目的 分析国内肺癌患者肺康复研究的热点及前沿,旨在为我国肺癌患者的肺康复提供参考.方法 在中国知网检索建库至2023年2月18日发表的肺癌患者肺康复相关的文献,采用CiteSpace软件对发文量、关键词进行可视化分析.结果 共纳入文献364篇,年发文量总体呈上升趋势.通过高频关键词、聚类分析总结研究热点包括老年共病肺癌术前人群的研究、肺康复运动训练模式的探索、肺康复健康指导方案的创新及中医康复技术在肺康复领域的融合应用,近5年的研究前沿包括专项护理、主动呼吸循环技术及康复效果.结论 肺癌患者肺康复一直处于较高的研究热度,关注老年共病人群、更新肺康复实施技术、创新健康指导方式、发挥中医特色优势可作为今后肺癌患者肺康复研究领域的发展方向.

目的:探讨基于增强CT图像构建影像组学模型及其与相关临床病理特征构建的融合模型在浸润性肺腺癌术前预测组织学分级中的应用价值。方法:回顾性队列研究。纳入2017年1月—2019年12月山西省肿瘤医院经手术病理确诊且组织学分级明确的313例浸润性肺腺癌患者，其中男175例、女138例，年龄35~81（60.1±8.3）岁。组织学分级：高级别（G3级）85例，低级别（G1、G2级）228例。313例患者术前均行胸部增强CT检查。患者按照7∶3的比例随机分为训练组219例（高级别59例、低级别160例）和验证组94例（高级别26例、低级别68例）。基于每位患者的术前增强CT图像各提取1 316个影像组学特征；训练组采用最大相关最小冗余、最小绝对收缩与选择算子算法和多因素logistic回归分析进行特征筛选及影像组学模型的构建。用单因素和多因素logistic回归分析从临床病理特征中筛选高级别浸润性肺腺癌的独立危险因素，联合影像组学模型建立融合模型，并绘制列线图。使用受试者操作特征曲线（ROC曲线）、校准曲线和决策曲线评估影像组学模型和融合模型对术前浸润性肺癌组织分级的预测效能及临床效益。结果:训练组与验证组患者的临床病理特征比较，差异均无统计学意义（ P值均>0.05）。训练组和验证组内的高级别与低级别患者比较，吸烟史、肿瘤实性程度、肿瘤最大径、血清癌胚抗原和细胞角蛋白19片段水平的差异均有统计学意义（ P值均<0.05），年龄、毛刺征、分叶、胸膜牵拉的差异均无统计学意义（ P值均>0.05）；此外，验证组的低级别与高级别患者性别分布比较，差异有统计学意义（ χ2=4.70， P=0.030）。特征降维后得到5个影像组学特征用于构建影像组学模型，影像组学模型在训练组和验证组ROC曲线的曲线下面积（AUC）分别为0.852（95% CI：0.734~0.882、0.837（95% CI：0.733~0.863）。单因素和多因素logistic回归分析筛选出高级别浸润性肺腺癌的独立危险因素有吸烟史、肿瘤实性程度、肿瘤最大径、血清癌胚抗原和细胞角蛋白19片段水平，其与影像组学模型共同构建的融合模型在训练组和验证组ROC曲线的AUC分别为0.888（95% CI：0.721~0.894）、0.876（95% CI：0.707~0.852）。校准曲线分析显示，影像组学模型和融合模型均有良好的校准性能。决策曲线分析显示，2种预测模型均有一定的临床效益，其中融合模型净收益值更大。 结论:基于术前增强CT图像构建的影像组学模型及其与高级别浸润性肺腺癌的独立危险因素结合建立的融合模型，对于浸润性肺腺癌的组织学分级均有良好的术前预测价值，并且后者的预测效能相对更高。

