XiaoMi-AI文件搜索系统
World File Search System造影
在心脏导管插入程序后对比造影剂引起的肾病后持续性肾功能障碍的预测
更糟糕的临床结果，CIN发展后持续的RD与临床结果较差之间存在很强的关联。因此，CIN发展后RD的可逆性对接受心脏导管程序的患者的长期随访具有重要意义。尽管在心脏导管插入程序后作为CIN的预测指标可获得多个风险评分，但2对持续性RD的预测因素知之甚少。Mehran风险评分被广泛用于预测CIN，6，其中包括8个临床和程序变量，包括年龄> 75岁，低血压，贫血，充血性心力衰竭，汽水内气球泵内抽水，预内膜性肾脏肾脏肾脏功能，糖尿病，糖尿病和对比量。Maioli等人4报道Mehran风险评分≥17是持续RD的独立预测指标。Wi等人7报告说，高风险（Mehran风险得分为11-15）和非常高的风险（Mehran
研究方案 人工智能和基于云的平台，用于冠状动脉造影的全自动 PCI 指导 - 研究方案
无论在日常医疗中采用何种方法诊断和治疗此类患者，缺血性心脏病都会给医疗系统带来沉重的负担。本文描述了一项研究的方案，该研究的主要目的是开发、实施和测试一种人工智能算法和基于云的平台，使用冠状动脉造影图像进行全自动 PCI 指导。我们建议利用多种基于人工智能的模型进行三维冠状动脉解剖重建并评估功能（PCI 后 FFR 计算），以制定一份详尽的报告，描述和激励最佳 PCI 策略选择。所有相关的人工智能模型输出（解剖和功能评估——PCI 前后）都通过云平台呈现给临床医生，然后临床医生可以做出最佳治疗决定。医生将获得针对同一病例的多种方案和治疗可能性，以便实时评估最合适的 PCI 策略规划和后续行动。人工智能算法和基于云的 PCI 选择工作流程将在一项试点临床研究中得到验证和确认，其中包括前瞻性地将人工智能服务和结果与注释和侵入性测量进行比较。
使用高分辨率7T飞行血管造影的人体脑脑脉管脉管的成像
1 Athinoula A. Martinos生物医学成像中心，马萨诸塞州综合医院，美国查尔斯敦； 2美国波士顿哈佛医学院放射学系； 3澳大利亚布里斯班昆士兰州大学高级成像中心； 4德国玛格德堡的奥托 - 冯 - 格里克大学实验物理学研究所生物医学磁共振共振系； 5高野外MR Center，生物医学成像和图像指导疗法系，奥地利维也纳医科大学； 6肌肉骨骼成像中的Karl Landsteiner临床分子MR研究所，奥地利维也纳； 7奥地利格拉兹医科大学神经病学系； 8德国Magdeburg的德国神经退行性疾病中心； 9德国玛格德堡行为脑科学中心； 10莱布尼兹神经生物学研究所，德国玛格德堡； 11美国剑桥技术学院卫生科学与技术部
选择性血管造影平板探测器计算机断层扫描血容量成像在富血管颅内肿瘤术前血管映射和栓塞中的初步临床经验
摘要：可对富血管颅内肿瘤进行术前栓塞以减少切除期间的出血并发症。准确的肿瘤血管映射对于正确设定栓塞指征和评估所进行的栓塞都是必要的。我们前瞻性地研究了全脑和选择性实质血容量 (PBV) 平板探测器计算机断层扫描灌注 (FD CTP) 成像在富血管颅内肿瘤患者术前血管造影和栓塞中的作用。对 5 名转诊进行肿瘤切除的患者进行了全脑 FD CTP 成像，从主动脉根部注射造影剂并在硬脑膜供血动脉中选择性注射造影剂。在栓塞前后获得了区域相对 PBV 值。还确定了具有选择性颈外动脉 (ECA) 供应量的肿瘤总体积和栓塞后断血管的肿瘤体积。所有患者（包括四名女性和一名男性）的平均年龄为 54.2 岁（范围为 44-64 岁），均在进行 PBV 扫描时未发生不良事件。平均 ECA 供应量为 54%（范围为 31.5-91%）。平均栓塞肿瘤体积为 56.5%（范围为 25-94%）。相对 PBV 值从栓塞前的 5.75 ± 1.55 降至栓塞后的 2.43 ± 1.70。在一名患者中，由于认为栓塞不利于切除而未进行栓塞。脑肿瘤的血管造影 FD CTP 成像可以对单个肿瘤供血动脉进行 3D 识别和量化。此外，该技术还可以监测术前血管内肿瘤栓塞的疗效。
利用人工智能创造影响力的专家
接受不确定性的最佳方式是制定未来可能情景和恢复路径的计划。当你这样做时，你可以建立敏捷性并应对当今的未知数。人工智能允许你创建新的基于场景的模型。这些模型提供深刻的见解，帮助你应对外部力量，并支持战略决策。人工智能能够快速处理大量数据并近乎实时地校准场景。通过利用人工智能的力量，你可以从简单地将数据输入系统转变为利用这些持续的洞察力专注于战略行动。人工智能增加了价值，这是一个令人信服的理由，让你现在就考虑如何将这种力量带入你的情景规划过程。
人工智能（增强型超分辨率生成对抗网络）用于冠状动脉计算机断层扫描血管造影中的钙化消散：可行性研究
