XiaoMi-AI文件搜索系统
World File Search Systemcomputed
定量计算机断层扫描在慢性阻塞性肺疾病的队列研究中的实用性：叙事评论
慢性阻塞性肺疾病（COPD）由于其发病率高和死亡率而代表了一个重大的全球健康问题，预计到2030年，它被评为全球第三大死亡原因（1）。吸烟与COPD的发病率密切相关，尤其是在像中国这样的亚洲地区，高烟草消费量会导致更高的患病率。在中国，超过13％的40岁以上的人出现了COPD，2018年估计患者总数约为9990万（2）。该疾病的特征是无法完全可逆的气流阻塞，并可能影响不同水平的呼吸系统，并具有异质性临床表现（3）。尽管肺活量测定学仍然是COPD诊断和分期的传统方法，但成像方式（例如定量计算机断层扫描（QCT））可能会提供更全面的诊断和治疗见解。尤其是在2019年冠状病毒疾病（Covid-19）大流行期间，由于气溶解病毒传播的风险，应谨慎使用肺功能测试程序（4）。因此，QCT等创新的诊断工具已获得了知名度。QCT可以安全地评估COPD的严重性，包括肺气肿和气道阻塞，提供潜在的初步筛查工具和个性化COPD治疗指南（5）。
使用计算机断层扫描成像的肝细胞癌检测中深度学习应用的诊断性能
抽象背景/目的：肝细胞癌（HCC）是一种普遍的癌症，主要是由于其晚期诊断而在全球范围内显着促进死亡率。早期检测是至关重要但充满挑战的。这项研究利用深度学习（DL）技术的潜力，仅采用您看一次（Yolo）结构，以增强计算机断层扫描（CT）图像中HCC的检测，旨在改善早期诊断，从而改善患者的结果。材料和方法：我们使用了来自122名患者的1290个CT图像的数据集，根据标准的70:20:10分割，用于训练，验证和测试阶段。基于YOLO的DL模型接受了这些图像的培训，随后进行了验证和测试阶段，以全面评估该模型的诊断能力。结果：该模型表现出非凡的诊断准确性，精度为0.97216，召回0.919，总体精度为95.35％，显着超过了传统的诊断方法。它达到了95.83％的特异性和94.74％的敏感性，证明了其在临床环境中的有效性以及降低遗漏诊断和不必要的干预措施的潜力。结论：用于检测CT扫描中HCC的YOLO体系结构的实施显示了很大的希望，表明DL模型很快可能成为肿瘤学诊断的标准工具。关键词：人工智能，计算机断层扫描，深度学习，肝细胞癌，肝癌随着人工智能技术的不断发展，预计其整合到医疗保健系统中，将提高肿瘤学诊断的准确性和效率，增强早期检测和治疗策略，并可能提高患者的存活率。
根据时间序列fMRI数据计算出的阿尔茨海默氏病的因果功能连通性
已知大脑区域之间的功能连通性在阿尔茨海默氏病中发生改变，并有望成为早期诊断的生物标志物。功能连接性的几种方法获得了代表大脑区域之间随机关联（相关）的非指导网络。但是，关联不一定意味着因果关系。相比之下，因果功能连通性（CFC）更有信息，提供了代表大脑区域之间因果关系的有向网络。在本文中，我们通过静止状态功能磁共振成像（RS-FMRI）记录了来自三个临床组的受试者的静止功能磁共振成像（RS-FMRI）的因果功能连接组：认知正常，轻度认知障碍和阿尔茨海默氏病。我们应用了最近开发的时间感知PC（TPC）算法来推断整个大脑的因果功能连接组。TPC在时间序列设置中基于有向图形建模的全脑CFC的模型估计。我们将TPC的CFC结果与文献中其他相关方法的结果进行了比较。然后，我们使用了TPC的CFC结果，并基于Welch的t -test t -test t -Values获得的Alzheimer和认知正常组之间的CFC边缘强度的差异进行了探索性分析。因此，发现大脑区域与临床/医疗机构的研究人员发表的有关受阿尔茨海默氏病影响的大脑区域的文献一致。
