^(18)F-FDG PET图像联合可解释的深度学习影像组学模型对原发性帕金森病和非典型性帕金森综合征的鉴别诊断

目的探究^(18)F-FDG PET图像结合可解释的深度学习影像组学(IDLR)模型在原发性帕金森病(IPD)和非典型性帕金森综合征鉴别诊断中的应用价值。资料与方法本横断面研究纳入2015年3月—2023年2月复旦大学附属华山医院帕金森病PET成像基准数据库330例帕金森病患者的^(18)F-FDG PET图像,其中IPD 211例、进行性核上性麻痹(PSP)59例、多系统萎缩(MSA)60例;包括2个队列(训练组270例和测试组60例)。采集所有受试者的^(18)F-FDG PET图像及临床信息并进行比较。开发一种IDLR提取特征指标,在影像组学特征的监督下从神经网络提取器收集的特征中筛选IDLR特征,并在测试组中构建二分类支持向量机模型,分别计算构建的IDLR模型、传统影像组学模型、标准化摄取值比值模型、深度学习模型在IPD/PSP/MSA组间两两分类的模型性能指标与曲线下面积。采用100次10折交叉验证在2个队列中进行独立分类与测试。通过特征映射展示大脑相关感兴趣区,使用梯度加权类激活图突出大脑中最相关的信息并可视化,检查不同疾病组的模型输出热力图,并将其与临床诊断位置进行比较。结果IDLR模型在不同帕金森综合征患者中分类效果最好,测试组中的曲线下面积(MSA与IPD 0.9357,MSA与PSP 0.9754,IPD与PSP 0.9825)优于其他模型(影像组学模型:Z=1.31~2.96,P均<0.05;标准化摄取值比值模型:Z=1.22~3.23,P均<0.05)。筛选后的IDLR特征映射的影像组学感兴趣区与梯度加权类激活图切片热力图可视化高度一致。结论IDLR模型在^(18)F-FDG PET图像中具备对IPD和非典型性帕金森综合征的鉴别诊断潜力。

基于智能检测与康复的多功能护理床

随着社会老龄化的到来,开发同时适合医院、养老院、居家等使用的智能多功能护理床具有广泛的应用前景。该文通过列举和分析国内外最新产品,总结出现有智能护理床主要具备四大功能:安全保障、辅助治疗、人体舒适度优化以及人机交互通信。最终,通过对比现有功能和实际需求,该文提出新型多功能护理床的四个功能发展趋势:生理参数监护、辅助睡眠、智能控温以及视频通信。

面向BOP的数字医疗助理设计

为提高医疗资源的利用效率、抑制日益增长的医疗费用和应对老龄化、慢性病的挑战,设计了一套面向低收入群体(BOP) 的由移动监护、数据传输、管理等模块组成的数字医疗助理系统。文中给出了系统的评估方法,并讨论了数字医疗助理的应用模式和服务流程。

一款基于物联网+技术的智能护理床

随着社会老龄化的到来,开发同时适合医院、养老院、居家等使用的智能多功能护理床具有广泛的应用前景。基于此,该文设计了一款基于物联网+技术的智能护理床。该设计采用STM32F103作为中央处理器,分为基于三折结构的护理床模块、基于数据处理的中央控制模块、基于体重检测的体重秤模块、基于系统供电的电源模块和基于用户操作的上位机模块。该设计采用闭合控制模式,极大地提高了床体控制的准确度。实验表明,智能护理床系统驱动床板误差率小于2%,具有较高的准确性和稳定性。

一款基于穿戴式的无创连续血压监测系统

随着社会老龄化的到来,同时适合于居家、社区、养老院等使用的无创连续血压监测系统具有广泛的开发应用前景。基于此,该文设计了一款基于穿戴式的无创连续血压监测系统。该设计采用MSP430F5529作为中央处理器,具有超低功耗的优点,系统具体由信号采集模块、中央控制模块、显示模块、电源模块和上位机模块组成。实验表明,无创连续血压监测系统估算的舒张压(Diastolic Blood Pressure, DBP)(375/390, 96.15%)和收缩压(Systolic Blood Pressure, SBP)(377/390, 96.67%)在95%置信区间内,通过Bland-Altman检验,具有较高的准确性和稳定性。

