深度学习在冠状动脉内光学相干断层成像的研究进展

如今,冠心病仍然是影响人们生活质量和导致死亡的主要原因,因此冠状动脉病变的检测及治疗至关重要。光学相干断层成像是冠状动脉内斑块组织的鉴别方法。但由于医师的临床经验差异性,导致在诊断中产生分歧使患者无法得到精准治疗。深度学习作为最先进的算法,能够自动提取深层特征,提高其在影像学诊断中的准确性和可靠性。本文将以深度学习在光学相干断层成像的应用进行综述,并对其在冠心病诊断中的未来前景进行展望。

创新人才培养背景下电子类专业工程教育改革研究

以物联网、大数据、人工智能为代表的IT技术革新大幕已经展开,电子技术行业对工程人才能力的要求越来越高,电子类专业工程化改革势在必行。工程教育认证体现"以成果导向为原则、以全体学生为中心、以质量持续改进为根本目的"三大基本理念。目前,世界主要工业发达国家都建立工程教育认证制度,并通过多边协议实现工程教育学位国际互认。对此,我国高校电子类专业应重视提高教师工程素质,回归工程教育本质,并重视课外实践,以电子工程和嵌入式系统设计为导向,切实提高学生的工程实践能力,使学生在学校就可以成长为合格的工程师。

深度学习在冠心病影像学诊断的研究进展

在心血管领域,医学影像与人工智能融合能深入挖掘影像数据特征,并且辅助疾病的诊断。冠心病的诊断主要依靠影像学检查,由于医生之间资历、水平的不同,个体主观原因产生的误差让诊断结果的准确性有所降低,处理数量庞大的影像数据也耗费着医生大量的时间和精力。目前,深度学习作为人工智能的重要分支,在图像数据的处理上发挥着独特的优势,应用于冠心病影像诊断可提高诊断效率和准确性。现就深度学习技术在冠心病影像学诊断中的应用进行综述。

肾移植术后新型冠状病毒感染受者院内死亡影响因素的系统评价与Meta分析

目的探讨肾移植术后新型冠状病毒感染受者院内死亡影响因素,以期为早期识别受者死亡影响因素提供循证医学依据。方法以"肾移植""新型冠状病毒肺炎""新型冠状病毒";"kidney transplantation""COVID-19""SARS-CoV-2""novel coronavirus disease"为中英文关键词,检索PubMed、Web of Science、Medline、Scopus、Cochrane Library、中国知网、万方数据库中,国内、外关于肾移植术后新型冠状病毒感染受者院内死亡影响因素的相关研究,检索时限为建库至2022年8月20日。由2位研究员独立完成筛选文献、提取资料并评价纳入文献的偏倚风险,采用StataSE 12.0软件进行Meta分析。结果共纳入29项研究,包括7978例受者。Meta分析结果显示,年龄≥60岁(OR=1.09,95%CI:1.06~1.13)、有糖尿病病史(OR=1.49,95%CI:1.26~1.76)、心血管疾病病史(OR=1.88,95%CI:1.33~2.65)、发生急性肾损伤(OR=3.46,95%CI:1.35~8.89)、出现呼吸困难症状(OR=2.17,95%CI:1.38~3.42)、高血红蛋白(OR=1.09,95%CI:1.00~1.19)、使用霉酚酸制剂(OR=1.18,95%CI:1.02~1.37)、使用抗生素(OR=7.26,95%CI:2.11~25.07)是肾移植术后新型冠状病毒感染受者院内死亡的危险因素(P<0.05);出现腹泻症状(OR=0.57,95%CI:0.34~0.96)和高肾小球滤过率(OR=0.95,95%CI:0.92~0.98)是肾移植术后新型冠状病毒感染受者院内死亡的保护因素(P<0.05)。肾移植术后新型冠状病毒感染受者院内合并病死率为19%,95%CI为15%~23%。结论当前证据显示,年龄≥60岁、有糖尿病病史、心血管疾病病史、发生急性肾损伤、出现呼吸困难症状、高血红蛋白、使用霉酚酸制剂、使用抗生素是肾移植术后新型冠状病毒感染受者院内死亡的危险因素,出现腹泻症状和高肾小球滤过率是肾移植术后新型冠状病毒感染受者院内死亡的保护因素。

人工智能在主动脉夹层影像学诊断与风险预测中的应用

主动脉夹层(AD)严重威胁患者生命健康,具有极高病死率。AD的生存率与早期诊断、危险因素控制、术后评估及预后预测等密切相关。人工智能作为当今科技发展的前沿技术,已被广泛应用于医学领域,并且在AD早期筛查、影像诊断、风险预测等方面都取得了较大进展。该文将对人工智能在AD中的应用作一综述,对该领域的未来前景进行展望,并探讨其中存在的问题和改进措施。