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 探讨深度学习重建算法(DLR)在肩关节MRI中提高图像质量和缩短扫描时间的可行性与临床价值.方法 前瞻性纳入2023年6月至10月期间在南京医科大学第四附属医院的50例疑似患有肩关节病变的患者,采用1.5T MRI行常规序列扫描图像为Fsecon组,使用并行采集加速因子2的扫描图像为Fsefast组,扫描序列包括脂肪抑制质子加权像(PDWI-FS)和T1加权像(T1WI),将Fsefast组传至Subtle MRTMdlr后获得图像Fsedlr组.测量三组图像中的冈上肌、肱二头肌长头肌腱、盂唇软骨、肱骨骨髓的信号噪声比(SNR)及冈上肌/盂唇软骨的对比噪声比(CNR)并进行比较,两名放射科医师双盲采用Likert 4分法分别对Fsedl,组与Fsecon组的图像清晰度和伪影进行主观评价,并对这两组的病理异常结构进行诊断效能对比.结果 相对于Fsecon组,Fsedlr组扫描时间缩短了 44％,且图像清晰度评分、伪影评分均增高,差异有统计学意义(P＜0.05),两名医师主观评分组内相关性系数为0.797～0.919.客观评价指标中,Fsedlr组的SNR和CNR均明显高于Fsecon组与Fsefast组,差异均有统计学意义(P＜0.05).在两位医师对Fsecon组与FSEdlr组病理异常结构的评估中,两组的诊断结果均有较好的一致性(Kappa值:0.675～1.000),在同一名医师的评估中也显示出极好的一致性(Kappa值:0.771～1.000),其中肱骨骨髓、关节滑囊、肱二头肌长头肌腱的Kappa值均高于0.8.结论 将DLR算法应用于肩关节MRI检查中,能够提高图像质量、缩短图像采集时间,并保证诊断效能,提高检查效率,具有较好的临床价值.

目的 探究基于深度学习(DL)技术对颅内外动脉阻塞性狭窄的诊断价值.方法 回顾性分析我院2020年1月至2021年6月疑似急性缺血性脑卒中患者,且在一月内接受CTA和DSA.按患者和血管水平将狭窄程度分为正常、轻度狭窄、中度狭窄、重度狭窄和闭塞,阻塞性狭窄定义为直径狭窄率≥70％.以DSA为参考标准,通过受试者工作曲线(ROC)、敏感性、特异性评价诊断性能.结果 在患者水平,DL技术与放射科医师的AUC分别为0.781(敏感性和特异性分别为0.934、0.627)和0.840,差异无统计学意义(P=0.074).在血管水平,DL技术与放射科医师的AUC分别为0.923(敏感性和特异性分别为0.885、0.962)和0.932,差异无统计学意义(P=0.393)o DL技术分析的中位分析时间(8.67 min)明显短于放射科医师(29.55 min)(P＜0.001).结论 DL技术可以准确评估颅外和颅内动脉狭窄,耗时短,有望成为优化风险分层和指导治疗策略的方法.

目的 对法医人类学遗骸识别研究领域的文献进行计量学分析,描述当前的研究现状并预测未来的研究热点.方法 基于Web of Science信息服务平台(以下简称"WoS")中核心数据库(Web of Science Core Collection,WoSCC)检索和提取的数据,分析1991—2022年遗骸识别研究的发展趋势和主题变化.运用python 3.9.2和Gephi 0.10对法医人类学遗骸识别相关研究的发文趋势、国家(地区)、机构、作者和主题进行网络可视化分析.结果 获得法医人类学遗骸识别相关英文文献873篇.发表文献数量最多的期刊是Forensic Science International(164篇),发文最多的国家(地区)是中国(90篇),Katholieke Univ Leuven(荷兰,21篇)是发表英文文献最多的机构.主题分析结果显示,人类遗骸研究的热点是遗骸的性别鉴定和年龄推断,并且常用的遗骸是牙齿.结论 法医人类学遗骸识别研究领域的发文量具有明显的阶段性,然而,国际合作与国内合作的范围尚显局限.传统的遗骸识别主要依赖于骨盆、颅骨和牙齿等关键部位.未来的研究热点将聚焦于利用机器学习和深度学习技术,对多种骨骼遗骸进行更为精准和高效的鉴定.