面向中国BOP的医疗产品研发模式

BOP(Bottom of the Pyramid)是指收入低于平均水平、在收入金字塔结构中处于底部的人群。为了满足这种特殊人群的医疗需求,基于对上海地区BOP现状和潜在需求的调查分析结果,提出了一种综合政府支持、知识交互以及市场协调等方面的合作模式,进而提出了一种面向中国BOP的医疗产品的研发模式。

无线医疗监护技术综述

无线医疗监护克服了传统有线医疗监护技术的局限,使人们可在任何时间、任何地点获得生理和病理的监护。先概述了无线医疗监护系统的基本组成和工作原理,并对适用于无线医疗监护系统的生理信息与数据采集技术和无线数据传输技术进行了讨论,然后通过列举无线医疗监护系统的代表性研发和应用实例描述了无线医疗监护技术的现状,最后对无线医疗监护技术发展前景及其关注的课题作了展望。

一种区域统计信息的格子波尔兹曼图像分割模型

格子波尔兹曼(lattice Boltzmann,LB)分割模型具有算法简单、运算快捷的优点,但对于低对比度和受到噪声污染的图像,经常产生欠分割或者过分割现象.为此,引入图像局部区域统计信息,构建了一种新的格子波尔兹曼图像分割模型.为验证该模型及算法的分割性能,在相似性系数和豪斯多夫距离等评价技术指标下,利用真实脑磁共振图像作为实验数据进行分割,并与现有LB分割模型以及水平集分割模型进行对比.实验结果表明,该模型在分割精度方面比现有LB模型提高10倍,在计算速度方面比传统水平集分割模型提高3倍.

基于三维格子玻尔兹曼模型的海马结构MRI快速分割

目的快速准确地分割脑部MR图像的海马结构对早期诊断阿尔兹海默氏症(Alzheimer's disease,AD)具有重要价值。该文提出了一种快速和准确分割MRI三维海马结构的方法。该方法基于格子玻尔兹曼(Lattice Boltzmann,LB)模型,利用脑部MR图像的边缘信息和区域信息建立一个三维分割模型(3D-LB),直接在三维空间中通过碰撞和迁移过程提取海马结构。为验证3D-LB分割模型的精度和效率,该文对30组海马结构的测试图像进行分割实验,并与三维CV模型进行比较。实验结果显示,基于3D-LB模型的分割方法能有效地分割海马结构的测试图像,且相较于三维CV模型,精度更高,所耗时间更少,表明LB方法适用于三维海马结构的快速和精确分割。

康复设备数据通讯与存储的标准化研究

随着康复需求的日益增长,整合康复资源、实现数据共享是完善康复一体化以及提高康复诊疗效率的关键,也是三级医疗康复网络构建中遇到的重要难题。基于现有医疗设备标准及医疗数据管理终端标准的研究基础,该文提出了一种全新的康复设备数据通讯与存储标准化概念,分别从数据、通讯信令以及通讯过程三个层面进行了标准化设计,并对三级医疗康复网络进行了应用展望。该文的设计有望改善康复设备以"信息孤岛"形式工作的现状,实现康复设备的互联互通和数据共享。

应用迷宫、双手调节、视觉反应时检测评价轻度认知障碍的研究

目的评价应用迷宫、双手调节、视觉反应时对社区60岁以上老年人进行轻度认知障碍检测的可行性。方法采用自主研发的多模态认知检测系统,对其中迷宫、双手调节、视觉反应时3个模块的检测结果与老年人简易智能精神状态量表评分进行比较,判断运用迷宫、双手调节和视觉反应时模块进行认知能力检测的可行性。结果轻度认知障碍和可疑阿尔茨海默病老年人的双手调节、视觉反应时检测结果均与正常老年人比较差异有统计学意义。分析不同年龄段结果显示,60~69岁、70~79岁年龄段轻度认知障碍老年人的双手调节能力和70~79岁年龄段轻度认知障碍老年人视觉反应时的能力较50~59岁年龄段轻度认知障碍老年人明显下降。结论采用非量表的检测工具可以在一定程度上反映出轻度认知障碍病人的认知和操作能力的下降。

