XiaoMi-AI文件搜索系统
World File Search System血肿
血肿学中的疗法
1 SSC实验室，辐射生物物理学，南非开普敦NRF Ithemba Labs； 2埃及第二研究反应堆综合体，埃及原子能管理局，开罗，埃及； 3英国伦敦伦敦国王学院的生物医学工程与成像科学学院； 4 Centro de ci ^ Encias E Tecnologias核核，上级e Ecnico Instidate de Lisboa大学，校园Tecnol Ogico e Nucit，Bobadela，Bobadela，葡萄牙； 5核医学和分子成像，荷兰格罗宁根大学医学中心格罗宁根大学医学中心； 6核科学和应用系物理和化学科学系，奥地利维也纳国际原子能局； 7威斯康星州麦迪逊医学物理与放射学系Cyclotron Research小组，威斯康星州麦迪逊； 8，加拿大不列颠哥伦比亚省温哥华的生命科学司凯夫（Triumf）； 9不列颠哥伦比亚大学，加拿大不列颠哥伦比亚省温哥华化学系；和10辐射研究部，放射学系和细胞信号中心，新泽西州医学院，罗格斯大学，纽瓦克，新泽西州
白皮书 手持式脑血肿检测仪
Infrascanner — 白皮书 手持式脑血肿检测仪 执行摘要 仅在美国，每年约有 287 万人遭受创伤性脑损伤 (TBI)，导致 253 万人次就诊、288,000 人次住院和 56,800 人次死亡。1 这一数字自 2006 年以来增长了 53%，这可能是因为人们越来越意识到延迟治疗脑震荡和其他头部损伤的危险。TBI 是 15 至 24 岁男性的主要公共卫生问题，他们占儿童和青少年头部创伤患者的三分之二。此外，TBI 是老年人（75 岁及以上）的严重问题，无论男女。全球每年有超过 2700 万例 TBI 新发病例，年龄标准化发病率为每 100,000 人口 369 例2。快速分类、诊断和治疗对于最大限度地减少更严重 TBI 病例的不良后果至关重要。由于许多 TBI 病例成群出现，并且是个体受害者复杂而广泛的创伤的一部分（源于车祸、战区爆炸等），现场医务人员面临着巨大的挑战。特别是对于中度至重度 TBI 患者，在创伤事件发生后的第一个小时内（“黄金”小时）做出诊断至关重要 3 。InfraScan, Inc. 开发了 Infrascanner，可快速评估可能有颅内出血的头部创伤患者。该技术便携且无创，可重复监测而无需担心辐射剂量。海军研究办公室 (ONR) 和美国海军陆战队 (USMC) 赞助了 Infrascanner 的开发。海军陆战队已确定需要采购一种手持式、非侵入性、基于近红外的诊断设备来检测受伤部位的脑血肿。红外扫描仪是授权医疗津贴清单 (AMAL) 635、营级急救站 (BAS) 的现代化升级版，美国海军陆战队野战部队的医疗部门将其用作早期发现颅内血肿的实用解决方案。每个 BAS 将配备两台红外扫描仪和一批一次性光纤防护罩。初始部署数量约为 200 台红外扫描仪和 20,000 个一次性光纤防护罩，每台设备 100 个。脑损伤概述 TBI 是两种后天性脑损伤之一，可由闭合性头部损伤（头部突然猛烈撞击物体但颅骨保持完整）或穿透性头部损伤引起；另一种后天性脑损伤是非创伤性脑损伤（如中风、脑膜炎）。TBI 是一种高度个性化的损伤，其严重程度取决于损伤性质、力量强度、受影响的大脑区域以及患者之间的身体和遗传差异。 TBI 造成的损伤可以是局部性的（局灶性的），局限于大脑的某个区域，或弥漫性（通常是脑震荡），涉及大脑的多个区域。局灶性脑损伤的类型包括脑组织挫伤（挫伤）和颅骨内血管破裂，从而导致大量出血（颅内出血或血肿）。出血可能
硬膜下血肿和计算机断层扫描的帮助
引言下膜血肿（SDHS）也称为创伤性脑损伤（TBI）。SDH可以在任何年龄发生，但最常见于65岁或以上的老年人口（Kwon等，2022）。硬膜下血肿每100,000个人中约21个，并且变得越来越普遍（Kung＆Lin，2020）。计算机断层扫描（CT）是一种成像方式，可使用X射线产生横截面图像。X射线管和检测器围绕感兴趣的区域旋转360度，从而在CT扫描过程中产生横截面图像。这些图像可以在多个平面中重新格式化，甚至可以生成在计算机监视器上查看的三维图像。（Long等，2019）。ct是由于短扫描时间和产生的图像而检测SDHS的首选成像方式。（Kwon等，2022）。
基于深度学习和数据分析的脑血肿分割