目的:探讨基于多参数MRI的影像组学融合模型在乳腺癌术前预测腋窝淋巴结（ALN）转移的应用价值。方法:回顾性队列研究。纳入山西省肿瘤医院2020年8月—2021年9月经病理证实的272例乳腺癌患者的多参数MRI及临床病理资料。患者均为女性，年龄28~79（53.0±10.9）岁，其中ALN阳性107例、ALN阴性165例。按照7∶3的比例随机将患者分为训练组（191例）和验证组（81例）。从T 2加权像（T 2WI）、表观弥散系数（ADC）图和增强T 1加权像（cT 1WI）序列中提取影像组学特征。采用单因素逻辑回归、相关性分析和Boruta算法3个步骤进行特征选择，然后采用支持向量机（SVM）、随机森林（RF）和逻辑回归（LR）3种机器学习方法构建影像组学模型，并基于最优模型计算每位患者的影像组学分数（Radscore）。同时，通过多因素逐步回归分析筛选乳腺癌ALN转移的独立危险因素并构建临床模型。最后，联合Radscore和临床独立危险因素构建融合模型，并绘制列线图。采用受试者操作特征曲线、校准曲线和决策曲线（DCA）来评价模型对乳腺癌ALN转移的预测性能及临床效益。 结果:训练组和验证组患者肿瘤位置比较，差异有统计学意义（ P<0.05）；训练组中ALN阳性与ALN阴性患者间的肿瘤位置、MRI评估淋巴结状态比较，验证组中ALN阳性与ALN阴性患者间的雌激素受体、分子亚型及MRI评估淋巴结状态比较，差异均有统计学意义（ P值均<0.05）。基于多参数MRI降维选择后，得到了6个与ALN转移呈显著相关的影像组学特征（ P值均<0.05）。在训练组和验证组中，SVM、RF和LR模型均表现出很好的预测能力，AUC分别为0.784、0.826、0.703和0.733、0.817、0.703，其中RF模型效能最高。单因素、多因素回归分析显示，MRI评估淋巴结状态是乳腺癌ALN转移的独立预测因子［比值比（95%可信区间）=10.909（5.210~24.511）， P<0.001］，采用这一指标构建临床模型。联合Radscore和MRI评估ALN状态的融合模型在训练组和验证组中均表现出更好的性能，AUC分别为0.867和0.866，且其诊断效能均优于上述3种机器学习模型和临床模型（AUC分别为0.719和0.700）。DCA显示，3种机器学习模型、临床模型和融合模型均有一定的临床效益，其中融合模型的净收益值最大。 结论:基于多参数MRI影像组学特征和联合MRI评估淋巴结状态的融合模型有助于术前准确预测乳腺癌ALN转移状态。

目的:拟开发一种基于MRI深度学习的自动精准检测骨质疏松性椎体压缩骨折（OVCF）的诊断模型。方法:回顾性收集2019年1月至2021年10月广州市第一人民医院诊断为OVCF的500例患者资料。男396例，女204例；年龄（74.5±6.0）岁；骨密度T值为-2.9±0.8;骨折节段：L 1 128例，L 2 113例，L 3 109例，L 4 115例，L 5 108例。选择多模态分层融合网络进行训练、测试及验证，应用grad-cam可视化方法，构建基于脊柱MRI图像的深度学习模型。随机抽取30例诊断为OVCF患者的MRI图像，比较深度学习的精准辅助诊断模型与高年资脊柱外科医师对OVCF的诊断价值。 结果:建立的基于MRI图像深度学习的精准辅助诊断模型对OVCF的诊断准确度为96.7%，灵敏度为93.5%，特异度为88.9%，阳性预测值为100.0%，阴性预测值为76.9%，均高于2名高年资脊柱科医师（70.0%、72.7%、28.6%、82.1%、28.6%），差异均有统计学意义（ P<0.05）。 结论:本研究成功建立了的基于MRI图像的深度学习的OVCF精准辅助诊断模型，其诊断效能高于脊柱外科医师。

