深度学习运用于胸腔X射线影像研究的文献计量学分析

目的 基于SCIE和PubMed数据库了解深度学习在胸腔X射线影像相关领域研究文献发表情况。方法 检索2017年1月1日至2021年12月31日收录于SCIE和PubMed的关于胸腔X射线影像的文献,针对发文量、出版机构、出版期刊、引文、作者及关键词等信息进行统计分析。结果 共纳入文献440篇,深度学习在胸腔X射线影像研究相关文献发文量呈逐年增长趋势。美国发文量最多,总被引频次为4 409次,篇均被引频次为12.32次,美国的IEEE Access期刊发文量最多,达29篇。发文量排名第一的出版商是德国的Springer Nature,为83篇。核心作者7位,发文最多的有10篇,主要关键词频次出现最多的为COVID-19。结论 SCIE和PubMed收录的关于深度学习在胸腔X射线影像相关领域的文献整体呈逐年上升趋势,基本以英文文献增长为主,核心作者群尚未形成,尚未出现引文量和发文量均丰富的领军人物,高影响力文献数量有限。

糖尿病,遗传易感性和阿尔茨海默病:基于英国生物数据库的回顾性队列研究

目的研究糖尿病、遗传易感性与阿尔茨海默病风险之间的关联,并进一步探讨潜在的遗传易感性/糖尿病交互作用及对阿尔茨海默病风险的影响。方法基于英国生物数据库,最终有211643例年龄≥60岁的参与者被纳入在本研究中,在基线数据对比后,采用Kaplan-Meier风险曲线和Cox比例风险模型分析不同因素对阿尔茨海默病风险的影响。结果COX比例风险模型表明,年龄越大、社会剥夺指数越高、受教育程度越低、患有心脏病、脑梗死、糖尿病及高血压的参与者有更高的阿尔茨海默病风险。同时,在低AD-GRS(阿尔茨海默病遗传风险评分)和高AD-GRS参与者中,不合并糖尿病能够抵消遗传风险对阿尔茨海默病的风险。结论本研究结果表明随着AD-GRS增加及合并糖尿病,阿尔茨海默病风险越高。同时,在低AD-GRS和高AD-GRS参与者中,不合并糖尿病能够抵消遗传风险对阿尔茨海默病的风险。

颈部动脉血流速度与脑白质变性严重程度的相关性

目的探讨颈部动脉血流速度与脑白质病变严重程度的相关性。方法收集头颅MRI证实脑白质病变患者,回顾性分析患者的临床资料,通过单因素方差分析、多因素logistic回归分析确定中重度脑白质变性的独立危险因素。结果 (1)回顾性收集262例脑白质病变患者,根据Fezakas量表评分分成轻度组(n=115)和中重度组(n=147)。(2)单因素分析示,轻度组与中重度组之间年龄、既往卒中史、高血压、糖尿病患病率及总胆固醇、极低密度脂蛋白、左侧颈内动脉血流速度及右侧颈总动脉血流速度差异有统计学意义(P<0.05)。(3)多因素logistic回归分析示,颈部动脉血流速度作连续性变量资料时,调整混杂因素后发现高龄(OR=1.066,95%CI 1.029～1.104,P<0.001)、糖尿病(OR=2.469,95%CI 1.041～4.995,P=0.039)、吸烟饮酒史(OR=2.618,95%CI 1.036～6.611,P=0.042)是中重度脑白质病变的独立危险因素,左侧颈内动脉血流速度加快(OR=0.979,95%CI 0.963～0.994,P=0.007)是中重度脑白质病变的独立保护因素。结论在脑白质病变患者中,高龄、糖尿病、吸烟饮酒史是中重度脑白质病变的独立危险因素,左侧颈内动脉血流速度加快是中重度脑白质病变的独立保护因素,这对发生中重度脑白质病变的风险性有一定的评估价值及临床意义。

睡眠行为与阿尔茨海默病关系的研究进展

随着人口老龄化的不断增加,包括阿尔茨海默病在内的痴呆症患病率也在增加。阿尔茨海默病已经被世界卫生组织确认为优先的公共卫生事件[1]。同时,阿尔茨海默病患者会遭受多种睡眠障碍的困扰[2]。本文的目的主要是针对睡眠行为与阿尔茨海默病关系的研究进展进行一个简要的综述,以加深读者对睡眠行为与阿尔茨海默关系的理解。

