XiaoMi-AI文件搜索系统
World File Search System右眼
酪氨酸激酶抑制剂转移性实体瘤患者的中央视网膜静脉阻塞：病例系列和文献综述的报告
一个65岁的男子突然在右眼突然降低了20天的视力。他在左手根治性肾切除术后2年以上，每天在索拉非尼400毫克的常规方案400毫克的疗法方案。尚无据报道眼或全身性疾病或全身药物。在体格检查中，右眼的视力（VA）在数字上。以14 mmHg记录了右眼的眼内压（IOP）。注意到了温和的白内障。底面检查，眼底照片和光学相干断层扫描（OCT）B扫描（图1）显示出严重的我的视网膜静脉，散射的视网膜出血和CWS，在后极中没有明显的非灌注区域或新生血管中的CWS。进行了右眼CRVO的诊断。同型半胱氨酸，蛋白C和S，活化的蛋白C和抗肉豆蔻酶水平在正常范围内的CRVO和血栓形成症的全身危险因素筛选。长期使用索拉非尼被认为是CRVO的可能主要原因。开出了持续释放的玻璃体内地塞米松植入物（IDI，Ozurdex，Allergan）。注射后一个月，我的右眼完全解决了，但在两个月后的下一次访问中重复了。总共，由于我反复的吸收和复发，他的3个月间隔又进行了3个月的注射，这比以前的复发不那么严重。四次注射后，黄斑一直没有流体，直到9个月后的上一次访问，他的VA提高到20/133。
Kearns – Sayre综合征ptosis的管理
thalmology系在过去5年中逐渐减少两只眼睑的血液层，而没有发光或触发因素。眼科检查发现严重的双侧ptosis-在左眼上更明显，右眼5和7毫米处有pal裂；两只眼睛的上眼睑伸出仪的作用均为5毫米，额头上有超额肌肉作用，前额有皱纹（►图。1）。眼睑折痕从左眼不存在，右眼位于12毫米处。对眼运动性的评估显示出双侧眼科，带有负Charles Bell标志（►图。2）。直接和共识的显微镜反应是正常的。敏锐度在右眼为10/10-P2，左眼为8/10-P2。在裂缝检查时，两只眼睛的前部段正常，眼内压在12 mm Hg时。眼底检查显示非典型色素
治疗局部猫单侧溃疡性角膜炎
摘要 角膜炎是一种眼部疾病，由炎症细胞浸润角膜引起，角膜混浊，导致动物视力受损。角膜炎可能是由于外角膜和结膜不断暴露于有害物质（例如风、灰尘和微生物（细菌、真菌和病毒））以及动物自身毛发等其他刺激源所致。撰写本报告旨在确定自体血清给药对角膜炎的有效性。病例动物是一只当地雌猫，4 个月大，体重 0.9 公斤，右眼流泪发红。体格检查显示眼角膜混浊，流泪过多。检眼镜检查显示眼内出血，荧光素眼科试纸测试显示角膜溃疡呈阳性。病例动物被诊断为溃疡性角膜炎。治疗方式为口服抗生素强力霉素、妥布霉素滴剂及自体血清。病例动物的眼部状况在治疗后第二周有所改善，但猫的右眼仍然有些混浊。病例动物应继续治疗以达到最大治疗效果，并佩戴项圈以加快愈合过程。
大语言模型的医学解释对放射学诊断决策的影响
临床表现：一名59岁的妇女在右眼有4天的炎症和疼痛病史，在那里她已经失明了几年。慢性失明和最近的症状表明了一个长期存在的眼部问题，现在已经成为症状。成像发现：磁共振成像显示右轨道质量，表明受影响的眼睛有明显的病变。全身参与：腹部和胸部成像显示许多肝肿块，腹部和胸部淋巴结肿大以及椎骨硬化骨性疾病，表明广泛转移性疾病。眼病史：几年患者在眼中盲目的事实表明，长期存在的主要眼病，例如黑色素瘤，可以转移到其他器官。病理确认：将右眼夹紧用于姑息性缓解，并获得组织以进行诊断。摘除剂以控制症状并获得明确的诊断。症状相关性：轨道肿块，广泛的转移性病变和患者眼病史的组合强烈表明转移性眼部黑色素瘤。
使用仿生假手进行手势设计
摘要：脑机接口 (BCI) 系统通过检索脑电波并将其解释为机器指令来控制外部设备。该系统利用脑电图 (EEG) 接收、处理和分类信号，通过大脑产生的信号进行控制。本文重点介绍 BCI 的心理任务设计，通过放置在三维 (3D) 打印耳机上的 EEG 梳状电极获取心理活动产生的信号。实验涉及眨眼左眼和右眼来控制原型轮椅的前后移动。实验测量是使用 Cyton 板进行的，信息通过蓝牙传输，随后经过处理并翻译给轮椅以执行活动。该系统已成功实现利用大脑信号对辅助设备的实时控制。关键词：辅助设备；脑机接口；Cyton；心理活动；心理任务；轮椅。
人工智能识别视网膜眼底图像，...
目的：评估深度学习算法在视网膜眼底图像中执行不同任务的性能：（1）检测视网膜眼底图像与光学相干断层扫描 (OCT) 或其他图像，（2）评估优质视网膜眼底图像，（3）区分右眼 (OD) 和左眼 (OS) 视网膜眼底图像，（4）检测老年性黄斑变性 (AMD) 和 (5) 检测可转诊的青光眼性视神经病变 (GON)。患者和方法：设计了五种算法。从包含 306,302 张图像的数据库（Optretina 的标记数据集）进行回顾性研究。三位不同的眼科医生（均为视网膜专家）对所有图像进行分类。数据集按患者分为训练（80%）和测试（20%）两部分。采用了三种不同的 CNN 架构，其中两种是定制设计的，以最小化参数数量，同时对其准确性的影响最小。主要结果测量是曲线下面积 (AUC)，包括准确度、灵敏度和特异性。结果：视网膜眼底图像的测定 AUC 为 0.979，准确度为 96%（灵敏度 97.7%，特异性 92.4%）。高质量视网膜眼底图像的测定 AUC 为 0.947，准确度为 91.8%（灵敏度 96.9%，特异性 81.8%）。OD/OS 算法的 AUC 为 0.989，准确度为 97.4%。AMD 的 AUC 为 0.936，准确度为 86.3%（灵敏度 90.2%，特异性 82.5%），GON 的 AUC 为 0.863，准确度为 80.2%（灵敏度 76.8%，特异性 83.8%）。结论：深度学习算法可以将视网膜眼底图像与其他图像区分开来。算法可以评估图像的质量，区分右眼和左眼，并以高水平的准确度、灵敏度和特异性检测 AMD 和 GON 的存在。关键词：人工智能、视网膜疾病、筛查、视网膜眼底图像
圣道大学骨科医学院
第五部分 体检 | 填写以下表格，由您的医疗保健提供者签字并盖章。每年重复一次。 姓氏： 名： 出生日期： 本表所含信息仅供 UIWSOM 用于确定在临床体验、轮岗或见习期间学生或患者是否存在健康威胁/风险。此信息将作为安全的学生档案的一部分保留，并始终保密。该计划建议每年更新病史、免疫接种和体检，但如果在此期间任何健康状况问题发生变化，则要求更新表格。 学生签名：_______________________________________________________________ 由医疗保健提供者填写并签字 身高（英寸）：____ 体重（磅）：____ 血压：____/____ 脉搏：____ 视力：右眼：20/____ 左眼：20/____ 如果未评估，请输入“NE”
