基于模糊随机层次分析法的供应商可持续评估模型改进

利用第三方供应商可持续性评估平台,跨国企业能够更有效监督全球范围内的供应商在可持续发展中做出的努力与改进.在使用第三方平台评估供应商可持续性表现时,发现用于评价和处理指标权重和供应商指标得分的方法缺乏精确度.为此,提出采用随机层次分析法和三角模糊数理论对评估模型进行优化.为检验改进模型的有效性,采用企业实际案例,对比分析原始模型与改进模型的评估结果,发现改进模型能够将供应商可持续性表现有效差异化,得到区分度较明显的评价排序.

易损斑块磁共振成像:共识与挑战

研究显示,黑血管壁成像技术能够较为准确地识别和定量分析动脉粥样硬化易损斑块的特征,尤其在颈动脉血管床。采用磁共振技术早期识别易损斑块的重要特征将有助于预防心血管事件的发生。因此,有必要对该技术进行临床推广应用。然而,目前广泛推广磁共振斑块成像技术亦存在一定的挑战性,如应用该技术在冠状动脉等其他血管床仍具有一定的局限性,以及如何权衡效益/费用比等等。本文重点描述应用磁共振斑块成像技术的共识性观点和所面临的挑战。

磁共振斑块成像技术临床应用的现在与未来

磁共振斑块成像技术已被广泛应用于颈动脉粥样硬化斑块特征的研究中。经组织学验证,这些技术能够准确评价斑块负荷、组织成分、纤维帽完整性和炎症反应。本综述将从以下几个方面阐述磁共振斑块成像技术在临床实践中的潜在应用价值:①在易损斑块表面破裂前,磁共振斑块成像能够对其进行早期识别,从而预防缺血性卒中;②颈动脉斑块磁共振特征可能有助于制订临床治疗策略;③磁共振斑块成像是监测颈动脉粥样硬化病变他汀类药物治疗效果的有效手段。

缺血性卒中:基于磁共振斑块成像的危险性评估和预防

位于颅内外动脉的粥样硬化斑块是缺血性卒中最常见的病因之一。近年来随着生活方式的变化，动脉粥样硬化危险因素的患病率明显升高。

高分辨率MRI评估早期颈动脉粥样硬化患者双侧颈动脉分叉几何形态差异

目的采用颈动脉高分辨MRI评估早期颈动脉粥样硬化患者左右侧颈动脉分叉几何形态的差异。方法对92例早期颈动脉粥样硬化患者采集颈动脉管壁高分辨MRI,观察双侧颈动脉管壁厚度及斑块分型,计算并比较左右侧颈动脉分叉几何参数的差异。结果左侧颈动脉管壁厚度[1.24(1.09,1.46) mm]与右侧[1.29(1.10,1.57) mm]差异无统计学意义(Z=-1.12,P=0.26);左右侧斑块分型差异无统计学意义(P=0.22)。左侧颈内动脉(ICA)平面角(Z=-2.69)、近端面积比(Z=-3.43)、颈总动脉(CCA)扩张面积比(Z=-2.87)、ICA_5~CCA_3弯曲度(Z=-3.17)及二维CCA弯曲度(Z=-2.14)均大于右侧(P均<0.05);左右侧颈动脉分叉角(Z=-1.23)、ICA角(Z=-8.89)差异无统计学意义(P均>0.05)。结论早期颈动脉粥样硬化患者左右侧颈动脉分叉几何结构存在显著差异,可能导致左右侧颈动脉斑块发生率不同。

磁共振血管壁成像技术现状及进展

磁共振血管壁成像是利用磁共振原理抑制血管内流动血液信号,获取血管壁等静态组织图像的一种成像方法。由于可以对血管壁进行直接成像,这种方法可以用于评估动脉粥样硬化斑块的形态、成分,进而确定斑块的风险程度。血管壁成像技术的核心问题在于如何有效抑制流动血液的信号,本文就目前磁共振血管壁成像技术的现状及进展做简要的总结回顾。

三维黑血磁共振成像与DSA在颈动脉狭窄诊断中的对比研究

目的通过与DSA比较，评价三维黑血磁共振成像（3D—BB—MRI）对颈动脉粥样硬化性狭窄的临床价值。方法同时对40例颈动脉狭窄患者行DSA和3D—BB—MRI检查，比较两者在评估颈动脉狭窄程度、病变累及范围、破溃斑块检出的差异。结果以DSA为金标准，3D—BB—MRI判断颈动脉狭窄的Spearman相关系数为0．965，以狭窄率70％为判断点，其灵敏度为93．1％、特异度为100％、准确度为95．6％和阳性预测值为100％。3D—BB—MRI显示溃疡的灵敏度为100％、特异度为93．9％、准确度为95．6％和阳性预测值为85．7％。3D—BB—MRI和DSA的病变累及范围分别为（18．4±8．2）mm和（14．0±6．2）mm，P〈0．05。结论3D—BB—MRI能较准确地显示颈动脉狭窄程度、溃疡斑块，在显示病变累及范围方面具有优势，可辅助DSA为临床提供可靠、有价值的信息。

