XiaoMi-AI文件搜索系统
World File Search Systemangiography
冠状动脉血管造影和冠状动脉副发育前中性粒细胞/淋巴细胞比率
方法：这项回顾性描述性研究是在2012年1月至2013年6月之间在Aydın的一家大学医院的心脏病学门诊诊所进行的，有165例被诊断出患有急性冠状动脉综合征或稳定的Angina pectoris，并且至少在冠状动脉上患有95％或更多的狭窄。冠状动脉狭窄通过Gensini评分确定。CC的分类是通过RentRop方法进行的，患者分为两组：Rentrop阶段0和1（CC填充较差（第1组））和RentRop阶段2和3（良好的CC填充（第2组））。使用适当的统计分析分析数据。多元逻辑回归用于确定CC水平的预测因子，并进行了接收器操作特征（ROC）曲线分析以计算预测变量的预测值。
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。
开发和验证定量冠状动脉血管造影模型用于诊断血管特异性冠状动脉症
显示的是心肌缺血的95％CI的性能指标，可预测每个患者的侵入性FFR＃0.80（a，b）的存在（a，b）和每次允许（c，d）的信誉（a和c，d）。结果来自主要（意图诊断）分析；缺少值被认为是正。敏感性，特定丘陵，PPV和NPV和准确性显示为％的比例。
通过定量MR血管造影测量的脑动脉畸形流量在MR探测的动静脉畸形微观上测量
目的本研究的目的是评估通过定量MR血管造影（QMRA）在未用的AVM中测量的动静脉畸形（AVM）血流与MR-DETED MIRDEDECTED微视角的关系。方法回顾了所有接受基线QMRA和梯度回声或易感性加权MRI的未破坏AVM的患者（2004-2022）。成像数据，临床病史以及AVM血管结构和流动特征被收集和评估。AVM流是根据原发性动脉进料器内部与对侧饲养者的流量差计算的。对MR图像的综述确定了微生物检查的存在。进行了描述性统计，卡方检验和二项逻辑回归的分析。单个中心的634例脑AVM患者的结果，有89例符合纳入标准（54例微出血和35例无微毛发）。Mi-Crohemorrhage的组中计算出的AVM流量明显更高（447.9±193.1 ml/min vs 287.6±235.7 ml/min，p = 0.009）。此外，静脉异常，动脉eCtasia和弥漫性nidus的存在与微毛发显着相关（p = 0.017，p = 0.041和p = 0.041）。二进制逻辑回归发现，较高的流量预测了微型射击的存在（OR 1.002，95％CI 1.000–1.004; P = 0.031）。最高的AVM流动四分位数显着预测静脉异常的存在（OR 3.840，95％CI 1.037–14.213; P = 0.044），diffuse nidus（OR 6.800，95％CI 1.766-25.181; P = 0.005）和arterial and casia（或135％）（或13.84666666666666666666666666666666-25.181; p = 0.044）（或1.905–122.584;结论这项研究代表了第一个检查QMRA上流量测量与无破碎AVM中的微型射击之间的关联。较高的AVM流动，静脉异常，动脉膨胀和弥漫性AVM Nidus与AVM微含量的较高可能性有关。AVM中存在较高的AVM流动，具有静脉异常，弥漫性Nidus和动脉外生，表明这些血管构造发现，AVM流量和微Him鼠之间可能存在相互作用。这些发现表明，较高的AVM流与微毛发风险之间存在关系。
冠状动脉 CTA 狭窄的 AI 评估，与定量冠状动脉造影和血流储备分数进行比较
AI-QCT = 人工智能定量冠状动脉计算机断层扫描；AUC = 受试者工作特征曲线下面积；NPV = 阴性预测值；PPV = 阳性预测值；QCA = 定量冠状动脉造影。
使用侵入性冠状动脉造影对未来心肌梗塞的深度预测：可行性研究
抽象背景血管造影参数可以促进冠状动脉病变的风险分层，但在预测未来心肌梗死（MI）方面仍然不足。我们的目标是比较人类，血管造影参数和深度学习（DL）的能力，以预测基线不显着的CAD患者中未来MI的病变。我们回顾性地包括对MI进行侵入性冠状动脉造影（ICA）的患者，其中5年内已经进行了先前的血管造影。比较了人类视觉评估，直径狭窄，区域狭窄，定量流量比（QFR）和DL预测未来罪魁祸首（FCL）的能力。总共分析了746个FCL和非硫磺病变（NCL）的ICA图像。每种模式的预测模型是在训练集中在测试集中验证之前开发的。dl表现出最佳的预测性能，曲线下的面积为0.81的面积为0.81。dl表现出显着的净重新分类改进（NRI），与直径狭窄相比，NRI呈阳性。在所有模型中，DL表现出最高的精度（0.78），其次是QFR（0.70）和区域狭窄（0.68）。基于人类视觉评估和直径狭窄的预测的精度最低（0.58）。现在需要进行较大的研究来确认这一发现。在这项可行性研究中的结论，DL在预测FCL中的表现优于人类的视觉评估，并确定了血管造影参数。
