XiaoMi-AI文件搜索系统
World File Search System动脉瘤
人工智能在颅内动脉瘤检测中的不一致性
保留所有权利。未经许可不得重复使用。永久。预印本（未经同行评审认证）是作者/资助者，他已授予 medRxiv 许可，可以在此版本中显示预印本。版权所有者于 2024 年 11 月 30 日发布此版本。；https://doi.org/10.1101/2024.11.26.24317954 doi：medRxiv preprint
肠炎沙门氏菌感染引起的细菌性动脉瘤
细菌性动脉瘤是一种罕见但严重的并发症，可由全身性细菌感染引起，包括由沙门氏菌引起的感染。这些动脉瘤可能进展迅速，死亡率很高。一名 62 岁的男性，患有控制不佳的 2 型糖尿病，因感染性休克入院。血培养物培养出肠炎沙门氏菌。计算机断层扫描血管造影显示肾下腹主动脉细菌性动脉瘤破裂。尽管进行了抗生素治疗和支持治疗，患者的病情仍迅速恶化，导致死亡，最有可能的原因是动脉瘤破裂。此病例强调了对沙门氏菌血症患者保持警惕的重要性，尤其是高危人群，例如老年人和患有心血管疾病的人。早期成像和及时干预对于改善预后和预防致命并发症（如动脉瘤破裂）至关重要。
Biomodex 患者专用脑动脉瘤模型
摘要 背景 随着该领域先进技术的出现，使用血管内技术治疗神经血管疾病正在迅速发展。在这里，我们描述了使用 Biomodex EVIAS 患者特定 3D 打印模型进行术前模拟的经验，以规划使用血管内机器人和新型流量分流装置治疗动脉瘤。 方法 在第一次人体实验之前，使用 8 例脑动脉瘤患者的 3D 打印患者特定模型进行术前演练。为了评估实验模型的可靠性，比较了患者和 3D 模型之间动脉瘤的特征。演练用于确定患者治疗计划，包括技术、装置尺寸和手术工作投影。 结果 该研究包括八名患者及其各自的 EVIAS 3D 动脉瘤模型。对首次人体机器人辅助神经血管干预（n=2）和新一代流量分流支架（n=6）进行了术前模拟。动脉瘤位于前循环（n=5）和后循环（n=3），平均大小为 11.0±6.5 毫米。我们发现 3D 模型和患者解剖结构可靠地再现了动脉瘤特征，母血管解剖结构的尺寸相似。详细描述了从术前体外模拟中得到的信息，包括改进的患者治疗计划，这有助于成功完成世界上首例手术，且没有术中并发症。结论使用患者特定的 3D 模型进行术前演练可提供精确的手术计划，这可能会提高操作员的信心，减少辐射剂量并提高患者的安全性，尤其是在首次人体体验中。
直接修饰动脉瘤左心室的经导管程序
引入左心室动脉瘤（LVA）在10％至30％的患有心肌梗塞前梗塞1的患者中发现。传统上，减少疤痕需要使用侵入性手术技术2。缺血性心力衰竭（Stich）试验的外科手术治疗是一项经典试验，比较冠状动脉搭桥术（CABG）与CABG和手术性心室重建的组合手术3。目前，基于CATH的左VENCERICE直接修改的程序由降落伞装置（Cardiokinetix Inc.，Cardiokinetix Inc.，Menlo Park，CA，美国，美国）和Revivent TC™设备（Bioventrix Inc.，San Ramon，CA，美国加利福尼亚州，美国，美国）4,5。我们报告了接受复兴的“侵入性心室增强”手术的26名患者的单个中心经验和结果，该手术不需要胸骨切开术，不需要胸腔切开术，没有脑室切开术，也没有外体或循环系统的支撑。
非动脉瘤性蛛网膜下腔出血（NASAH）
头痛 蛛网膜下腔出血后经常会出现头痛，通常会随着时间的推移而缓解。但是，头痛可能会持续。脱水、压力、疾病、睡眠过多或过少以及不吃饭都可能引发头痛。长期或经常使用止痛药（对乙酰氨基酚、布洛芬、可待因、吗啡等）也可能加重或延长头痛，因此应谨慎使用，如果不再需要，应停止使用。每天喝 2 到 3 升水、按时吃饭和确保良好的睡眠模式有助于减少头痛的频率和严重程度。在某些情况下，避免某些诱因（如咖啡因、酒精、奶酪等）可能会有所帮助。您可以尝试一些非侵入性治疗方法，例如在额头上擦薄荷棒，这可能会有所帮助。
