XiaoMi-AI文件搜索系统
World File Search Systemsurgical
人工智能在神经外科领域的作用不断演变
参考文献 [1] Litjens, G., Et Al. (2017)。“医学图像分析中的深度学习调查。”医学图像分析，42，60-88。 [2] Esteva, A., Et Al. (2021)。“深度学习支持的医学计算机视觉。”自然生物医学工程，5(6)，541-551。 [3] Haidegger, T. (2021)。“人工智能驱动的机器人手术：趋势、进步和挑战。”IEEE 生物医学工程评论，14，27-45。 [4] Ferguson, S., Et Al. (2019)。“用于预测神经外科术后并发症的机器学习模型。”神经外科评论，43(4)，891-900。 [5] Bricault, I., Et Al. (2021)。 “人工智能驱动的机器人神经外科手术：技术和临床结果。”《神经外科杂志》，135(2)，543-553。[6] Shen, D. 等人（2019 年）。“医疗保健中的人工智能：个性化和精准医疗。”《自然医学》，25(1)，44-56。[7] Senders, JT 等人（2018 年）。“神经外科中的机器学习：一项全球调查。”《神经外科评论》，41(3)，585-594。[8] Senders, JT 等人（2020 年）。“用于神经外科结果预测的人工智能。”《柳叶刀数字健康》，2(7)，E352-E361。[9] Topol, EJ（2019 年）。“高性能医疗：人类与人工智能的融合。” Nature Medicine，25(1)，44-56。[10] Rudin，C.（2019）。“停止解释高风险决策的黑箱机器学习模型，并使用可解释的
AI创新解锁了检测脑癌扩散的非手术方式
在今年早些时候的一项研究中，研究人员发现了可能治疗某些脑转移的药物。但是，要确定哪种患者最终可以从这种方法中受益，医生需要知道癌症是否已扩散到周围的组织中。手术是最常见的解决方案，但对于患者而言，这并不总是可以选择的，尤其是当他们的肿瘤难以获得或健康外科手术的风险过高时。
Glenn循环在肺动脉畸形的手术模型中引起早期和进行性分流
未通过同行评审认证）是作者/资助者。保留所有权利。未经许可就不允许重复使用。此预印本的版权持有人（此版本发布于2024年4月7日。; https：//doi.org/10.1101/2024.04.04.04.04.03.588015 doi：biorxiv Preprint
手术视频中的精细粒度多级多级跟踪
准确的工具跟踪对于计算机辅助干预的成功至关重要。以前的努力通常会严格地对工具轨迹进行建模，从而俯瞰外科手术程序的动态性质，尤其是跟踪诸如身体外和相机外视图之类的场景。在解决此限制时，新的CholectRack20数据集提供了详细的标签，以三个角度说明多个工具轨迹：（1）术中，（2）体内和（3）可见性，代表不同类型的工具轨迹时间。这些细粒标签可增强跟踪灵活性，但也提高了任务复杂性。由于高视觉相似性，尤其是在同一类别的工具中，遮挡或重新插入身体后的工具仍然具有挑战性。这项工作认识到工具操作员在区分工具轨道实例中的关键作用，尤其是属于同一工具类别的工具轨道实例。但是，在手术视频中未明确捕获操作员的信息。因此，我们提出了Surgitrack，这是一种利用Yolov7进行精确工具检测的新型深度学习方法，并采用了注意机制来对工具的起源方向进行建模，作为其操作员的代理，以重新识别工具。为了处理各种工具轨迹的观点，Surgitrack采用了协调的两分匹配图，最大程度地减少冲突并确保准确的工具身份关联。cholectrack20的实验结果证明了外科手术的有效性，优于实时推理能力的最先进方法和最先进的方法。这项工作为手术工具跟踪设定了新的标准，为在微创手术中提供了更适合适应性和精确的帮助。
回肠微生物群对克罗恩病外科现场感染的影响：全国前瞻性队列
a Department of Gastrointestinal Surgery, North Hospital, Public Assistance-Marseille Hospitals, Aix-Marseille Univ., Chemin des Bourrely, 13015 Marseille, France B Sorbonne University, UMR CNRS 8001, LPSM, 75005 Paris, France C Sorbonne University, Inserm, Saint-Antoine research center, CRSA, AP-HP, Hospital, Gastroenterology Department, F-75012巴黎，法国D胃肠病学系MICI和养分援助，法国E Univ。通讯作者：哈里·索科尔（Harry Sokol），医学博士，博士，胃肠病学服务，圣坦医院，184 Rue du Faubourg Saint-Antoine，75571 Paris Cedex，法国12。电话：+33 1 49 28 31 62;传真：+33 1 49 28 31 88;电子邮件：harry.sokol@aphp.frLille，Inserm，Chu Lille，U1286炎症转化研究，F-59000，法国F-59000，法国F-59000胃肠病学系，里昂SUD医院，Lyon Sud医院，Hospices de Lyon和Inserm U1111，Ciri，Ciri，Ciri，Lyon，法国Gastrolance gastroterologely deconcy法国艾米斯大学艾米斯大学医院，法国尼斯2号ARchet 2，法国J Digestive，肿瘤学和内分泌手术系Artoenterology系的肝胃肠病学系，巴黎大学，巴黎大学，巴黎大学，法国大学，法国大学，法国大学，法国大学，法国医院Huiez医院，里尔大学里尔市Chru，北法国，法国里尔，法国M手术部，里昂SUD医院，康复医院，康复医院，里昂，里昂，法国里昂。 （PACEMM）法国巴黎FHU，法国胃肠病学系，AP-HP，圣路易斯医院，法国Sorbonne Sorbonne University，AP-HP，AP-HP，AP-HP，SANT ANTOINE医院，F-75012，PARIS，SUDPARIS，SUDPARIS，PARIS，PARAS，PARAS，PARAS BBA UMICHANN的SUDPARIS，PARIS INDERIDE INDER IDER IDERACHIC（PARISE） Aix-Marseille Univ/University Gustave Eiffel, Boulevard Pierre Dramard, Marseille, France V Center for Surgical Teaching and Research (Cercle), Aix-Marseille Univ, Boulevard Pierre Dramard, Marseille, UMR1319 MICHALIS & AGROPARISTECH, JOUY EN JOSAS, FRANCE *THERE AUTHORS Contributed EQUALLY TO THIS Study.
