XiaoMi-AI文件搜索系统
World File Search SystemWouters
ICHOM 会议 2024
17:00 EDT 研究与实施中的创新 Paul van der Nat - Radboudumc 基于价值的医疗保健教授；Santeon 研究开发经理；圣安东尼奥医院基于价值的医疗保健经理 Thomas H. Lee 理学硕士、医学博士、文学士 - Press Ganey Associates, Inc 首席医疗官；布莱根妇女医院初级保健医生；哈佛医学院兼职教员；哈佛陈曾熙公共卫生学院卫生政策与管理系教授； NEJM Catalyst 主编 Robbert Wouters - 助理教授 , Erasmus MC Nathalie Saad - 博士 , CIUSSS West Central Wiard Jorritsma - 高级数据分析师 VBHC , OLVG Emily Bacon - 高级讲师 , 价值导向健康与护理学院, 斯旺西大学管理学院, 威尔士 Carisi Anne Polanczyk MD, ScD, Esc - 医学副教授 , 南里奥格兰德联邦大学 (UFRGS)；高级研究员 , 巴西国家机构 (CNPq)；心脏病学服务负责人 , Moinhos de Vento 医院；主治医师 , 阿雷格里港临床医院心脏病学服务；协调员 , 卫生技术评估研究所 (IATS/CNPq)
医疗领域人工智能监管面临的挑战《临床决策支持和医疗器械新监管框架：我们准备好了吗？——观点论文》评论
摘要 医疗技术的监管必须严格，以赢得医疗服务提供者和患者的信任。这对于控制和监督医疗保健领域日益增长的人工智能使用尤其重要。在这篇对 Van Laere 及其同事的随附文章的评论中，我们阐述了人工智能在医疗保健领域的应用范围，并概述了监管机构在应对这些现代技术时面临的五个关键挑战。应对这些挑战并不容易。虽然人工智能在医疗保健领域的应用已经取得了快速进展并使患者受益，但这些应用显然在未来的发展中具有更大的潜力。然而，至关重要的是，监管环境必须跟上这个快速发展的医疗保健领域，以便预测并尽可能地预防可能出现的风险。关键词：监管、临床决策支持、人工智能版权：© 2023 作者；克尔曼医科大学出版。这是一篇开放获取的文章，根据 Creative Commons 署名许可条款发布（https://creativecommons.org/licenses/by/4.0），允许在任何媒体中不受限制地使用、分发和复制，前提是对原始作品进行适当引用。引用：McKee M，Wouters OJ。医疗保健领域人工智能监管的挑战：评论“临床决策支持和医疗器械的新监管框架：我们准备好了吗？——一篇观点论文。” Int J Health Policy Manag。2023；12：7261。doi：10.34172/ijhpm.2022.7261
加速疫苗开发中的人工智能
在20世纪发达国家的预期寿命提高可以归因于几个因素 - 卫生基础设施和清洁水，粮食安全的提高，基于人群的医疗保健系统，最普遍的童年传染病和使用抗生素的大规模疫苗接种计划。亚历山大·弗莱明（Alexander Fleming）在1928年发现青霉素及其霍华德·弗洛里（Howard Florey）和恩斯特（Ernst）链条的纯化1940年以“抗生素年龄”为例，并奠定了探索潜力的基础，以探索大量的新颖抗菌剂（Hutchings等人（Hutchings等人）（Hutchings等，2019; lima et al。，2020; vila; vila。目前，将药物送入市场大约需要12年的公共用途，并且该过程非常昂贵，“新的抗生素的中位开发成本超过10亿美元，并且在批准后完成该化合物在其市场上的10年内完成批准后的批准后成本约为3.5亿美元。然而，在第一次临床使用青霉素后不久，观察到微生物通过几种不同的机制获得抗生素耐药性（Christaki等，2020; Huemer等，2020; Larsen等，2022）。世界卫生组织（WHO）强调了在细菌，病毒，寄生虫和真菌中应对耐药性的优先事项，这需要全球协调的多部门方法（Tacconelli等，2018）。抗菌抗性无疑受到i）在农业，兽医和医学实践中广泛使用广谱抗生素，ii）自我
