1、2024年12期：基于超声心动图左心房参数列线图识别心房颤动

　　摘要：目的 观察基于超声心动图左心房（LA）参数列线图识别心房颤动（AF）的价值。方法 回顾性纳入66例成年AF患者及65名非AF者，随机将其分为训练集（n=79）与测试集（n=52）,行LA四维容积超声心动图检查，并以四维左心房自动定量（4D LAQ）技术测量LA容积及应变参数。比较训练集AF组（n=38）与非AF组（n=41）超声心动图参数，构建用于识别AF的logistic回归模型，采用受试者工作特征（ROC）曲线及其曲线下面积（AUC）评估模型识别AF的效能；基于logistic回归模型绘制列线图，以校准曲线评估校准度，采用决策曲线分析（DCA）评估临床收益。结果 训练集中，相比非AF组，AF组LA内径（LAD）、LA最小容积(LAVmin)、LA最大容积(LAVmax)、LA最大容积指数(LAVImax)均增加，而左心室射血分数（LVEF）、LA排空容量（LAEV）、LA排空分数（LAEF）及LA储存期纵向应变（LASr）、LA储存期周向应变（LASr＿c）应变大小均降低（P均<0.05）。LASr[OR（95...

　　关键词： 心房颤动;心房功能,左;超声心动描记术,四维;列线图;

　　2、2024年11期：超声心动图评估婴儿室间隔完整型肺动脉闭锁与手术决策及术后右心室发育

　　摘要：目的 观察基于超声心动图参数选择不同手术方式治疗婴儿室间隔完整型肺动脉闭锁(PA/IVS)与术后评价右心室(RV)发育的价值。方法 回顾性分析接受基于超声心动图参数选择的不同手术方式治疗，包括肺动脉(PV)成形术(A组，n=25)、PV成形+RV流出道疏通或+体肺分流术(B组，n=15),以及体肺分流术+房间隔扩大术(C组，n=6)的46例PA/IVS婴儿，比较组间术前及术后1、6个月右心发育状况。结果 B组就诊日龄小于、C组则大于A组(P均<0.05)。术前B、C组三尖瓣(TV)瓣环径、TV瓣环径Z值及TV/二尖瓣(MV)瓣环径比值均小于A组，B组RV/左心室(LV)上下径比值大于、C组PV瓣环径Z值小于A组(P均<0.05);且B组PV瓣环径Z值及RV/LV上下径比值均大于C组(P均<0.05)。术后1个月，B、C组TV瓣环径、TV瓣环径Z值、TV/MV瓣环径比值，以及C组PV瓣环径、PV瓣环径Z值及RV/LV上下径比值均小于A组(P均<0.05);且C组PV瓣环径、PV瓣环径Z值及RV/LV上下径比值均小于B组(P均<0.05)。术后6个月，A、B组...

　　关键词： 室间隔完整型肺动脉闭锁;肺动脉瓣;超声心动描记术;

　　3、2024年10期：动态对比增强MRI评估化学治疗用于兔VX2恶性骨肿瘤模型早期效果

　　摘要：目的 观察动态对比增强MRI（DCE-MRI）评估化学治疗（简称化疗）用于兔VX2恶性骨肿瘤模型早期效果的价值。方法 以30只实验兔成功建立VX2恶性骨肿瘤模型，以其中14只为化疗组，经静脉注射顺铂7 mg/kg体质量，以另16只为对照组，经静脉注射等量生理盐水。分别于造模2周后（干预前）及干预后3天采集平扫MRI及DCE-MRI,对MRI与病理所见进行点对点对照，获取瘤体区域容积转移常数(Ktrans)、速率常数(Kep)、血管外细胞外容积分数（Ve）及血浆容积分数(Vp),以及微血管密度（MVD）。比较组内干预前、后MRI结果，以及干预后组间MRI结果，以受试者工作特征（ROC）曲线及曲线下面积（AUC）评估各参数判断是否曾接受化疗的效能，分析干预后DCE-MRI各参数与MVD的相关性。结果 化疗组干预前、后平扫MRI所见肿瘤最大径差异无统计学意义（P>0.05）。相比干预前，化疗组实体瘤区域Ktrans、Kep均降低、对照组均升高（P均<...