目的:探讨基于常规磁共振成像（MRI）影像组学模型预测垂体大腺瘤质地价值。方法:回顾性分析2014年12月至2019年12月皖南医学院弋矶山医院经手术病理证实的101例垂体大腺瘤患者完整资料，根据术中垂体瘤质地分为质软组（ n=58）与质硬组（ n=43），按照7∶3比例随机将患者分为训练组（ n=72）和验证组（ n=29）。所有患者均行垂体常规MRI扫描。使用ITK-SNAP软件逐层手动勾画T 1加权像（T 1WI）、T 2加权像（T 2WI）和T 1WI增强图像上肿瘤感兴趣区（ROI）并进行三维融合，然后导入AK软件提取纹理特征；利用最小冗余最大相关（mRMR）和最小绝对值收敛和选择算子（LASSO）回归分析进行特征选择和建立影像组学标签，并用100次留组交叉验证（LGOCV）验证模型的可靠性，绘制受试者工作特征（ROC）曲线评价模型的预测能力；应用决策曲线分析（DCA）评估模型的临床应用价值。 结果:T 1WI、T 2WI、T 1WI增强和联合序列模型在训练组和验证组中预测垂体大腺瘤质地曲线下面积（AUC）（95 %CI）分别为0.91(0.84~0.98）和0.90(0.78~1.00)、0.86(0.78~0.95）和0.83(0.64~1.00)、0.90(0.83~0.97）和0.89(0.77~1.00）以及0.92(0.85~0.98）和0.91(0.79~1.00)。DCA表明T 1WI、T 2WI、T 1WI增强和联合序列模型均具有较好净获益。 结论:常规MRI的T 1WI、T 2WI、T 1WI增强和联合序列模型均具有很高预测垂体大腺瘤质地的效能，为探索预测垂体大腺瘤质地提供了一种新的定量分析方法。

虚拟现实(VR)是一种可以创建和体验虚拟三维场景的计算机仿真系统，能够为用户提供多感官信息。近年来，随着5G、人工智能、大数据、云计算等技术的快速发展，VR技术在眼科领域的应用迎来了新的机遇和挑战。在视力、调节功能、立体视等视功能评估方面，VR结合红外眼动跟踪、双眼分视、人机交互等技术能够完全控制呈现给用户的画面，为实现个性化、自动化诊断提供了可能，并能够有效降低人力成本。在斜视、弱视诊疗方面，VR再结合其环境沉浸性、三维成像等技术，能够为用户提供丰富的画面，减少了斜视眼位测量、弱视眼间抑制量化上的检测技术难度；并可以通过模仿斜视聚散训练、弱视知觉训练等范式，提高斜视正位训练、弱视知觉训练和立体视训练的趣味性和依从性。增强现实技术与计算机生成的视觉增强、全息成像、三维音频提示和自适应光学相结合，可有效弥补低视力人群的视觉缺损，提高其生活质量。在近视防控领域，VR技术的利弊目前尚有争议，但仍具备潜在的应用价值。本文就虚拟(增强)现实技术在视功能评估与重建中的应用现状进行综述，并对其可能面临的挑战进行分析，以期推动医工融合在眼科诊疗领域的发展。

目的:探讨基于CT的影像组学预测早期急性胰腺炎（AP）进展的价值。方法:回顾性分析2013年11月至2021年2月皖南医学院弋矶山医院109例根据新修订的亚特兰大分类诊断为AP的患者，根据随诊结果分为进展组（40例）和非进展组（69例）。所有患者初次发病1周内行腹部平扫及增强CT扫描。采用计算机完全随机方法将患者按7∶3的比例分为训练集（77例，进展组28例，非进展组49例）和验证集（32例，进展组12例，非进展组20例）。在平扫、动脉期、静脉期和延迟期图像上，对胰腺实质全部层面沿胰腺边缘手动勾画感兴趣区并进行三维融合，采用AK软件提取纹理特征，使用最小冗余最大相关和最小绝对收缩和选择算子回归分析对纹理特征降维，建立平扫、动脉期、静脉期、延迟期和4个序列联合的影像组学标签。采用多因素logistic回归分析，联合临床特征和CT特征建立临床模型，联合临床、CT特征和影像组学标签建立综合模型。使用受试者操作特征（ROC）曲线评价各模型预测早期AP进展的效能，应用决策曲线分析（DCA）评估模型的临床应用价值。结果:在训练集中，logistic回归结果显示边缘是AP进展的独立预测因子（OR=0.16， P=0.033），联合血钙建立临床模型，其在训练集和验证集中的曲线下面积（AUC）分别为0.69、0.70。在平扫、动脉期、静脉期、延迟期和联合序列图像中分别提取了14、11、13、13、9个最优纹理特征，其中延迟期影像组学标签在训练集和验证集中均有相对更好的预测效能，ROC曲线下面积（AUC）均为0.85。基于延迟期影像组学标签（OR=2.22， P<0.001）及边缘（OR=0.02， P=0.042）建立综合模型，在训练集和验证集中AUC分别为0.90、0.86。DCA显示综合模型和延迟期影像组学标签均具有较好的净收益。 结论:基于CT影像组学模型预测早期AP患者病情进展具有较高的价值，明显优于临床模型。

