XiaoMi-AI文件搜索系统
World File Search System胸部
环丙沙星加剧了平滑肌细胞的功能障碍，在胸部主动脉瘤的微生物生理模型中
引言胸动脉瘤（TAA）是一种多因素心血管疾病，其主动脉夹层（AD）或破裂的风险很大。已知某些因素会影响TAA的发展，包括衰老，性别，结缔组织障碍，动脉粥样硬化，吸烟，高血压和家族史（1，2）。氟喹诺酮是最常见的抗生素类别之一，由于其广谱覆盖范围，出色的口服生物利用度，广泛的组织渗透以及历史上很少的不良影响（3，4）。最近，研究人员发现，氟喹诺酮的使用构成增加主动脉瘤（AA）/AD的风险。此外，AA/AD患者的氟喹诺酮暴露不良的风险很高（5-13）。先前的研究引起了人们对在高风险人群中使用氟喹诺酮类药物的关注。然而，很难通过进行临床试验来研究TAA患者氟喹诺酮类药物的潜在机制，这在药物暴露下可能有害和致命。因此，在最近的研究中已使用TAA动物模型，包括Marfan综合征相关和零星的TAA模型，以研究氟喹诺酮暴露（12，13）。然而，动物模型中的药物反应无法反映人类的实际机制，因为物种差异很大。此外，当前使用的TAA动物模型仅代表了TAA的部分类型。例如，在环丙沙星的博览中尚未探索双质主动脉瓣相关（与BAV相关）TAA的TAA，因为很难用有效的BAV相关TAA渗透率构建动物模型（14）。
心脏CT电子学习（A部分） - KHP学习中心
心脏CT在稳定的胸痛中：不明白并承认超出CTCA使用指南的稳定胸痛指南，对CTCA在稳定胸痛中使用的指南的了解，实施CTCA的适当性标准，以根据社会的胸部痛苦来理解胸部痛苦，以了解胸部痛苦，以了解胸部痛苦，以了解稳定的胸部痛苦，以了解稳定的胸部痛苦，以了解稳定的胸部，以了解稳定的胸部，以了解稳定的胸部，以了解稳定的胸部，以了解稳定的胸部，以了解稳定的指南在诊断准确性，患者管理和结果，当前使用以及心流FFR CT技术的成本效益方面获得知识。持续时间：41分钟和测验
人工智能首次应用于胸部 X 光检查，可帮助诊断 COVID-19 感染
保留所有权利。未经许可不得重复使用。 （未经同行评审认证）是作者/资助者，他已授予 medRxiv 永久展示预印本的许可。此预印本的版权所有者此版本于 2020 年 4 月 10 日发布。；https://doi.org/10.1101/2020.04.08.20040907 doi：medRxiv preprint
胸部MRI图像的定量分析，用于良性恶性诊断肺固体结节
方法：招募了总共333例肺结核（训练队列中的233例，在验证队列中为100例）。从MRI图像（CE T1W和T2W）中提取了总共2,824个放射线特征。逻辑回归（LR），幼稚的贝叶斯（NB），支持向量机（SVM），随机森林（RF）和极端梯度提升（XGBOOST）分类器用于构建预测模型，并在应用最佳预测模型后为每个患者获得了放射线学分数（RAD分数）。临床因素和RAD分数共同基于多元逻辑回归分析构建了一个nom图模型，并使用接收器操作特征曲线（AUC）下的区域评估了五个预测模型的诊断性能。
人工智能支持临床医生审查疑似肺癌患者的胸部 X 光片
根据苏格兰政府公布的等待时间目标，紧急转诊治疗应在紧急怀疑癌症转诊后 62 天内进行，从决定到治疗的时间应在诊断后 31 天内。16 2022 年，制定了更短的诊断和治疗时间表，以支持肺癌患者获得更好的结果。苏格兰国家最佳肺癌诊断途径鼓励临床医生在疑似肺癌患者首次转诊后的第三周（第 21 天）内进行诊断。大多数人的治疗应在疑似肺癌患者首次转诊后的第六周（第 42 天）开始。17
在日常临床实践中成功实施基于人工智能的胸部X光计算机辅助检测系统