　　关键词： 骨肿瘤;肿瘤治疗方案;动物实验;磁共振成像;

　　4、2024年09期：人工智能用于儿童骨关节影像学 研究进展

　　摘要：近年来，人工智能(AI)在医学影像学领域展现出巨大潜力，其在儿童骨关节的应用主要集中于识别和分析图像、检测与分类病变、建立智能辅助诊断系统等方面。随着机器学习、影像组学结合自然语言处理等技术的不断发展和突破，AI正在推动儿童骨关节影像学迈向新高度。本文就AI用于儿童骨关节影像学研究进展进行综述。

　　关键词： 儿童;骨发育;骨疾病;人工智能;

　　5、2024年08期：术前CT影像组学模型预测体内泌尿系结石成分

　　摘要：目的 观察术前CT影像组学模型预测体内泌尿系结石成分的价值。方法 回顾性分析543例尿石症患者，根据结石成分将其分为一水草酸钙结石组(A组，n=373)、无水尿酸结石组(B组，n=86)、碳酸磷灰石组(C组，n=30)、尿酸铵结石组(D组，n=28)及六水磷酸铵镁结石组(E组，n=26);同时按7∶3比例划分训练集与测试集。基于泌尿系平扫CT提取并筛选影像组学特征，采用最小绝对收缩和选择算子算法分别构建用于预测体内泌尿系结石成分的二分类(与A～E组结石成分对应为模型A～E)及五分类模型；绘制受试者工作特征曲线，计算曲线下面积(AUC),评估二分类模型的效能；以准确率、精确率、召回率及F1分数分析五分类模型的效能。结果 二分类模型预测相应体内泌尿系结石成分效能均良好，其在训练集的AUC为0.860～0.948,在测试集为0.856～0.933。五分类模型预测训练集泌尿系结石成分的准确率、精确率、召回率及F1分数分别为82.25%、83.79%、46.23%及0.596,在测试集分别为80.63%、75.26%、43.48%及0.551。结论 术前CT影像组学二分类模型预测体内泌尿系结石成...

　　关键词： 尿路结石症;体层摄影术,X线计算机;影像组学;

　　6、2024年07期：基于CT影像组学机器学习模型预测急性期创伤性脑损伤严重程度

　　摘要：目的 观察基于CT平扫(NCCT)影像组学特征建立的机器学习(ML)模型预测急性期创伤性脑损伤(TBI)严重程度的价值。方法 回顾性收集600例TBI为观察组，以另外65例TBI为外部验证集；另前瞻性纳入50例TBI为前瞻性验证集。根据出院时格拉斯哥预后评分(GOS)将观察组患者分为高危亚组(n=240)与低危亚组(n=360)。由医师A、B以相同标准分别评估观察组患者，基于首诊临床及NCCT资料以逻辑回归(LR)法建立人工模型，预测急性期TBI严重程度。按7∶3比例将观察组分为训练集(n=420,含168例高危、252例低危)与测试集(n=180,含72例高危、108例低危),基于训练集NCCT提取及筛选影像组学特征，采用LR、支持向量机(SVM)、随机森林(RF)、K近邻(KNN)4种ML法构建预测模型，分别于测试集、外部验证集(含34例高危、31例低危TBI)及前瞻性验证集(含21例高危、29例低危TBI)进行验证。结果 医师A、B判断观察组急性期TBI严重程度的曲线下面积(AUC)分别为0.606及0.771,人工模型的AUC为0.824。基于训练集NCCT筛选出的6个最佳影像...

　　关键词： 脑损伤;机器学习;影像组学;