XiaoMi-AI文件搜索系统
World File Search System动脉瘤
IntrA：用于深度学习的 3D 颅内动脉瘤数据集
医学是深度学习模型的重要应用领域。该领域的研究是医学专业知识和数据科学知识的结合。在本文中，我们引入了一个开放的三维颅内动脉瘤数据集 IntrA，而不是二维医学图像，这使得基于点和基于网格的分类和分割模型的应用成为可能。我们的数据集可用于诊断颅内动脉瘤和提取颈部以进行医学和深度学习其他领域（如正常估计和表面重建）的夹闭手术。我们通过测试最先进的网络提供了一个大规模分类和部分分割的基准。我们还讨论了每种方法的性能，并展示了我们数据集的挑战。发布的数据集可以在这里访问：https://github.com/intra3d2019/IntrA。
o r i g i n a l r e s a r c h的开发和机器学习模型的验证，以预测较差的动脉瘤S
背景：血管内治疗（EVT）被建议作为治疗颅内动脉瘤的优越方式。然而，患有EVT的动脉瘤性蛛网膜下腔出血（ASAH）患者的功能结果较差仍然存在。因此，迫切需要研究风险因素并在此类患者的亚型中开发关键的决策模型。方法：我们从正在进行的注册表队列研究Prosah-MPC中提取了目标变量，该研究是在中国多个中心进行的。我们将这些患者随机分配给培训和验证队列，比为7：3。单变量和多元逻辑回归以找到潜在因素，然后开发了具有优化变量的九个机器学习模型和堆栈集合模型。通过多个指标评估了这些模型的性能，包括接收器操作特征曲线（AUC-ROC）下的区域。我们进一步使用Shapley添加说明（SHAP）方法，基于最佳模型的特征可视化分布。结果：总共招募了226名经历EVT的较差ASAH的合格患者，而89（39.4％）的12个月结果较差。年龄（调整或[AOR]，1.08; 95％CI：1.03–1.13; P = 0.002），蛛网膜下腔出血体积（AOR，1.02; 95％CI：1.00-1.05; P = 0.033; P = 0.033; P = 0.033），神经外神经社会级联盟，Wornurosurgical Societies等级（wfns）（W ffns）（w ffns）（w ffns）（w ffns）（2.03）（aor c）（2.03）; 1.05–3.93; p = 0.035）和狩猎级别（AOR，2.36; 95％CI：1.13–4.93; p = 0.022）被确定为不良结果的独立风险因素。NCT05738083。然后，开发的预测模型表明，LightGBM算法在验证队列中的AUC-ROC值为0.842，而Shap结果表明年龄是影响功能结果的最重要的风险因素。结论：LightGBM模型在促进患有不良后果风险的贫困级ASAH患者的风险分层方面具有巨大的潜力，从而增强了临床决策过程。试用注册：Prosah-MPC。2022年11月16日注册 - 回顾性注册，https：// clinical trials.gov/study/nct05738083。关键词：颅内动脉瘤，蛛网膜下腔出血，血管内手术，机器学习，预后
动脉瘤性蛛网膜下腔出血后脑血管痉挛的管理：更新
抽象的脑血管痉挛是动脉瘤性蛛网膜下腔出血（asah）的主要并发症之一。血管痉挛一词通常是指血管造影发现，并且在临床上通过延迟的神经系统恶化和延迟的脑缺血来定义。有症状的血管痉挛发生在20％至40％的ASAH患者中，并且是最知名的管理组成部分之一。可以通过使用床边的方式和射线照相在临床上进行诊断。管理始于使用预防措施，增强大脑灌注，逆转尝试以及使用脑部保护。早期使用机械或药理血管成形术的血管内治疗仍然是一种合理的方法。的经验性好处是使用脑血管扩张剂，例如氮氨基胺和米尔林酮，以及使用诱导的高血压用于脑灌注增强。spasmo-genic阻断，平滑肌收缩和脑部保护的剂量在很大程度上仍然是实验性的。这项叙述性评论旨在向伊萨（Asah）血管痉挛的机制，诊断，预防和管理更新读者。
通过深度学习检测颅内动脉瘤
