XiaoMi-AI文件搜索系统
World File Search SystemCorona
2019 冠状病毒病 (COVID-19)、流感和呼吸道合胞病毒 (RSV)
• H5 禽流感：现状 [2025-02-03 更新] • 美国每周流感监测报告：截至 2025 年 1 月 25 日的第 4 周关键更新 [2025-01-31] • 呼吸道疾病数据通道 [2025-01-31 更新] o 截至 2025 年 1 月 31 日，导致人们就医的急性呼吸道疾病数量处于高水平。 o 季节性流感活动仍然很高，并且在全国范围内持续增加。 o 全国许多地区的 COVID-19 活动增加。 o 全国许多地区的 RSV 活动正在下降。 • 受呼吸道病毒影响最大的人群 [更新于 2025-01-31] • 国家呼吸道和肠道病毒监测系统 (NREVSS) [更新于 2025-01-31] o 废水 COVID-19 国家和地区趋势 [更新于 2025-01-30] • 各州当前流行趋势（基于 Rt） [更新于 2025-01-30] • COVID-NET 交互式仪表板 [更新于 2025-01-31]
一种用于诊断早发冠状动脉疾病的机器学习方法
1. 简介 冠状动脉疾病 (CAD) 是一种影响向心脏供血的动脉的疾病。它主要是由动脉粥样硬化引起的，动脉粥样硬化是一种由脂肪、胆固醇和其他物质组成的斑块在冠状动脉内积聚的过程。这种积聚会随着时间的推移使动脉变窄，减少流向心肌的血流量，并导致胸痛（心绞痛）或心肌梗塞等症状。PCAD 是指男性 55 岁以下和女性 65 岁以下发生的过早冠状动脉疾病。最近，人们使用 ML 方法广泛研究了 CAD 预测和诊断，因为传统统计方法的能力有限，并且在分析大数据集方面存在一些弱点 (1-3)。因此，机器学习方法已被用作人工智能的一个子领域，用于从原始数据中提取有价值的模式和信息。使用这些方法可以在没有人工输入的情况下获得合适的知识并将其用于不同的目的。最近的研究表明，机器学习方法可用于早期诊断、风险分层、临床试验招募和各种疾病分类。同时，种族和民族与特定人群和遗传变异有关，对某些疾病可能很重要。社会经济地位和医疗保健机会与种族和民族密切相关（4）。例如，非裔美国患者比白人患者更常接受心导管插入术来诊断 CAD（5）。不同种族和民族的存在对不同种族和民族群体的疾病发展有影响（6）。因此，有必要了解种族在各种疾病中的作用。机器学习算法已被用于预测考虑种族和民族的心力衰竭，并确定特征重要性在不同种族和民族群体之间的差异（7）。Suinesiaputra 等人（8）使用深度学习分析对动脉粥样硬化进行了多民族研究。他们试图利用机器学习算法的能力从大规模遗留数据集中提取合适的信息。他们使用双腔、四腔和短轴磁共振成像 (MRI) 视图之间的迁移学习序列训练 VGGNet 卷积神经网络来检测标志。另一项多民族动脉粥样硬化研究使用机器学习方法预测心血管事件 (9)。他们使用随机生存森林技术来识别心血管风险因素。
使用增强的DCNN-GAN
摘要 - X射线血管造影中冠状动脉片段和狭窄的冠状动脉片段和狭窄的检测和诊断至关重要，但是，原始图像中图像质量的变化，噪声和伪影造成了当前算法的明确困难。这些问题通过传统方法对有意义的分析构成了挑战，这损害了检测算法的效率。为了克服这些缺点，当前的研究提出了一种新的集成深度学习技术，该技术将深度卷积神经网络（DCNN）与双重条件检测中的生成对抗网络（GAN）相结合。从X射线血管造影图像中提取的详细特征学习是通过DCNN进行的，其中考虑了血管结构和自动病理区域的检测。gan的使用是用合成图像，扭曲和视觉噪声进一步丰富数据集，这将使模型更容易受到各种图像条件的影响。两种方法都将有助于更好地分类正常和病理区域，并且对所获得图像的质量的敏感性降低。因此，提出的方法显示了诊断准确性的提高，作为心血管系统临床决策的坚实基础。已通过以下评估指标证明了建议方法的功效：97.9％的F1得分，98.7％的精度，98.2％的精度和98％的召回率。它通过在困难的成像环境中提供更好的结果来揭示了使用算法进行心血管评估的决定性进步。与传统方法相比，结果证明了牙菌斑和狭窄识别的更高灵敏度和准确性，这证实了使用建议的DCNN-GAN方法来考虑医学成像中实际波动的效率。
冠状动脉 CT 血管造影的进展
摘要 冠状动脉疾病 (CAD) 仍然是全球发病率和死亡率的主要原因，因此诊断技术亟待改进。冠状动脉 CT 血管造影 (CCTA) 已成为一种重要的非侵入性工具，可用于评估冠状动脉解剖结构和检测动脉粥样硬化斑块负荷，具有高空间分辨率。本综述探讨了 CCTA 的发展，重点介绍了其技术进步、临床应用和挑战。多探测器 CT、光子计数 CT 和 FFR-CT 等功能评估工具等关键创新增强了 CCTA 的诊断和预后能力。尽管取得了这些进展，但与辐射暴露、碘造影剂和患者特定限制相关的问题仍然存在。未来的方向包括开发新型成像生物标志物和最小化辐射暴露的策略。通过综合现有文献和最新发展，本文全面了解了 CCTA 在当代 CAD 管理中的作用。
