XiaoMi-AI文件搜索系统
World File Search SystemPreoperative
用于术前鉴别胶质母细胞瘤、脑转移瘤和原发性中枢神经系统淋巴瘤的深度学习模型：一项外部验证研究
摘要：(1) 背景：神经影像学鉴别胶质母细胞瘤、原发性中枢神经系统淋巴瘤 (PCNSL) 和单发性脑转移瘤 (BM) 是神经外科实践中的诊断和治疗挑战，它增加了治疗负担，并使患者面临与进一步侵入性手术和治疗延迟相关的额外风险。此外，现代诊断研究尚未完全解决非典型病例和重叠特征。本研究旨在验证先前设计并经过内部验证的 ResNet101 深度学习模型，以区分胶质母细胞瘤、PCNSL 和 BM。(2) 方法：我们招募了 126 名患者（胶质母细胞瘤：n = 64；PCNSL：n = 27；BM：n = 35），并在术前进行 T1Gd-MRI 扫描并进行组织病理学确认。对每个病变进行分割，并将所有感兴趣区域导出到 DICOM 数据集中。在先前对 121 名患者的研究中实施的预训练 ResNet101 深度神经网络模型在当前队列中进行了外部验证，以区分 T1Gd-MRI 扫描中的胶质母细胞瘤、PCNSL 和 BM。（3）结果：该模型在区分 PCNSL（AUC：0.73；95%CI：0.62-0.85）、胶质母细胞瘤（AUC：0.78；95%CI：0.71-0.87）方面实现了最佳分类性能，在区分 BM 方面具有中等至低水平的能力（AUC：0.63；95%CI：0.52-0.76）。通过回顾性审查选定患者群体的诊断报告，评估了专家神经放射科医生在常规和高级 MRI 成像方面的表现，发现 BM 的准确率 (89.69%) 更高，而 PCNSL (82.90%) 和胶质母细胞瘤 (84.09%) 的准确率并不低。 (4) 结论：我们调查了之前发布的深度学习模型是否可以推广到在不同机构招募的外部人群——这一验证证实了模型的一致性，并为未来在脑肿瘤分类中的临床应用奠定了基础。这种基于人工智能的模型可能是一种宝贵的教育资源，如果在前瞻性数据上大量复制，将帮助医生区分胶质母细胞瘤、PCNSL 和孤立性 BM，尤其是在资源有限的环境中。
术前脑体积损失与左心室辅助支持的晚期心力衰竭患者的术后del妄有关
de妄是左心室辅助装置（LVAD）植入后晚期心力衰竭（ADHF）患者的常见神经系统并发症，从而显着影响恢复。这项研究旨在分析正在接受LVAD植入的ADHF患者中对大脑的非对比度计算机断层扫描（CT）扫描，以确定曾存在的脑萎缩与术后del妄之间的关联。从2020年3月至2023年7月进行了一项涉及166例ADHF患者的研究。植入前使用先进的定量神经影像学技术分析了非对比度CT扫描。评估的主要标记是侧心室分数（LVF），其次级标记包括皮质灰质分数（CGMF），白质分数（WMF），基底神经节分数（BGF）和丘脑分数（TLF）。在植入后的两周内，共有56例患者（33％）经历了术后del妄。div妄患者年龄较大，并且表现出更大的脑萎缩，该患者由较高的LVF和较低的CGMF，WMF，BGF和TLF值表示。ir妄的发生与年龄和心室增大密切相关，主要是在侧心室中。LVF有效地预测了妄想的发展，无论年龄如何。术前脑大量分析，特别是侧心室的大脑体积分析，对于识别有术后del妄风险的患者至关重要，增强了术后治疗以及改善LVAD接受者的结果。
NCTN青少年至Yong成人（AYA）癌症试验
A Randomized Phase III Clinical Trial for the Addition of Docetaxel to Androgen Receptor Pathway Inhibitors in Patients with Metastatic Castration Sensitive Prostate Cancer and Suboptimal PSA Response (TRIPLE‐SWITCH) EA8134 III InPACT‐ International Penile Advanced Cancer Trial (International Rare Cancers Initiative Study) EA8171 II Multiparametric MRI (mpMRI) for Preoperative Staging以及新诊断的前列腺癌的治疗计划
