XiaoMi-AI文件搜索系统
World File Search System水肿
图像分割在常规磁共振成像中确定原发性恶性脑肿瘤及转移瘤瘤周水肿面积与肿瘤面积比值的应用
在过去的几十年中，常规磁共振成像仍然是最常用的标准治疗成像方法 [5]。其能力非常有限，经常导致在区分两种不同类型的脑肿瘤发展时产生混淆。特别是在单发病灶的情况下，原发性恶性脑肿瘤和脑转移瘤在磁共振成像中的模式几乎相同，尽管治疗和管理完全不同。原发性恶性脑肿瘤患者将立即接受手术切除，而脑转移瘤患者必须首先经过更复杂的识别过程来确定癌症的起源位置，然后才能决定后续的治疗方法。冗长而不准确的诊断将进一步加重患者的病情 [6]。可用于观察上述比较的常规磁共振成像的两个序列是用于可视化肿瘤周围水肿的液体衰减反转恢复 (FLAIR) 序列和 T1W1
诱导血管性水肿
血管水肿每年在美国（美国）进行100,000多个急诊科（ED）访问，约有11％的患者需要入院[1]。这种短暂的，非固定的水肿可能会影响各种地点，并且可能会发展为威胁生命的气道水肿，如果不迅速治疗，需要插管。在大多数患者中，血管性水肿的原因尚不清楚。但是，病理生理学可以归因于组胺或心动激肽介导的机制。组胺介导的血管性水肿是响应于I型免疫球蛋白E（IgE）超敏反应的肥大细胞脱粒的结果，占所有病例的40％至70％。虽然缓激肽介导的血管性水肿不太常见，但由于上呼吸道的显着参与，这些病例可能持续且更严重。Bradyinin介导的血管性水肿可以进一步分类为遗传性血管性水肿（HAE），获得性血管性水肿或血管紧张素转化酶（ACE）抑制剂诱导的血管性水肿（ACEI-AE）[2]。
遗传性血管水肿1和2
抽象的遗传性血管性水肿（HAE）是一种罕见的疾病，会引起皮下和粘膜下水肿的发作发作，可能是痛苦，无能力且可能致命的。由于血浆Kallikrein/Kinin系统的激活不受控制，这些攻击分别由C1酯酶抑制剂缺陷或HAE类型1型和2型中的功能障碍引起，这是由于血浆kallikrein/kinin System的不受控制的激活而导致的。多年来，治疗方案仅限于具有重大不良影响，功效不足或困难行政途径的疗法。增加了HAE病理生理学的见解为开发具有更少副作用的新疗法铺平了道路。在过去的二十年中，用于长期预防和急性攻击的需求治疗，已经开发了一些针对性的HAE新型治疗策略。本文回顾了HAE开发更有效，更方便的治疗方案的进步及其对发病率，死亡率和生活质量的预期影响。这些改进的治疗方案的出现大概会改变当前的HAE准则，但遵守这些建议可能会受到高度治疗费用的限制。因此，必须确定适应症并确定将受益于这些最新治疗一代的患者。最终，当前对基因疗法的临床前研究最终可能导致HAE治疗方法的良好方法。总而言之，预计将越来越多地转向使用高效的长期预防，这将大大减轻遗传性血管性水肿患者的负担。
引用：Antoniades E，Stamatiou S，Papadopoulou K，Patsalas I.2020。脑膜瘤切除程序中的围手术疗法脑水肿：病例系列和E
脑膜瘤是最常见的良性颅内病变。它们来自蛛网膜帽细胞，并在外部位置。总切除术是选择的治疗方法。技术方面（例如存在围膜水肿的存在）使切除程序变得困难，并且与术后结果有关。水肿与位置和单独的大小无关。它实际上构成了肿瘤和邻近脑实质界面的现象，也取决于血管增殖因子的分泌。随之而来的是，我们介绍了在过去的18个月内在我们的三级神经外科中心，关于57例手术的患者。在我们的发现中，我们涉及肿瘤位置和组织学类型。根据Simpson的尺度描述了切除等级，并在T2-WI和FLAIR序列上评估了蛛网膜平面。此外，我们基于水肿指数（p <0.008），蛛网平面的存在（p <0.0001）和切除程度（p <0.003），还建立了利用修改后的Rankin量表的神经系统结果的统计相关性。我们主张外科医生应彻底检查术前放射学工具，并安全地计划从蛛网膜裂口开始的灭绝策略。
基于智能手机的糖尿病黄斑水肿离线人工智能筛查
