目的:通过观察呼吸机吸气触发波形特点，找出触发点对应的回路压力与流量，结合呼吸机工作原理及呼吸力学定律，确定以肺泡内压等作为反映吸气触发努力程度的指标，建立与其相关的数学公式，分析其影响因素与逻辑关系。方法:将模拟肺分别连接到PB840型呼吸机和SV600型呼吸机的呼吸回路。呼吸机调整为流量触发模式，呼气末正压（PEEP）设为5 cmH 2O（1 cmH 2O≈0.098 kPa），分别在流量触发灵敏度（V Trig）为3 L/min、5 L/min时，分别以慢速、中速、快速3种触发力度手动牵拉模拟肺触发1次有效送气。调整呼吸机为压力触发模式，分别在压力触发灵敏度（P Trig）为2 cmH 2O、4 cmH 2O时重复上述过程。通过调节呼吸机显示屏内曲线的刻度，观察不同触发情况下触发点对应的回路压力与流量。以肺泡内压Pa作为研究对象，应用呼吸力学方法分析达到有效触发时刻（T T）所需要的Pa（即Pa -T），以及Pa在触发期间的压力变化幅度（ΔP）及时间跨度（ΔT）。 结果:① T T时刻压力与流量的对应关系：流量触发模式下，慢速、中速、快速触发时，吸入流量为V Trig，回路压力分别对应为PEEP、PEEP－P n、PEEP－P n'（P n、P n'为下降幅度，其中P n'>P n）；压力触发模式下，吸入流量为偏流（PB840型呼吸机为1 L/min，SV600型呼吸机可能为2 L/min），回路压力为PEEP－P Trig。② Pa -T的计算：流量触发模式下，慢速触发时Pa -T＝PEEP－V TrigR（R为气道阻力），中速触发时Pa -T＝PEEP－P n－V TrigR，快速触发时Pa -T＝PEEP－P n'－V TrigR；压力触发模式下，Pa -T＝PEEP－P Trig－1R。③ ΔP的计算：流量触发模式下，慢速触发时，如无内源性PEEP（PEEPi），则ΔP＝V TrigR；如有PEEPi，则ΔP＝PEEPi－PEEP+V TrigR。中速触发时，如无PEEPi，则ΔP＝P n+V TrigR；如有PEEPi，则ΔP＝PEEPi－PEEP+P n+V TrigR。快速触发时，如无PEEPi，则ΔP＝P n' +V TrigR；如有PEEPi，则ΔP＝PEEPi－PEEP+P n'+V TrigR。压力触发模式下，如无PEEPi，则ΔP＝P Trig+1R；如有PEEPi，则ΔP＝PEEPi－PEEP+P Trig+1R。④ Pa的压力时间变化率（F P）的计算：设F P＝ΔP/ΔT，在ΔP相同的情况下，ΔT越短，说明触发越快；同样，在ΔT相同的情况下，ΔP越大，意味着触发能力或触发努力程度越大，F P更能反映患者的触发能力或触发努力程度。 结论:以触发所需要的最低肺泡内压、肺泡内压的压力跨度及其压力时间变化率3个指标来反映患者的吸气努力程度，并建立数学公式，可直观呈现吸气触发相关因素间的逻辑关系，便于临床分析。

近年来，CT图像算法中基于深度学习的图像重建（DLIR）技术不断发展，日益成熟，目前已经逐步应用于临床实践中。DLIR算法较常规迭代重建算法具有在降低辐射剂量和图像噪声的同时不改变图像纹理，保持或提高解剖细节显示能力、总体图像质量和医生诊断信心的众多优势。因此，笔者重点就DLIR算法的原理、优劣势及其在人体各系统的临床应用进展进行综述，旨在进一步提高对DLIR算法的认识，并对其可能的应用情景提供借鉴。

能量CT成像技术发展迅速，近年来在临床的应用越来越成熟，在疾病的诊断中发挥了重要作用。为推动能量CT在我国的规范化应用，中华医学会放射学分会和中国医师协会放射医师分会组织专家参阅大量文献并结合我国的临床实践，经反复讨论并达成以下共识，包括能量CT成像原理、实现形式和技术特点，以及在血管、头颈、心胸、腹部及骨骼肌肉成像等方面的临床应用。

双层探测器光谱CT带来了全新的能量成像模式，其基于双层探测器实现“同源、同时、同向”的能量成像要求，在临床应用中发挥了独到的作用。中华放射学杂志双层探测器光谱CT临床应用协作组组织相关专家多次讨论，在不断积累实践经验的基础上，结合国内外文献，对双层探测器光谱CT的成像原理、技术特点及在心脏、腹部、外周血管等方面的临床应用优势进行阐述，旨在总结应用经验，为提升临床应用水平提供指导性意见。

