目的:探讨杭州市恙虫病流行特征和时空分布特征。方法:通过中国疾病预防控制信息系统传染病监测报告信息系统收集杭州市2010 - 2022年恙虫病病例信息，分析恙虫病的发病情况及时间、人群、地区分布特征。以街道（乡镇）为单位，采用ArcGIS 10.2软件进行全局和局部空间自相关分析，SaTScan 10.1.2软件进行时空聚集性扫描。结果:2010 - 2022年，杭州市共报告恙虫病病例362例，年发病率中位数为0.260/10万，发病率呈逐年波动上升趋势（ Z = 3.84， P < 0.001），2021年发病率最高（0.528/10万），2010年发病率最低（0.013/10万）。发病至诊断时间间隔中位数为7 d，范围为1 ～ 28 d。发病高峰为9 - 11月（52.49%，190/362）。男性149例（41.16%，149/362），女性213例（58.84%，213/362）；60 ～ 69岁年龄组病例数最多，占32.32%（117/362）；职业以农民为主（77.35%，280/362）。报告病例数前3位的地区依次为淳安县（257例，70.99%）、临安区（33例，9.12%）、建德市（19例，5.25%）。全局空间自相关分析显示，除2015 - 2018年以外，其余年份恙虫病发病率均存在空间聚集性（均 P < 0.05）。局部空间自相关分析显示，除2015和2016年以外，其余年份恙虫病发病率均有热点区域（高-高）出现，且均位于淳安县。时空聚集性分析显示，一类聚集区以淳安县金峰乡为中心，聚集时间为2018年12月至2021年11月，涉及22个乡镇；二类聚集区以富阳区万市镇为中心，聚集时间为2021年12月至2022年11月，涉及14个街道（乡镇）。2个聚集区均为山区涉农区，报告病例数占38.67%（140/362）。 结论:杭州市恙虫病病例以老年女性农民为主，高发季节为秋季，主要发生在山区涉农区。建议针对重点人群、季节、区域开展健康宣教、个人防护等综合性防控措施。

目的:探究抑郁患者一级亲属的大脑结构网络变化及其与抑郁发作之间的关系。方法:前瞻性收集江苏大学附属医院2017年5月至2018年6月收治的抑郁患者健康一级亲属200名纳入研究，同期在社区通过问卷形式收集无抑郁家族史的健康对照者（HC/FH-组）50名作为健康对照。所有研究对象入组后均接受系统磁共振成像扫描和相关量表评估，随后进行长达3年的纵向随访（每3个月1次）。采用精神障碍诊断与统计手册第4版结构化访谈内容评估受试者在随访期间是否发生抑郁。将随访期间发生抑郁的一级亲属纳入一级亲属发生抑郁组（DD/FH+），而未发生抑郁的一级亲属则纳入一级亲属未发生抑郁组（HC/FH+）。通过24项汉密尔顿抑郁评定量表（HDRS）和Holmes和Rahe社会再适应评定量表分别评估受试者的抑郁严重程度和是否经历重大压力生活事件。构建Logistic回归模型探究脑结构网络属性对于抑郁的预测效能。基于Pearson相关分析探究受试者的脑结构网络与HDRS评分之间的相关性。结果:HC/FH-组（50例）、HC/FH+组（115例）以及DD/FH+组（21例）的支线连接（17.62±1.34、17.03±1.39、15.82±1.12， F=13.63， P<0.001）、全局效率（0.24±0.03、0.23±0.03、0.22±0.03， F=4.73， P=0.010）、右侧脑岛节点效率（0.20±0.02、0.21±0.01、0.20±0.01， F=4.62， P=0.011）、左侧海马节点效率（0.27±0.01、0.27±0.01、0.24±0.02， F=18.56， P<0.001）、左侧杏仁核节点效率（0.24±0.02、0.24±0.02、0.23±0.01， F=3.40， P=0.036）差异存在统计学意义。Logistic回归模型显示支线连接（ OR=0.55，95% CI 0.38~0.78， P=0.001）和左侧海马节点效率（ OR=0.58，95% CI 0.40~0.81， P<0.001）可以预测最终抑郁的发生情况，并且具有良好的预测效能，受试者工作特征曲线下面积分别为0.75、0.78。相关分析结果显示DD/FH+组基线时支线连接（ r=-0.58， P=0.006）和左侧海马节点效率（ r=-0.60， P=0.004）与其第一次随访时的HDRS评分相关。 结论:抑郁患者的健康一级亲属中，存在支线连接和左侧海马节点效率改变的个体更容易发生抑郁。

