目的 以有创动脉造影(digital subtraction angiography,DSA)为参考标准,通过与手动后处理法比较,探讨在头颈部CT血管成像(ct angiography,CTA)后处理过程中人工智能(artificial intelligent,AI)辅助分析的应用价值.方法 回顾性分析2020年4月-2022年9月在本院行头颈动脉CTA并于1月内行头颈动脉造影检查且符合纳入标准的42例患者的影像资料,男30例,女12例,平均年龄(67±10.9)岁.通过与手工法图像后处理进行比较,评价AI法后处理的工作效率、VR图像质量、标准符合率以及对颈动脉狭窄程度的诊断符合率.结果 对42例患者的84条双侧颈动脉进行分析,人工智能平均完成时间为(1.23±0.17)min,比手工方法(7.95±2.42)min缩短约6.72min,平均时间增益率为84％.人工智能获得的VR图像质量与一般图像质量之比分别为88.1％(37/42)和9.5％(4/42),手动方法获得的VR图像质量与一般图像质量之比分别为19.0％(8/42)和69.0％(29/42).两种方法获得的VR图像质量主观评分差异有统计学意义(P＜0.001);以DSA为"金标准",其中正常33根,闭塞10根,狭窄41根;在检测闭塞上手工和AI测量准确率均100％,狭窄率手工及人工智能测量结果分别为49.7％±20.9％、51.9％±26.3％,二者无显著性差异(P=0.24),组内相关系数为0.879;结论 基于图像分割技术对头颈部CTA血管成像进行后处理,可以显著缩短后处理时间,提高诊断的准确性和效率.此外,VR后处理的图像质量优于手工方法,诊断血管闭塞和狭窄的准确性与手工方法相当,可以更好地辅助影像医生进行诊断.

目的探讨酰胺质子转移加权成像(amide proton transfer weighted imaging,APTw)的影像组学术前预测宫颈癌淋巴血管间隙侵犯(lymphovascular space invasion,LVSI)的价值.材料与方法回顾性分析经手术病理证实的宫颈癌患者病例及影像资料66例.所有患者均行盆腔3.0 T MRI检查,包括轴位T2WI、矢状位T2WI、动态对比增强磁共振成像(dynamic contrast enhanced magnetic resonance imaging,DCE-MRI)和3D-APTw序列扫描.在APTw-T2WI融合图像上对肿瘤实质区域进行感兴趣区(region of interest,ROI)勾画并记录APT值.在APT重建图像上进行肿瘤病灶分割并提取影像组学特征.采用组内相关系数(intra-class correlation coefficient,ICC)选取观察者内和观察者间复测信度好的影像组学特征(ICC>0.900).采用递归特征消除法(recursive feature elimination,RFE)及最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)算法进行特征降维和筛选.基于logistic回归分类器构建临床模型、APTw影像组学模型和联合组学模型.采用受试者工作特征(receiver operating characteristic,ROC)曲线和决策曲线分析(decision curve analysis,DCA)评估模型的诊断效能和临床价值,采用DeLong检验比较不同模型的预测效能.结果在训练集中,APTw影像组学模型预测宫颈癌LVSI的效能高于临床模型(AUC=0.826 vs.0.675),差异有统计学意义(DeLong检验P<0.05).联合组学模型在训练集和测试集中的AUC值分别为0.838和0.825.DeLong检验结果显示,联合组学模型在训练集中术前评估LVSI的效能显著高于临床模型和APTw影像组学模型(P均<0.05).决策曲线显示APTw影像组学模型和联合组学模型在训练集和测试集中均具有较高的临床价值.结论基于APTw的影像组学模型在术前预测宫颈癌LVSI方面具有较高的潜力,联合临床因素能进一步提高预测效能,有望为宫颈癌患者的个体化治疗和预后评估提供重要的支持.

