深度学习重建算法在低管电压冠状动脉CT血管成像中的应用

目的：比较深度学习重建算法(deep learning-based image reconstruction,DLIR)、自适应统计迭代重建算法(adaptive statistical iterative reconstruction-veo,ASiR-V)和滤波反投影重建算法(filtered back-projection,FBP)对低管电压冠状动脉CT血管成像(coronary computed tomographic angiography,CCTA)图像质量的优化效果。方法：前瞻性纳入100例行CCTA扫描的患者,根据其身体质量指数(body mass index,BMI),选择使用70 kVp(50例,BMI≤26 kg/m²)或80 kVp(50例,BMI>26 kg/m²)管电压扫描,每例患者的图像分别用FBP(A组)、ASiR-V 50%(B组)、中级DLIR(DLIR-Medium,DLIR-M,C组)和高级DLIR(DLIR-High,DLIR-H,D组)进行重建,比较4组重建算法图像的CT值、噪声、信噪比(si...     

AgNP敷料促进深度烧伤致慢性难愈性创面修复的效果及VEGF/MMP-9信号通路机制研究

目的 研究稳定剂合成纳米银(AgNP)敷料促进深度烧伤致慢性难愈性创面修复的效果及血管内皮细胞生长因子/基质金属蛋白酶-9(VEGF/MMP-9)信号通路机制。方法 前瞻性选取2019年5月至2021年6月首都医科大学附属北京中医医院收治的74例深度烧伤致慢性难愈性创面患者作为研究对象,采用随机数字表法分为试验组(n=37)和对照组(n=37)。对照组患者接受常规伤口处理,试验组则在对照组基础上给予AgNP敷料治疗。对比两组患者治疗前后创面病原菌阳性率、伤口肉芽形态评分、VEGF以及MMP-9水平;对比两组患者不良反应发生率。结果治疗后,试验组创面病原菌阳性率为16.21%,显著低于对照组(37.83%),差异有统计学意义(P <0.05)。治疗后,试验组伤口肉芽形态评分为(0.89±0.14)分,显著低于对照组[(1.56±0.21)分],差异有统计学意义(P <0.05)。治疗后,试验组血清VEGF为(736.98±10.55) pg/mL,显著高于对照组[(683.64±10.57) pg/mL],MMP-9为(2.08±0.52)μg/L,显著低于对照组[(3.54...     

人工智能在前列腺癌诊疗中的应用

人工智能（artificial intelligence,AI）是研究怎样在机器上模拟、扩展人的认知功能,包括学习、分析及对应问题做出类似甚至超越人类智能反应的一门学科。近年来,人工智能技术已经在医疗影像、疾病诊断和预测、虚拟助手、病理学、医院管理等方面有了初步应用。机器学习和深度学习作为医学人工智能的核心技术,其发展推动了人工智能在医学领域的研究。本文就人工智能在前列腺癌诊疗中的应用现状及前景进行了探讨。     

Ⅰ型子宫内膜癌术后复发的影响因素

目的：分析Ⅰ型（雌激素依赖型）子宫内膜癌术后复发的影响因素。方法：回顾性分析2014年1月至2016年1月该院收治的80例Ⅰ型子宫内膜癌患者的临床资料。统计术后复发率,并采用Logistic回归分析Ⅰ型子宫内膜癌术后复发的影响因素。结果：80例Ⅰ型子宫内膜癌患者,术后复发10例,占比12.50%;单因素分析结果显示,术后复发患者的年龄及高血压、糖尿病、淋巴结切除占比与术后未复发患者比较,差异均无统计学意义（P>0.05）;术后复发患者的体质量指数>24 kg/m2、组织学分级为G3、临床分期为Ⅲ期、淋巴血管间隙浸润、肿瘤大小≤2 cm及附件转移占比均高于术后未复发患者,差异有统计学意义（P<0.05）;Logistic回归分析结果显示,组织学分级为G3、临床分期为Ⅲ期、淋巴血管间隙浸润均为影响Ⅰ型子宫内膜癌术后复发的独立危险因素（P<0.05）。结论：组织学分级为G3、临床分期为Ⅲ期、淋巴血管间隙浸润均为影响Ⅰ型子宫内膜癌术后复发的独立危险因素。     

机器学习在风湿免疫性疾病中的应用和进展

机器学习可以利用大数据和神经网络等不同算法的相互作用,将患者一般信息、基因学、实验室检查、影像学、诊治和预后等多维度数据进行整合,根据临床实际问题完成建模或优化的过程。风湿免疫性疾病异质性高,发病机制复杂,传统分类标准和诊疗指南难以满足个体化治疗的需求。本文介绍了机器学习在风湿免疫性疾病中的应用和进展,为探索更加合理的...     