目的:探讨采用磁共振心肌组织追踪技术定量评估急性心肌炎患者左心室心肌应变率的价值。方法:收集2017年1月至2019年1月本院收治的急性心肌炎患者41例，按左室射血分数（EF）不同分为EF≤50%组（ n=22）和EF>50%组（ n=19）。同期招募健康志愿者45例为对照组。均行心脏磁共振扫描，采用CVI42后处理软件测量心功能参数及左心室全局径向峰值应变（GPRS）、全局纵向峰值应变（GPLS）、全局周向峰值应变（GPCS），分析急性心肌炎患者左室全局峰值应变率与EF的相关性。 结果:3组左室舒张末期容积及收缩末期容积、每搏输出量、心排出量、心率、左室全局峰值应变率差异均有统计学意义（均 P<0.05）。相关性分析显示，急性心肌炎患者GPRS与EF呈正相关（ r=0.692， P<0.001），GPLS与EF呈负相关（ r=-0.506， P<0.001），GPCS与EF呈正相关（ r=0.623， P<0.001）。 结论:左室全局峰值应变率在评估急性心肌炎心功能方面具有优势，可用于疾病的早期诊断。

目的:了解山东省居民原发性蛛网膜下腔出血（SAH）发病特征和流行趋势。方法:本研究从山东省慢性病监测信息管理系统收集居民2012—2021年SAH发病数据，包括门诊、急诊或住院以及院外死亡病例基本信息和疾病诊断信息。以粗发病率和年龄标化发病率为指标描述不同性别、年龄组、地区（城市和农村）常住人口SAH发病水平，采用Joinpoint回归分析发病率和发病年龄随年份变化趋势。应用率的差别分解法估计人口老龄化对SAH发病率上升的贡献度。采用DeoDa 1.12软件进行全局和局部空间自相关分析。结果:2012—2021年，山东省19个省级监测点共报告SAH发病11 629例次；其中，女性占54.11%（6 293例次），≥45岁居民占91.87%（10 684例次）。报告粗发病率从5.26/10万上升至9.50/10万，年均上升7.75%（ Z趋势=7.30， P趋势<0.001），标化发病率整体也呈现上升趋势（ Z趋势=3.92， P趋势=0.004）。各年份女性报告粗发病率均高于男性（均 P<0.05），除2012和2021年外，各年份女性标化发病率均高于男性（均 P<0.05）；2012年城市居民粗发病率和标化发病率低于农村（ P<0.05），2013—2017年，城市高于农村，2018年以后，农村再次超过城市（均 P<0.05）。SAH中位发病年龄从2012年的61.9岁上升至2021年的67.2岁，各年份男性发病年龄低于女性（均 P<0.05），多数年份城市和农村居民发病年龄差异无统计学意义（均 P>0.05）。SAH发病率随年龄增长呈上升趋势（ P趋势<0.001），<45岁居民报告发病率较低，≥45岁发病率快速上升。经季节性分解，SAH发病在1、3—5、10—11月有3个小高峰。2013—2021年，人口老龄化对SAH粗发病率上升的贡献占比由27.86%上升至43.68%。全局空间自相关分析显示，SAH发病呈现明显的空间聚集性分布（Moran′s I>0， P<0.05）；局部空间自相关分析发现，高发区县主要集中在鲁西北的德州市和鲁西南的菏泽市。 结论:山东省居民SAH发病率呈上升趋势，且具有空间聚集性和季节聚集性，≥45岁居民、女性居民和农村居民是发病高危人群，应针对高发季节、高危人群和高发聚集区域采取重点防控措施。