补充材料的外部验证E-Aspects软件用于解释脑CT中的脑部CT Grant Mair 1，Philip White 2，Philip M BA
1。Austein F，Wodarg F，Jurgensen N，Huhndorf M，Meyne J，Lindner T，Jansen O，Jansen O，Larsen N，RiedelC。自动化与手动成像评估急性中风早期缺血性变化：两种软件包和专家共识的比较。EUR RADIOL。 2019; 29：6285-6292 2。 Brinjikji W，Abbasi M，Arnold C，Benson JC，Braksick SA，Campeau N，Carr CM，Cogswell PM，Klaas JP，Liebo GB等。 e-Aspects软件改善了观察者的一致性和方面分数解释的准确性。 间隔神经醛醇。 2021。 doi：10.1177/15910199211011861 3。 Cimflova P，Volny O，Mikulik PR，Tyshchenko B，Belaskova S等。 检测基线多模式计算机断层扫描上缺血性变化：专家阅读与脑电元和快速软件。 j streos cherebrovasc dis。 2020; 29：104978 4。 Demeestere J，Scheldeman L，Cornelissen SA，Heye S，Wouters A等。 艾伯塔省中风计划早期CT评分与计算机断层造影灌注，以预测急性缺血性中风成功再灌注后的功能结果。 中风。 2018; 49：2361-2367 5。 Ferreti LA，Leitao CA，Teixeira BCA，Lopes Neto FDN，VF ZE，Lange MC。 在急性中风护理中使用电子镜头：与专家的绩效相比，方法性能的验证。 arq neuropsiquiatr。 2020; 78：757-761 6。 Goebel J，Stenzel E，Guberina N，Wanke I，Koehrmann M，Kleinschnitz C，Umutlu L，Forsting M，Moenninghoff C，Radbruch A. 自动化方面评级：前沿方面得分软件与脑电分子元软件之间的比较。EUR RADIOL。2019; 29：6285-6292 2。Brinjikji W，Abbasi M，Arnold C，Benson JC，Braksick SA，Campeau N，Carr CM，Cogswell PM，Klaas JP，Liebo GB等。e-Aspects软件改善了观察者的一致性和方面分数解释的准确性。间隔神经醛醇。2021。doi：10.1177/15910199211011861 3。Cimflova P，Volny O，Mikulik PR，Tyshchenko B，Belaskova S等。检测基线多模式计算机断层扫描上缺血性变化：专家阅读与脑电元和快速软件。j streos cherebrovasc dis。2020; 29：104978 4。Demeestere J，Scheldeman L，Cornelissen SA，Heye S，Wouters A等。艾伯塔省中风计划早期CT评分与计算机断层造影灌注，以预测急性缺血性中风成功再灌注后的功能结果。中风。2018; 49：2361-2367 5。Ferreti LA，Leitao CA，Teixeira BCA，Lopes Neto FDN，VF ZE，Lange MC。在急性中风护理中使用电子镜头：与专家的绩效相比，方法性能的验证。arq neuropsiquiatr。2020; 78：757-761 6。Goebel J，Stenzel E，Guberina N，Wanke I，Koehrmann M，Kleinschnitz C，Umutlu L，Forsting M，Moenninghoff C，Radbruch A.自动化方面评级：前沿方面得分软件与脑电分子元软件之间的比较。神经放射学。2018; 60：1267-1272