目的:探讨多视角融合以及主动轮廓约束的深度学习算法在10 μm级耳科专用CT图像上对听小骨分割的效果。方法:回顾性收集2019年10月至2020年12月北京友谊医院放射科10 μm级耳科专用CT检查的受试者数据共79侧耳（56侧来自志愿者，23侧来自标本）。对锤骨、砧骨和镫骨进行标注，将其划分为训练集（55侧）、验证集（8侧）和测试集（16侧）。采用感兴趣区域快速定位结合精准分割算法，分别从冠状面、矢状面和横断面3个视角对锤骨、砧骨和镫骨进行分割与融合。针对镫骨，同时设计了基于主动轮廓损失的镫骨分割方法。分割实验采用客观指标Dice相似系数（DSC）作为判别标准，比较本方法与基础方法、本方法与其他分割方法的组间DSC差异。结果:多视角融合分割算法对锤骨、砧骨和镫骨的平均DSC值分别为94.2%±2.7%、94.6%±2.6%和76.0%±5.5%；结合主动轮廓损失的约束方法后，对镫骨的平均DSC值进一步提升（76.4%±5.4%比76.0%±5.5%），且可视化结果显示镫骨结构的分割结果更加完整。结论:基于10 μm级耳科专用CT数据的多视角融合算法可实现对锤骨和砧骨结构的精准分割，结合主动轮廓损失约束方法，可进一步提升对镫骨结构的分割精度。

目的:探讨术前CT图像影像组学联合深度学习方法预测肝细胞癌（HCC）首次经动脉化疗栓塞术（TACE）疗效的价值。方法:该研究为回顾性队列研究。回顾性收集2015年1月至2021年1月于哈尔滨医科大学附属第二医院行TACE治疗的HCC患者影像及临床信息。共纳入265例患者，于初次TACE后1~2个月，根据改良的实体瘤疗效评估标准（mRECIST）评估病灶术后改变，分为有反应组（175例）和无反应组（90例）。采用随机数表法按8∶2的比例分为训练集（212例，有反应组140例、无反应组72例）和测试集（53例，有反应组35例、无反应组18例）。采用单因素和多因素logistic回归筛选临床变量，构建临床模型。从术前CT图像中提取影像组学特征，经降维构建影像组学模型。采用深度学习方法，建立3种残差神经网络（ResNet）模型（ResNet18、ResNet50和ResNet101），并对其效能进行比较和集成，取最佳模型为深度学习模型。应用logistic回归将3个模型两两联合，建立联合模型。采用受试者操作特征曲线在测试集中评价模型区分TACE后有反应与无反应的效能。结果:在测试集中，临床模型、影像组学模型区分TACE后有反应与无反应的曲线下面积（AUC）为0.730（95% CI 0.569~0.891）、0.775（95% CI 0.642~0.907），ResNet18、ResNet50和ResNet101的AUC分别为0.719、0.748、0.533，将ResNet18、ResNet50集成获得深度学习模型，AUC为0.806（95% CI 0.665~0.946）。两两融合后，深度学习-影像组学联合模型效能最高，AUC为0.843（95% CI 0.730~0.956），优于深度学习-临床模型（AUC为0.838，95% CI 0.719~0.957）和影像组学-临床模型（AUC为0.786，95% CI 0.648~0.898）。 结论:联合影像组学和深度学习的联合模型可以在术前预测HCC患者行TACE的疗效，具有较高的效能。

传统的理论学习及临床实践操作训练指导是目前妇产科超声的主要教学模式，随着疾病诊治难度的增加及医患关系复杂化的进展，此模式面临如患者不配合、产科胎儿体位不固定、胎儿先天性疾病诊断难度大及孕妇条件限制等问题。本研究设计并准备了异常病例影像学数据库，根据教学对象的不同学习阶段配备相应等级的带教教师，26名入组学员接受培训并进行理论及临床操作考核，结果显示入组学员均能达到北京市住院医师规范化培养标准水平。病例教学联合分级式带教在妇产科超声临床教学中具有相互融合、逐级提升的优势，对于提高学生未来临床实践沟通技能具有积极的影响。