土耳其儿童脑部计算机断层扫描视神经鞘直径随性别和年龄变化的情况
可能影响颅内压和眼球的问题；身高、体重和头围在适当范围内；神经发育正常（补充表1和2）。我们认为排除种族/民族差异以减少多样性和确保标准化是适当的，所以我们只包括土耳其患者。荟萃分析显示，除了所有这些因素外，测量地点的海拔高度和患者的个人特征也会影响ONSD测量值。先前的一项研究报告称，海拔每增加1000米，ONSD测量值就会增加0.14毫米[35]。我们进行研究并获得CT图像的医院位于海拔8米（26英尺）处。因此，我们认为获得的正常中位数是最小值，重要的是
统计和机器学习方法预测轻度创伤性脑损伤儿童进行计算机断层扫描的必要性
该研究招募了 1100 名 2 岁以下的儿童，以评估学龄前儿童。其他纳入和排除标准均符合 PECARN 研究。人口统计学、损伤细节、病史和神经学评估等数据用于统计评估和 ML 算法的创建。临床重要 TBI (ciTBI)、CT 上的 mTBI 和对照组的儿童人数分别为 28、30 和 1042。除损伤机制的严重程度外，所有非参数预测因子均显示出对照组和需要住院治疗的临床重要 TBI (csTBI：CT 上的 ciTBI+mTBI) 之间的统计学意义。三组之间的比较也显示出所有预测因子的显著性 (p < 0.05)。这项研究表明，用于预测是否需要进行 CT 扫描的监督 ML 可以以 95% 的准确率生成。它还揭示了决策树中每个预测因子的重要性，尤其是“生命天数”。
使用压缩测试和延时计算机显微断层扫描分析高级孔隙形态 (APM) 泡沫元素
摘要：高级孔隙形态 (APM) 泡沫元件几乎是球形的泡沫元件，具有坚固的外壳和多孔的内部结构，主要用于压缩载荷应用。为了确定内部结构的变形及其在压缩过程中的变化与其机械响应之间的关系，进行了原位时间分辨 X 射线计算机微断层扫描实验，其中在加载过程中对 APM 泡沫元件进行 3D 扫描。当机械响应与样品的内部变形相关时，同时施加机械载荷和射线成像使人们对 APM 泡沫样品的变形行为有了新的认识。研究发现，在出现第一个剪切带之前，APM 元件的刚度达到最高。在此之后，APM 元件的刚度降低，直到内部孔壁之间第一次自接触为止，从而使样品刚度朝向致密化区域增加。
验证由OpenFast计算的局部结构负载，以针对焦点实验活动的测量值：预印本
这项工作介绍了基于焦点实验活动的数据浮动子结构的局部结构负载建模能力的验证。易于说明，OpenFast只能将浮动子结构表示为刚体的身体，尽管这种方法可以在大多数情况下对浮点的全局响应进行建模，但它无法捕获浮点各个成员中的结构负载。对局部子结构负荷进行考虑对于某些浮动设计很重要，因为追求成本降低通常会导致更轻，更灵活的结构。为了解决这一限制，露天（流体动力学）和subdyn（子结构dy-namics）模块最近已扩展到浮动子结构的灵活性。为了验证这一新功能，我们将OpenFast获得的结果与焦点实验活动中测量的数据进行了比较，该数据分析了IEA 15-MW参考涡轮机的1:70尺度性能匹配的模型，在风和波浪的作用下，缅因州伏特尔努斯S-Smagibersible的修改后的SEMES-S-SMAISSIBLE。出于本工作的目的，实验的最重要特征是每个浮桥的根部存在负载细胞，我们的目标是评估这些负载如何通过OpenFast重现。为了建模沿浮动子结构的分布式流体动力和液压载荷，我们采用了基于莫里森方程的条理论方法，我们讨论了不同湿动动力建模选项（波浪伸展，大型型，型型 - 富奇校正校正，以及二阶波动动力学）对运动和负载的影响。为简单起见，我们专注于唯一的波浪条件，无论是规则和不规则的条件。结果表明，对于这项工作中分析的波的浮力的载荷的负载表明了良好的一致性，尤其是考虑到简单的剥离理论模型固有的假设和简化。