WWAD：最全面的小分子全球批准的治疗药物数据库
每年，全球批准了50多名新的治疗剂用于医疗用途。尽管生物制剂批准的数量增加，但目前可用的大多数药物都是化学实体（De la Torre and Albericio，2024年）。由于研究成本较低（Wouters等，2020），更广泛的应用范围和对患者的可用性，因此小分子药物的开发继续受到青睐（Makurvet，2021年）。但是，药物开发是一个长期的过程，平均需要10 - 15年，将药物带入市场的成本可能为25亿美元（Catacutan等人，2024年）。在药物发现过程中，计算机辅助药物设计（CADD）方法的广泛应用允许减少时间和财务成本（Athanasiou and Cournia，2019年）。对现有治疗剂的了解，包括其结构，生物学活性，物理化学参数等，是CADD方法开发和应用的必要组成部分。目前，可以通过万维网获得许多包含有关批准药物信息的可自由访问的策划化学数据库（DB）（Masoudi-Sobhanzadeh等，2020； Elkashlan等，2023）。这些资源中的大多数仅包含有关在美国和欧洲批准的药物的数据。但是，其他国家 /地区的当局第一次批准了多达30％的药物（Wu等，2021），并且现有DBS经常缺少此信息。在自由使用的资源中缺乏本地授权的药物信息不允许研究人员在CADD方法的开发和应用中使用这些知识。在2024年7月，无法在广泛使用的资源药品银行（https://go.drugbank.com）中找到用于抗oronavirus药物的Simnotrelvir和Litrelvir的记录，这些药物在2023年在中国获得了批准，尽管在2023年获得了批准（Zhu，2023年； Zhug co ef; Zheng et; Zheng et; Zheng et and 2024，ther。它显着限制了所研究的药物治疗化学空间，并降低了已知的结构活性关系。因此，迫切需要
美国各地区政府支出的开放经济新凯恩斯主义模型
在过去二十年中，宏观经济学的相关文献开始系统地探讨财政政策冲击对总体经济活动的影响。这些文献的大部分工作都致力于揭示财政政策的传导机制，即如何通过部署财政政策工具来缓解商业周期波动。尽管如此，争论仍未解决，各种实证研究试图估计所谓的财政乘数，特别是在长期经济低迷时期，如经济衰退。这些文献的大部分表明，政府支出的边际增加可能有助于产出增加约 0.5 到略高于 1。由 Barro (1981, 1990) 开始的一系列著名文献通过分析产出对联邦军事采购的反应得出了乘数。这一策略通常得出的乘数在 0.5 - 1 之间，Hall (2009) 和 Ramey (2009) 最近的研究表明，他们的估计乘数略高，约为 1.2。然而，这种方法微妙地取决于第二次世界大战和朝鲜战争期间支出与产出的相互关系，并且可能由于在武装冲突年代占主导地位的“计划经济”特征而产生偏差。Blanchard 和 Perotti (2002) 发起的另一种方法通过在结构向量 - 自回归的背景下识别政府支出冲击来进行。这些类型的研究，以及 Gal´ı、Lopez-Salido 和 Valles (2007) 等人的研究，提出了一个 1 或略高的乘数。Perotti (2007) 以及 Mountford 和 Uhlig (2008) 通过跨国证据表明乘数较低。 Mertens 和 Ravn (2010) 在新凯恩斯主义框架内对流动性陷阱环境进行了建模，并得出了一个比“正常”时期更小的乘数。另一个有趣的贡献来自 Erceg 和 Lind´e (2010)，他们构建了一个新凯恩斯主义 DSGE 模型——Christiano、Eichenbaum 和 Evans (2005) 以及 Smets 和 Wouters (2007) 的变体——以分析财政刺激在流动性陷阱引发的衰退期间的影响。该模型的特殊之处在于，流动性陷阱的持续时间取决于刺激的规模，因此是内生决定的。衰退是由对家庭偏好的强烈负面品味冲击引起的，主要发现是支出乘数可能会在流动性陷阱期间大幅放大
关键原材料供应侧创新路线图...
