XiaoMi-AI文件搜索系统
World File Search Systemstet
人工智能在产科的应用
随着 IBM Watson Health 的出现，医疗人工智能 (AI) 开始受到关注，并在各个领域迅速发展，改进和应用 AI 到临床实践的努力比以往任何时候都更加活跃。特别是，由于大数据的积累，使用 AI 的技术正在许多领域实现商业化，尤其是使用人工神经网络 (ANN) 分析医学图像的深度学习已被认为是最接近临床应用的技术。机器学习是 AI 的一种基本方法，它使用数据、从数据中学习并自行做出决策或预测；然而，机器学习需要一些指导。深度学习是机器学习的一个子类型，通过深度学习，ANN 本身可以判断预测的准确性 [1]。使用深度学习的 AI 应用已经超出了计算机断层扫描、磁共振成像 (MRI)、超声检查 (US) 和病理切片的范围，包括使用内窥镜检查（包括视觉和肠道图像）诊断或确定疾病严重程度 [2–5]。不同的公司一直在开发和商业化基于 AI 的视频平台。本综述的目的是介绍产科领域正在研究和开发的人工智能技术。
人工智能：妇产科新范式 人工智能：妇产科研究与临床实践新范式 妇科研究与临床实践
在此，我们将讨论目前妇产科中人工智能的使用情况，以及使用人工智能作为解释胎儿心率 (FHR) 和胎心监护 (CTG) 的工具，以帮助检测早产和妊娠并发症，并审查临床医生之间解释的差异，以降低产妇和婴儿的发病率和死亡率。人工智能系统可用作工具来创建算法，识别有早产风险的宫颈长度较短的无症状女性。此外，利用人工智能存储的巨大数据容量的好处可以帮助使用多组学和大量基因组数据确定早产的风险因素。在妇科手术领域，增强现实的使用有助于外科医生检测重要结构，从而减少并发症，缩短手术时间，并帮助受训外科医生在现实环境中练习。使用三维 (3D) 打印机可以提供模拟真实组织的材料，也有助于受训者在逼真的模型上练习。此外，3D 成像比二维 (2D) 成像具有更好的深度感知能力，使外科医生能够根据组织深度和尺寸制定术前计划。尽管人工智能存在一些局限性，但这项新技术可以改善患者的预后和管理，降低医疗成本，并帮助妇产科医生通过将人工智能系统纳入日常实践来减少工作量并提高效率和准确性。
基于深度学习的产科超声平面姿态回归
摘要 目的在产科超声 (US) 扫描中，学习者根据二维 (2D) US 图像在脑海中构建胎儿的三维 (3D) 地图的能力代表了技能习得中的重大挑战。我们的目标是构建一个 US 平面定位系统，用于 3D 可视化、训练和引导，而无需集成额外的传感器。方法我们提出了一个回归卷积神经网络 (CNN)，使用图像特征来估计任意方向的 US 平面相对于胎儿大脑中心的六维姿势。该网络在从幻影 3D US 体积获取的合成图像上进行训练，并在真实扫描上进行微调。训练数据是通过将 US 体积在 Unity 中以随机坐标切成成像平面并在标准经脑室 (TV) 平面周围更密集地切片来生成的。结果使用幻影数据，随机平面和靠近 TV 平面的平面的中位误差分别为 0.90 mm/1.17 ◦ 和 0.44 mm/1.21 ◦。对于真实数据，使用具有相同胎龄 (GA) 的不同胎儿，这些误差为 11.84 mm/25.17 ◦。平均推理时间为每平面 2.97 毫秒。结论所提出的网络可靠地定位了幻影数据中胎儿大脑内的超声平面，并成功地从与训练中类似的 GA 中推广了看不见的胎儿大脑的姿势回归。未来的发展将扩大预测范围，以预测整个胎儿的体积，并评估其在获取标准胎儿平面时基于视觉的徒手超声辅助导航的潜力。
人工智能在妇产科自动化领域的应用——现状评估