2.1 Cerce血管帆船系统[2]：艺术，静脉和能力。。。。。。。。。。。。。。。。。24 24 2.2主脑艺术：威利斯的多边形位于宫颈的底部。。。。。25 2.3校长脑舵手[2]。。。。。。。。。。。。。。。。。。。。。。。。。。。26 26 2.4（a）宫颈效率的主要形式：saccourire（gauchy），fusive（混合）和混合（右）。（b）神圣形式的结构的说明：圆顶，位于对面的托管，将春天的愤怒平静分开[212]。。28 2.5 Intracranns的申请选项。。。。。。。。。。。。。。。。。。。。。。actaranien分析为4.18 mm，可通过轿跑车植物上的箭头识别。。。30 2.6 Tomodysitomy（CTA）的血管造影示例在3D（a）中呈现视图，以便2D伴侣植物（B，C，D）。很难在3D中看到沼泽。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。31 2.7 x（3dra）3d（a）和2d夫妇植物（b，c，d）的移民想象的示例。箭头表示6.83 mm的内部分析。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。32 2.8 TOF-MRA安装座的示例（a）查看3D和（b，c，d）2D夫妇。 4.83毫米的内部类比是箭头的Indiquin。 。 。32 2.8 TOF-MRA安装座的示例（a）查看3D和（b，c，d）2D夫妇。4.83毫米的内部类比是箭头的Indiquin。。。。。。。。。。。。。。。。。33 2.9在6.61 mm颅内分析师的两个阶段进行检测。首先分析了3D（gauchy），这是一门更详细的分析（右）的汗水。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。36 2.10在6.61 mm分析的2D中进行分析：线程测量，钻石，伟大以及与父母的结论评估。使用与MIP投影进行了改革的双门轿跑车计划，以最佳分析与父母的船只进行类比及其怀孕。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。37 2.11分割3DRA的3.11 mm内肌内类比[216]：分析 。 。 。 。 。 。 。 3837 2.11分割3DRA的3.11 mm内肌内类比[216]：分析。。。。。。。38
基于人工智能的主动脉动脉瘤的预测建模
腹部主动脉瘤（AAAS）仍然是全球社会的主要关注点，因为破裂和死亡的风险相关。当前，AAA的管理需要临床和成像风险因素，而这些风险因素在患者特定的风险评估方面并不精确和准确。在过去的十年中，人工智能（AI）和机器学习（ML）算法的利用通过允许基于患者特征创建个性化模型，从而改变了医学领域的决策过程。本综述旨在以主动脉动脉瘤的预测建模形式讨论AI的当前状态和未来方向，从而强调了ML在风险评估，筛查和预后中的多功能性和进展。我们扩展了基于AI的解决方案中使用的各种策略，以及一般和特定方法（例如受监督和无监督学习，深度学习等）之间的差异。此外，我们提出了将临床，成像和基因组数据纳入AI/ML的问题，以提高其对临床实践的预测性和适用性。此外，我们讨论了将开发的基于AI的预测模型转变为临床实践的困难和前景，以及与数据质量，模型解释性以及法律和道德问题相关的问题。本综述旨在揭示AI和ML的机会，以增强AAA的风险评估和管理，以将心血管护理的范式转移到精确医学上。
评估流动分流的脑动脉瘤治疗
摘要背景多个研究和荟萃分析描述了用流动分流（FDS）治疗的大量动脉瘤患者的技术和临床结果。评估方法的变化使研究之间的比较复杂化，阻碍了对设备行为的理解，并在评估FD治疗进一步进步的评估中构成了障碍。方法是神经干预主义者，成像专家和神经放射学家的多学科小组，其目的是建立共识建议，以在FD研究中对图像分析进行标准化。结果提出了标准化方法，用于评估和报告颅内动脉瘤的FD治疗的放射学结果。建议包括临床研究的一般成像考虑以及对纵向变化的评估，例如新内膜衬里和狭窄。它们涵盖了动脉瘤位置，形态，测量值以及动脉瘤遮挡，壁画和颈部覆盖范围的标准。这些报告标准进一步定义了四种特定的辫子变形模式：概要，钓鱼，编织凸起的凸起变形和辫子崩溃，共同称为“ F2B2”。结论在应用广泛应用时，测量和报告结果的标准化将有助于协调临床研究中治疗结果的评估，有助于促进专家之间的结果交流，并帮助使研究和发展专注于FD技术和技术的特定方面。