用于沉浸式图像引导神经导航系统的基于物理的自适应非刚性配准
目的：在图像引导的神经外科手术中，联合配准的术前解剖、功能和扩散张量成像可用于安全切除脑部重要区域的脑肿瘤。然而，脑部在手术过程中会变形，尤其是在切除肿瘤的情况下。术前图像数据的非刚性配准 (NRR) 可用于创建配准图像，该配准图像可捕捉术中图像中的变形，同时保持术前图像的质量。本文利用临床数据报告了几种处理脑变形的非刚性配准方法的准确性和性能比较结果。提出了一种新的自适应方法，该方法可自动去除切除肿瘤区域中的网格元素，从而处理切除时的变形。为了改善用户体验，我们还提出了一种将混合现实与超声、MRI 和 CT 结合使用的新方法。
机器学习是否可以正确预测用于肾脏疾病的激光碎石疗法的柔性输尿管镜检查结果？来自大型的内属学院中心的结果
背景和目标：医疗保健中机器学习（ML）的整合引起了人们的显着关注，因为它具有前所未有的增强患者护理和结果的机会。在这项研究中，我们根据术前特征培训了ML算法，以自动预测输尿管激光岩石疗法（URSL）的预后。方法：在7年期间，单个经验丰富的外科医生检索了用输尿管镜治疗的尿石病治疗的患者的数据。16个ML分类算法的算法经过培训，以研究术前特征和术后结局之间的相关性。评估的结果是无石的原发性（SFS）（SFS，定义为仅在内镜可视化和3 MO成像时仅存在<2 mm的石材碎片）和术后并发症。是根据预测合并和预测SF的最佳算法构建的合奏模型。然后，使用多任务神经网络研究了术后志术的同时预测，并使用可解释的人工智能（AI）来证明最佳模型的预测能力。关键发现和局限性：用于预测SF的集合ML模型的精度为93％，精度为87％。并发症主要与术前尿液培养（1.44）有关。逻辑回归表明，SFS受到总石负担的影响（0.34），术前支架的存在（0.106），术前尿液呈阳性（0.14）和石头位置（0.09）。可解释的AI结果强调了关键特征及其对输出的贡献。结论和临床意义：技术进步正在帮助泌尿科医生克服输尿管镜检查的经典限制，即石材尺寸和
考虑深部脑刺激手术中的变形......
摘要 — 深部脑刺激 (DBS) 的疗效取决于电极放置的准确性，而手术中钻孔和硬脑膜打开造成的脑移位可能会危及电极放置的准确性。脑移位违反了术前图像和术中解剖结构之间假定的刚性对齐，对治疗产生负面影响。目的：本研究提出了一种基于变形图谱生物力学模型的方法来解决移位问题。方法：研究了 6 名接受介入磁共振 (iMR) 图像引导的 DBS 钻孔手术的患者。在不同的手术条件下采用特定于患者的模型，生成一组可能的术中移位估计或“变形图谱”。由来自 iMR 的稀疏测量驱动逆问题，以确定图谱解的最佳拟合。然后使用该拟合获得体积变形场，该场用于更新术前 MR 并估计在 iMR 上定位的手术目标区域的移位。通过定量比较术中次表层测量值与模型预测值，以及定性比较 iMR、术前 MR 和模型更新的 MR，检查模型性能。引入非刚性图像配准作为比较器。结果：基于模型的方法将一般实质移位从 8.2±2.2 毫米减少到 2.7±1.1 毫米（~66.8% 校正），并且产生的更新 MR 与 iMR 的一致性优于术前 MR。模型估计的目标区域平均移位为 1.2 毫米。结论：本研究证明了基于模型的移位校正策略在仅使用稀疏数据的 DBS 手术中的可行性。意义：所开发的策略有可能补充和/或增强当前解决移位问题的临床方法。索引词 — 脑移位、计算建模、深部脑刺激、图像引导神经外科手术
经颅磁刺激 (TMS) 种子纤维束成像比解剖种子纤维束成像能更好地预测口才
摘要背景。对于脑肿瘤患者，最大限度地扩大切除范围同时最大限度地减少术后神经系统发病率需要在术前准确识别功能结构。最近的研究提供的证据表明，解剖结构可能并不总能预测功能。在本研究中，我们直接比较了经颅磁刺激 (TMS) 数据结合纤维束成像与传统解剖分级标准，以预测运动功能性神经胶质瘤患者的永久性缺陷。方法。我们选择了 42 名患有周围肿瘤的神经胶质瘤患者，这些患者接受了术前 TMS 映射，随后进行了切除和术中映射。我们从他们的图表中收集了临床结果数据，主要结果是 3 个月随访时出现新的或恶化的运动缺陷，称为“永久性缺陷”。我们将术后切除腔叠加到包含术前成像特征的术前 MRI 上。结果。几乎一半的患者显示 TMS 阳性点明显偏离中央前回，表明肿瘤诱导了神经可塑性。在多元回归中，切除 TMS 点可显著预测永久性缺损，而切除中央前回则不能。无论分数各向异性 (FA) 阈值如何，TMS 纤维束成像对永久性缺损的预测值均明显高于解剖纤维束成像。对于每种方式的最佳 FA 阈值，TMS 纤维束成像为识别真正的不可切除的、功能强大的皮质和皮质下结构提供了更高的阳性和阴性预测值。结论。TMS 已成为一种能够捕捉肿瘤诱导的可塑性重组的术前映射方式，对传统的术前成像方式提出了挑战。