血清载脂蛋白AI、B及其比值与脑白质变性严重程度的相关性

目的探讨载脂蛋白AI(ApoAI)、载脂蛋白B(Apo B)及Apo B/ApoAI与脑白质病变严重程度的关系。方法回顾性收集648例经头颅MRI证实脑白质病变患者,根据Fazekas量表分为轻度脑白质变性者(n=386)和中重度脑白质变性者(n=262),收集总胆固醇、甘油三脂、高密度脂蛋白、低密度脂蛋白、ApoAI、Apo B、Apo B/ApoAI比值以及人口统计学资料,并通过单因素方差分析、多因素logistic回归分析确定中重度脑白质变性的独立危险因素。结果轻度与中重度者两组间比较年龄、性别、高血压、糖尿病、冠心病、既往卒中史、同型半胱氨酸、高密度脂蛋白、ApoAI及Apo B/ApoAI差异有统计学意义(P<0.05),但两组Apo B水平差异无统计学意义(P=0.233)。多因素logistic回归分析显示ApoAI和Apo B/ApoAI作连续型变量资料时,调整混杂因素后发现Apo B/ApoAI是中重度脑白质病变的独立危险因素(OR=11.456,95%CI:3.622~36.229,P<0.001),而ApoAI是中重度脑白质变性的独立保护因素(OR=0.068,95%CI:0.018~0.262,P<0.001)。以ApoAI的上四分位数(p75)为截点分为低ApoAI(≥1.38 g/L)、高ApoAI(<0.138 g/L);以Apo B/ApoAI的下四分位数(p25)为截点分为低Apo B/ApoAI(≤0.58 g/L)、高Apo B/ApoAI(>0.58 g/L)。通过比较发现,高ApoAI、低Apo B/ApoAI组患者的中重度WML的发病率最低(P<0.001)。结论在脑白质病变患者中,Apo B/ApoAI水平增高为中重度脑白质病变的独立危险因素,ApoAI水平增高为脑白质病变的独立保护因素。

基于MATLAB的医学影像数据迁移学习的实现

目的探讨基于MATLAB实现医学影像数据的迁移学习。方法以MIMIC公共数据库中的MIMIC-CXR数据库为例,随机选取胸腔积液阳性和阴性的X线图像各500张作为总数据集,采用MATLAB软件基于ResNet网络模型利用迁移学习方法进行多次训练,计算AUC值评估模型训练对胸腔积液影像分类的准确率。结果本研究使用的胸腔积液影像测试集和训练集呈均匀分布,部分训练模型准确率达到80%,损失率则基本下降至20%以下,在迭代次数为250次的训练中最高准确率可达100%,耗时约2min 38s。基于本次模型训练获得对影像数据迁移学习的预测结果,AUC值最高为93.53%。结论ResNet网络模型的迁移学习方法可实现模型构建和医学影像数据训练的有效结合和增强,且模型预测效能较好,为临床医生早期诊断胸腔积液提供了一定的依据。

基于文献计量学的痴呆在英国生物银行数据库的研究现状

目的基于SCIE和PubMed数据库了解痴呆在英国生物银行数据库相关领域研究文献发表情况。方法计算机检索2018年1月1日—2022年11月30日收录于SCIE和Pub Med数据库的关于英国生物银行数据库和痴呆相关的文献,针对发文量、出版机构、出版期刊、引文、作者及关键词等信息进行统计分析。结果共纳入文献279篇,痴呆在英国生物银行临床相关研究的文献发文量呈逐年增长趋势;英国发文量最多,美国期刊影响力最大,而中国发文量排名第三;出版商中发文量最多的是德国的Springer Nature,为47篇;作者中发文最多的是来自中国的Yu JT,有11篇;主要关键词频次出现最多的为阿尔茨海默病。结论SCIE和Pub Med数据库收录的关于痴呆在英国生物银行数据库相关领域的文献整体呈逐年上升趋势,基本以英文文献增长为主,核心作者群尚未形成,中国学者发文集中在2020—2022年,跨国合作论文较少。

UK Biobank数据的应用介绍

UK Biobank(英国生物银行)是一个大型生物医学数据库和研究资源,包含来自50万英国参与者的生物遗传和健康信息,涵盖了丰富的基本结构化数据、高通量的基因组学遗传数据和多模态影像数据,但是由于其数据体量大,使用方式复杂,因此国内研究者使用的并不广泛。本文首先介绍UK Biobank的健康相关结构数据、基因数据和影像数据等内容,随后分别对不同数据的下载使用方法进行详细描述,最后探索近几年使用UK Biobank数据库进行的最新研究,并围绕将人工智能技术应用于UK Biobank数据的典型研究和发展方向进行探讨,以期在人体解剖生理和遗传变异、表型特征等方面有更多的科学研究成果出现。