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.

《山西医药杂志》是山西省卫生健康委员会主管,山西医药卫生传媒集团有限责任公司主办的综合性医学期刊,主要反映山西省医学科研成果及学术动态,以中、初级医务人员为主要读者对象,设有专论、论著、实验研究、基础研究、预防医学、调查研究、影像诊断、综述、讲座、临床研究、药物研究、中医中药、误诊分析、医学检验、医学教育、临床护理、病例报告等栏目.欢迎广大基础、临床、预防等各级各类医务工作者踊跃投稿.

近10年来,高场强MRI系统在医学领域的应用和研究不断深入,但其安装和扫描条件要求较高,运行成本昂贵,限制了其在基层医院的普及.相比之下,低场强(0.01～1.0 T)MRI虽然成本较低,但因其成像性能欠佳,也未能在临床实践中发挥更大的作用.随着技术的不断发展,目前低场强MRI有望实现类似于高场强MRI系统的各种应用,通过优化软件、硬件设计和技术革新,低场强MRI可以在保持成本经济、便于转运优势的同时提高信噪比,达到提高诊断性能,更广泛地应用于临床实际场景的目标.特别是在急重症诊断方面,低场强MRI有望成为脑血管疾病诊断和监测的重要工具之一.本文追溯了低场强MRI的发展历程,对其在神经系统疾病临床应用中的进展进行了综述,旨在为未来低场强MRI技术的发展探寻方向.

目的 比较肾脏肿瘤不同类型患者的基线特征,同时对比核磁共振检查(MRI)、CT以及多普勒超声三种影像学检查方法对于肾脏肿瘤的有无及良恶性诊断能力的一致性.方法 回顾性收集解放军总医院第三医学中心2021年2月-2022年1月经过MRI检查的肾脏肿瘤患者118例,部分患者入院时同时进行CT和多普勒超声检查.满足正态的计量资料组间比较采用t检验;不满足正态分布的计量资料组间比较采用Mann-Whitney U秩和检验.计数资料组间比较采用卡方检验或Fisher精确概率法.MRI、CT以及多普勒超声三种影像学检查结果的一致性检验采用Kappa检验.结果 118例接受MRI检查的研究对象中,良性肾脏肿瘤患者64例(54.24％),恶性肾脏肿瘤患者117例(99.15％),63例(53.85％)患者同时患有良性和恶性肾脏肿瘤.同时患有良性和恶性肾脏肿瘤的患者中男性患者的比例(49例,77.78％)显著高于仅有良性或者仅有恶性的肾脏肿瘤患者(32例,58.18％),差异有统计学意义(x2=5.239,P=0.021).同时患有良性和恶性肾脏肿瘤的患者的中位年龄(59岁;四分位间距:52-65岁)显著高于仅有良性或者仅有恶性的肾脏肿瘤患者(50岁;四分位间距:43-58岁),差异有统计学意义.27名患者同时做了MRI、CT和多普勒超声三种检查,MRI方法检查中患者均为肾脏肿瘤患者,CT检查中诊断为肾脏肿瘤有26人,超声检查中诊断为肾脏肿瘤的有24人,CT检查与MRI检查的一致性比较差(kappa=0.04;95％CI,-0.11～0.48);超声与MRI检查的一致性比较差(kappa=0.11;95％CI,-0.01～0.23);MRI检查中有15例患者诊断为良性肾脏肿瘤,CT检查中有1例患者诊断为良性肾脏肿瘤,两者的一致性较差(kappa=0.09;95％CI,-0.08～0.26),超声检查中2例患者为良性肾脏肿瘤,12例患者良恶性无法判读.结论 男性和年龄较大的人更容易患恶性肾脏肿瘤.MRI检查在肾癌患者的诊断及良恶性判断方面优于CT检查和超声检查,可以弥补CT检查和超声检查的不足.临床中MRI可为肿瘤的诊断及治疗方案的制定提供一定的参考依据,临床应用及推广价值较高.

急性呼吸窘迫综合征(acute respiratory distress syndrome,ARDS)是重症患者常见的临床综合征[1].自1967年提出至今[2],其诊断标准几经修改[3-4].1994年欧美共识会议(American-European Consensus Conference,AECC)从急性起病、影像学表现、低氧血症和肺水肿病因等四个方面提出了 ARDS的诊断标准[3].经过多年临床应用,AECC诊断标准的局限性逐渐显现,包括缺乏对诱发原因的描述,未能定义急性起病的时间范围,临床医生对影像学检查结果的判定存在差异,未关注呼气末正压(positive end-expiratory pressure,PEEP)对氧合的影响,以及心源性肺水肿可与ARDS并存.为解决上述问题,欧洲重症医学会与美国胸科学会于2012年联合发布了 ARDS柏林定义[4].