世界胃肠病学杂志 - NET
在最近的一篇论文中，Hong 等人开发了一种人工智能 (AI) 驱动的预测评分系统，用于预测胃癌患者腹腔镜根治性胃切除术后的潜在并发症。他们证明，将 AI 与随机森林模型相结合可显着提高术前预测和患者结果管理的准确性。通过整合来自多个中心的数据，他们的模型确保了标准化、可靠性和广泛适用性，使其有别于之前的模型。本研究强调了 AI 在临床决策支持方面的潜力，有助于胃癌患者术前和术后管理。我们的研究结果可能为未来的前瞻性研究铺平道路，以进一步加强临床实践中 AI 支持的诊断。
女性尿道憩室癌：案例报告和文献审查
结论：尿道憩室癌是尿道的一种罕见且高度侵略性的恶性肿瘤，预后不良。隐藏了尿道憩室癌的发作，其临床表现是非专业和多样的。术前诊断具有挑战性，成像研究和膀胱镜检查是尿道憩室癌的主要术前诊断方法。病理学和免疫组织化学是确认诊断的基础。目前，国际上没有针对女性尿道憩室癌的统一治疗方案。对于没有远处转移的尿道憩室癌的女性患者，手术仍然是主要治疗方法。对于远处转移的患者，可以考虑手术，化学疗法和放射疗法的组合。基因测试和靶向免疫疗法为将来的治疗提供了新的方法。
使用内镜外科导航晚期术中术中增强现实的可视化术中型型型肿瘤切除术。
内窥镜型型方法（ETSA）是一种常用的技术，可以微创地去除卖出和羊角菌病变。假设 ETSA中的增强现实（AR）应用是通过将3D重建模型集成到手术领域中来增强术中可视化的。 本研究描述了与内窥镜外科导航高级平台（EndoSNAP，手术剧院，俄亥俄州克利夫兰，俄亥俄州，俄亥俄州，俄亥俄州，美国）相关的工作流程和手术结果，这是一个用于手术规划和销售术中术中导航的AR平台。 我们分析了使用内核NAP进行ETSA肿瘤切除的患者队列。 术前MRI和CT扫描被重建，并使用手术排练平台软件合并为单个360°AR模型。 然后将模型导入到内osnap中，该模型与内窥镜和神经验证系统集成在一起，以实时术中使用。 记录了患者人口统计学，肿瘤特征，切除程度（EOR）以及内分泌和神经系统结局。 包括新诊断的18名成年患者（83％），复发性（17％）肿瘤包括在内。 病理学由垂体腺瘤（72％），颅咽管瘤（11％），脑膜瘤（11％）和脊全瘤（6％）组成。 56％的患者存在视觉压缩，其中70％的术前视觉缺陷。 在17％的肿瘤中观察到海绵窦侵袭。 分别在56％和28％的病例中注意到术前激素过量和不足。 平均EOR为93.6±3.6％。ETSA中的增强现实（AR）应用是通过将3D重建模型集成到手术领域中来增强术中可视化的。本研究描述了与内窥镜外科导航高级平台（EndoSNAP，手术剧院，俄亥俄州克利夫兰，俄亥俄州，俄亥俄州，俄亥俄州，美国）相关的工作流程和手术结果，这是一个用于手术规划和销售术中术中导航的AR平台。我们分析了使用内核NAP进行ETSA肿瘤切除的患者队列。术前MRI和CT扫描被重建，并使用手术排练平台软件合并为单个360°AR模型。然后将模型导入到内osnap中，该模型与内窥镜和神经验证系统集成在一起，以实时术中使用。记录了患者人口统计学，肿瘤特征，切除程度（EOR）以及内分泌和神经系统结局。包括新诊断的18名成年患者（83％），复发性（17％）肿瘤包括在内。病理学由垂体腺瘤（72％），颅咽管瘤（11％），脑膜瘤（11％）和脊全瘤（6％）组成。56％的患者存在视觉压缩，其中70％的术前视觉缺陷。海绵窦侵袭。分别在56％和28％的病例中注意到术前激素过量和不足。平均EOR为93.6±3.6％。平均术前肿瘤体积为21.4±17cm³，术后降至0.4±0.3cm³。术后并发症包括需要手术修复的CSF泄漏（17％），癫痫发作，与先前存在的半球外伤有关（6％），肺栓塞（6％），深静脉血栓形成（6％）和鼻窦炎（6％）。这些发现表明，通过内部NAP的AR-增强可视化是ETSA的可行且潜在的有益辅助功能，可用于Sellar和Parasellar肿瘤切除。