口腔美学修复涵盖了从面部美学到牙齿美学，从宏观美学修复目标到局部美学修复目标的实现。作为从事口腔美学修复的医师，需要同时面对和解决患者越来越高的诊疗需求以及口腔医疗行业日趋规范的需求。从事口腔美学修复的医师应建立以美学诊断为中心、跨学科美学修复为手段、精细化显微化修复为特征的口腔美学修复全局理念和实践体系。从事口腔美学修复的医师应该是美学修复方案和治疗计划的制订者，同时也是最终美学效果的实现者，应准确把握口腔美学修复全局理念和实践体系，为广大的患者提供规范化、优质化的口腔诊疗服务。

目的:探讨基于眼前节光学相干断层扫描(AS-OCT)图像的核性白内障智能辅助分级算法对白内障分级的诊断价值。方法:采用诊断试验研究方法，收集2020年11月至2021年9月间同济大学附属第十人民医院电子病例系统中核性白内障患者939例1 608眼的AS-OCT图像资料，所有资料均符合临床阅片清晰度要求。其中男398例664眼，女541例944眼，年龄18～94岁，平均年龄(65.7±18.6)岁。由3名经验丰富的临床医生基于晶状体混浊分类系统(LOCS Ⅲ分级系统)，对所收集的AS-OCT图像进行1～6级人工标注。构建一种基于多级排序的全局-局部白内障分级算法，该算法包含5个基本的二元分类全局-局部网络(GL-Net)，每个GL-Net聚合白内障核区域、原始图像等多尺度信息进行核性白内障分级。基于消融实验和模型对比试验，采用准确率、精确率、灵敏度、F1指标及Kappa系数对模型性能进行评价，且所有结果均通过五折交叉验证。结果:模型在核性白内障数据集上的准确率、精确率、灵敏度、F1、Kappa分别为87.81%、88.88%、88.33%、88.51%、85.22%。消融实验结果表明，ResNet18结合局部特征和全局特征进行多级排序分类，模型在准确率、精确率、灵敏度、F1、Kappa指标上均有提升。与ResNet34、VGG16、Ranking-CNN、MRF-Net模型比较，本研究模型各性能指标均有提升。结论:基于深度学习的AS-OCT核性白内障图像多级排序分类算法对白内障分级具有较高的准确度，有望辅助提高眼科医生对核性白内障的诊断精度以及效率。

阿尔茨海默病（AD）是老年期最常见的痴呆类型。患病率高，就诊率、诊断率及治疗率低是长期以来我国AD临床诊疗所面临的严峻挑战。脑内β-淀粉样蛋白沉积是AD连续疾病谱中最早发生的病理过程，先于认知下降等临床症状。规范AD诊疗过程中淀粉样蛋白正电子发射断层显像（PET）的操作和结果判读，实现显像流程及结果的可靠性、可重复性及可比性，将有助于疾病的早期精准诊断、疗效评估、转归预测。推荐对淀粉样蛋白PET图像进行全局二元解读（阳性、阴性）。在临床解读时淀粉样蛋白PET图像结果均应结合临床和神经心理学特征、其他形态和（或）功能性影像资料及其他的生物学标志物。

儿童发育性髋关节发育不良（developmental dysplasia of the hip，DDH）是导致髋关节骨关节炎和下肢残疾的重要原因，治疗难度和治疗效果与早期准确诊断密切相关。传统的诊断方法对尚未出现股骨头次级骨化中心者首选髋关节超声，对已出现者选择骨盆正位X线片；但两种方法均有赖于临床医生的手动测量与经验判断，耗时费力、可重复性差。人工智能技术与医学影像的有效整合可改善儿童DDH的诊疗现状，提升临床诊治效率。对4~6月龄内婴儿通过局部特征提取的分割算法、基于图像搜索的分割算法及深度学习网络等技术能够快速分析髋关节超声图像、测算DDH指标及辅助诊断DDH；对4~6月龄以上者利用骨边缘检测与模块匹配算法、深度迁移学习算法、同步挖掘局部及全局结构特征的卷积神经网络等技术自动识别骨性解剖关键点、计算髋关节参数及诊断儿童DDH。然而，由于技术所限及研究者认识不足，现有的儿童DDH辅助诊断工具在实际应用中面临着一些问题。通过文献检索从诊断可靠性及合理性等方面探讨儿童DDH人工智能影像学辅助诊断方法的研究进展，并为今后实现真正智能化的自动诊断工具提供研究思路。