数字化期待已久的进展每天都会产生大量的医疗数据，而对这些数据进行手动分析和有针对性的、以患者为中心的评估变得越来越困难甚至不可行。这种状况以及个性化精准医疗日益复杂的相关要求，凸显了整个医疗保健系统对现代软件解决方案和算法的需求。过去几年，几乎所有医学领域都采用了最先进的设备和技术，确实已经使自动化流程至少部分进入了常规临床实践。这类系统利用了各种各样的人工智能 (AI) 技术，其中大多数已经开发用于优化医学图像重建、降噪、质量保证、分类、分割、计算机辅助检测和分类，以及新兴的研究领域放射基因组学。人工智能处理的任务完成得更快、更准确，这一点在 2015 年首次举办的 ImageNet 大规模视觉识别挑战赛 (ILSVCR) 的年度结果中得到了明确证明，错误率远低于人类。这篇评论文章将讨论人工智能在妇产科诊断中的潜在能力和目前可用的应用。本文将特别关注产前超声诊断中的自动化技术。
为妇产科患者提供专业负责的 2019 冠状病毒病疫苗接种咨询
在当前和计划中的临床试验中开发 2019 冠状病毒病疫苗对于公共卫生应对的成功至关重要。本文重点介绍医生在向怀孕、计划怀孕、哺乳或计划母乳喂养的患者提供有关政府批准临床使用的疫苗的咨询时应如何实施这些临床试验的结果。确定向患者提供有关 2019 冠状病毒病疫苗接种的最有效方法具有挑战性。我们致力于为 3 组患者提供专业负责的咨询——怀孕、计划怀孕和哺乳或计划母乳喂养。我们首先基于证据阐述以下 5 个主要挑战：证据基础有限、有记录显示怀孕的 2019 冠状病毒病感染患者患重症的风险增加、政府机构和专业协会的指导相互矛盾、关于 2019 冠状病毒病疫苗的虚假信息以及母亲的不信任和疫苗犹豫。随后，我们提供了基于证据、符合伦理的实用指导，以应对在专业负责任地为患者提供 2019 冠状病毒病疫苗接种咨询时面临的这些挑战。为了指导对怀孕、计划怀孕和哺乳或计划哺乳的患者进行专业负责任的咨询，我们解释了妇产科医生应如何评估当前的临床信息、为什么应建议接种 2019 冠状病毒病疫苗，以及如何在知情同意过程中向患者展示这一评估，以使他们能够做出明智的决定。我们还主动说明了当患者拒绝推荐的疫苗接种时如何应对，包括知情拒绝的法律义务要素和要求患者重新考虑的道德义务。在此过程中，医生应警惕疫苗犹豫，要求患者表达他们的犹豫和原因，并尊重地对待他们。与政府机构和专业协会的相互矛盾的指导意见相反，妇产科的循证职业道德提供了明确而清晰的指导意见：医生应向怀孕、计划怀孕和哺乳或计划哺乳的患者推荐 2019 冠状病毒病疫苗接种。为了防止健康不平等现象扩大，建立对疫苗接种健康益处的信任，并鼓励接种 2019 冠状病毒病疫苗和接受治疗，除了推荐 2019 冠状病毒病疫苗接种外，医生还应与社区合作，制定策略以克服不信任，并提供循证信息、强有力的教育活动和新颖的免疫方法。
引用 (APA)：Tolsgaard, MG、Svendsen, MBS、Thybo, JK、Petersen, OB、Sundberg, KM 和 Christensen, AN (2021)。用于对超声成像进行分类的人工智能是否可以在不同人群和环境中推广？妇产科超声，57 (2)，342-343。https://doi.org/10.1002/uog.23546
在本期刊最近发表的一篇文章中，Drukker 等人 1 回顾了人工智能 (AI) 在妇产科超声成像中的作用。作者描述了 AI 算法在标准平面的自动检测和分类等应用中的应用。一个特别的挑战是，训练这些 AI 算法需要大量的超声图像。训练所得算法的方式存在引入偏差的风险。其次，在算法训练和验证的数据群体之外应用算法时会出现一个潜在问题。目前没有足够的证据表明 AI 算法可以从它们训练的群体推广到其他群体。如果 AI 算法无法在不同环境中推广，那么研究结果的普遍采用就会有问题。我们在此描述了在英国环境中开发的 AI 算法，并使用 2016 年英国人群的数据，与 2009 年至 2017 年期间在丹麦两个胎儿医学中心获得的图像相比如何。