冠状动脉微血管功能障碍
CLE细胞。内皮功能障碍和血管平滑肌细胞反应性增加的基础[2，3]。冠状动脉痉挛可能发生在心外膜水平上，当观察到症状症状的症状降低≥90％时，可以诊断出疼痛的冠状动脉直径≥90％。另外，痉挛可能会影响典型的心绞痛和缺血性ECG的存在所定义的Mi-Crovascular循环，而没有明显的层次冠状动脉收缩[2]。的确，用冠状动脉内乙酰胆碱给药的侵入性挑衅性测试是诊断冠状动脉血管肌舒张剂疾病的金标准，提供了重要的治疗和预后[6，7]。有趣的是，最近的一项涉及14,427例患者的荟萃分析表明，有23％的INOCA患者同时出现CMD和血管舒缩疾病[8]。没有，这些功能变化也可以与Obstructive CAD共存。这些发现突出了对冠状动脉造成的全面功能评估的重要性，以确定CCS的确切机制，并促进量身定制的医疗疗法的发展[9]。自1970年代以来就已经确认了涉及胸痛的情况，最初被称为“心脏综合征X” [10]；但是，最近引入了CMD一词。这种情况主要与微血管功能障碍有关，EN-
选修冠心病患者的阻塞性睡眠呼吸暂停对冠状动脉疾病患者的内在再狭窄的影响
背景：广泛的研究已建立阻塞性睡眠呼吸暂停（OSA），这是导致多种心血管和脑血管疾病的一个因素。然而，在选择性药物洗脱支架后，OSA是否会影响内部再狭窄（ISR）尚不清楚。因此，这项研究的目的是检查OSA对ISR对冠心病（CHD）患者的影响，这些患者接受了成功选择性药物洗脱支架（DES）植入。方法：这项研究回顾性地分析了冠心病患者，他们成功接受了冠状动脉支架植入和过夜的睡眠呼吸监测，并由于经皮冠状干预（PCI）的12到26个月的冠心病症状在冠状动脉血管造影中被录取。OSA。ISR被定义为植入DES的血管直径的50％再狭窄。探索CHD患者中OSA和ISR之间的关联，开发并利用了多元逻辑回归模型。结果：这项研究招募了206名被诊断为CHD的人，平均年龄为62.01±10.27岁，男性占患者人群的76.2％。在植入后15个月的中位随访期间，中度至重度OSA患者的ISR发生率显着增加，从10.9％增加到31.3％（p <0.001）。根据完全调整的模型，发现ISR的出现与OSA的存在独立相关（OR：3.247，95％CI：1.373–7.677，p = 0.007）。结论：在接受选择性药物洗脱支架的个人中，OSA是ISR的独立危险因素。
用CNN和LSTM诊断急性冠状动脉综合征
摘要： - 急性冠状动脉综合征（ACS）及其亚型的早期和准确诊断对于患者健康至关重要。这项研究的目的是利用心电图（ECG）信号开发一种深度学习方法来对ACS及其不同类型进行分类。该模型是使用卷积神经网络和长期短期记忆结构的组合来构建的，以对代表急性心肌梗死的ECG信号（STEMI），心肌梗死，没有ST-ST-ST-SEPITION（NSTEMI）和健康的个体。数据集由从Erciyes大学医院急诊室出现胸痛的患者收集的12个铅ECG信号。ECG数据以使用Notch，低通和高通滤波器来消除噪声，然后使用Z得分归一化进行标准化。通过k-折叠交叉验证评估模型性能，计算指标，例如准确性，灵敏度，特异性，精度，F1分数和分类率。具有5倍交叉验证，分类精度为ACS-正常组为0.928±0.0172，NSTEMI正常组为0.891±0.0083，STEMI-Nortoral组为0.886±0.02275。这些发现表明，所提出的深度学习模型可有效区分ACS及其亚型，显示出对将来整合到临床应用中的希望。
急性冠状动脉综合征指南
心肌梗塞（STEMI）简介ST高升高中再灌注的首选治疗MI是通过血管成形术的机械再灌注（原发性经皮冠状动脉干预 - PPCI）。PPCI的优点是更完整的再灌注，同时治疗潜在的冠状动脉疾病，这是可以及时进行再灌注的首选策略；在区域上，这已被同意，因为患者在最初的呼叫求助后的90分钟内就在PCI中心的门口。溶栓是不能及时到达PPCI中心的患者的替代选择，以实现福利。迅速管理时，两种策略都是最有效的。重点应放在诊断和适当治疗的诊断和给药的速度和准确性上。两种疗法都包括：
2019 冠状病毒病 (COVID-...) 医生指南
本医生指南为疫苗资助计划诊所及私家诊所新冠肺炎疫苗接种站的新冠肺炎疫苗接种计划提供指引。本医生指南以动态文件形式提供，并会根据最新发展不时更新。请务必确保您拥有最新版本。我们欢迎医生就本指南提出问题、意见或反馈，以便我们加以改进。现场应明确区分不同类型的疫苗，并应遵循每种疫苗的储存和管理物流。如有任何意见或问题，请发送至 – 卫生署卫生防护中心计划管理及疫苗接种科 电邮：covid19_vss@dh.gov.hk