XiaoMi-AI文件搜索系统
World File Search System缺血性
多模态磁共振在缺血性脑卒中评估中的运用进展
[1] Murray CJL, Aravkin AY, Zheng P, et al.Global burden of 87 risk factors in 204 countries and territories, 1990 – 2019: a systematic analysis for the Global Burden of Disease Study 2019[J].Lancet, 2020, 396 (10258): 1223-1249.[2] 王增武 , 马志毅 , 薛素芳 , 等 .基层冠心病与缺血性脑卒中共患管理 专家共识 2022[J].中国心血管病研究 , 2022, 20(9): 772-793.[3] 王拥军 , 李子孝 , 谷鸿秋 , 等 .中国卒中报告 2020 （中文版） (1)[J].中 国卒中杂志 , 2022, 17(5): 433-447.[4] Langhorne P, Bernhardt J, Kwakkel G. Stroke rehabilitation[J].Lancet, 2011, 377(9778): 1693-1702.[5] Xing Y, Bai Y.A Review of Exercise-Induced Neuroplasticity in Ischemic Stroke: Pathology and Mechanisms[J].Mol Neurobiol, 2020, 57 (10): 4218-4231.[6] Guggisberg AG, Koch PJ, Hummel FC, et al.Brain networks and their relevance for stroke rehabilitation[J].Clin Neurophysiol, 2019, 130(7): 1098-1124.[7] Lutsep HL, Albers GW, Decrespigny A, et al.Clinical utility of diffusion-weighted magnetic resonance imaging in the assessment of ischemic stroke[J].Ann Neurol, 1997, 41(5): 574-580.[8] 于帆 , Arman Sha, 张苗 , 等 .人工智能在急性缺血性脑卒中影像的研 究进展 [J].中华老年心脑血管病杂志 , 2023, 25(3): 334-336.[9] 李华 , 郭春锋 , 高连荣 .FLAIR 及 DWI 序列在诊断脑血管周围间隙 中的价值 [J].医学影像学杂志 , 2015, 25(8): 1341-1343.[10] Scheldeman L, Wouters A, Dupont P, et al.Stroke, 2022, 53(5): 1665-1673.[11] Thomalla G, Simonsen CZ, Boutitie F, et al.MRI-Guided Thrombolysis for Stroke with Unknown Time of Onset[J].[15] 蔡建新 , 彭如臣 .扩散加权成像和流体且反转的恢复定量定量，以预测不明发作的缺血性中风中的易流性恢复不匹配的恢复不匹配状态[J]。《新英格兰医学杂志》，2018，379（7）：611-622。[12] Legrand L，Turc G，Edilali M等。根据Flair血管高压不匹配而受益于血栓切除术后血运重建[J]。Eur Radiol，2019，29（10）：5567-5576。[13] Xie Y，Oppenheim C，Guillemin F等。预处理病变量会影响临床结果和血栓切除术的功效[J]。Ann Neurol，2018，83（1）：178-185。 [14] Raoult H，Lassalle MV，Parat B等。 基于DWI的算法可预测急性中风血栓切除术治疗的患者的残疾[J]。 Am J Neuroradiol，2020，41（2）：274-279。 弥散张量磁共振成像方法概述[J]。 医学影像学杂，2007，17（10）：1119-1122。 [16] Qiu A，Mori S，Miller MI。 扩散张量成像，用于理解早期生命中大脑发育[J]。 Ann Rev Psychol，2015，66：853-876。 [17] Corroenne R，Arthuis C，Kasprian G等。 胎儿大脑的扩散张量成像：有前途技术的原理，潜力和局限性[J]。 超声产科妇科，2022，60（4）：470-476。 [18] Andica C，Kamagata K，Hatano T等。 源自扩散成像的退化性脑疾病的生物标志物[J]。 J Magn Reson Imaging，2020，52（6）：1620-1636。 [19] Groisser BN，哥伦WA，Singhal AB等。 NeuroRehabil神经修复，2014，28（8）：751-760。Ann Neurol，2018，83（1）：178-185。[14] Raoult H，Lassalle MV，Parat B等。基于DWI的算法可预测急性中风血栓切除术治疗的患者的残疾[J]。Am J Neuroradiol，2020，41（2）：274-279。弥散张量磁共振成像方法概述[J]。医学影像学杂，2007，17（10）：1119-1122。[16] Qiu A，Mori S，Miller MI。扩散张量成像，用于理解早期生命中大脑发育[J]。Ann Rev Psychol，2015，66：853-876。 [17] Corroenne R，Arthuis C，Kasprian G等。 胎儿大脑的扩散张量成像：有前途技术的原理，潜力和局限性[J]。 超声产科妇科，2022，60（4）：470-476。 [18] Andica C，Kamagata K，Hatano T等。 源自扩散成像的退化性脑疾病的生物标志物[J]。 J Magn Reson Imaging，2020，52（6）：1620-1636。 [19] Groisser BN，哥伦WA，Singhal AB等。 NeuroRehabil神经修复，2014，28（8）：751-760。Ann Rev Psychol，2015，66：853-876。[17] Corroenne R，Arthuis C，Kasprian G等。胎儿大脑的扩散张量成像：有前途技术的原理，潜力和局限性[J]。超声产科妇科，2022，60（4）：470-476。[18] Andica C，Kamagata K，Hatano T等。源自扩散成像的退化性脑疾病的生物标志物[J]。J Magn Reson Imaging，2020，52（6）：1620-1636。[19] Groisser BN，哥伦WA，Singhal AB等。NeuroRehabil神经修复，2014，28（8）：751-760。皮质脊髓扩散异常[J]。[20] Kumar P，Kathuria P，Nair P等。使用扩散张量成像的亚急性缺血性卒中后上肢运动恢复的预测：系统评价和荟萃分析[J]。J Stroke，2016，18（1）：50-59。[21] Soulard J，Huber C，Baillieul S等。运动道完整性预测步行恢复：亚急性中风中的扩散MRI研究[J]。神经病学，
缺血性心脏病
ICD代码描述413 Angina pecoris i20 Angina Pectoris输入数据心肌梗塞以更新GBD 2021的当前GBD数据库，对心肌梗塞进行了系统的审查。搜索以下数据库：Embase，PubMed和Virtual Health Library（VHL）。搜索日期为01/01/2020 - 03/31/2020。The search strings used were ((“myocardial infarction”[tiab] AND (incidence OR “case fatality” OR “excess mortality”)) OR (“acute coronary syndrome”[tiab] AND (incidence OR “case fatality” OR “excess mortality”)) OR (angina[tiab] AND (incidence OR prevalence OR “case fatality” OR “excess mortality”))) AND （“ 2020/01/01” [PDAT]：“ 20/03/31” [PDAT]）不是大鼠[tiab]不是小鼠[tiab]不是猴子[tiab]不是猪[tiab]不是动物[tiab]。根据PRISMA（系统评价和荟萃分析的首选报告项目）的陈述报告了这些发现。图1显示了系统审查的Prisma图。在图中，筛选是指查看文章的标题和摘要，以获取相关信息，而不是整个文章的筛选。排除的原因包括非代表性，使用不同案例定义，研究报告年龄标准化的数据和以非兼容格式报告的数据。总共返回了2849个研究，从Embase返回了579，2231，来自PubMed，39个来自VHL。提取了18篇文章。
缺血性中风
摘要：缺血性中风是一个世界性问题，每年有 1500 万人中风。磁共振成像是了解和评估中风后大脑变化以及预测康复的宝贵工具。特别令人感兴趣的是弥散磁共振成像在非急性期（中风后 1 - 30 天）中的应用。关于弥散磁共振成像在中风中的应用，已经发表了数千篇文章，包括最近几篇回顾弥散磁共振成像在中风中的应用的文章。这项工作的目的是调查并阐述最近在中风后患者中使用弥散磁共振成像方法的情况，这些方法包括弥散峰度、广义分数各向异性、球面谐波方法以及神经突方向和弥散模型。早期研究报告称，这些类型的超 DTI 方法在对中风后变化更敏感或更好地预测结果运动评分方面优于 DTI 指标。需要进行更多更大规模的研究来证实超 DTI 方法对中风康复的预测效果更好。
缺血性心脏病
抽象性缺血性心脏病（DCI）是一种疾病，通常是由于冠状动脉阻塞而造成的。多个因素，例如全身动脉高血压，糖尿病，吸烟，身体不活跃和肥胖，有利于内皮功能障碍，并增加了动脉渗透性对胆固醇分子的粘附和沉积。CDI的主房屋是动脉粥样硬化，这是动脉亲密外衣中的动脉瘤板。然而，具有非攻击性冠状动脉（iMacne）的心肌梗塞也是CDI的重要原因。关于临床表现，它们包括心绞痛，努力呼吸困难，疲劳，呼吸症和症状，例如恶心，呕吐，出汗，晕厥。CMD的诊断涉及临床评估，实验室测试，心电图，牙现代测试，经胸膜超声心动图和冠状动脉血管造影。治疗方法旨在控制症状，危险因素控制并预防心血管现象。药理学方法使用抗platelets，他汀类药物和β-释放器等药物来降低危险因素并防止疾病进展，此外
缺血性中风的定量脑电图。......
摘要 简介：中风是全世界发病和死亡的主要原因。虽然脑电图 (EEG) 提供了有关中风后大脑活动的宝贵数据，但定性 EEG 评估可能会被误解。因此，我们研究了定量 EEG (qEEG) 识别可作为中风患者潜在电生理生物标志物的关键波段频率的潜力。材料和方法：进行了一项单中心病例对照研究，其中招募了中风入院患者和健康对照者，并征得其同意。中风患者在入院后 48 小时内进行 EEG 测试，而对照者在门诊评估期间进行 EEG 测试。对 EEG 信号进行预处理，使用 MATLAB 分析其频谱功率，并绘制为地形图。结果：共纳入 194 名参与者，分为缺血性中风患者和对照者。我们研究队列的平均年龄为 55.11 岁（SD±13.12），美国国立卫生研究院卒中量表 (NIHSS) 评分中位数为 6（IQR 4-6），腔隙性卒中是最常见的亚型 (49.5%)。频谱分析，以及随后的脑地形图映射，突出显示了 β、α 和 γ 波段内重要通道的聚集。结论：qEEG 分析确定了卒中后患者感兴趣的重要波段频率，表明其可作为诊断和预后工具。脑地形图映射提供了精确的表示，可以指导干预和康复策略。未来的研究应探索使用机器学习进行卒中检测并提供个性化治疗。关键词：定量脑电图、qEEG、卒中、频谱脑电图、地形介绍卒中是一种异质性疾病，以各种血管、血流动力学和全身异常为特征。根据 2017 年全球疾病、伤害和风险因素负担研究，它是全球第二大死亡原因和第三大残疾原因
抑制缺血性和出血性炎症...