目的:基于基因芯片数据挖掘的方法，对小儿肝母细胞瘤预后差异基因进行筛选后，对差异基因的功能及通路进行分析，同时利用共表达网络筛选出决定小儿肝母细胞瘤预后的核心基因并对其预测能力进行评估。方法:本研究中所使用的小儿肝母细胞瘤基因芯片表达谱来自欧洲生物信息学研究所(http：//www.ebi.ac.uk/embl/)；数据收集的截止日期为2018年12月31日。先通过SAM法筛选得到差异表达基因(基因表达水平上升至原来的2倍或下降至原来的1/2)，再基于降维原理通过共表达网络模型筛选得到核心基因，运用MCODE算法计算基因的调控评估能力评分，以评价其在整个网络模型中的调控能力。结果:针对213个差异表达基因的细胞信号通路富集结果显示，富集度最高的信号通路为代谢途径通路，富集度为2 122.529，信号通路富集结果误判率均<0.001，经SAM算法检验均具有统计学意义( P<0.001)。以213个在不同预后组发生差异表达的基因作为共表达网络的构建基础，本次构建得到的共表达网络共纳入12个发生差异表达的基因。以预后不良组为实验组，以预后较好组为对照组，采用MCODE算法计算基因调控能力评分的结果显示，决定小儿肝母细胞瘤预后调控能力评分最高基因为ADH1A基因，得分为19分。此外，HAO1、ADH1B、ALDOB以及DPYS基因的调控能力评分均高于或接近于5分，因此可认为它们是本次构建得到的共表达网络模块中的核心基因。 结论:从共表达网络模型结果来看，ADH1A基因与小儿肝母细胞瘤的发生发展存在较为密切的关联，其分子生物学证据对临床开展肿瘤靶向干预疗法的指导意义有待进一步挖掘。

高速发展的计算机技术给日常生活及工作带来巨大变化。人工智能是计算机科学的一个分支，是让计算机去行使通常情况下具备智能生命才可能行使的活动，广义的人工智能涵盖机器学习和机器人等等，本文主要聚焦于机器学习与相关的医学领域，深度学习是机器学习中的人工神经网络，卷积神经网络（CNN）是深度神经网络的一种，是在深度神经网络基础上，进一步模仿大脑的视觉皮层构造和视觉活动原理而开发；目前在医疗大数据分析中应用的机器学习方式主要为CNN。在未来数年内，人工智能作为常规工具进入医学图像解读相关的科室是发展趋势。本文主要分享人工智能与生物医学的融合进展，并结合实际案例，重点介绍CNN在胃肠道疾病的病理诊断、影像学诊断及内镜诊断等方面的应用研究现状。

随着计算机技术的发展和时空数据的丰富，贝叶斯时空模型得到了迅速发展，越来越多的学者开始将其运用到传染病空间流行病学研究中。包虫病作为严重危害人类健康的一种全球性自然疫源性疾病，其流行过程复杂，受到多种因素影响。贝叶斯时空模型为包虫病的研究提供了一种新方法，通过建模不仅可以分析其影响因素，还可以进行流行趋势预测和疾病分布制图，对包虫病的公共卫生决策具有重要意义。本文在综合查阅文献的基础上对贝叶斯时空模型的原理、类型及其在包虫病中的应用现状进行阐述。

目的:基于危害分析与关键控制点原理(Hazard Analysis and Critical Control Point，HACCP)，构建研究者发起的临床研究项目全流程管理指标体系。方法:根据HACCP原则制订计划，邀请23名专家组成专家咨询小组，采用文献研究、专题小组讨论、德尔菲法采集临床研究项目过程管理指标，并运用层次分析法AHP计算各项指标权重。结果:两轮咨询专家积极系数和专家权威程度高，最终形成了3个一级指标，14个二级指标。一级指标分别为"项目立项"、"项目过程管理"和"项目结题考核"，权重分别为0.142 8、0.714 4和0.142 8。结论:本研究基于HACCP理论从项目立项、项目过程管理、项目结题考核3个维度建立管理指标体系，依据二级指标权重开展临床研究精准管理，重视权重大的指标管理内容，为研究者发起的临床研究管理提供重要参考依据。

目的:通过计算机网格计点法定量分析骨髓增生异常综合征（MDS）患者网硬蛋白纤维化强度（RFD），初步探讨其与患者预后相关性。方法:观察2017年2月至2019年12月就诊于上海市同仁医院血液科的32例初发MDS患者骨髓切片，经Gomori染色后光学显微镜成像系统摄片，依据网型测微器原理建立计算机网格记点软件，对患者骨髓切片RFD进行定量分析，比较其与人工半定量法统计骨髓纤维化程度异同，Cox回归方法进一步研究RFD值与MDS预后的相关性。结果:32例患者中男17例，女15例，中位年龄69岁（32~91岁）。计算机计点法定量分析RFD与人工半定量法分析骨髓纤维化程度呈正相关（ r=0.497， P=0.004）。初发MDS伴原始细胞增多（MDS-EB）组患者骨髓RFD较非MDS-EB组患者明显增高（9.55%±0.75%比1.71%±0.23%， P<0.001）；Cox回归模型分析表明RFD值相比人工半定量分析骨髓纤维化程度更具有预后评估价值，初发骨髓RFD值为MDS患者预后不良因素（ RR=1.337，95% CI：1.085~1.648， P=0.006）。初发RFD>5.54%患者的总生存（OS）明显短于RFD≤5.54%的患者（ P=0.001）。初发RFD>9.81% MDS-EB患者的OS明显短于RFD≤9.81%患者（ P=0.003）。 结论:骨髓纤维组织异常增生是MDS患者预后不良的潜在高危因素。

虚拟现实和增强现实技术在医学教育和临床应用方面有很大的优势。本文从基本原理入手，结合《医学影像学》学科特点，对此技术在国内外医学院校《医学影像学》教学中的应用进行回顾与总结。在放射诊断学中，可以丰富教学内容，扩展教学空间与时间，助力学生分析与诊断。在介入放射学中，能够体验接近真实的医疗环境，模拟并指导手术过程，优化教学资源，提高教学质量。在互联网、大数据、人工智能和计算机新技术的综合利用下，虚拟现实和增强现实将给未来的医学教育带来全新的变革。