影像基因组学在阿尔茨海默病临床前期主观认知下降研究中的应用

随着人口老龄化,阿尔茨海默病(Alzheimer’s disease,AD)的发病率逐年增高,造成了巨大的经济与社会负担,早日攻克AD已经成为国家重大健康需求[1]。AD早期难以发现,一旦确诊多已是中晚期,大量神经元已经发生了不可逆性坏死,错失了治疗良机。若能在神经元变性坏死之前发现并予以干预,即早发现、早诊断、早干预,延缓或阻断AD进程,可最终减轻社会经济负担,具有重要的科学意义和临床价值。

基于PiB PET图像感兴趣区域的阿尔茨海默症计算机辅助分析

阿尔兹海默症(AD)是一种不可逆的神经退行性疾病,PiB PET成像技术可用于AD的早期诊断。但是,目前临床基于PiB PET图像的AD诊断主要依靠医生视觉评估分析,其缺点为依赖医生经验且耗时,无法实现对患者病情的客观追踪,因此提出一种基于PiB PET图像的计算机辅助分析方法 (CAAD)实现AD诊断。使用基于阈值先验的3D格子玻尔兹曼技术分割ROIs,采用主成分分析(PCA)技术提取图像特征,最终采取基于支持向量机(SVM)多项式核模型对特征进行分类。通过对ADNI数据库和上海市华山医院PET中心的149个样本的PiB PET数据进行对比实验,该方法对于ROIs的分割后Dice系数平均准确率为91.53%±3.0%,最终对AD和正常老年组(HC)、轻度认知障碍组(MCI)和HC、AD/MCI和HC的分类准确率分别达到87.01%、93.04%和91.95%。与现有文献的AD计算机辅助诊断相比,所提出CAAD方法的准确率高出约10%。实验结果表明,该方法能够很好地对AD、MCI和HC进行分类。

基于支持向量机的中风病中医证候分类

目的:研究基于机器学习的中风病中医证候分类模型,推进中医证候分类的数字化、自动化与智能化。方法:利用支持向量机(SVM)、BP神经网络与梯度提升决策树(GBDT),以年龄、性别、身高、体质量与临床中风病常见的症状,包括中风主要症状、舌象、脉象数据作为输入,以中风临床常见证候--气虚血瘀证的判断作为输出,建立中风病中医证候分类模型并进行比较。结果:基于支持向量机建立的中风病中医证候分类模型准确率为86%,BP神经网络模型准确率为81%,梯度提升决策树模型准确率为84%。结论:相较于其他分类器模型,基于支持向量机建立的模型在中风病中医证候分类上更具优势。

深度学习影像组学新技术及其在肿瘤诊断中的应用

深度学习影像组学(deep learning radiomics,DLR)是医学影像结合人工智能分析领域的一项新技术,可以解决传统影像组学技术自动化、标准化程度低,特征提取步骤繁琐,耗时耗力的问题,并进一步提升影像组学模型在肿瘤分类诊断与预后预测中的准确性和可靠性。本文首先介绍DLR方法的原理及其工作流程,进而介绍其在肿瘤诊断、分期分型预测、生存预后评估中的研究现状,最后对其进行总结与展望。

基于中医理论的多模态认知检测与康复训练系统设计与实现

阿尔茨海默病(AD)是老年人群最常见的慢性疾病之一,以认知训练为主要手段的作业疗法被中西医视为AD预防与保健康复最常见手段。但是,目前市场上针对AD的认知障碍康复训练系统多基于西医方法,真正基于中医理论或中西医结合、具有中医特色的康复训练设备几不可见,且存在功能不全、用户体验不足且价格昂贵的缺陷。本团队自主研发了具有自主产权的多模态认知障碍康复训练系统,具体实现用户登录模块、康复训练模块、康复评估和反馈模块以及本地用户信息反馈模块。新系统特色为选择多模态融合技术创新作为突破口,强调中西医结合,在康复方案中融入脑电-眼动生理参数监测功能;基于物联网技术,形成老人认知障碍康复训练数据的自我管理;多功能的可选择性,集成多种功能可以根据用户需求进行增减;价格合理,与国外现有同类产品相比具有明显的价格优势。