种族差异在具有合并症的较旧的非糖尿病学之间的定量光学相干层析成像造影术发现
这项横断面研究比较了具有全身性合并症的老年人和白人成年人之间的光学相干断层造影术（八八）参数，以进一步了解视网膜微血管造成的种族差异。我们分析了浅表（SCP），中间（ICP）和深毛细血管（DCP），卵泡血管区（FAZ）参数和血流（BFA）的血管密度。我们使用了混合效应的线性回归模型，控制着高血压和来自同一受试者的两只眼睛，以比较八颗参数。黑色受试者在SCP和ICP处的中央凹ves ves-sel密度较低，而在任何毛细血管层的Parafovea或3x3 mm黄斑区域都没有观察到差异。黑色受试者具有更大的FAZ区域，周长和FD-300，这是FAZ周围300μm宽环的血管密度的测量。黑色受试者在脉络膜毛细血管处也具有较低的BFA。在没有高血压的受试者队列中，这些差异仍然具有统计学意义，除了脉络膜毛细血管的SCP和Foveal BFA外凹容器密度外。这些发现表明，八章参数的规范数据库必须在本质上努力多种多样，以充分捕捉患者人群之间的差异。需要进一步的研究以了解八八参数的基线差异是否导致眼部疾病中的流行病学疏散。
使用计算机断层扫描血管造影和大脑磁性Res
Portosystemic分类（PSS）是异常血管，允许血液绕过肝脏，由于缺乏正常的肝代谢，导致各种临床症状。成像模态，例如计算机断层扫描（CTA）和磁共振成像（MRI）对于PSS的诊断和表征至关重要。九只动物，临床表现暗示了CPS，接受了CTA和脑MRI。使用32个检测器CT单元进行CTA，并在1.5 Tesla Siemens Magnetom Avanto系统上进行MRI扫描。诊断出六例肝外门体分流器（EPS）和三个肝内分流器（IHPS）。MRI发现包括脑萎缩和白质超强度，与分流的类型相关。该研究证明了MRI在识别与CPS相关的特定大脑变化方面的价值。高级成像技术对于准确诊断CPS是必不可少的。该研究的发现加强了进一步研究的必要性，更大的队列以在CPSS类型和大脑MRI变化之间建立更强的相关性，旨在增强受影响动物的临床管理。
使用高分辨率7T飞行血管造影的人体脑脑脉管脉管的成像
1 Athinoula A. Martinos生物医学成像中心，马萨诸塞州综合医院，美国查尔斯敦； 2美国波士顿哈佛医学院放射学系； 3澳大利亚布里斯班昆士兰州大学高级成像中心； 4德国玛格德堡的奥托 - 冯 - 格里克大学实验物理学研究所生物医学磁共振共振系； 5高野外MR Center，生物医学成像和图像指导疗法系，奥地利维也纳医科大学； 6肌肉骨骼成像中的Karl Landsteiner临床分子MR研究所，奥地利维也纳； 7奥地利格拉兹医科大学神经病学系； 8德国Magdeburg的德国神经退行性疾病中心； 9德国玛格德堡行为脑科学中心； 10莱布尼兹神经生物学研究所，德国玛格德堡； 11美国剑桥技术学院卫生科学与技术部
中央浆膜脉络膜病的光学相干断层扫描术：血管模式和毛细血管流量密度的定量评估
抽象背景本研究旨在评估受中央浆膜脉络膜肾上腺病（CSC）影响的患者的光学相干层析造影血管造影（八八核血管造影）图像的血管模式和毛细血管流量密度（CFD）图。在这项回顾性队列研究中的方法，八颗（Angiovue rtvue Xr avanti，optovue）在基线时对CSC患者的两只眼睛的两只眼睛进行了3×3 mm黄斑扫描；对图像进行了细分，并将其与没有CSC的同伴以及年龄匹配的健康受试者进行了比较。八颗图像，以提供脉络膜毛细管变化的客观分级。通过自相关方法检查了八颗图像的纹理。导致CSC（40眼）的眼睛，我们发现了脉络膜毛细血管层脉管系统（CCL）的六种不同的形态模式，可能对应于OCT脉络膜脉络膜低反射性的不同等级和去率信号的八八八个。此外，八毛毛细管流量密度图显示在表面毛细血管丛中的毛细血管耗竭（p值= 0.0023），深血管网络（p值= <0.0001）和CCL中（p值= 0.0001）。在健康受试者中未观察到这种发现（13眼）。结论CSC中的OCTA是一个有用的工具，可以通过特定的CCL模式识别CSC的临床类型。此外，观察到CFD耗竭与内部视网膜层相关，表明内部血液视网膜屏障参与CSC。根据我们的结果，本文观察到的模式可能与疾病的不同临床亚型有关。