生存结局的差异具有统计学意义(P<0.05)。一致性指数-时间曲线结果显示, CC...     

深度学习在核素心肌灌注显像中的研究进展

近年来, 以深度学习(DL)为代表的人工智能(AI)技术快速发展, 智慧医疗已成为AI最重要的应用领域之一。核素心肌灌注显像(MPI)作为评估心肌血流最准确的无创检查, 具有重要的临床价值。目前, 利用DL算法基于MPI图像建立学习模型仍处于研究阶段, 实现广泛推广还需开展更多的外部验证及迭代更新。该文拟对DL算法在MPI中的应用进行综述, 以期为进一步的研究提供思路和方法学参照。     

中国老年人意外跌倒死亡趋势分析及预测

目的分析中国老年人2004—2019年意外跌倒死亡情况及预测中国老年人2020—2024年意外跌倒标化死亡率, 为制订预防老年人意外跌倒策略提供科学依据。方法收集《中国死因监测数据集》中国老年人2004—2019年意外跌倒的死亡数据, 计算2004—2019年总体及不同性别、居住地、年龄段死亡人数、死亡率和标化死亡率。采用Joinpoint 4.8.0.1统计软件计算标化死亡率的年度变化百分比(APC)和平均年度变化百分比(AAPC)。使用自回归移动平均模型(ARIMA)预测2020—2024年中国老年人意外跌倒标化死亡率。结果中国老年人意外跌倒死亡人数从2004年的2 908人上升至2019年的23 709人;死亡率从2004年的51.89/10万上升至2019年的67.74/10万;标化死亡率2004—2019年总体呈上升趋势(AAPC=1.65, P>0.05), 其中 2004—2010年呈上升趋势(APC=1.66, P>0.05), 2010—2013年呈下降趋势(APC=-9.67, P>0.05), 2013—2019年呈上升趋势(APC=7.83, ...     

三维CT诊断环杓关节脱位的价值

目的探讨三维CT诊断环杓关节脱位的价值。方法回顾性收集2021年1月至12月在南京医科大学附属明基医院经夹持式环杓关节复位术治疗、嗓音恢复或明显改善的31例单侧环杓关节脱位患者, 对其术前CT图像进行容积重建(VR)。观察环杓关节脱位的侧别(左、右侧)、类型(全脱位和半脱位)和方向(前、后、内、外脱位)。根据杓状软骨移位致环状软骨杓关节面有无完全暴露将其分为全脱位和半脱位, 根据杓状软骨移位及环状软骨杓关节面暴露的方位将其分为前、后、内、外脱位。根据喉镜上声带的形态进行脱位前、后方向的判断, 并与CT判断结果进行比较。结果 VR图像显示环杓关节半脱位28例(90.3%, 28/31), 全脱位3例(9.7%, 3/31)。左侧环杓关节脱位26例(83.9%, 26/31), 右侧脱位5例(16.1%, 5/31)。后脱位28例(90.3%, 28/31), 前脱位3例(9.7%, 3/31)。内侧脱位23例(74.2%, 23/31), 外侧脱位2例(6.4%, 2/31), 无明显内外方向脱位6例(19.4%, 6/31)。3例全脱位均为左侧后内脱位。左后脱位24例(77.4%, 2...     

肺胎盘样变形1例

该文报道1例经手术病理证实的肺胎盘样变形(PTL)患者。男, 61岁, 体检发现肺结节。CT平扫示右肺上叶前段纵隔旁胸膜下见类圆形薄壁囊腔影, 囊外壁光整, 囊腔内见1个分叶状实性结节影, 增强扫描结节呈明显的延迟强化, 密度欠均匀, 周围囊壁未见明显强化。最终病理确诊为PTL。     

盆腔淤血综合征的影像学研究进展

盆腔淤血综合征(PCS)是慢性盆腔静脉淤血引起的常见妇科疾病。典型临床表现为三痛二多一少, 即下腹部坠痛、腰背部疼痛、性交痛, 月经量增多、白带增多, 阳性体征少, 妇科检查可扪及卵巢触痛。PCS的病因尚未完全明确, 临床症状特异性低, 和其他妇科疾病有重叠, 因此漏诊率较高。影像学检查在该病诊疗过程中发挥重要作用, 通过侵入或非侵入成像评估盆腔静脉情况, 可为该病的治疗和疗效评估提供精准依据, 但目前缺乏完善的诊断标准。本文从PCS的发病原因、影像学检查方法选择、影像诊断要点和困惑等方面进行综述, 旨在提高对该病的认识。     

CT深度学习重建算法评估心胸部疾病的研究进展

图像重建算法可以在优化辐射剂量的同时, 保持或者改善图像质量。随着人工智能快速发展, 基于神经网络的新一代深度学习重建算法逐渐得以应用, 为CT检查提供了一种在图像质量、辐射剂量和重建速度等方面优于现有重建算法的解决方案, 目前在心胸疾病的诊断评估中已取得一些良好的应用。本文主要介绍深度学习重建算法的技术价值及在心胸部CT成像中的初步临床应用。     

面神经鞘黏液瘤1例

该文报道了1例面神经神经鞘黏液瘤。CT显示左侧颞骨乳突部及面神经管乳突段骨质破坏。MRI平扫显示左侧颞骨乳突部及中耳腔软组织肿物, T1WI呈不均匀稍低信号, T2WI和DWI呈稍高信号, ADC图为高信号, 增强扫描呈环形明显强化, 延迟期强化, 对比剂有向内填充的趋势。