XiaoMi-AI文件搜索系统
World File Search System介入
健康和疾病中新型炎症标志物纤溶酶原激活剂抑制剂-1 的唾液表达：一项介入研究
简介 牙周炎是一种慢性牙周炎症，由致病菌与其他危险因素共同引起。糖尿病与牙周炎呈负相关，是全球重大的健康问题（Preshaw 和 Bissett，2019 年；Kim 和 Amar，2006 年）。牙周病会引发逐渐的、不可逆的炎症反应，从而破坏组织。与牙菌斑生物膜中存在的细菌菌群相反，局部组织和免疫细胞会产生促炎细胞因子，导致牙周组织损伤（Ebersole 等人，2013 年）。代谢紊乱糖尿病 (DM) 的特征是胰岛素分泌不足、胰岛素无效或两者兼而有之引起的高血糖症。牙周组织也是受 DM 影响的众多身体器官之一。这两种情况都会对牙周组织产生负面影响，
植入神经介入手术的运动神经假体可提高严重麻痹的日常生活活动的能力：第一次人类经验
抽象的背景植入式脑 - 计算机界面（BCI）（BCIS）充当运动神经假体，有可能恢复自愿运动冲动以控制数字设备并改善由于脑，脊髓，周围神经或肌肉功能障碍而导致大脑，脊髓，周围神经或肌肉功能障碍的严重瘫痪的患者的功能独立性。但是，迄今为止的报告的临床翻译有限。方法与两名患有肌萎缩性侧硬化症（ALS）的参与者在单臂，开放标签，前瞻性，早期可行性研究中接受了植入物。使用微创神经干预程序，将新型的血管内架BCI植入了与原发性运动皮层相邻的上矢状窦中。参与者进行了机器学习辅助训练，以使用与尝试的运动相关的无线传输电视学信号，以控制多个鼠标单击的动作，包括变焦和左键单击。与光标导航相结合使用，参与者实现了Windows 10操作系统控制，以进行日常生活（IADL）任务的器乐活动。结果从第86天开始为参与者1开始，而参与者的第71天开始开始使用。参与者1以13.81（13.44，10.96-16.09）的速度（13.44，10.96-16.09）获得了92.63％（100.00％，87.50％–100.00％）的打字任务精确率（100.00％，87.50％ - 100.00％）（试验平均值（中位数，Q1 – Q3）），并具有预测性文本有限的每分钟（CCPM）。参与者2在20.10（17.73，17.73，12.27–26.50）CCPM时，平均点击选择精度为93.18％（100.00％，88.19％–100.00％）。在两位参与者中都独立证明了IADL任务，包括文本消息，在线购物和管理财务。结论，我们使用血管内支架 - 支架 - 电极阵列来描述微创，完全植入，无线，无线运动神经假体的最初体验
inPainting驱动的掩模优化对象去除
摘要 - 本文提出了一种掩盖优化方法，用于使用图像介入来提高对象去除的质量。在许多现实情况下，许多介绍方法都经过一组随机掩码的训练，但在许多现实的情况下，indpainting的目标可能是一个对象，例如一个人。训练和推理图像中掩模之间的域间隙增加了介入任务的难度。在我们的方法中，通过训练通过分割提取的对象掩码训练介入网络来解决此域间隙，并且在推理步骤中也使用了此类对象掩码。此外，为了优化对象蒙版的介入，分割网络已连接到indpainting网络，并端到端训练以提高镶嵌性能。通过我们的面具扩展损失实现大型面具和小型面具之间的权衡，这种端到端训练的效果进一步增强了。实验结果证明了我们方法使用图像介入的方法去除对象的有效性。索引术语 - 图像inpainting，对象分割，对象删除
志愿服务对您的心脏有益吗？新的房颤...
5月，萨罗吉·尼帕恩（Saroj Neupane）博士，瓦卡德（Wakemed Heart＆Vascular） - 心脏病学，参加了在亚利桑那州凤凰城举行的心血管血管造影与干预协会（SCAI）年度科学会议。Neupane博士在班纳大学医学中心的介入心脏病学团队中进行了现场慢性全部闭塞（CTO）病例，而会议与会者则查看了该程序，并参加了凤凰会议中心的教育讨论。介入的团队表现出血管内超声引导的治疗，对患者的冠状动脉支架内的重新堵塞，并取得了出色的结果。SCAI科学会议吸引了来自世界各地的介入的心脏病学家，以共享最新的临床数据，程序指导和高级专业知识。祝贺Neupane博士为推进介入心脏病学领域的贡献！
疫苗相关腋窝淋巴结肿大，重点关注 COVID-19 疫苗
附属机构 1 弗莱堡大学医学中心诊断和介入放射学系，弗莱堡大学医学院，弗莱堡，德国 2 慕尼黑放射学系放射学，慕尼黑，德国 3 埃尔朗根-纽伦堡弗里德里希-亚历山大大学医学院，埃尔朗根，德国 4 维也纳医科大学生物医学成像和图像引导治疗系普通放射学和儿科放射学科，维也纳，奥地利 5 慕尼黑工业大学诊断和介入放射学，慕尼黑，德国 6 图宾根大学医院诊断和介入放射学，图宾根，德国 7 维尔茨堡大学医院诊断和介入放射学系，维尔茨堡，德国 8 柏林，乳房 X 线摄影参考中心，柏林，德国 9 明斯特大学医院临床放射学系和乳房 X 线摄影参考中心，明斯特，德国 10 德累斯顿，放射学实践，拉德博伊尔，德国11 德国海德堡大学医院诊断和介入神经放射学系