Abraham Jalbout (Auxilium)、Adam Burley (Nuton、力拓)、Aditya Ramji (加州大学戴维斯分校)、Adriana Zamora (Minviro)、Alan Morales (世界经济论坛)、Alexander Allen (Nth Cycle)、Alvaro Baeza (Glencore)、Anthony Weiss (TechMet)、Antonio Valente (Ecoinvent)、Arnaud Jouron (Arthur D. Little)、Batchimeg Ganbataar (Nomadic Venture Partners)、Brenda Haendler (突破能源研究员)、Brendan Smith (SiTration)、Buff Lopez (CleanTech Group)、Caleb Boyd (Molten Industries)、Chris Beatty (TechMet)、Cristobal Undurraga (Ceibo)、Darryl Steane (Ceibo)、Emily Ritchey (运输与环境)、Eric Dusseux (突破能源风险投资公司)、Eric McShane (Electroflow)、Francisco Jeria (Ceibo)、Gareth Taylor (S&P Global)、Gero Frisch（弗莱堡大学）、Henry Finnegan（TechMet）、Ian Hayton（CleanTech Group）、Jared Deutsch（GeologicAI）、Javiera Alcayaga（Nuton、力拓）、Jenni Kiventera（EIT Raw Materials）、Jonathan Dunn（英美资源集团）、Jordan Lindsay（Minviro）、Joseph Bertin（Tokia Cobex）、Julia Poliscanova（运输与环境）、Karan Bhuwalka（斯坦福大学）、Katarina Nilsson（ETP SMR）、Kevin Bush（Molten Industries）、Laura Sonter（生物多样性咨询公司）、Laure Latour（Tokai Cobex）、Libby Wayman（Breakthrough Energy Ventures）、Lucy England（FLSmidth）、Ludivine Wouters（Latitude Five）、Luis Arbulu（Sunna VC）、Madeleine Luck（QCF）、Marcus Clover（Energy Revolution Ventures）、Mat Ganser（Lilac Solutions）、Mouna Tatou（DGALN）、Nathan Flaman（I-ROX）、Nigel Steward（力拓）、Nour Amrani（FLSmidth）、Philip Newman（力拓 - HDS 技术）、Roland Gauss（EIT Raw Materials）、Romain Dechelette（Infravia）、Rosemary Cox-Galhorta（突破能源研究员）、Saad Dara（Mangrove Lithium）、Sam Jaffe（Addionics）、Scott Thomsett（Rovjok）、Stephen Northey（悉尼大学）、Sylvain Eckert（Infravia）、Tae-Yoon Kim（IEA）、Thomas Requet（DGALN）、Vincent Pedailles（Carbon Scape）。
公共部门取代私人资助的医药研发：成本和效率考虑
1. Toole A. ZEW 讨论文件。2005 年。2. Li D 等人。Science。2017 年。3. Cleary EG 等人。新经济思维研究所。2020 年。4. Chakravarthy R 等人。Ther Innov Regul Sci。2016 年。5. Sammon A。2022 年。6. Stiglitz JE。2007 年。7. Baker D. 2012 年。8. Kapczynski A. UCLA Law Rev。2012 年。9. Weisbrod BA。2003 年。10. Wright BD。Am Econ Rev。1983 年。11. Wouters OJ 等人。JAMA。2020 年。12. DiMasi JA 等人。J Health Econ。 2016。13. 国会研究服务处。2021。14. 美国政府问责局。2023。15. 国立卫生研究院。2024。16. 美国劳工统计局。2022。17. IQVIA 研究所。2023。18. Dowden H 等人，《自然药物发现评论》。2019。19. Smietana K 等人，《自然药物发现评论》。2016。20. 美国食品药品管理局。2024。21. ATI 咨询。2023。22. Rogerson WP，《经济研究评论》。