摘要：脑出血是一种发病率逐年上升的恶性疾病。CT 是获取血肿信息和定期监测脑损伤变化的常用方法。然而，由于高频断层扫描，需要获取大量的 CT 图像，这使得分析过程变得复杂。为了提高分析速度并确保 CT 检测的准确性，我们将 CT 与深度学习相结合以实现自动分割。在本研究中，我们开发了一种基于具有残差效应的 U-net 的出血图像分割模型。首先，我们对数据进行筛选，将其分为三部分进行训练、评估和盲测。其次，我们对数据集进行预处理以进行数据增强，以避免过度拟合。数据增强后，我们将数据传输到算法进行训练。对于最终模型，我们获得了一个图像分割器，其平均交并比得分为 0.8871，骰子得分为 0.9362。该算法速度为26.31 fps，大大提高了分析速度。因此，分割器获得了较高的检测效率和定量检测，适合定期监测出血区域并协助医生制定治疗方案。此外，二值分割算法可用于开发头部出血CT图像分类分割任务的预训练模型。
狗慢性硬膜下血肿急性发作
一只十个月大的雄性约克夏犬在遭受脑外伤四个月后接受了 CT 检查。头部 CT 扫描显示脑室扩张，右顶骨附近有新月形外周血肿，并有矿化区域。血肿的内脏层在原生扫描中呈高衰减，静脉注射碘化造影剂后显示中度对比增强。颅骨未发现骨折。这些发现与急性慢性钙化性硬膜下血肿相符，这种血肿在人类中已有更详细的描述。这是第一份报告，其中描述了使用计算机断层扫描对狗进行这种疾病的成像结果。关键词：犬、头部创伤、脑外伤、计算机断层扫描
使用机器学习算法自动检测和分析硬膜下血肿
目的机器学习算法在神经影像学领域已显示出突破性成果。本文，作者评估了一种新开发的卷积神经网络 (CNN) 的性能，用于检测和量化非造影头部 CT (NCHCT) 中硬膜下血肿 (SDH) 的厚度、体积和中线移位 (MLS)。方法回顾性地确定了 2018 年 7 月至 2021 年 4 月期间在单个机构进行的用于评估连续患者头部创伤的 NCHCT 研究。根据神经放射学报告确定了 SDH、厚度和 MLS 的真实值。主要结果是 CNN 在外部验证集中检测 SDH 的性能，使用受试者工作特征曲线下面积分析来衡量。次要结果包括厚度、体积和 MLS 的准确性。结果 在符合研究标准的 263 例有效 NCHCT 病例中，135 例患者（51%）为男性，平均（± 标准差）年龄为 61 ± 23 岁，70 例患者经神经放射科医生评估诊断为 SDH。SDH 厚度中位数为 11 毫米（IQR 6 毫米），16 例患者的 MLS 中位数为 5 毫米（IQR 2.25 毫米）。在独立数据集中，CNN 表现良好，敏感度为 91.4%（95% CI 82.3%–96.8%），特异度为 96.4%（95% CI 92.7%–98.5%），准确度为 95.1%（95% CI 91.7%–97.3%）；对于 SDH 厚度超过 10 毫米的亚组，敏感度为 100%。最大厚度平均绝对误差为 2.75 毫米（95% CI 2.14–3.37 毫米），而 MLS 平均绝对误差为 0.93 毫米（95% CI 0.55–1.31 毫米）。计算用于确定自动和手动分割测量之间一致性的 Pearson 相关系数为 0.97（95% CI 0.96–0.98）。结论所述 Viz.ai SDH CNN 在独立验证成像数据集中识别和量化 SDH 的关键特征方面表现非常出色。
CT旋转符号在脑内出血和血肿膨胀的关联
背景与目标：血肿的扩张是原发性急性脑内出血（ICH）临床结果不佳的重要预测指标。旋流符号被描述为一个被超密集急性出血包围的缺陷或同管的区域。这项研究旨在描述ICH中的漩涡迹象，其流行率，并确定漩涡迹象，漩涡体积以及漩涡与初始血肿的比率是否与血肿的扩张相关，并预测ICH中的临床结果。方法：包括96小时内具有初始ICH（CT1）和重复CT（CT2）的163例患者。使用“ ITK SNAP”的半自动分割计算了旋流符号，其体积和旋流体积与血肿体积的比率与血肿体积的比率相比。统计分析以评估血肿扩展的数据参数以及1个月的功能结果和死亡率之间的关系。结果：卡方检验表明，漩涡符号与血肿的膨胀（P <0.001）与MRS分数（p <0.05）之间存在显着关联。Spearman相关性显示漩涡迹象与血肿膨胀体积之间存在显着的中等相关性（r = 0.518，p <0.001）。漩涡体积/初始血肿的比例表现出低相关性，但随着血肿膨胀而显着（r = 0.28 p <0.05）。结论：漩涡符号，其体积以及旋流体积与初始血肿的比率与血肿的膨胀有关。它可以用作一个月的死亡率和功能结果的预测指标。
使用近红外光检测颅内血肿的蒙特卡罗模拟
颅内血肿（ICH）是指头部受伤或脑血管破裂时，血液在脑内或脑与颅骨之间积聚，可导致脑部受压，引起头痛、呕吐、精神错乱，甚至癫痫或昏迷。若不及时治疗，血肿会导致颅内压升高，导致脑损伤或脑疝，严重者可危及生命。快速诊断和干预可大大降低风险，较大的血肿通常需要手术治疗，以避免严重的后遗症。检测血肿是快速诊断血肿的基础，通过准确及时的检测，医生可以快速做出诊断并制定合适的治疗方案，因此，血肿的检测非常重要。