肝动脉介入联合免疫靶向治疗对BCLC-C肝细胞癌疗效优于序贯治疗
摘要背景肝动脉介入联合免疫靶向治疗具有良好的疾病控制效果并延长生存期，但肝动脉介入与全身治疗的安排使临床决策混乱。方法一项双中心回顾性临床研究经机构伦理委员会批准，纳入2018年12月至2022年2月接受靶向治疗加PD-1抑制剂治疗（联合或不联合肝动脉介入）的巴塞罗那诊所肝癌C期（BCLC-C）肝细胞癌（HCC）患者。根据治疗模式，将患者分为三组：初始肝动脉介入联合免疫靶向治疗、免疫靶向治疗序贯肝动脉介入治疗、单纯免疫靶向治疗。比较三组的生存率、反应和不良事件。还评估了亚组分析和单变量和多变量预后分析。结果中位随访时间为18.3个月（95%CI 16.7至20.0个月）。总共 163 名 BCLC-C 期 HCC 患者被分为三组：初始肝动脉介入加 PD-1 抑制剂加靶向治疗 (HPT，n = 66)、PD-1 抑制剂加靶向治疗后再进行肝动脉介入 (PTH，n = 56) 和 PD-1 抑制剂加靶向治疗 (PT，n = 41)。HPT 组的中位无进展生存期为 8.37 个月 (95% CI 6.35–10.39)，PTH 组为 5.3 个月 (95% CI 3.48–7.12)，PT 组为 6.33 个月 (95% CI 3.75–8.92)。 HPT 组的无进展生存期优于 PTH 组（HR 0.66，95% CI 0.45–0.97，p = 0.027）和 PT 组（HR 0.60，95% CI 0.39–0.92，p = 0.01）。HPT 组的中位总生存期为 14.6 个月（95% CI 10.6–18.7），PTH 组为 10.0 个月（95% CI 8.2–11.8），PT 组为 11.3 个月（95% CI 8.3–14.3）。HPT、PTH 和 PT 组的 1 年总生存率（OS）分别为 50%、33.9% 和 34.1%。 HTP组总生存期明显长于PT组（HR 0.60，95% CI 0.361～0.996，p=0.032）。与PTH组相比，HTP组总生存期有延长趋势（HR 0.66，95% CI 0.416～1.032，p=0.059）。所有治疗方式安全性相同。多因素分析显示，治疗方式、白蛋白水平、Child-Pugh分级及肝切除史是BCLC-C型HCC患者的独立预后因素。结论初始肝动脉介入联合免疫靶向治疗较免疫靶向序贯肝动脉介入和单纯免疫靶向治疗可获得生存获益，且副作用可耐受。多因素分析显示肝脏储备功能与预后密切相关。
2022; 18(15): 5607-5623. doi: 10.7150/ijbs.76281 综述 设计新抗原疫苗以改善癌症个性化免疫治疗
1.郑州大学第一附属医院介入放射科，河南郑州 450052。2.郑州大学介入研究所，河南郑州 450052。3.河南省介入治疗与临床研究中心，河南郑州 450052。4.郑州大学第一附属医院消化内科，河南郑州 450052。5.郑州大学第一附属医院结直肠外科，河南郑州 450052。6.郑州大学第一附属医院肝胆胰外科，河南郑州 450052。7.郑州大学第一附属医院小儿泌尿外科，河南郑州 40052。
人工智能在癌症诊断中的临床试验
结果：共纳入97项注册临床试验，其中介入性试验27项（27.8%），观察性试验70项（72.1%）。15项（15.4%）试验已经完成，50项试验正在招募中，18项试验尚未招募。临床试验纳入病例数较大，31项（32.0%）试验样本量在100～499例，17项（17.5%）试验样本量在500～999例。27项介入性试验中，仅2项试验报告了试验阶段。介入性试验以诊断为目的居多（85.2%），少数（3.7%）同时以癌症诊断和治疗为目的。观察性临床试验中，46项（65.7%）为队列研究，11项（15.7%）为病例研究。观察性试验中，46项（65.7%）为前瞻性研究，13项（18.6%）为回顾性研究。97项试验中，37项（38.1%）涉及结直肠癌，11项（11.3%）涉及乳腺癌，43项（44.3%）为影像学诊断，33项（34.0%）为内镜诊断，11项（11.3%）为病理诊断。介入性试验中，11项试验为平行分配（40.7%），14项试验为单组分配（51.9%）。27项介入性试验中，18项（66.7%）未进行掩蔽，6项（22.2%）为单次掩蔽，仅1项（3.7%）为双重掩蔽，2项（7.4%）为三重掩蔽。
人工智能心血管成像和...
随着经导管疗法的出现，介入心脏病学的临床领域得到了极大的扩展。非侵入性成像是心血管介入前评估心血管疾病的关键守门人。5 成像中的人工智能技术正在展示其图像解释、质量控制、诊断和改进工作流程的能力。6 人工智能和机器学习可以帮助发现心血管成像大数据中存在的新变异或表型，这可以提高我们的理解并带来 CAD 的新治疗干预。7 它们可以进一步帮助介入心脏病学，因为它们可以改善临床决策、组织导管室的工作流程、通过机器人应用促进基于导管的干预并预测正确的放置以减少或避免瓣周漏。4,8