目的 分析伽玛刀剂量分割分阶段策略治疗紧邻视路结构海绵窦海绵状血管瘤的疗效和安全性.方法 分析2018年3月—2020年9月上海伽玛医院采用分阶段伽玛刀治疗紧邻视路海绵窦海绵状血管瘤11例患者的临床资料,10例为磁共振影像学诊断,1例为经鼻蝶手术后有明确的组织病理学诊断;10例女性患者,年龄27～72岁,中位年龄40岁;肿瘤体积5.54～31.00 cm3,中位体积15.09 cm3;11例患者均完成两阶段伽玛刀治疗,2次伽玛刀间隔时间3～9个月(中位8个月);第一阶段伽玛刀处方周边剂量8～10 Gy(中位8.8 Gy),等剂量线40％～50％(中位45％);第二阶段处方周边剂量8～10 Gy(中位8.8 Gy),等剂量线40％～52％(中位46％).结果 伽玛刀治疗后随访时间25～60个月(中位40个月);第二阶段伽玛刀治疗时肿瘤体积较第一阶段缩小20.3％～85.3％(中位64.2％);随访终点所有11例患者的肿瘤均得到控制(控制率100％),分阶段伽玛刀治疗后肿瘤体积较治疗前缩小70.6％～92.5％(中位83.0％);90.9％的患者(n=10)在伽玛刀治疗后临床症状消失或改善,随访中无辐射诱导的视路损伤或其他神经功能障碍的发生.结论 剂量分割分阶段伽玛刀是紧邻视路结构的海绵窦海绵状血管瘤有效安全合理的治疗策略.

提出一种改进的U-Net模型(CAMU-Net),以达到精准分割视网膜血管的目的.CAMU-Net模型通过添加残差增强模块来提取区域特征中的重要信息,增强模型对区域特征的了解;通过添加特征细化模块来促进特征的提取,提高新模型的全局特征收集能力;通过添加通道注意力机制模块来捕捉图像特征,精确分割结果;通过引入多尺度特征融合结构来提升模型感知目标边界等细节的能力.在DRIVE数据集上进行消融实验,得出各模块的实际效果,验证各模块对于本模型视网膜血管分割各方面提升的作用;在DRIVE和STARE数据集上和其他主流网络模型进行对比分析,结果表明CAMU-Net模型优于其他模型.

目前头颈部动脉粥样硬化疾病是亚洲人群发生缺血性脑卒中最主要的原因,卒中患者常常面临严重的预后问题.近年来,随着人工智能(artificial intelligence,AI)的迅猛发展、影像组学及深度学习等在医学影像中的广泛研究及应用,AI在疾病的检出、精准评估等有着重要价值.本文就AI在头颈动脉粥样硬化高分辨磁共振血管壁成像(high resolution magnetic resonance-vessel wall imaging,HR-VWI)中斑块的分割、明确斑块的性质、相应的脑血管事件预测研究进展进行综述,旨在介绍近年AI在该疾病的发展现状及面临问题,为动脉粥样硬化患者卒中风险分层评估以及个体化治疗提供研究方向.

目的:观察分析基于深度学习的眼底图像视盘定位与分割方法的准确性。方法:在ORIGA数据集上训练和评估基于深度学习的视盘定位和分割方法。在深度学习的Caffe框架上构建深度卷积神经网络（CNN）。采用滑动窗口将ORIGA数据集的原图切割成许多小块图片，通过深度CNN判别各个小块图片是否包含完整视盘结构，从而找到视盘所在区域。为避免血管对视盘分割产生影响，在分割视盘边界之前去除视盘区域的血管。采用基于图像像素点分类的视盘分割深度网络，实现眼底图像视盘的分割。计算基于深度学习的眼底图像视盘定位与分割方法的准确性。定位准确率＝T/N，T代表视盘定位正确的眼底图像数量，N代表总共用于定位的眼底图像数量。采用重叠误差（overlap error）比较视盘分割结果与实际视盘边界的误差大小。结果:基于深度学习的眼底图像视盘定位方法其定位准确率为99.6%；视盘分割平均重叠误差为7.1%；对青光眼图像和正常图像的平均杯盘比的计算误差分别为0.066和0.049；每幅图像的视盘分割平均花费10 ms。结论:基于深度学习的眼底图像视盘定位方法能快速并准确地定位视盘区域，同时也能够较为精准地分割出视盘边界。

随着人工智能（AI）技术的不断发展，AI的应用已经开始贯穿于冠状动脉CT成像的全流程，在工作流程的优化、图像质量、自动图像分割、疾病诊断和预后评估等方面均展现了较大的潜力和优势，但也面临一些问题和挑战。未来需要通过优化AI算法、建立标准化多中心大数据库、实现多任务学习、进行临床试验提供临床循证证据，构建更优的心血管疾病风险分层和预后评估模型，全面提升AI赋能的心血管CT在疾病诊疗全流程的应用价值。