(OCT) 图像，一些研究成功地使用 AI 来检测单一疾病表现的存在，例如视网膜内积液的存在、视网膜黄斑硬化症的存在或黄斑液的量化。2–4 该领域的一种可能的 AI 应用是为居住在缺乏眼科医生或训练有素的验光师的地区患者提供筛查和诊断帮助。然而，现代网络包含数百万个学习到的连接。总的趋势是设计更深、更复杂的网络以实现更高的准确性。这些人工智能程序通常需要高科技和昂贵的计算机系统，其中包含先进的图形处理单元，而这些单元通常是医疗保健不足或低收入地区的公用事业所负担不起的。在这种情况下，基于智能手机的高精度、低设备要求的移动人工智能系统极其重要和有用。智能手机应用程序 (app) 和移动机器人通常只需要较低的内存和能耗。5 因此，开发了一种高效的网络架构 MobileNet，以满足移动和嵌入式视觉应用程序的设计要求。更小更快的模型使用宽度乘数和分辨率乘数，以合理的精度来减少尺寸和延迟。与其他模型相比，使用 MobileNets 的程序表现出优越的尺寸、速度和精度特性。6
新鲜冷冻血浆在治疗遗传性血管性水肿中的新用途：巴基斯坦的成功案例
类固醇、肾上腺素和抗组胺药等常规血管性水肿疗法对这种疾病的疗效不佳。HAE 的靶向治疗包括血浆衍生或重组 C1- INH、依卡兰肽和艾替班特或缓激肽受体拮抗剂。如果没有这些疗法，就很难有效地控制这种疾病。我们介绍了一例遗传性血管性水肿患者，患者出现危及生命的喉头水肿，导致窒息，进而导致心脏骤停。由于缺乏 C1-INH 浓缩液，患者接受了新鲜冷冻血浆 (FFP)。他的病情逐渐好转，三天后成功拔管。这是我们首次报道巴基斯坦的一例患者，该患者因急性遗传性血管性水肿发作而成功接受 FFP 治疗。
人工智能通过眼底照片检测视乳头水肿
结果 来自 6779 名患者的训练和验证数据集包括 14,341 张照片：9156 张正常视盘、2148 张有视乳头水肿的视盘和 3037 张有其他异常的视盘。分类为正常的百分比在各个部位从 9.8% 到 100% 不等；分类为有视乳头水肿的百分比在各个部位从 0 到 59.5% 不等。在验证集中，系统以 AUC 为 0.99（95% 置信区间 [CI]，0.98 至 0.99）区分有视乳头水肿的视盘与正常视盘以及有非视乳头水肿异常的视盘，以 AUC 为 0.99（95% CI，0.99 至 0.99）区分正常视盘与异常视盘。在 1505 张照片的外部测试数据集中，该系统对视乳头水肿检测的 AUC 为 0.96（95% CI，0.95 至 0.97），灵敏度为 96.4%（95% CI，93.9 至 98.3），特异性为 84.7%（95% CI，82.3 至 87.1）。
人工智能通过眼底照片检测视乳头水肿
结果 6779 名患者的训练和验证数据集包括 14341 张照片：9156 张正常视盘、2148 张有视乳头水肿的视盘和 3037 张有其他异常的视盘。分类为正常的百分比在各个部位从 9.8% 到 100% 不等；分类为有视乳头水肿的百分比在各个部位从 0 到 59.5% 不等。在验证集中，系统以 AUC 为 0.99（95% 置信区间 [CI]，0.98 至 0.99）区分有视乳头水肿的视盘与正常视盘以及有非视乳头水肿异常的视盘，以 AUC 为 0.99（95% CI，0.99 至 0.99）区分正常视盘与异常视盘。在 1505 张照片的外部测试数据集中，该系统检测视乳头水肿的 AUC 为 0.96（95% CI，0.95 至 0.97），灵敏度为 96.4%（95% CI，93.9 至 98.3），特异性为 84.7%（95% CI，82.3 至 87.1）。
EMD-水肿黄斑糖尿病
在这种慢性疾病中，眼科医生的工作对应于对患者的生活和视觉健康的影响，同时又带来了巨大的社会影响。知识极大地超出了科学更新的简单责任，是该疾病最佳管理的基础，是最佳实践的保证。因此，眼科医生作为合格疾病经理具有原始作用。以您的知识和行动作为患者的提供者假定。最好的结果使患者了解和培训正确的信息。这也取决于医生的一名患者的教练角色，激励他并加强了最佳疾病管理的准则。眼科医生扮演合格的资源管理技术决策的角色。接受临床病史和观察中的信息，评估诊断的辅助手段（应该知道如何要求，执行和解释），并且由于累积的经验和当前的科学知识，提出了有关眼病的管理决策。它遵循执行的技术组成部分以及他在患者中介入的专业知识。in -way形状会决定结果。此外，患者还应做出一些明智的决定，这些决定也由医生，使对话人性化，管理医疗智能信任关系的这一方面。最后，医生应在计算机平台上记录其观察结果和共享治疗决定的结果。咨询的贵族行为在此管理医生与患者/家庭之间的关系以及可用资源的最佳优化时反映了这一反映。