因其成本低、扫描时间短、适应症广泛等优势，已成为一种诊断工具 [1]。在日常实践中，胸部 X 光片通常用于健康检查、术前风险评估、住院前的常规筛查以及对有症状的心肺疾病患者的评估 [2]。由于胸部 X 光片通常不包含明显的异常，但其分析需要仔细检查复杂的结构，因此读者忽视异常的风险很大 [1,3]。大量检查带来的繁重工作量给放射科医生带来了进一步的困难。因此，基于人工智能的计算机辅助诊断 (AI-CAD) 可以作为第二意见，提高放射科医生诊断的效率和准确性 [1,4,5]。此外，人工智能还可以在日常实践中帮助转诊临床医生进行胸部 X 光检查 [6,7]。当临床医生观察胸部X光片时，可能无法获得官方放射学报告。在这种情况下，使用X光片做出的医疗决定是基于转诊临床医生而不是放射科医生的解读，这种情况可能尤其发生在门诊或急诊室。根据经验水平，转诊临床医生有时可能对自己对胸部X光片的解释缺乏信心，并且可能无意中没有咨询肺病学或胸外科专家[8]。此外，他们可能会因为担心忽视患者的问题而要求进行不必要的CT扫描或后续影像检查。目前，对AI的期望越来越高，转诊临床医生意识到AI可能能够支持他们的决策过程[9,10]。许多
AI检测的胸部X射线异常的系统优先级用于优化的肺癌检测
表1：胸部X射线发现的三种优先策略中AI系统的性能指标，包括灵敏度，特异性，正预测值（PPV）和负预测值（NPV）。ppv：阳性预测价值 - 真正阳性的AI阳性病例的比例。npv：负预测价值 - 真正负面因素的AI阴性案例的比例。fpr：误报率 - AI标记的非癌症案件的比例。fnr：假阴性率 - AI错过的癌症病例的比例。
严重支气管肺发育不良中的胸部计算机断层扫描：比较定量评分方法
莫德纳大学和雷吉奥·埃米利亚大学学科研究生院，意大利摩德纳市Berasmus mc -Sophia儿童医院，鹿特丹大学医学中心，儿科学系，呼吸医学和过敏症科，鹿特丹，荷兰，荷兰，医疗中心，牛排，托特斯特姆Mc MC，大学医学中心鹿特丹，荷兰鹿特丹流行病学系，荷兰E Erasmus mc-索菲亚儿童医院，鹿特丹大学医学中心，鹿特丹大学，鹿特丹新生儿科，鹿特丹新生儿科，荷兰，荷兰MC，鹿特丹大学医学中心，鹿特兰大学，鹿特兰大学，鹿特兰大学，鹿特兰大学。意大利Cagliari的Cagliari
人工智能软件对犬胸部X光片中确诊胸腔积液的检测准确性
图 1 人工智能模型正确分类为胸腔积液的 X 光片示例。A、右侧位（kVp 80，mAs 6.5）和 B、腹背位（kVp 90，mAs 6.5）X 光片投影，显示一只单侧有轻微胸腔积液征兆的狗。侧位投影（箭头）上肺部前腹侧有囊泡图案。游离液体在心脏腹侧积聚，增加了纵隔脂肪的 X 光不透明度（箭头）。这只狗在手术中被确认有左前肺叶扭转和胸腔积液
在胸部X光片及其成像工作中检测到的retocardiac不透明性：图片评论
摘要腹置空间是胸部X光片的一个棘手区域，在胸部X光片中，经常错过异常的密度。病变会产生晚期压力症状。早期检测和对逆行心态的适当评估可以帮助放射科医生在明显的临床体征和症状之前确定诊断。我们提出了10例患者的病例系列，额叶胸部放射线中偶然检测到的深层不透明度，并通过其他成像方式进一步评估，例如横向X光片，计算机断层扫描（CT）或磁共振成像（MRI）以建立诊断。最终诊断包括先天性疾病，例如食管复制囊肿和支气管囊肿；炎性疾病，如肝炎，肺脓肿和肺炎肺炎；主动脉动脉瘤等血管状况；诊断性疝等diaphragmatragication；以及罕见的肿瘤，例如心脏乳头状瘤，肺神经内分泌肿瘤和神经节瘤。还讨论了有助于诊断后心动过心的基本迹象。