医学人工智能是一个"产学研"深度融合的领域。"产学研"协同创新体系打破了各学科之间的壁垒，在科技创新及成果转化方面展现了巨大的推动力。笔者所在的青岛大学附属医院，依托山东省数字医学与计算机辅助手术重点实验室、青岛大学数字医学与计算机辅助手术研究院，与北京航空航天大学虚拟现实技术与系统国家重点实验室以及青岛海信医疗设备股份有限公司，共同建立了紧密的"产学研"合作机制，历时10年，在人工智能胃肠外科领域开展了一系列科技创新和成果转化的有益探索，成果丰硕。主要包括：（1）研发海信计算机辅助手术系统（CAS），对于以周围血管为指引的腹腔镜胃肠手术，全局把握血管的走行和变异以准确选择手术策略，具有重要的临床意义。（2）研发胃肠道病变自动识别系统（人工智能影像辅助诊断系统），首次将人工智能深度神经网络应用于直肠癌淋巴结转移的鉴别，实现了精准的临床诊断。（3）成功开发出胃肠道虚拟内镜平台，能够提供全新的肠壁外翻的虚拟内镜视图，实现单向导航肠壁全览的功能。（4）构建具有完全自主知识产权的国产化腹腔镜手术模拟训练平台。我们体会到，临床需求是研发之源，临床实践是创新之源，临床医生是成果转化的实践者。人工智能模型的建立往往需要海量的、高质量的临床医疗数据的支持，故只有采用多中心研究的方式进行，才能保证其推广及应用的有效性。在科技创新和成果转化的整个过程中，不能忽视医学伦理和知识产权归属问题。

目的:基于机器学习模型探索节点综合拓扑属性（NITA）在精神分裂症研究中的应用价值。方法:选择新乡医学院第二附属医院精神科自2022年1月至2023年8月收治的56例首发精神分裂症患者（患者组）及向社会招募的56例健康志愿者（对照组）为研究对象，采集其功能MRI数据，对数据进行预处理后构建大脑网络，并基于图论的方法提取全局和节点拓扑属性指标作为训练特征。将受试者分为训练组（46∶46）和测试组（10∶10），在训练组中分别使用两种特征训练随机森林（RFC）、支持向量机（SVM）和梯度提升树（XGboost）模型，计算出各模型的准确率、召回率、F1值及受试者工作特征曲线下面积（AUC）以进行性能评估，并结合测试组表现分析各模型的泛化能力，筛选出表现优秀的拓扑属性指标。将所选拓扑属性指标通过主成分分析算法降至一维，并用该新维度特征再次分别训练上述模型，根据训练组和测试组的表现筛选出适配模型。对患者组与对照组各脑区新维度特征进行统计学分析并结合错误发现率（FDR）校正，筛选出差异有统计学意义的脑区新维度特征，并再次用其训练适配模型。结果:训练组中各机器学习模型使用节点拓扑属性指标的分类模型的准确率、召回率、F1值、AUC均高于使用全局拓扑属性指标的分类模型，测试组中SVM模型使用节点拓扑属性指标的分类模型表现出稳定的泛化性（准确率为75.00%，召回率为100.00%，F1分数为0.80，AUC为0.92）。将节点拓扑属性指标降维并命名新维度特征为NITA。依据SVM模型使用NITA的分类模型在训练组中的验证结果（准确率为77.00%、召回率为72.00%、F1值为0.76、AUC为0.86）及测试组中的泛化表现（准确率为66.67%、召回率为83.33%、F1值为0.71、AUC为0.61），选择SVM作为分类NITA的适配模型。患者组与对照组间右侧额中回腹外侧区、左侧额下回背侧区、右侧中央前回尾腹侧区、左侧颞上回喙部、右侧梭状回中央区、右侧顶下小叶前背侧区及左侧枕极皮层NITA的差异有统计学意义（ P<0.05，FDR校正）。将上述脑区NITA作为特征训练得出最优模型FDR-NITA-SVM，其在训练组中准确率为93.74%、召回率为98.00%、F1值为0.94、AUC为0.96，测试组中准确率为83.33%、召回率为66.67%、F1值为0.80、AUC为0.92。 结论:NITA可能是诊断精神分裂症的潜在影像标志物。NITA异常脑区是精神分裂症患者大脑网络间信息交流和整合的关键节点。