摘要：背景：冠状动脉中存在严重钙化始终对冠状动脉计算机断层扫描血管造影 (CCTA) 评估冠状动脉狭窄程度构成挑战，因为钙化斑块会产生晕影伪影。我们的研究目的是使用先进的人工智能（增强型超分辨率生成对抗网络 [ESRGAN]）模型来抑制 CCTA 中的晕影伪影，并确定其对改善 CCTA 对钙化斑块的诊断性能的影响。方法：对接受 CCTA 和侵入性冠状动脉造影 (ICA) 的 50 名患者的 184 个钙化斑块进行分析，测量原始 CCTA 上的冠状动脉管腔，以及三组 ESRGAN 处理的图像，包括 ESRGAN-高分辨率 (ESRGAN-HR)、ESRGAN-平均值和 ESRGAN-中值，以 ICA 为参考方法确定灵敏度、特异性、阳性预测值 (PPV) 和阴性预测值 (NPV)。结果：与使用 ESRGAN 中位数的原始 CCTA 相比，ESRGAN 处理的图像提高了所有三条冠状动脉（LAD-左前降支、LCx-左回旋支和 RCA-右冠状动脉）的特异性和 PPV，导致 LAD 的最高值为 41.0%（95% 置信区间 [CI]：30%，52.7%）和 26.9%（95% CI：22.9%，31.4%）；LCx 为 41.7%（95% CI：22.1%，63.4%）和 36.4%（95% CI：28.9%，44.5%）；RCA 为 55%（95% CI：38.5%，70.7%）和 47.1%（95% CI：38.7%，55.6%）；而原始 CCTA 的相应值分别为 21.8% (95% CI: 13.2%、32.6%) 和 22.8% (95% CI: 20.8%、24.9%)；12.5% (95% CI: 2.6%、32.4%) 和 27.6% (95% CI: 24.7%、30.7%)；LAD、LCx 和 RCA 分别为 17.5% (95% CI: 7.3%、32.8%) 和 32.7% (95% CI: 29.6%、35.9%)。在所有三条冠状动脉中，原始 CCTA 和 ESRGAN 处理的图像对灵敏度和 NPV 没有显著影响。在 RCA 水平上，ESRGAN 中值图像的受试者工作特征曲线下面积最高，原始 CCTA 和 ESRGAN-HR、平均值和中值图像对应的值分别为 0.76（95% CI：0.64, 0.89）、0.81（95% CI：0.69, 0.93）、0.82（95% CI：0.71, 0.94）和 0.86（95% CI：0.76, 0.96）。结论：这项可行性研究表明，ESRGAN 处理的图像在提高 CCTA 对钙化斑块患者的诊断价值方面具有潜在价值。
血管造影术前：您需要了解的信息
© 2021 ALLINA HEALTH SYSTEM。TM – ALLINA HEALTH SYSTEM 的商标。所使用的其他商标归其各自所有者所有。本情况说明书不能替代医疗或专业建议；它仅供参考。cvs-anw-12103 (11/19)
脑动静脉畸形的二维灌注血管造影：技术注意事项
数字减影血管造影 (DSA) 存在与灰度图像质量相关的局限性，需要逐张检查才能观察到时间差异。本文通过介绍灌注血管造影作为定量分析框架以及 DSA 灌注参数和延迟的可视化来解决这些局限性。它的实用性可以归因于其良好的时空分辨率，并且不易与其他采集技术（如磁共振成像和计算机断层扫描）兼容。3 二维组织灌注血管造影图像是通过集成到计算机中的软件获得的，该软件允许基于 DSA 的二维功能信息。它为干预者提供了一种工具，可以实时测量所执行治疗的影响并帮助确定完成治疗的正确时间。从这些观察中，本文的总体目标是描述可以从该研究中提取的灌注参数的实用性，并以彩色编码图像显示，神经科医生、神经外科医生和神经介入放射科医生可以轻松解释。
从颅骨射线照相到脑血管造影
Roentgen的发现从1896年开始发起了一系列出版物，该出版物用于将金属物体定位在人体中。Fowler使用X射线从19岁的沮丧学生的颅外组织中删除了.32口径的自身弹头子弹，4与人们普遍认为Harvey Cushing是第一位将子弹定位在头骨中的外科医生。cushing首先使用X射线定位在造成棕色s综合征（BSS）的女性脖子上的子弹。5 Archibald Church（1861-1952）是一名美国神经科医生，他报告说，一个15岁的男孩在行走时交错的右侧陷入困境。他的头骨X射线显示在右后窝中显示了阴影。尸检显示出出血和明显血管性的右小脑半球的神经胶质瘤。教堂假定肿瘤中的血液会增强肿瘤的X射线。6张X射线被用于定位寡头瘤，因为这些肿瘤含有射电量钙化。ArthurSchüller（1874-1957）发表了一项详尽的调查ArthurSchüller（1874-1957）发表了一项详尽的调查
可持续发展报告策略通过透明度创造影响力
德勤是指德勤有限公司（“DTTL”）、其全球成员所网络及其相关实体（统称“德勤组织”）中的一个或多个。DTTL（也称为“德勤全球”）及其每个成员所和相关实体在法律上都是独立且独立的实体，彼此之间不能就第三方承担义务或约束。DTTL 和每个 DTTL 成员所和相关实体仅对其自身的行为和疏忽负责，而不对彼此的行为和疏忽负责。DTTL 不向客户提供服务。请访问 www.deloitte.com/about 了解更多信息。