關注「影浮科技」
回復?「20230411」獲取本期文獻下載鏈接
本期文獻一共6篇蕊退，簡要匯總?cè)缦?
P1: Interactive Explainable Deep Learning Model Informs Prostate Cancer Diagnosis at MRI
>>>>?概要
使用前列腺成像報告和數(shù)據(jù)系統(tǒng)功能的交互式可解釋深度學習模型使雙參數(shù)MRI前列腺癌癥診斷的決策更加準確郊楣，并提高了工作流程效率憔恳。
背景
MRI診斷具有臨床意義的前列腺癌癥（prostate cancer，PCa）需要準確有效的放射學解釋净蚤。盡管人工智能可能有助于這項任務钥组，但缺乏透明度限制了臨床工作。
目的
利用前列腺成像報告和數(shù)據(jù)系統(tǒng)（PI-RADS）功能今瀑，開發(fā)一種可解釋的人工智能模型(explainable artificial intelligence程梦，XAI)，用于雙參數(shù)MRI診斷具有臨床意義的前列腺癌橘荠，以進行分類論證屿附。
材料和方法
這項回顧性研究包括2012年1月至2017年12月期間接受雙參數(shù)MRI和活檢的患者，這些患者進行了組織病理學分析哥童，證實有前列腺病變挺份。在兩名放射科醫(yī)生對圖像進行注釋后，訓練深度學習模型來檢測指數(shù)病變如蚜；對前列腺癌压恒、臨床顯著前列腺癌和良性病變進行分類；并使用PI-RADS特征來證明分類的合理性错邦。使用五倍交叉驗證和受試者操作特征曲線下的面積來評估基于損傷和患者的性能探赫。通過使用外部PROSTATEx數(shù)據(jù)集，在一項多讀數(shù)研究中測試了臨床可行性撬呢。多讀者研究的統(tǒng)計評估包括Mann-Whitney U和精確的Fisher Yates檢驗伦吠。
結(jié)果
總的來說，1224名男性有3260個前列腺病變魂拦。在內(nèi)部和外部測試集中可靠地檢測到具有臨床意義的前列腺癌毛仪，靈敏度為93%，平均每位患者有一個假陽性發(fā)現(xiàn)芯勘。專家證實箱靴，XAI分類的視覺和文本解釋的準確性為80%。XAI輔助讀數(shù)提高了非專家評估PI-RADS 3病變的信心荷愕，使讀數(shù)時間減少了58秒（P=.009）衡怀。
結(jié)論
可解釋的人工智能模型可靠地檢測和分類了具有臨床意義的癌癥，提高了非專家的信心和減少閱讀時間安疗，同時利用成熟的成像特征提供了視覺和文本解釋抛杨。
P2: National Performance Benchmarks for Screening Digital Breast Tomosynthesis: Update from the Breast Cancer Surveillance Consortium
>>>>?概要
背景
為改進工作建立篩查乳房X光檢查性能基準是很重要的。
目的
建立數(shù)字乳房斷層合成（digital breast tomosynthesis,DBT）篩查的性能基準荐类，并評估美國社區(qū)實踐中隨時間推移的性能趨勢怖现。
材料和方法
在這項回顧性研究中，DBT篩查檢查是在2011年至2018年間從五個乳腺癌癥監(jiān)測聯(lián)盟（Breast Cancer Surveillance Consortium, BCSC）處收集的玉罐。性能指標包括異常解讀率（abnormal interpretation rate, AIR）屈嗤、癌癥檢出率（cancer detection rate ,CDR）潘拨、敏感性、特異性和假陰性率（false-negative rate ,FNR）恢共，并根據(jù)美國放射學會乳腺成像報告和數(shù)據(jù)系統(tǒng)第五版進行計算战秋，并與同期BCSC DM篩查檢查進行比較，先前公布的BCSC和國家乳腺造影數(shù)據(jù)庫基準讨韭，以及專家意見可接受的性能范圍脂信。基準是從放射科醫(yī)生的績效指標分布中得出的透硝，并以百分位數(shù)表示狰闪。