目的 本研究基于半监督算法残差网络(semi-supervised algorithm Residual network,SMRNet)的深度学习方法,探索其在计算机辅助自主分析膝关节MRI诊断前交叉韧带(anterior cruciate ligament,ACL)损伤方面的应用.方法 使用100名经过关节镜确认的ACL损伤患者和100名关节镜确认无ACL损伤的患者的术前MRI图像.在选取适当层面后,裁剪并用于SMRNet的训练.SMRNet对单个MRI切片上ACL损伤的概率进行最终判断.4名临床医师对相同图像进行读片诊断.结果 SMRNet分类的敏感性、特异性、准确性、阳性预测值和阴性预测值分别为97.00％、94.00％、95.50％、94.17％和96.91％.医师的整体阅片情况类似,敏感性区间91.00％～96.00％、特异性区间90.00％～94.00％、准确性区间90.50％～95.00％、阳性预测值区间90.09％～94.12％、阴性预测值区间90.90％～95.92％,二者差异无统计学意义(P＞0.05).结论 经过训练的SMRNet模型在ACL损伤检测上超越部分临床医师,为膝关节MRI诊断提供高效可靠方法,展现深度学习在医学影像的潜力.未来,SMRNet有望成为膝关节MRI诊断的重要工具,为患者提供更精准的诊疗方案.

目的:总结机器人辅助腹腔镜肾盂成形术治疗儿童肾盂成形术后再梗阻的初步经验.方法:回顾性分析解放军总医院第七医学中心儿童泌尿外科2019年1月至2023年12月采用机器人辅助腹腔镜肾盂成形术治疗17例肾积水肾盂输成形术后再梗阻患儿,其中男14例,女3例,平均年龄为(6.1±0.6)岁,平均体质量为(18.7±1.8)kg,左侧11例,右侧6例.本研究根据临床和影像学资料对儿童肾盂成形术后再梗阻的诊断和结果进行评估.结果:17例再梗阻患儿手术均获得成功,无术中并发症.平均手术时间(78.5±10.2)min、术中平均出血量(10.0±2.0)ml、平均进食时间(3.0±0.4)h、平均引流管拔除时间(4.1±0.5)d、术后平均住院时间(7.0±1.5)d.所有患者均得到随访,术后随访时间4～24个月,术后ClavienⅠ～Ⅱ级并发症发生率23.5%(4/17),经保守治疗后好转;术后无吻合口狭窄、再次梗阻、泌尿系感染等Clavien Ⅲ、Ⅳ级并发症.术后 3个月复查 17例患儿,B超显示肾盂前后径平均值为(1.8±0.3)cm,较术前[(3.5±0.3)cm]减小(P<0.05);同位素排泄性T1/2显示肾盂输尿管无梗阻;分肾功能[(39.7±1.8)%]与术前[(36.2±1.3)%]比较,差异无统计学意义(P>0.05).结论:机器人辅助腹腔镜肾盂成形术治疗儿童肾盂成形术后再梗阻安全、有效.

本回顾性研究遵守《赫尔辛基宣言》,经青海大学附属医院医学伦理委员会批准,免除受试者知情同意,批准文号:P-SL-202219.患者女,19岁.2个月前自扪及右侧髂窝包块,1周前无明显诱因出现右侧髂窝肿物处疼痛,遂来我院就诊.

针对直肠癌辅助诊断过程中部分医学图像分割模型只适用于单一模态图像的局限性,提出一种基于交叉注意力机制并同时适用于CT与MRI两种模态的医学图像分割方法.首先,针对CT与MRI两种图像特征表示不同,提出一种交叉注意力机制统一两类图像的特征表示;其次,针对直肠癌图像病灶区域较小的特点,提出三支路的改进Swin Transformer分割网络,并将交叉注意力机制加入其中,使模型对两种图像都能进行病灶区域的分割;最后,使用该方法在直肠癌患者的CT与MRI影像数据进行验证,与ADDA、CycleGAN和SIFA方法相比,在CT图像上的准确率分别提高2.94%、3.05%、0.71%,在MRI图像上的准确率分别提高了3.31%、4.55%、1.76%.实验结果表明该方法对于两类图像具有更好的分割性能.

食管癌(EC)是全球发病率和死亡率排名前列的肿瘤,影像学检查是EC临床分期、疗效评估以及预后判断的主要方法,但传统影像学检查的诊断准确性不高.近年来发展起来的影像组学方法在上述领域具有重要价值,深度学习在医学领域的应用进一步推动了影像组学技术的发展.本文对基于深度学习的影像组学在EC中的应用进展进行综述.