1992。23. Nöldeke G 等人，《兰德经济杂志》。1995。24. Kremer M 等人，《美国能源情报署论文集》。 2020。25. Shleifer A. RAND J Econ。1985。26. Laffont JJ 等人。麻省理工学院出版社；1993。27. Savva N 等人。管理科学。2019。28. Drummond M 等人。欧洲卫生经济学杂志。2019。29. Garrison LP Jr 等人。2023。30. Hayek FA。美国经济学评论。1945。31. Thierer AD。2016。32. Xie RZ 等人。国际技术评估卫生保健杂志。2022。33. Kourouklis D. 应用经济学。2021。34. Lichtenberg FR。芝加哥大学出版社；2001。35. Hutchinson M 等人。 Sport Manag Rev. 2018。36. Roessler M 等人。PLOS One。2021。37. Butler E. 经济事务研究所临时论文。2012。38. Ward MR 等人。Econ Inquiry。1995。39. Lauschke VM 等人。Int J Mol Sci。2016。40. Cohen J 等人。Am J Ther。2008。41. Patterson J 等人。Am J Manag Care。2024。42. Rea PA 等人。剑桥大学出版社；2018。43. Grabowski H 等人。2015。44. Kyle MK。Innov Policy Econ。2020。45. Kyle MK。 Rev Indust Org.。2018 年。46. Kyle MK。Int J Indust Org. 2022 年。
serping1基因
反思•PJ Busse，Christian SC，MA，Banking A，Bernstein JA，Castal AJ，Craig T，Davis-Lorton M，Frank MM，Li HH，Lumry WR，Zuraw BL。美国海亚医学顾问委员会临床受试者实践。2021 JAN; 9：132-150.e3。doi：10.1016/j。Jaip.2020.08.046。 EPUB 2020年9月6日。 •Cugno M，Zanichelli A，临床进度。 趋势mol Med。 2009在15：69-78中。 doi：10.1016/j.molmed.2008.12,0 Epub 2009 1月21日。 引用PubMed C1INH（SERPING1）基因具有血管性水肿的分裂。 基因组res。 2008; 121（3-4）：181-8 doi：10,1159/00013883。 Epub 2008年8月28日。 •Papalardo E，Cacia S，Hapeni C，Tordai A，Zingale LC，CicardiM。继承：相关功能。 免疫摩尔。 2008AUG; 45（13）：3536-44。 doi：10.1016/j.molimm.2008.05.0 Epub 2008 Jun 30。 •Sinnanamby，ISA-PP，Roberts L.Jaip.2020.08.046。EPUB 2020年9月6日。•Cugno M，Zanichelli A，临床进度。趋势mol Med。2009在15：69-78中。 doi：10.1016/j.molmed.2008.12,0 Epub 2009 1月21日。 引用PubMed C1INH（SERPING1）基因具有血管性水肿的分裂。 基因组res。 2008; 121（3-4）：181-8 doi：10,1159/00013883。 Epub 2008年8月28日。 •Papalardo E，Cacia S，Hapeni C，Tordai A，Zingale LC，CicardiM。继承：相关功能。 免疫摩尔。 2008AUG; 45（13）：3536-44。 doi：10.1016/j.molimm.2008.05.0 Epub 2008 Jun 30。 •Sinnanamby，ISA-PP，Roberts L.2009在15：69-78中。 doi：10.1016/j.molmed.2008.12,0Epub 2009 1月21日。引用PubMedC1INH（SERPING1）基因具有血管性水肿的分裂。 基因组res。 2008; 121（3-4）：181-8 doi：10,1159/00013883。 Epub 2008年8月28日。 •Papalardo E，Cacia S，Hapeni C，Tordai A，Zingale LC，CicardiM。继承：相关功能。 免疫摩尔。 2008AUG; 45（13）：3536-44。 doi：10.1016/j.molimm.2008.05.0 Epub 2008 Jun 30。 •Sinnanamby，ISA-PP，Roberts L.C1INH（SERPING1）基因具有血管性水肿的分裂。基因组res。2008; 121（3-4）：181-8 doi：10,1159/00013883。 