磁共振黑血iMSDE序列在颈动脉狭窄诊断中的初步临床应用体会

目的通过与数字减影血管造影(DSA)比较,评价MR黑血运动致敏驱动平衡改良技术(improved motionsensitized driven equilibrium,iMSDE)序列在诊断颈动脉狭窄中的临床价值。方法对32例患者的39支粥样硬化狭窄性颈动脉进行DSA及黑血iMSDE成像,比较两者在评估狭窄处最小管腔直径、狭窄处斑块累及长度、斑块破溃和判断最大狭窄部位的差异。结果黑血iMSDE成像与DSA相比:在判断颈动脉最大狭窄部位有较好的一致性(Kappa值=0.894);狭窄处最小管腔直径无显著性差异[(3.3±0.9)mm vs(3.2±0.8)mm,P=0.098];黑血iMSDE成像所示狭窄处斑块累及长度明显大于DSA[(21.9±5.6)mm vs(15.3±3.4)mm,P<0.001];黑血iMS-DE成像与DSA显示斑块破溃一致性较好。结论磁共振黑血iMSDE成像能清晰显示颅外段颈动脉管壁结构和粥样斑块的形态,并为临床提供较可靠和有价值的信息。

基于U-Net神经网络的多模态MR颈动脉血管成像的分割方法研究

目的 探讨基于U-Net神经网络的多模态MR影像颈动脉血管分割方法的价值.方法 回顾性分析了2012年至2015年中国动脉粥样硬化风险评估研究项目中,经标准多模态MR扫描,且两周内出现缺血性脑卒中或短暂性脑缺血的患者.经纳入标准和排除标准筛选后,有658例患者共17 568层颈动脉血管壁影像纳入研究.应用定制设计的心血管疾病评估计算机辅助系统(CASCADE,华盛顿大学血管成像实验室,西雅图)对所有影像数据进行分析.按照训练集、验证集和测试集6∶2∶2的比例,随机选取10 592个样本作为训练集,3 488个样本作为验证集,3 488个样本作为测试集.为防止模型过拟合,提高模型泛化能力,对原始的多模态血管斑块MR影像进行数据增强.应用经过微调的U-Net神经网络构建多模态MR影像颈动脉血管分割模型,在训练集上训练,在验证集上验证并优化训练超参数,在测试集上测试并计算像素级别的颈动脉血管分割的敏感度、特异度和Dice系数,并计算U-Net分割方法和手工分割方法下的最大管壁厚度和管壁面积,利用组内相关系数和Bland-Altman分析来验证两种方法的一致性.结果 在测试集上应用训练得到的U-Net神经网络模型进行颈动脉血管分割,计算敏感度为0.878,特异度为0.986,Dice系数为0.858.最大管壁厚度的组内相关系数(95%可信区间)为0.921(0.915~0.925),管壁面积的组内相关系数(95%可信区间)为0.929 (0.924~0.933),Bland-Altman分析中最大管壁厚度差值为(0.037±0.316)mm,管壁面积差值为(1.182± 4.953)mm2,U-Net分割方法和手工分割方法具有较高一致性.结论 应用U-Net神经网络的方法,在大规模经过专业医师标注的数据集上进行训练和验证,可以实现对多模态MR影像颈动脉血管自动分割.

深度学习技术与医学影像——现状及未来

100多年来,医学影像技术迅速发展,已经成为医疗诊断中不可或缺的技术.进入数字影像时代以来,海量数据的产生为医学影像未来的发展提供了更多的可能性.因此,如何对医学影像大数据做进一步分析和挖掘、如何从医学图像高维度数据中提取有价值的信息、如何将现代医学影像的发展与精准医疗紧密结合,成为医学影像未来发展的重要课题.近年来,随着计算能力的增强和数据的爆炸式增加,以深度学习（deep learning,DL）为代表的人工智能（artificial intelligence,AI）技术取得了长足的进步,并开始应用于生产生活中的各个领域.笔者对DL技术的基本概念进行简要介绍,梳理该技术在医学影像领域的应用现状,并讨论DL技术与医学影像结合的前景与面临的挑战.