双次灌注超声造影法对微小肝癌诊断的敏感性分析

目的 超声造影不同灌注法诊断肝硬化微小肝癌的临床应用价值.方法 2015年2月-2017年5月本院收治的乙型肝炎肝硬化背景小肝癌患者65例,共71个病灶,诊断标准为经病理确诊或符合美国肝病研究协会(American Association for the Study of Liver Diseases,AASLD)肝癌...     

茄根煎液对Ⅱ度冻疮大鼠模型的疗效观察

目的 考察茄根煎液不同给药途径对Ⅱ度冻疮SD大鼠模型血液流变学的影响.方法 将50只SD大鼠随机分为空白组、模型组、灌胃组、外涂组、冻疮膏组5组,利用液氮建立Ⅱ度冻疮模型,连续给药10 d后观察皮损计分、肿胀率、血液流变学的变化.结果 茄根煎液外涂组、灌胃组、冻疮膏组皮损计分、肿胀率、全血黏度、红细胞比容、血浆黏度、凝血因子Ⅰ较模型组均有明显降低(P＜0.01);与灌胃组比较,外涂组皮损计分在第8、10天明显降低(P＜0.01),肿胀率在第2、4、6、8、10天明显降低(P＜0.01);与冻疮膏组和灌胃组比较,外涂组全血黏度值、细胞比容值、血浆黏度值均明显降低(P＜0.01).结论 冻疮模型大鼠局部有血液微循环障碍,茄根煎液不同给药途径均可降低微循环血液流变学相关指标,从而改善微循环障碍,以外涂给药优于灌胃给药.     

人工智能辅助超声诊断肝病变的研究进展

肝是人体重要的实质脏器,超声对肝实质内异常病变(不论是弥漫性病变还是局灶性病变)的识别较为敏感.人工智能与影像医学的结合是近年研究热点,通过大数据训练,人工智能模型可以对输入数据进行自动识别和分析,并输出预测结果,为临床诊疗工作提供帮助.本文对人工智能辅助超声诊断肝病变的研究进展作一综述.     

常规超声联合超声造影对腹膜后淋巴瘤与转移性淋巴结的鉴别诊断价值

目的评估常规超声联合超声造影(CEUS)对腹膜后区域淋巴瘤和转移性淋巴结的鉴别诊断价值.资料与方法回顾性分析2016年9月—2021年6月于解放军总医院第一医学中心就诊的74例腹膜后区域淋巴结异常患者的常规超声及CEUS图像,根据病理结果分为淋巴瘤组47例、转移性淋巴结组27例,评估常规超声淋巴结长径L和短径T之比、回...     

基于深度学习的肝外伤超声图像自动识别模型

目的建立基于深度学习的卷积神经网络肝损伤模型（CNLDM）,并评估其对肝实质挫裂伤的诊断价值。 方法通过动物实验获得2009张含有肝实质挫裂伤超声图像及1302张正常肝超声图像,作为模型的训练集和验证集。回顾性收集2015年1月至2021年4月解放军总医院第一医学中心确诊存在肝实质挫裂伤的超声图像153张,以及81张不含肝实质挫裂伤的肝超声图像,作为模型的外部测试集。6名不同年资医师分别对测试集图像数据进行判读。使用受试者操作特征（ROC）曲线及决策曲线分析（DCA）检验模型效能,比较不同年资医师与CNLDM模型预测肝实质挫裂伤的敏感度、特异度、准确性、阴性预测值及阳性预测值。 结果CNLDM模型诊断效能（敏感度为80%,特异度为77%,阳性预测值为87%,阴性预测值为66%）优于低年资医师组（敏感度为61%,特异度为75%,阳性预测值为82%,阴性预测值为51%）,略差于高年资医师组（敏感度为84%,特异度为86%,阳性预测值为92%,阴性预测值为75%）,差异具有统计学意义（H=15.306,P＜0.001;H=3.289,P＜0.001）,而模型效能与中年资医师组接近,差异无统计学意义（P＞0.05）。DCA显示模型在阈值0.4~0.6之间有较好的测试集收益。 结论基于超声的人工智能模型可以较为准确地区分正常肝与含有肝实质挫裂伤的异常肝,对进一步指导临床诊治工作具有重要的意义。     

基于超声造影的LI-RADS应用进展

美国放射学会(American College of Radiology,ACR)2011年首次发布肝脏影像报告和数据管理系统,其科学性与实用性随着版本不断更新而逐渐提升,尤其在辅助高危人群肝脏结节的定性、分期及预后评估方面发挥着重要作用.2016年ACR发布了基于超声造影的肝脏影像报告和数据管理系统(contrast...     

人工智能辅助床旁超声诊断肾创伤的基础研究

目的探讨基于卷积神经网络（CNN）构建的人工智能辅助诊断模型对肾钝性创伤超声诊断的应用价值。 方法建立不同程度动物肾创伤模型,通过床旁超声仪采集正常肾及创伤肾超声图片,分成训练集及测试集,根据造模位置和超声造影结果,手动勾画出肾轮廓,采用3折交叉验证进行分类训练及测试。绘制受试者工作特征（ROC）曲线,计算人工智能辅助诊断模型的敏感度、特异度、准确性和曲线下面积（AUC）。 结果采集正常肾图片共1737张,各级别创伤肾图片共2125张,经过对测试集的验证,该模型可自动对肾创伤有无进行分类,对肾创伤诊断的平均敏感度为73%、平均特异度为85%、平均准确性为79%、AUC为0.80,诊断价值较高。 结论基于CNN构建的深度学习模型辅助床旁超声仪在诊断肾创伤有无分类中取得了较满意的结果。