TREX1 相关家族性冻疮性狼疮伴有脑动脉瘤，可用 Janus 激酶抑制剂治疗
一名 28 岁的韩国男性患者，18 岁时曾患桥本甲状腺炎和脑动脉瘤破裂导致的蛛网膜下腔出血，耳朵、手指和脚趾出现寒冷诱发的冻疮病变；腿部出现网状疹（皮肤红斑狼疮病面积和严重程度指数 [CLASI] 评分为 14）；手脚出现炎性关节炎（图 1A）。他的神经系统检查正常。系统检查未见异常，无相关家族史。随访脑血管造影显示多个微小囊状动脉瘤（图 2）。血液检查显示轻度白细胞减少（3.5 × 10 9 /L）和中性粒细胞减少（1.4 × 10 9 /L）。所有其他实验室和影像学检查结果均正常，包括炎症标志物、感染性血清学、ANA、类风湿因子、补体和尿液分析。基因检测显示 TREX1 c.52G>A、p.(Asp18Asn) 杂合，证实了 FCL 的诊断。
肠炎沙门氏菌感染引起的细菌性动脉瘤
细菌性动脉瘤是一种罕见但严重的并发症，可由全身性细菌感染引起，包括由沙门氏菌引起的感染。这些动脉瘤可能进展迅速，死亡率很高。一名 62 岁的男性，患有控制不佳的 2 型糖尿病，因感染性休克入院。血培养物培养出肠炎沙门氏菌。计算机断层扫描血管造影显示肾下腹主动脉细菌性动脉瘤破裂。尽管进行了抗生素治疗和支持治疗，患者的病情仍迅速恶化，导致死亡，最有可能的原因是动脉瘤破裂。此病例强调了对沙门氏菌血症患者保持警惕的重要性，尤其是高危人群，例如老年人和患有心血管疾病的人。早期成像和及时干预对于改善预后和预防致命并发症（如动脉瘤破裂）至关重要。
破裂和未破裂脑动脉瘤的大小、定位和风险因素
结果：分析的患者中，女性 48 人（60%），男性 32 人（40%）。患者年龄平均为 56.1 ± 10.3 岁（31-84 岁）。动脉瘤破裂和未破裂患者的平均年龄差异无统计学意义，分别为 55.8 ± 9.5 岁和 56.8 ± 12.3 岁。男性患者中动脉瘤破裂的诊断率明显高于女性患者，分别为 84.38% 和 62.5%。在破裂和未破裂动脉瘤组中，小动脉瘤、大动脉瘤和巨大动脉瘤的分布存在统计学上的显著差异，小动脉瘤出血率略高（77.19% vs 56.52%），大动脉瘤不出血率略高（26.09% vs 21.05%），巨大动脉瘤不出血率显著高（17.39% vs 1.75%）。28.75% 的患者动脉瘤未出血，即未破裂，71.25% 的患者诊断为出血，即动脉瘤破裂。69 名（86.25%）患者存在危险因素，其中最常见的危险因素是高血压，占 86.25%。 33.75%的患者患有高脂血症，13.75%的患者患有糖尿病，所有患者均存在吸烟的危险因素。
腹主动脉瘤和胸主动脉瘤风险因素的差异
结果：VIP/MONICA 队列中前瞻性收集了 96,196 名受试者的数据，其中 236 名 AAA 患者（181 名男性和 55 名女性）和 935 名匹配对照，168 名 TAA 患者（115 名男性和 53 名女性）和 662 名对照。AAA 病例和对照的基线检查平均年龄为 57.0 ± 5.7 岁，TAA 病例和对照的基线检查平均年龄为 52.1 ± 8.8 岁。AAA/TAA 基线检查和诊断之间的平均时间分别为 12.1 年和 11.7 年。AAA 和 TAA 之间的风险因素谱存在明显差异。吸烟、高血压和冠状动脉疾病与 AAA 的后期诊断有显著相关性，吸烟史的 aOR 最高（aOR，10.3；95% 置信区间 [CI]，6.3-16.8）。对于 TAA，高血压是唯一的阳性风险因素（aOR，1.7；95% CI，1.1-2.7），而吸烟则无关。糖尿病与 AAA 或 TAA 均无关；自我报告的体力活动也无关。