目的:探讨3D打印技术在主动脉夹层外科治疗术前规划中的应用价值。方法:选取2019年1月至6月就诊于中国医学科学院阜外医院的A型主动脉夹层及B型主动脉夹层各1例，采集医学数字成像和通信(DICOM)格式的主动脉计算机断层扫描血管造影(CTA)数据，经过边界分割和三维重建，并根据具体的应用要求精简模型结构，分别打印硬质模型及软质硅胶模型用于手术前规划。结果:病例1和病例2打印模型与CTA测量内径的平均差分别为0.46 mm和0.14 mm，标准差1.07 mm和1.05 mm，偏差范围－1.8～2.1 mm。病例1数据处理及模型打印总耗时18 h。结论:3D打印技术可以精确的复制胸主动脉夹层和胸腹主动脉夹层复杂的解剖结构，根据不同场景使用不同材料制作的模型可以基本满足术前规划的需要。

目的:探索深度神经网络(DNN)辅助的心肌声学造影(MCE)定量分析对经皮冠状动脉介入治疗(PCI)成功开通梗死相关动脉后的急性ST段抬高型心肌梗死(STEMI)患者短期预后的预测价值。方法:回顾性纳入2021年6－11月于武汉大学人民医院接受PCI成功开通梗死相关动脉(心肌梗死再灌注后血流分级3级)的STEMI患者97例。PCI后48 h内进行MCE检查，随访至术后120 d。主要心血管不良事件定义为心源性死亡及因充血性心力衰竭、再发心肌梗死、卒中、再发心绞痛再入院。心肌分割框架由基于U-net和LSTMs的组成，输出各心肌节段平台期增强强度(A)、灌注速率常数(β)和微循环血流量(MBF)，并进行MCE定量参数重复性检验。通过MBF将患者等分为低MBF组与高MBF组，比较两组间基线特征、心血管不良事件的差异。其他纳入变量包括常规生化检查、室壁运动分析、MCE定性分析及左室射血分数等。通过Cox风险回归分析探索各变量与预后的关系。绘制ROC曲线以评估模型预测效能，使用综合判别改善指数(IDI)进行模型间的预测效能比较。结果:自动心肌分割所有帧(3 810帧)耗时377 s。其中92.89%、7.11%的帧由经验医师评价为"良好分割"和"需要校正"。A、β、MBF的观察者内及观察者间组内相关系数为0.97~0.99。20例患者在随访期间出现心血管不良事件，多因素Cox回归分析显示，梗死相关动脉支配区域MBF每增加1 IU/s，短期发生心血管不良事件的风险降低6%( HR 0.94，95% CI＝0.91~0.98)。低MBF组短期内发生心血管不良事件的风险比高MBF组高4.5倍( HR 5.50，95% CI＝1.55~19.49)。在MCE传统定性分析中加入DNN辅助的MCE定量分析后，预后预测IDI为15%(AUC 0.86，敏感性0.78，特异性0.73)。 结论:STEMI患者PCI术后的梗死相关动脉支配区域微循环血流量是短期心血管不良事件的独立保护因素。基于DNN的MCE心肌分割框架可快速、客观、可重复地输出微循环定量灌注参数。在传统定性分析中加入DNN的定量分析对预后预测提供了增量价值，有望成为STEMI-PCI术后患者风险分层与临床随访的有力工具。

目的:观察增生性糖尿病性视网膜病变(PDR)牵引的孔源性视网膜脱离的手术方法及手术效果。方法:回顾性病例系列研究。收集聊城爱尔眼科医院2019年12月至2020年12月的30例(30眼)PDR合并牵引的孔源性视网膜脱离的临床资料，均采用标准的三通道微创玻璃体切除术，在高清的全视网膜镜及氙光照明系统下，完全切除玻璃体及其积血后以黏弹剂辅助单手剥膜或吊灯下双手剥膜等技术将PDR膜分割分层剥除，切开或切除僵硬及挛缩的视网膜，对严重的前部增生性玻璃体视网膜病变行周边视网膜的360°切开或切除及广泛视网膜光凝；术后随访6~12个月，观察视力及眼底情况。结果:患者的纤维血管膜均采用了经典的分割及分层处理，14眼行部分视网膜切开或切除；2眼行周边视网膜的360°切开或切除；均填充了硅油。术后24眼(80.00%)视力改善。结论:玻璃体切除术中应用黏弹剂辅助单手剥膜或吊顶灯双手剥膜技术治疗合并PDR牵引的孔源性视网膜脱离效果良好。