超声心动图评价左房容积与左室舒张功能的关系及对心血管事件的预测

目的探讨左房容积与左室舒张功能之间的关系,及其对未来心血管事件的预测价值。方法追踪观察研究组(左房进行性增大,排除风心病、肺心病、高心病、心肌炎、心肌病、糖尿病及甲状腺疾病等器质性心脏病患者)120例,对照组(左房大小正常的无症状患者)120例,两组均在窦性心率下测量左房前后径(LAd)、左房长轴径(Lx),左房短轴径(Sx),舒张早期血流峰值速度(Ve),舒张晚期血流峰值速度(Va),舒张早期E峰减速时间(DT),等容舒张时间(IVRT),心房收缩期肺静脉逆向血流(Var)。并观察其预后表现。结果研究组与对照组间E/A<1,百分率有显著差异;两组间左房容积指数有显著差异;随左房容积指数增加,舒张功能恶化;研究组中120例患者在随后3年内发生房颤45例,充血性心率衰竭23例,脑卒中11例,死亡6例;对照组中120例患者未发现不良心血管事件。结论超声心动图对左房容积变化的观察对判断左室舒张功能及预测未来心血管事件具有重要意义。

超声心动图对成人右心室功能评估的临床意义

右心室功能评价作为心肺疾病诊断、治疗及预后的有效评估指标,受到了更多的关注。本文首先介绍了右心室结构和右心室功能评价的超声心动图指标;而后系统总结了临床各种疾病的右心室超声心动图特征,包括肺动脉高压和肺栓塞等肺源性心脏病,高血压、房颤、二尖瓣关闭不全等左心疾病等。右心室功能在某些疾病中是比左心功能更敏感、应用更加广泛的指标,具有重要的临床价值。

卷积神经网络算法在肿瘤患者舌象识别中的应用

目的研究卷积神经网络算法在肿瘤患者舌象中齿痕舌和瘀斑舌识别应用中的性能。方法收集442例肿瘤患者舌象图片,采用labelImg软件进行齿痕舌和瘀斑舌特征标注,将数据集以7∶3的比例随机划分为训练集和测试集,利用卷积神经网络算法中的ResNet50构建齿痕舌和瘀斑舌的自动识别模型。绘制ROC曲线,并使用精确度、灵敏度、特异度、F1值、正确率等指标来评价模型的识别能力。结果 CNN-ResNet50模型的精确度90.76%,灵敏度93.02%,特异度84.19%,F1值91.88%,正确率90.15%,ROC曲线下面积AUC 96.00%。说明模型能较准确地找到舌象中齿痕或瘀斑的具体位置,对舌色、舌质均有较好的分辨效果。结论卷积神经网络中的ResNet50算法具有较强的特征学习和提取能力,具有较高的舌象识别性能,为后续人工智能在中医舌象的识别应用奠定了基础。