《东南大学学报(医学版)》(以下简称本刊)前身为《南京铁道医学院学报》,随着南京铁道医学院与东南大学合并,原刊于2001年9月更改为现刊名.本刊是教育部主管、东南大学主办的国家级综合性医学学术期刊.主要刊登基础医学、临床医学、公共卫生与预防医学、中西医结合、药学等方面的研究成果及新技术新方法、病例报告、综述等,并以分子遗传、影像医学、心脏介入、急诊医学为办刊特色.本刊为中国科技论文统计源期刊,即中国科技核心期刊,多年来一直被美国《化学文摘》(CA)、俄罗斯《文摘杂志》(AJ)、波兰《哥白尼索引》(IC)、《中国核心期刊(遴选)数据库》《中国生物医学文献数据库》《中文生物医学期刊目次数据库》《中国学术期刊综合评价数据库》、中国期刊网、《中国学术期刊(光盘版)》《中文科技期刊数据库》《万方数据资源系统》《天元数据网》、中华首席医学网、教育阅读网等全文收录,同时被《中国药学文摘》《中国医学文摘》各分册收录.

目的 研究人工智能医学影像辅助诊断系统对肺磨玻璃结节(GGN)良恶性及判断病理成份的临床应用价值.方法 从行胸部CT检查发现GGN的患者中随机选取符合条件的44例纳入研究.根据病理结果分成腺癌组GGN与炎性病变组GGN,然后根据贴壁成份的占比不同将腺癌组GGN分成高占比组和低占比组,记录2组测量参数(包括病灶长径、平均CT值、CT值标准差、紧凑度、球形度及患者年龄).采用SPSS 20.0软件统计分析2组间差异,对有统计学意义的定量参数进行受试者工作特征曲线(ROC)分析,评价各测量参数鉴别良恶性GGN及判断恶性GGN病理成分的能力,同时根据最大约登指数(YI)计算该测量参数的最佳诊断阈值,获得曲线下面积(AUC)、敏感度和特异度,P＜0.05被认为差异具有统计学意义;最后根据二元Logistic回归模型得出鉴别良恶性GGN及判断恶性GGN组织成分的独立危险因素.结果 ①在腺癌组GGN与炎性病变组GGN测量数据对比中,腺癌组GGN病灶长径、平均CT值、CT值标准差大于炎性病变组GGN(P＜0.05),腺癌组GGN紧凑度、球形度均小于炎性病变组GGN(P＜0.05),而2组GGN患者年龄差异无统计学意义(P＞0.05).②在高占比腺癌组GGN和低占比腺癌组GGN测量数据对比中,仅发现高占比腺癌组GGN平均CT值小于低占比腺癌组GGN(P＜0.05),其他无差异.③二元Logistic回归模型分析显示,鉴别腺癌GGN与炎症GGN的独立因素为病灶长径;鉴别高占比腺癌GGN和低占比腺癌GGN的独立因素为平均CT值.结论 基于人工智能医学影像辅助诊断系统CT特征定量分析有助于鉴别良恶性GGN,以各项指标联合诊断的效能最佳;但在判断恶性GGN的病理成份方面能力有限,但仍需结合临床其他各项指标进行综合判断才能做出更准确的诊断.人工智能医学影像辅助诊断系统对GGN良恶性及判断病理成份有较大的临床应用价值,以各项指标联合诊断的效能最佳.

目的:应用建立的全自动AI牙体分割算法,从CBCT影像中实现牙体的快速自动化分割,以口内扫描真实离体牙获得的三维数据作为金标准,验证算法的准确性.方法:从上海交通大学医学院附属第九人民医院收集30套CBCT数据及相应的59颗离体牙,通过建立的算法,分割出CBCT中的牙体三维数据.将离体牙处理后扫描获得的数字化信息作为金标准.为了比较算法分割结果以及扫描结果之间的差异,选取骰子系数(Dice)、灵敏度(sensitivity,Sen)以及平均表面距离(average symmetric surface distance,ASSD)评价算法的分割准确性.选用组内相关系数(ICC)评价AI系统获得单个牙与数字化离体牙的长度、面积和体积差异.由于存在不同体素大小的CBCT,使用ANOVA单因素方差分析不同体素组间的差异,同时通过SNK法对其进行两两比较.采用SPSS 25.0软件包对数据进行统计学分析.结果:算法分割结果与离体牙扫描结果对比后,得到平均Dice值为(94.7±1.88)％,平均Sen为(95.8±2.02)％,平均ASSD为(0.49±0.12)mm.比较数字化离体牙与AI系统获得的单个牙的长度、面积和体积的组内相关系数ICC值,分别为0.734、0.719和0.885,AI系统分割出的单个牙与数字化模型在评价长度、面积和体积时有着较好的一致性,但分割结果在具体数值上与真实情况仍有差异.CBCT体素越小,即分辨率越高,分割结果表现更好.结论:本研究建立的CBCT牙体分割算法能够准确实现各分辨率下CBCT中全牙列的牙体分割.CBCT分辨率提高,能让算法结果更准确.相比目前的分割算法,本研究的算法性能更好.但与实际情况相比,仍有一定差异,需对算法继续改进及验证.