人工智能在未破裂颅内动脉瘤中的作用：概述
颅内动脉瘤 (IA) 是一个重大的公共卫生问题。在没有合并症且平均年龄为 50 岁的人群中，其患病率高达 3.2%。需要一种有效的方法来识别 IA 高风险受试者，以提供足够的放射学筛查指南并有效分配医疗资源。人工智能 (AI) 因其在基于图像的任务中的出色表现而受到全世界的关注。它可以作为临床环境中医生的辅助手段，提高诊断准确性，同时减少医生的工作量。AI 可以像人类一样执行模式识别、对象识别和问题解决等任务。根据收集的训练数据，AI 可以以半自主的方式协助决策。同样，AI 可以识别可能的诊断，并根据健康记录或影像数据选择合适的治疗方法，而无需任何明确的编程（指令集）。动脉瘤破裂预测是预测建模的圣杯。AI 可以显著改善破裂预测，从而挽救生命和肢体。如今，深度学习 (DL) 在准确检测医学影像中的病变方面显示出巨大潜力，并且已经达到甚至超越了专家级诊断。这是通过增加计算放射组学准确诊断 UIA 的第一步。这不仅可以诊断，还可以建议治疗方案。未来，我们将看到 AI 在 IA 的诊断和管理中发挥越来越大的作用。
人工智能解决动脉瘤分析中的挑战 - 富士通全球
麦考瑞大学与邻近的富士通和医疗设备制造商 GE Healthcare 联手开发了一项人工智能诊断技术，可以分析脑动脉瘤的 CT 扫描。该技术旨在显著加快 CT 扫描的分析过程，从而节省放射科医生的宝贵时间。通过使用这项人工智能技术及其附带的 3D 结构分析数据，神经外科医生有望在规划手术时做出更好的决策。
使用 MONAI 从 MRI 图像对脑动脉瘤进行分类...
脑动脉瘤是脑内血管的凸起或膨胀，可能会渗漏或破裂，引起出血，也可能导致脑出血。这是一种紧急医疗情况，需要立即进行神经系统评估和检测以确保生存。[19] 动脉瘤的大小不到 MRI 扫描大小的 1%，因此使用深度学习识别和分割动脉瘤具有挑战性。在这个任务中，我们探索了深度学习神经网络如何帮助从 MRI 扫描中解决脑动脉瘤的分类问题。我们模型的输入是 3D 图像、医院的扫描图像和没有动脉瘤的开源图像。我们使用 DenseNet 网络架构和 MONAI（人工智能医疗开放网络）[12] 平台，这是一个基于 PyTorch 的开源框架，用于训练和提高分类任务的准确性。我们与一家初创公司 VasoGnosis Inc. 合作，这是一家为脑血管疾病提供人工智能诊断和手术规划软件平台的供应商 [15]，通过这个项目获取数据和指导。
IntrA：用于深度学习的 3D 颅内动脉瘤数据集
医学是深度学习模型的重要应用领域。该领域的研究是医学专业知识和数据科学知识的结合。在本文中，我们引入了一个开放的三维颅内动脉瘤数据集 IntrA，而不是二维医学图像，这使得基于点和基于网格的分类和分割模型的应用成为可能。我们的数据集可用于诊断颅内动脉瘤和提取颈部以进行医学和深度学习其他领域（如正常估计和表面重建）的夹闭手术。我们通过测试最先进的网络提供了一个大规模分类和部分分割的基准。我们还讨论了每种方法的性能，并展示了我们数据集的挑战。发布的数据集可以在这里访问：https://github.com/intra3d2019/IntrA。
腹主动脉瘤（AAA）
如果您的动脉瘤较小，则不需要。研究表明，对于动脉瘤小于 5.5 厘米（约 2 英寸）的人来说，不进行手术更安全，因为手术的风险大于收益。大多数小动脉瘤在发现时不需要治疗，但需要通过定期超声扫描进行观察。如果动脉瘤变大，则可能需要通过手术修复动脉瘤。当我们进行超声筛查时，我们将测量您的动脉瘤的大小。这是一种快速无痛的测试，类似于对孕妇进行的扫描。我们使用手持式超声探头在您的腹部皮肤上检查动脉瘤。您需要多久进行一次扫描取决于您的动脉瘤的大小。如果您的动脉瘤很小，您可能每年只需要扫描一次。为什么我需要定期检查动脉瘤？