大脑中线移位检测和通过级联的深层网络管道对非对比度计算机断层扫描
大脑中线移位（MLS）是一种定性和定量的放射学特征，它可以衡量脑中线结构的横向移位，以响应由血肿，肿瘤，脓肿或任何其他占据脑膜内病变引起的质量效应。可以使用其他参数来确定神经外科干预的紧迫性，并预测占据病变的患者的临床结果。然而，由于跨病例的临床相关大脑结构的差异很大，因此精确检测和量化MLS可能具有挑战性。在这项研究中，我们通过使用分类和分割网络架构来研究了由病例级MLS检测以及脑部标记位置的初始定位以及对脑部标记位置的最初定位和完善的级联网络管道。我们使用3D U-NET进行初始定位，然后使用2D U-NET来估计更精确的分辨率的确切地标点。在改进步骤中，我们从多个切片中融合了预测，以计算每个地标的最终位置。，我们用大脑的解剖标记产生的高斯热图目标训练了这两个UNET。案例级别的地面真相标签和地标注释是由多个训练有素的注释者产生的，并由放射学技术人员和放射科医生进行了审查。我们提出的管道实现了使用2,545个头部非对比度计算的测试数据集在AUC中的情况级MLS检测性能
评估入院时脑部计算机断层扫描结果对预测创伤性脑损伤患者的长期预后
摘要 目的 评估中低收入国家 (LMIC) 创伤性脑损伤 (TBI) 患者的入院脑部计算机断层扫描 (CT) 扫描结果以预测长期神经系统结果。材料与方法 对 2017 年 3 月至 2018 年 4 月期间入住三级急诊医院的遭受 TBI 并在创伤后 12 小时内接受脑部 CT 扫描的患者进行前瞻性评估。所有住院至少 24 小时的患者在 12 个月后通过电话联系以评估他们的神经系统状况。结果 我们对 180 名患者进行了 12 个月的随访，其中大多数为男性 (93.33%)。 CT 发现的脑部变化，例如脑挫伤（BC；p = 0.545）、硬膜外出血（EDH；p = 0.968）和颅底骨折（SBF；p = 0.112）与较差的神经系统结果无关；然而，硬膜下出血（SDH；p = 0.041）、蛛网膜下腔出血（SAH；p 0.001）、脑肿胀（BS；p 0.001）、皮质沟消失（ECS；p = 0.006）、脑基底池消失（EBC；p 0.001）、凹陷性颅骨骨折（DSF；p = 0.017）和脑中线移位 > 5 毫米（p = 0.028）与较差的结果相关。
随机三维数值幻象，可以在乳腺癌的定量光声计算机中启用计算研究
光声计算机断层扫描（OAT），也称为光声计算的Tomography，是一种非侵入性成像方式，可积极用于临床乳房成像和其他生物医学应用。1 - 8燕麦的独特特征是能够基于与发色团浓度和组织内的发色团浓度和氧化状态相关的内源性光学对比度产生图像的能力，而无需电离辐射和空间分辨率丢失，通常与纯粹的光学技术相关的纯粹光学技术，例如纯粹的光学技术。1，9这允许进行组织代谢和血管生成的成像，这些代谢和血管生成已被鉴定为在肿瘤生长和进展中起关键作用。7，10因此，理想地将光声成像定位为在体内解决这两个标志。2 - 8，10因此，优化且经过验证的燕麦系统可以成为治疗乳腺癌的强大工具。通过评估肿瘤微举行密度和血液氧合，它可以使肿瘤侵袭性的初步评估以告知治疗计划和预后。它还可以随着时间的推移监测肿瘤对治疗的反应。然而，为了实现其全部诊断潜力，燕麦应具有提供有关光吸收系数真实值的定量信息的能力，该信息与分子浓度成正比。7、11、12