AI增强了大脑成像 - 精选的手术过程拖拉术
在半球术患者完整半球中的下纵向筋膜（ILF）的重建。在特写镜头中，与红色矩形内的区域相对应，在切片附近剪辑了流线，以更好地可视化事实，即TractSeg在病变内重建流线，而提议的正规化低率重建则更准确地排除了病变，尽管分裂了整体较大的Tract体积，但仍将病变排除在外。信用：神经图像：临床（2025）。doi：10.1016/j.nicl.2025.103738
医疗保健相关感染：手术部位感染
•手术部位感染（SSIS）是最常见的医疗保健相关感染（HAIS）。它们与术后住院期较长，其他外科手术，重症监护病房的治疗以及更高的死亡率有关。•在2021 - 2022年，11个欧盟成员国和一个EEA国家报告了10 193 SSIS，总共有662 309个手术程序，用于9种类型的手术程序。•SSIS的百分比从椎板切除术的0.6％到开放结肠手术的9.6％不等，具体取决于手术程序的类型。•根据外科手术的类型，每1 000例术后患者日的院内SSIS的发病率密度从0.1到5.3不等。•将2022年与2021年进行比较，另外两个国家向ECDC报告了数据。法国在停顿后继续报告，比利时首次报告了SSI监视数据。总体而言，报告的手术程序数量有所增加，特别是对于髋关节和膝关节假体和椎板切除术。
与癫痫发作和手术结果的关系
摘要 目的：虚拟癫痫患者（VEP）是一种基于虚拟脑技术的大规模大脑建模方法，使用立体脑电图（SEEG）、解剖数据（磁共振成像 [MRI] 和连接）和计算神经元模型来提供患者癫痫发作的计算机模拟。VEP 通过识别最有可能引发癫痫发作的区域，在药物耐药性癫痫的术前评估中具有潜在用途。我们旨在评估 VEP 方法在估计致痫区和预测手术结果方面的表现。方法：回顾性地在 53 名患有药物耐药性癫痫并有 SEEG、T1 加权 MRI 和弥散加权 MRI 的患者中应用 VEP 建模。精确回忆法用于比较 VEP 识别为致痫区 (EZ VEP ) 与临床分析结合致痫指数 (EI) 方法 (EZ C ) 定义的致痫区。在 28 名接受手术的患者中，我们将 VEP 结果和临床分析与手术结果进行了比较。结果：VEP 对 EZ VEP 检测的精确度为 64%，回忆率为 44%
垂直农业与氢经济之间的协同作用
1 Division of Paediatric Cardiac Plegery, Aphm La Timone, Marseille, France, 2 department of pediatrics, Division of Neurology, Timone Hospital, Marseille, France, 3 Department of Neuroradiology, Aphm La Timone, Marseille, France, 4 Cemerem, Aphm la Timone, Marseille, 5 Aix-Marseille Unit For Clinical Research and Economic Evaluation, AP - HM, Marseille, France, 6 Department of Paediatric Neurology, APHM La Timone, Marseille, France, 7 Department of Paediatric Cardiology, Aphm La Timone, Marseille, France, 8 Department of Paediatric Aneshesia and Intensive Care Unit, APHM Marseille, France, 9 Department of Neonatology, Aphm La Conception, Marseille, France, 10 Aix Marseille Univ, CNR，LPL，Aix-en-Provence，法国，11 Inserm U1106系统神经科学研究所，法国Marseille，法国
人工智能在神经外科教育中的应用：A
•分析手术模拟期间的性能指标。•学习构成外科专业知识的特定过程的指标集。•使用神经网络和其他算法对参与者分类。•根据模拟中获得的指标提供个性化和定量的反馈。•提供实时视听和度量评估。•评估各种反馈方式（数字，视觉，视觉空间）对绩效提高的影响。•制定个性化培训计划。•确定学习模式。