新型冠状病毒肺炎(corona virus disease 2019,COVID-19)具有高传染性,严重威胁人民群众的生命安全,快速筛查可以实现快速治疗、防止肺炎进展.目前COVID-19检测诊断方法的金标准为逆转录聚合酶链式反应(reverse transcription-polymerase chain reaction,RT-PCR),但是由于核酸检测存在耗时且假阴性率偏高的问题,而影像医生对医学图像的诊断存在主观性且工作量巨大,因此借助人工智能(artificial intelligence,AI)技术对实现COVID-19的快速诊断至关重要.随着AI在医学领域的成功应用,深度学习技术成为辅助诊断新型冠状病毒肺炎的有效方法.近年来许多学者使用深度学习技术来构建对医学图像进行智能诊断的模型,本文的主要内容就是对这类模型进行总结和分析,介绍了分割肺部区域的模型、实现二分类或多分类的分类模型以及模型在临床上的应用.与此同时,在文章中分析了COVID-19患者的影像学特点,COVID-19患者多双肺受累,其中磨玻璃影是最常见的影像征象.对COVID-19研究的最新进展也进行了介绍,主要是关于提高AI模型准确性的开发和"长新冠"综合征的相关研究.因此,在新型冠状病毒肺炎常态化管理下,模型准确性的提高可以借助数据集的扩大或模型结构轻量化等方面实现;"长新冠"综合征作为一个新的研究领域,学者可以在临床症状、预后随访和结合深度学习技术等方面进行进一步的研究.

弥漫性胶质瘤是最常见的颅脑原发恶性肿瘤,术前精准分级、分子分型预测等对于制订适当的治疗策略和预测生存率具有至关重要的作用.影像组学使用高级特征分析从医学图像中提取数据并构建预测模型,捕捉病变微小的变化,从而提高临床诊断、评估预后和预测治疗反应的准确性.深度学习(deep learning,DL)可以从大量原始数据中自动学习和提取多层特征,而不是手工提取的浅层特征,由于DL已被充分证明能够准确地找到非常深入和抽象的特征,这使其成为医学图像分析领域中广泛研究的课题.随着计算能力的进步,基于DL的人工智能已经彻底改变了各个领域.本研究基于多模态MRI影像组学与DL在胶质瘤术前分级、分子分型、生存预测及治疗评价中的最新研究进行综述,以期为胶质瘤患者提供精准诊疗.

原发性肝癌为国内外常见的恶性肿瘤，2020年成为全球范围内第7大威胁人类健康的恶性肿瘤，且病死率高居癌症第4位。精准诊断对原发性肝癌的预后至关重要。影像组学作为新兴无创的数据分析方法，从影像图像中提取大量高通量特征，为临床诊疗决策制定提供更加准确的依据。目前，针对肝细胞癌诊断的影像组学模型多种多样，但缺乏共识。该共识基于当前最新研究证据，结合循证医学证据分级系统，综合考虑临床实际及专科医师经验，形成最终的影像组学模型推荐意见，以期为临床医师明确诊断提供方法学依据，形成最佳决策方案，指导临床综合治疗。

目的:探讨基于翻转课堂的病例读片形式在医学影像专业实习生教学中的效果。方法:选取40名南京医科大学康达学院医学影像技术专业本科生作为研究对象，将其分为A组（试验组）和B组（对照组），分别进行"胸部基本病变"影像学表现的翻转课堂教学，A组学生在翻转课堂中进行病例读片。比较两组学生的笔试成绩和读片成绩，采用调查问卷的形式了解学生主观感受差异。采用SPSS 20.0软件对数据进行卡方检验和 t检验。 结果:A组笔试成绩（87.32±8.11）分及读片成绩（85.54±5.23）分均高于B组[（81.20±9.76）分、（79.03±6.01）分]，差异有统计学意义（ P<0.05）；A组学生的7项主观评价均高于B组，差异有统计学意义（ P<0.05）。 结论:基于翻转课堂的病例读片形式能够激发学生的学习兴趣，培养学生的临床实践能力和批判性思维，是一种有效的教学模式。