IOLMaster与接触式A超测量前房深度和眼轴长度的比较研究

目的:比较IOLMaster与接触式A超测量中央前房深度和眼轴长度的差异,以评价两者在人工晶状体度数计算参数测量中的准确性.方法:2006-10/2007-01在我院眼科施行白内障超声乳化摘除手术联合人工晶状体植入的患者121例(137眼),分别用IOLMaster与接触式A超于术前测量中央前房深度和眼轴长度.结果:IOLMaster与接触式A超测量中央前房深度分别为(2.94±0.49)mm,(2.58±0.51)mm,配对t检验,两者的差值为(0.36±0.30)mm(P＜0.001),差异有显著性,相关系数r=0.823(P＜0.001).测量眼轴长度分别为(24.37±3.04)mm,(23.81±2.83)mm,配对t检验,两者差值为(0.56±0.34)mm(P＜0.001),差异有显著性,相关系数r=0.996(P＜0.001).结论:IOLMaster与接触式A超均可用于前房深度和眼轴长度的测量,两者的相关性好.但基于光学原理的IOLMaster在准确测量眼轴长度和前房深度的同时,简便、快捷、非接触的特点是A超无法比拟的,并可同时测量出其他相关参数.     

基于口内数码照图像深度学习的牙周病早期筛查研究

目的:基于卷积神经网络(convolutional neural network, CNN)的深度学习技术构建人工智能(artificial intelligence, AI)牙周病早筛模型,辅助非牙周医生对牙周病进行早期筛查。方法:收集南昌大学第二附属医院口腔医学诊疗中心就诊的牙周非健康人群以及牙周健康人群的口内数码照和临床资料。基于VGG-16结构对口内数码照图像进行训练和测试,建立口腔九宫格、正位咬合、正位咬合(剔除无效背景)3种训练集模型。结果:共收集到578位研究对象的3869张口内数码照图像,其中牙周健康图像2230张,牙周非健康图像1639张。采用VGG-16结构建立3种训练集模型,对九宫格口内数码照、正位咬合口内数码照、正位咬合(剔除无效背景)口内数码照预测的准确度分别为66.62%、64.66%、77.44%,曲线下面积(area under curve, AUC)值分别为0.651、0.767、0.784。结论:本研究构建的VGG-16模型能有效通过对口内数码照图像识别,辅助非牙周医生对牙周病进行早筛。     

熵指数在临床麻醉中的应用

以脑电为基础的分析监测技术已用于临床麻醉深度的监测。随着频谱熵指数的出现并应用于临床,熵指数正受到越来越多的关注。该方法将脑电图信号定量后产生两个相应的参数:状态熵(SE)和反应熵(RE)。熵指数和脑电双频指数(BIS)均可用于监测麻醉药对中枢神经系统的影响。与BIS一样,RE仍难以反映疼痛刺激程度。     

微种植体支抗压低上颌伸长磨牙对其牙体及牙周支持组织的影响

目的：研究正畸治疗中微种植体支抗压低上颌伸长磨牙对被压低牙齿及牙周软、硬组织的变化。方法：从2018年5月—2021年8月正畸科就诊患者中随机选取40例种植修复前需微种植体支抗压低上颌伸长磨牙的病例。用锥形束CT和佛罗里达Florida电子探针分别测量和观察正畸压低磨牙前、后伸长磨牙牙体长度,颈部牙槽骨高度,牙周探诊深度(probing depth, PD)和改良龈沟出血指数(modified sulcus bleeding index, mBI);利用视觉模拟评分(visual analogue scale, VAS)法评价患者种植修复后的主观满意情况。结果：40颗伸长磨牙均得到有效压低,压低量(2.41±0.53) mm,压低时间为(6.50±1.53)个月。正畸前、后牙体长度分别为(17.77±0.10) mm、(16.38±0.09) mm,颈部牙槽骨高度分别为(2.76±0.11) mm、(3.06±0.13) mm,PD分别为(2.45±0.11) mm、(2.79±0.13) mm,mBI评分分别为(0.69±0.21)分、(0.96±0.22)分,差异均有统计学意义(均...     

人工智能在胃癌影像学中的应用进展

胃癌作为一种常见的恶性肿瘤,是我国癌症相关的主要死因之一。无创的精确诊断和评估,是制订最佳诊疗方案的基础。人工智能(artificial intelligence,AI)技术,特别是影像组学和深度学习技术,为影像学与胃癌临床诊疗的学科交叉带来新的研究热点。如今,AI技术能够将影像图像转换为海量的影像组学数据,已广泛应用于胃癌影像学研究领域。本文系统地回顾了AI技术应用在胃癌影像学研究的技术步骤、临床应用,提出研究中的挑战和机遇。