骨质疏松症是骨折的主要危险因素,除了骨矿化成分之外,骨微结构及微环境的变化对骨的完整性同样重要.常规MRI测得的信号强度比可用于脊柱手术患者的骨质疏松筛查,使用超短回波时间磁共振成像可以定量评估骨孔隙度、胶原基质、骨的矿化成分等,利用水脂分离技术能测量骨髓脂肪含量、组成以及T2*值,体素内不相干运动技术反映骨髓灌注情况,人工智能技术如纹理分析及深度学习进一步发展了MRI技术,本文总结了近期使用磁共振方法评估骨质疏松症的研究进展.

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: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.

目的 探索本科实习护生的职业认同轨迹,旨在为提高护生职业认同、减少护理人才流失提供参考依据.方法 对12名本科实习护生进行深度访谈,采用扎根理论方法分析资料.结果 析出1个核心类属(职业认同轨迹)、5个类属(专业选择原因、固有职业认知、系统学习改观、实践体验变化、职业选择倾向).结论 固有职业认知可能贯穿护生职业认同轨迹的各个阶段,系统学习和临床实践会使护生职业认同发生变化,职业认同不再是决定护生职业选择的充分必要条件.护理教育者和护理管理者应了解护生职业认同轨迹,提高护生职业认同度,减少护理人才流失,促进护士队伍稳定.

目的 建立一种基于DeepLabCut(DLC)算法用于评价老年小鼠运动功能的步态分析系统.方法 基于深度学习技术中的DLC算法,采用跑台装置和全封闭设计,构建系统软硬件;应用本系统评价不同运动模式下衰老所致小鼠的步态差异;通过相关性分析探究体质量与体长对步态指标的影响.结果 本系统实现特定步速下小鼠三维立体步态(侧面和腹平面)的同步分析,自动量化47项步态指标.应用本系统发现,步行时(15 cm·s-1),相比2月龄、8月龄和15月龄小鼠体转角标准偏差下降,前肢摆动时长、膝关节(Knee)角度标准偏差、左后爪和右后爪向外角度平均值增加;15月龄小鼠还出现步频降低,步幅、双支撑总时长、Knee伸展和收缩距离增加.小跑时(20 cm·s-1),15月龄小鼠无法稳定行走,相比2月龄,8月龄小鼠左后爪向外角度平均值和双支撑总时长增加.相关性分析发现,步频、步幅、前肢摆动时长、后爪向外角度平均值、双支撑总时长、Knee角度标准偏差、Knee伸展和收缩距离等指标均未受到体质量和体长变化的影响.结论 基于DLC算法的小鼠步态分析系统实现了对老年小鼠步态更加敏感、准确、全面的评价,区分出老年小鼠为维持步态稳定性所表现的步态特征,并筛选出更能反映老年小鼠步态变化的行为指标.为今后更有效评估抗衰老、抗运动协调功能下降药物的药效与副作用提供方法学基础.

医学图像是医生对患者进行病情诊断和治疗规划的有力工具.现今对于医学图像的分割不再局限于手工分割方法,通过传统方法与深度学习方法来实现医学图像分割已经取得更好、更准确的结果.本文基于近年来一些较为出众的医学图像创新分割方法进行综述,通过阐述深度学习方法如SAM、SegNet、Mask R-CNN和U-NET以及传统方法如活动轮廓模型、阈值分割模型创新等,对比各种图像分割方法的异同点,对医学图像分割方法做出总结与展望.以此来帮助学者们更好地了解目前的研究进展与未来的发展趋势.