目的:建立一种三维定量测量方法用于评估颞下颌关节髁突骨改建。方法:将2014年11月至2019年8月就诊于北京大学口腔医学院·口腔医院颞下颌关节病及口颌面疼痛诊治中心且诊断为颞下颌关节急性不可复性关节盘前移位或关节盘绞锁、采用手法复位关节盘结合前伸再定位 垫治疗的41例患者（共82侧髁突）资料纳入研究，其中男性10例，女性31例，年龄为12~30（19.7±4.4）岁。获取治疗前后6~12个月的锥形束CT图像。根据髁突轴位、矢状位及冠状位影像中“双线征”数目定性评价髁突骨改建，将82侧髁突分为无改建组（0个“双线征”）、部分改建组（1~4个“双线征”）和显著改建组（5~6个“双线征”）3组。应用锥形束CT数据进行髁突骨改建的三维定量测量。采用基于人工预标注结合分水岭算法的半自动分割方法分别对治疗前后的锥形束CT影像进行分割，重建颞下颌关节髁突的表面模型，应用基于距离图的初始配准和基于灰度信息的二次配准，将治疗前后的髁突图像配准重叠后髁突和髁头的体积差定量反映髁突骨改建程度。 结果:二维定性评价的 Kappa值为0.66~0.87。三维定量测量髁突及髁头体积的同一研究者组内相关系数（intraclass correlation coefficient，ICC）值分别为0.998和0.941，不同研究者组间ICC值分别为0.999和0.942。治疗后髁突和髁头的体积较治疗前增加量分别为（41.7±90.2） mm3和（62.8±70.9） mm3。82侧髁突中无改建组21侧、部分改建组20侧，显著改建组41侧。显著改建组治疗后较治疗前髁突和髁头体积增加量均为最大，部分改建组次之，无改建组最小（ P<0.05）。 结论:三维定量测量评价髁突骨改建程度的方法一致性和可靠性良好，定量变化值可以反映不同程度的髁突骨改建，其中将髁头作为感兴趣区计算的体积变化量更敏感。

目的:总结婴儿期起病的多发性大动脉炎（TA）的临床特点及英夫利昔单抗（IFX）治疗效果。方法:分析2018年1月首都儿科研究所附属儿童医院风湿免疫科收治的1例小年龄TA患儿的病例特点及IFX单药治疗效果。以“多发性大动脉炎”“婴儿”为检索词，检索建库至2020年3月中国知网、万方数据库、中国生物医学文献数据库及Pubmed数据库并进行文献复习。结果:患儿 男，70日龄，因反复发热20 d入院。四肢血压增高（右上肢104/90 mmHg，左上肢95/59 mmHg， 右下肢125/80 mmHg， 左下肢152/125 mmHg，1 mmHg=0.133 kPa）。外周血白细胞（22.6×10 9/L）及血小板（858×10 9/L）增高，轻度贫血（血红蛋白 80 g/L），红细胞沉降率（119 mm/1 h）、C反应蛋白（112 mg/L）、血清铁蛋白（598 μg/L）均增高，CT血管成像示胸主动脉、腹主动脉管壁明显增厚，不均匀强化，管腔狭窄。冠状动脉彩超声示双侧冠状动脉扩张，管壁增粗毛糙，右冠状动脉中段扩张不均匀，呈串珠样改变。血管超声示双侧股动脉、股浅动脉管壁毛糙不均匀增厚，双侧股浅动脉远端多处轻度狭窄，双侧腋动脉管壁毛糙不均匀增厚，双侧颈总动脉管壁毛糙增厚，双侧锁骨下动脉管壁毛糙增厚，管壁结构不清晰。确诊TA后应用IFX单药治疗［5 mg/（kg·次），共13次］后病情缓解，体温及炎性指标恢复正常，血管影像学恢复正常，治疗期间患儿未出现严重过敏反应及感染。随访2年6个月，患儿身高、体重等生长发育指标均达正常标准。文献检索中文文献1篇，无详细临床资料，英文文献7篇，共7例婴儿期发病的TA患儿，最常见临床表现为发热（5例），炎性指标多增高，最常见受累动脉为腹主动脉（6例），多接受激素治疗。 结论:TA于婴儿期发病罕见，发热可为其主要表现，炎性指标多增高。疾病早期应用IFX单药治疗可迅速控制病情，不影响儿童正常生长发育。

目的:探究一种融合了SAM-YOLOV 5深度学习网络和图像处理技术的人工智能(AI)新模型在乳腺影像报告与数据系统(BI-RADS)4类肿块超声动态视频良恶性分类中的应用。方法:回顾性收集2019年5月至2023年6月汕头大学医学院第一附属医院经病理证实的BI-RADS 4类的乳腺肿块患者458例(530个肿块)，按7∶3的比例进行模型的训练和测试，分析模型的ROC曲线下面积(AUC)、敏感性、特异性、阳性预测值、阴性预测值。先与单张静态图像下的测试效果进行比较，再与3个传统的深度学习网络以及高、低年资医师组的测试效果进行比较。分析新模型在BI-RADS 4a、4b、4c类肿块中的诊断效能。结果:二维超声动态视频在新模型中测试所得到的AUC、敏感性、特异性、阳性预测值、阴性预测值高于使用单张超声静态图像(均 P<0.05)。基于二维超声动态视频下，新模型的AUC、敏感性、特异性、阳性预测值、阴性预测值高于3个深度学习网络模型(YOLOV 5、VGG 16、Resnet 50)和低年资医师组(均 P<0.05)，低于高年资医师组(其中仅特异性、阴性预测值 P<0.05)。新模型对BI-RADS 4b类肿块诊断效能最低。 结论:基于SAM-YOLOV 5深度学习网络和图像处理技术开发的用于BI-RADS 4类乳腺肿块动态超声分类诊断的新模型有较高的诊断价值，有望用于辅助临床诊断。