生成对抗网络在医学图像跨模态重建中的应用及展望

医学图像跨模态重建是指基于被试某一种模态图像,预测同一被试的另一种模态图像,以实现更精准的个体化医疗。生成对抗网络(generative adversarial networks,GAN)是医学图像跨模态重建中最常见的深度学习技术,该技术通过从遵循真实数据分布的隐式分布中生成医学图像,进而快速重建出其他模态医学图像数据。随着临床对多模态影像数据需求的剧增,GAN技术在磁共振成像、计算机断层扫描和正电子发射型计算机断层扫描等多种不同的医学图像模态之间的跨模态重建任务中均得到广泛的应用,在脑、心等不同部位实现精准高效的跨模态图像重建。此外,虽然GAN在跨模态重建中取得了一定的成功,但其在稳定性、泛化能力和准确度方面仍需要进一步的改进。

基于半监督生成式对抗网络的常规诊断性MRI超分辨重建

目的:探究无监督深度学习模型将大量临床诊断性结构磁共振扫描重构为高分辨数据的可行性,并应用于脑形态学定量测量。方法:纳入上海市同济医院具有厚层或薄层常规临床结构磁扫描的被试的影像学及临床学数据共580例,包括363例兼具厚层和薄层扫描的受试以及217名仅有薄层扫描的受试。本研究提出一个半监督生成对抗网络框架用于MRI超分辨重建。评估了超分辨图像在各种形态定量分析场景中的实用性。结果:所提方法明显提高了超分辨图像的质量,峰值信噪比超过30 dB,结构相似度达到0.88,平均绝对误差和感知相似度低至0.03。超分辨图像形态学定量值与真实值存在较高一致性。结论:本研究证明了基于生成对抗网络的超分辨算法辅助临床诊断数据用于疾病定量化分析的可靠性,本研究有望回收大量常规诊断性MRI,并将其转化为可用于神经测量学研究的有用数据。

基于脑网络分析的轻度认知障碍患者脑电变异感兴趣脑区研究

轻度认知障碍(mild cognitive impairment,MCI)是介于正常老年人和阿尔茨海默病(Alzheimer’s disease,AD)患者之间的一种临床状态,MCI的早期诊断对AD预防和治疗具有非常重大意义。目前,临床经常使用脑电(Electroencephalogram,EEG)技术对MCI患者进行筛查和诊断,但是缺少感兴趣脑区是医生针对MCI的EEG信号诊断中遇到的一个临床问题。为了研究感兴趣脑区,本实验选取了18名老年人参与京剧体验任务,记录了他们在听京剧任务后闭眼状态下的脑电信号,并通过脑网络分析方法对数据进行了分析。结果表明,MCI组的网络参数与正常老年组的基本保持一致,但MCI组节点介数相较于正常老年组却发生较为明显的改变,MCI患者在任务状态下相较于正常老人在CP3和P4两个节点发生显著改变。

特发性快速眼动期睡眠行为障碍患者脑内拓扑结构异常的研究

目的探讨特发性快速眼动期睡眠行为障碍(iRBD)患者的脑代谢网络拓扑结构异常,并与帕金森病(PD)患者的脑代谢网络拓扑结构进行对比。方法回顾性分析2014年9月至2015年6月华山医院的19例多导睡眠监测(PSG)确诊的iRBD患者(iRBD组;男15例、女4例,平均年龄64.9岁)、19例PD患者(PD组;男12例、女7例,平均年龄62.2岁)和19名性别、年龄匹配的健康对照者(HC组;男15名、女4名,平均年龄63.1岁)的18F-脱氧葡萄糖(FDG)PET脑图像,采用基于图论的复杂脑网络方法,构建各组的脑代谢网络,并对其网络参数(聚类系数、特征路径长度、局部效率、全局效率和小世界属性等)进行定量评估,采用500次非参数置换检验分析各组间的网络参数的差异。结果iRBD组和PD组的脑代谢网络均存在异常的拓扑结构,主要表现为特征路径长度(如稀疏度=34%时,HC组、iRBD组和PD组分别为1.517、1.552和1.561)和局部效率(如稀疏度=30%时,3组分别为0.802、0.824和0.831)明显增加(均P<0.05),全局效率(如稀疏度=36%时,3组分别为0.672、0.658和0.656)明显下降(P<0.05);且相对于iRBD组,PD组的拓扑异常呈加重趋势。结论基于图论的复杂脑网络分析方法可揭示iRBD进展为PD的脑代谢网络的异常拓扑结构。