Epub 2008年8月28日。 •Papalardo E，Cacia S，Hapeni C，Tordai A，Zingale LC，CicardiM。继承：相关功能。 免疫摩尔。 2008AUG; 45（13）：3536-44。 doi：10.1016/j.molimm.2008.05.0 Epub 2008 Jun 30。 •Sinnanamby，ISA-PP，Roberts L.2008; 121（3-4）：181-8 doi：10,1159/00013883。Epub 2008年8月28日。•Papalardo E，Cacia S，Hapeni C，Tordai A，Zingale LC，CicardiM。继承：相关功能。免疫摩尔。2008AUG; 45（13）：3536-44。 doi：10.1016/j.molimm.2008.05.0Epub 2008 Jun 30。•Sinnanamby，ISA-PP，Roberts L.遗传性血管性水肿：诊断，临床意义和病理生理学。adv ther。2023 MAR; 40（3）：814-827.DOI：10.1007/S12325-022-02401-0。EPUB 2023 JAN 7。引用PubMed（https：//www.ncbi.nlm.nih.gov/pubmed/36609679）•Veronez CL，Csuka D，Sheikh FR，Sheikh FR，Zuraw BL，Farkas H，BorkK。J Allergy Clin Immunol实践。2021Jun; 9（6）：2229-2234。 doi：10.1016/j.jaip.2021.03.008。EPUB 2021 3月19日。引用PubMed（https://www.ncbi.nlm.nih.gov/pubmed/33746090）•Wouters D，Wagenaar-Bos I，Van Ham M，Zeerleder S. Zeerleder S. C1抑制剂：只是SerineProtease抑制剂抑制剂？关于C1抑制剂治疗应用的新旧考虑。专家意见Biol Ther。2008年8月； 8（8）：1225-40。 doi：10.1517/14712598.8。8.1225。引用于PubMed（https://pubmed.ncbi.nlm.nih.gov/18613773）•Zuraw bl。临床实践。遗传性血管性水肿。n Engl J Med。2008 sep4; 359（10）：1027-36。 doi：10.1056/nejmcp0803977。没有抽象可用。引用于PubMed（https://pubmed.ncbi.nlm.nih.gov/18768946）
多模态磁共振在缺血性脑卒中评估中的运用进展
[1] Murray CJL, Aravkin AY, Zheng P, et al.Global burden of 87 risk factors in 204 countries and territories, 1990 – 2019: a systematic analysis for the Global Burden of Disease Study 2019[J].Lancet, 2020, 396 (10258): 1223-1249.[2] 王增武 , 马志毅 , 薛素芳 , 等 .基层冠心病与缺血性脑卒中共患管理 专家共识 2022[J].中国心血管病研究 , 2022, 20(9): 772-793.[3] 王拥军 , 李子孝 , 谷鸿秋 , 等 .中国卒中报告 2020 （中文版） (1)[J].中 国卒中杂志 , 2022, 17(5): 433-447.[4] Langhorne P, Bernhardt J, Kwakkel G. Stroke rehabilitation[J].Lancet, 2011, 377(9778): 1693-1702.[5] Xing Y, Bai Y.A Review of Exercise-Induced Neuroplasticity in Ischemic Stroke: Pathology and Mechanisms[J].Mol Neurobiol, 2020, 57 (10): 4218-4231.[6] Guggisberg AG, Koch PJ, Hummel FC, et al.Brain networks and their relevance for stroke rehabilitation[J].Clin Neurophysiol, 2019, 130(7): 1098-1124.[7] Lutsep HL, Albers GW, Decrespigny A, et al.Clinical utility of diffusion-weighted magnetic resonance imaging in the assessment of ischemic stroke[J].Ann Neurol, 1997, 41(5): 574-580.