审查的目的现在被认为是CNS急性损伤后结局至关重要的决定因素，有可能导致继发性损伤的发展。当前的审查总结了缺血性和出血性中风后对炎症机制的理解的最新进展，并突出了治疗前景的领域。最近发现，在缺血性和出血性中风后同时发生了突出的炎症反应，从而加剧了继发性损伤。最近的努力是为了理解刺激后弹药介导其作用的立即触发的机制。敏锐的急性刺激性急性刺激是有害的，但是亚急性刺激可以有害或保护性； Toll样受体信号传导已被视为调节因素。越来越多的证据表明，无论是prestroke还是中风引起的影响，影响中风结果，并且疗法可能还需要减弱系统性的炎症，才能有效。干细胞疗法的有益作用至少部分通过其全身性抗炎性作用来介导。抑制缺血性和出血性中风后抑制炎症的摘要仍然是一种有前途的方法。更复杂的疗法，具有多效性有益作用以及对潜在受体的更复杂的靶向，将增加成功临床翻译的可能性。
缺血性心脏病的临床病例
背景：自发性冠状动脉解剖（SCAD）是急性冠状动脉综合征的罕见原因，主要影响没有典型危险因素的年轻女性。由于其多样化的血管造影外观以及有组织的血栓等模仿的潜力，它带来了诊断挑战。我们报告了两名最初被诊断为SCAD的中年男性，后来被确认已组织了血栓。案例：两名中年男性，两个吸烟者，分别出现胸痛超过12个小时。均显示出ECG和前壁性低下的前铅的ST段升高，2D回波的LVEF为40％。紧急冠状动脉造影术显示与LAD中的多个辐射透明流明有关对比染料染色，表明潜在的SCAD（图1A和1C）。决策 - 做出：鉴于SCAD的这种异常出现，我们使用光学相干断层扫描（OCT）进行了进一步研究，该光学相干断层扫描（OCT）揭示了一个有组织的血栓，具有“瑞士奶酪”外观，与SCAD中的典型辐射式假腔形成对比（图1B和1D）。这两种情况都进行了成功的经皮冠状动脉干预，并进行了血栓抽吸和支架放置。
机器学习预测缺血性中风
摘要 — 印度的中风率远高于其他发展中国家。一小部分中风患者会因最初的创伤而立即死亡。最终导致死亡的一些主要原因可能是初始缺血性梗塞、复发性缺血性中风、复发性出血性中风、肺炎、冠状动脉疾病、肺栓塞以及其他血管或非血管原因。研究表明，将机器学习技术应用于中风，重点是根据患者的属性预测中风风险或生存可能性，而不是预测在初次中风发作后幸存下来的患者的可能结果。缺血性中风 (IS) 的评估和治疗在过去几年中取得了重大进展，越来越需要使用神经影像学进行决策。因此，该项目的目标是将机器学习原理应用于现有的大量数据集，以有效预测第一次事件后可能出现的最有可能危及生命的风险。这些算法的进一步改进可以为临床环境和中风治疗提供巨大的实用性，同时也让我们深入了解机器学习在神经成像领域的最新发展和应用，重点关注急性缺血性中风，并将监督机器学习方法应用于患者资料数据。
当前缺血性心脏病的细胞外基质治疗
摘要：细胞外基质（ECM）是一个三维的细胞网络，该网络由嵌入凝胶蛋白酶糖果糖果和蛋白聚糖组成的凝胶状地面物质中。ECM发挥的作用可根据其所处组织而变化。在心肌中，ECM充当基于胶原蛋白的支架，介导收缩信号的传播，提供了旁分泌信号传导的手段，并具有营养和免疫学稳态。鉴于此范围，毫不奇怪的是，在心脏病理学的背景下，已经发现ECM的组成和作用是调制的。心肌梗塞（MI）提供了一个熟悉的例子； ECM以一种疗效后疗法的渐进阶段的特征方式变化。近年来，这种参与梗塞病理生理学的参与促使人们寻求治疗靶标：如果ECM成分有助于愈合，那么它们的操作可能会加速恢复，甚至反向预先存在的损害。这种可能性已成为众多努力的主题，涉及直接从生物学来源或生物工程来源衍生成心肌疾病模型的基于ECM的疗法的整合。在本文中，我们对发表的有关ECM用作缺血性心脏病的新疗法的文献进行了详尽的综述，并着重于整个ECM及其组件的生物学衍生模型。