人工智能使用数字听诊器检测儿童病理呼吸音的准确性
背景：通过手动听诊检测异常呼吸音的观察者间可靠性较差。带有人工智能 (AI) 的数字听诊器可以提高对这些声音的可靠检测。我们旨在独立测试为此目的开发的 AI 的能力。方法：儿科呼吸科医生根据音频回放和仔细的频谱图和波形分析，从儿童身上采集了 192 个听诊记录，分别标记为包含哮鸣音、爆裂音或两者都不包含，其中一个子集由第二位盲法临床医生验证。这些记录提交给专门经过训练以检测病理性儿科呼吸音的盲法 AI 算法 (StethoMe AI) 进行分析。结果：在优化的 AI 检测阈值下，Clinicloud 记录的爆裂音检测阳性百分比一致性 (PPA) 为 0.95，阴性百分比一致性 (NPA) 为 0.99；对于 Littman 收集的声音，PPA 为 0.82，NPA 为 0.96。哮鸣音检测 PPA 和 NPA 分别为 0.90 和 0.97（Clinicloud 听诊），对于 Littman 记录，PPA 为 0.80，NPA 为 0.95。
妇产科超声影像人工智能简介
人工智能 (AI) 使用数据和算法来得出与人类得出的结论一样好甚至更好的结论。人工智能已经成为我们日常生活的一部分；它支持人脸识别技术、虚拟助手（如 Amazon Alexa、Apple 的 Siri、Google Assistant 和 Microsoft Cortana）中的语音识别以及自动驾驶汽车。人工智能软件已经能够击败国际象棋、围棋甚至扑克的世界冠军。对于我们的社区而言，它是医疗保健领域创新的重要来源，已经帮助开发新药、支持临床决策并提供放射学质量保证。获得美国食品药品监督管理局或欧盟（即将纳入欧盟医疗器械法规）批准的医学图像分析人工智能应用名单正在迅速增加，并涵盖了各种临床需求，例如使用智能手表检测心律失常或将关键成像研究自动分类到放射科医生的工作列表的首位。深度学习是人工智能的主要工具，在图像模式识别方面表现尤为出色，因此可以为严重依赖图像的医生带来巨大益处，例如超声医师、放射技师和病理学家。尽管产科和妇科超声是最常见的两种影像学研究，但人工智能迄今为止对这一领域的影响不大。尽管如此，人工智能在协助重复性超声任务方面具有巨大潜力，例如自动识别高质量采集并提供即时质量保证。为了发挥这一潜力，人工智能开发人员和超声专业人员之间的跨学科交流是必不可少的。在本文中，我们探讨了医学成像人工智能的基础知识，从理论到适用性，并向超声领域的医疗专业人员介绍了一些关键术语。我们相信，更广泛的人工智能知识将
听诊器、病历、人工智能和泽字节：墨西哥数字医学的未来一瞥
科学技术正在以令人眼花缭乱的速度改变医学。尽管在我国，获得设备、数据存储和人工智能领域创新成果的机会仍然非常有限，但数字医学的进步为解决墨西哥医疗实践和公共卫生面临的一些最大问题提供了机会。数字医学可能造成颠覆性影响的潜在领域包括优质医疗服务的可及性、大城市专科的集中化、医疗治疗的非人性化、缺乏获得循证治疗的资源等。本综述介绍了一些引导医学新革命的进展，讨论了实施的潜在障碍，并提出了墨西哥纳入数字医学的关键要素。
社会和产科不平等以及疫苗接种......
摘要目的：分析孕妇社会经济水平、产科特征与疫苗接种记录的关联。方法：横断面研究，对480名产后妇女进行。孕妇接种疫苗被视为一个因变量；独立变量包括：年龄、肤色、教育、稳定的婚姻、有偿工作和产前咨询次数。使用泊松回归模型验证变量之间的关联。结果：480份孕妇宣传册中，10.63%含有乙肝疫苗接种信息；破伤风为31.46%；对于流感，90％的笔记本中没有记录。有偿工作与产前咨询和接种乙肝疫苗的次数之间存在联系。结论：在就业市场中接受产前咨询次数较多的女性未接种疫苗的比例较低。这表明社会经济不平等可能会影响孕妇接受卫生服务所需的疫苗接种。描述符：疫苗接种；产前护理；孕妇；健康水平的差异；罪孽。