[8] 于帆 , Arman Sha, 张苗 , 等 .人工智能在急性缺血性脑卒中影像的研 究进展 [J].中华老年心脑血管病杂志 , 2023, 25(3): 334-336.[9] 李华 , 郭春锋 , 高连荣 .FLAIR 及 DWI 序列在诊断脑血管周围间隙 中的价值 [J].医学影像学杂志 , 2015, 25(8): 1341-1343.[10] Scheldeman L, Wouters A, Dupont P, et al.Stroke, 2022, 53(5): 1665-1673.[11] Thomalla G, Simonsen CZ, Boutitie F, et al.MRI-Guided Thrombolysis for Stroke with Unknown Time of Onset[J].[15] 蔡建新 , 彭如臣 .扩散加权成像和流体且反转的恢复定量定量，以预测不明发作的缺血性中风中的易流性恢复不匹配的恢复不匹配状态[J]。《新英格兰医学杂志》，2018，379（7）：611-622。[12] Legrand L，Turc G，Edilali M等。根据Flair血管高压不匹配而受益于血栓切除术后血运重建[J]。Eur Radiol，2019，29（10）：5567-5576。[13] Xie Y，Oppenheim C，Guillemin F等。预处理病变量会影响临床结果和血栓切除术的功效[J]。Ann Neurol，2018，83（1）：178-185。 [14] Raoult H，Lassalle MV，Parat B等。 基于DWI的算法可预测急性中风血栓切除术治疗的患者的残疾[J]。 Am J Neuroradiol，2020，41（2）：274-279。 弥散张量磁共振成像方法概述[J]。 医学影像学杂，2007，17（10）：1119-1122。 [16] Qiu A，Mori S，Miller MI。 扩散张量成像，用于理解早期生命中大脑发育[J]。 Ann Rev Psychol，2015，66：853-876。 [17] Corroenne R，Arthuis C，Kasprian G等。 胎儿大脑的扩散张量成像：有前途技术的原理，潜力和局限性[J]。 超声产科妇科，2022，60（4）：470-476。 [18] Andica C，Kamagata K，Hatano T等。 源自扩散成像的退化性脑疾病的生物标志物[J]。 J Magn Reson Imaging，2020，52（6）：1620-1636。 [19] Groisser BN，哥伦WA，Singhal AB等。 NeuroRehabil神经修复，2014，28（8）：751-760。Ann Neurol，2018，83（1）：178-185。[14] Raoult H，Lassalle MV，Parat B等。基于DWI的算法可预测急性中风血栓切除术治疗的患者的残疾[J]。Am J Neuroradiol，2020，41（2）：274-279。弥散张量磁共振成像方法概述[J]。医学影像学杂，2007，17（10）：1119-1122。[16] Qiu A，Mori S，Miller MI。扩散张量成像，用于理解早期生命中大脑发育[J]。Ann Rev Psychol，2015，66：853-876。 [17] Corroenne R，Arthuis C，Kasprian G等。 胎儿大脑的扩散张量成像：有前途技术的原理，潜力和局限性[J]。 超声产科妇科，2022，60（4）：470-476。 [18] Andica C，Kamagata K，Hatano T等。 源自扩散成像的退化性脑疾病的生物标志物[J]。 J Magn Reson Imaging，2020，52（6）：1620-1636。 [19] Groisser BN，哥伦WA，Singhal AB等。 NeuroRehabil神经修复，2014，28（8）：751-760。Ann Rev Psychol，2015，66：853-876。[17] Corroenne R，Arthuis C，Kasprian G等。胎儿大脑的扩散张量成像：有前途技术的原理，潜力和局限性[J]。超声产科妇科，2022，60（4）：470-476。[18] Andica C，Kamagata K，Hatano T等。源自扩散成像的退化性脑疾病的生物标志物[J]。J Magn Reson Imaging，2020，52（6）：1620-1636。[19] Groisser BN，哥伦WA，Singhal AB等。NeuroRehabil神经修复，2014，28（8）：751-760。皮质脊髓扩散异常[J]。[20] Kumar P，Kathuria P，Nair P等。使用扩散张量成像的亚急性缺血性卒中后上肢运动恢复的预测：系统评价和荟萃分析[J]。J Stroke，2016，18（1）：50-59。[21] Soulard J，Huber C，Baillieul S等。运动道完整性预测步行恢复：亚急性中风中的扩散MRI研究[J]。神经病学，