結(jié)果
總計896?101名婦女接受2次手術(shù)?301?本研究包括766項篩查。DBT篩選性能指標如下：AIR濒生，8.3%埋泵；每1000張的CDR，5.8罪治；靈敏度為87.4%丽声；特異性為92.2%；每1000張的FNR為0.8觉义。與同一時間段的BCSC DM篩查檢查以及之前發(fā)布的BCSC和國家乳腺造影數(shù)據(jù)庫性能基準相比雁社，除敏感性和FNR外，DBT的所有性能指標都更高晒骇，這與同期和之前的DM性能指標相似霉撵。以下比例的放射科醫(yī)生在DBT中達到了可接受的性能范圍：CDR為97.6%，靈敏度為91.8%洪囤，AIR為75.0%徒坡，特異性為74.0%。
結(jié)論
在美國社區(qū)實踐中瘤缩，很大一部分放射科醫(yī)生符合DBT篩查性能指標的可接受性能范圍喇完。
P3: Quantitative CT Evaluation of Emphysema Progression over 10 Years in the COPDGene Study
>>>>?概要
背景
慢性阻塞性肺病（chronic obstructive pulmonary disease,COPD）的長期研究可以評估肺氣腫的進展剥啤。針對個人CT檢查的設備和掃描協(xié)議差異的調(diào)整尚未得到廣泛研究何暮。
目的
在考慮個體CT參數(shù)的情況下，通過5年間隔獲得的三個成像點铐殃，評估COPDGene隊列中當前和以前吸煙者的肺氣腫進展。
材料和方法
在2008年至2011年間跨新，從COPDGene研究中招募的現(xiàn)任和前吸煙者在2008年到2020年間進行了10年的前瞻性隨訪富腊。在基線和5年和10年的隨訪中測量定量CT調(diào)整后的肺密度（adjusted lung density,ALD）的肺氣腫程度。建立了根據(jù)CT技術(shù)特征調(diào)整的線性混合模型來評估肺氣腫的進展域帐。通過吸煙狀況和基線肺氣腫來估計連續(xù)5年研究期間ALD的年均變化赘被。
結(jié)果
在基線時的8431名參與者中是整，4913人接受了5年隨訪，1544人接受了10年隨訪民假。有4134名（49%）參與者是目前的吸煙者浮入，4449名（53%）參與者在基線時患有超過微量肺氣腫。目前患有微量肺氣腫的吸煙者的ALD下降幅度最大羊异，前5年平均每年下降1.4 g/L事秀，后5年平均下降0.9 g/L∫安埃考慮到CT噪聲易迹、視野和掃描儀模型，改進了模型平道，適用于肺氣腫進展的估計睹欲。
結(jié)論
COPDGene研究中對肺氣腫進展的CT評估顯示，在10年的時間里一屋，患有肺氣腫并繼續(xù)吸煙的參與者的ALD下降幅度最大窘疮。對CT設備和協(xié)議因素的調(diào)整改善了這些縱向估計。?
need-to-insert-img
P4: Cardiac MRI: State of the Art
>>>>?概要
心臟MRI在評估心血管疾布侥（CVD）中發(fā)揮著重要作用闸衫，包括缺血性心臟病、心肌病轧苫、瓣膜病楚堤、先天性疾病、心包疾病和腫塊含懊。大型多中心試驗表明身冬，基于MRI的管理對幾種心血管疾病的結(jié)果有積極影響。這些結(jié)果使MRI成為評估這些疾病不可或缺的技術(shù)岔乔，心臟MRI在多社會指南中發(fā)揮著重要作用酥筝。MRI是量化心室容積和功能的參考標準。流動成像能夠精確量化通過瓣膜雏门、分流器和外科導管或擋板的流量和速度嘿歌。晚期釓增強和參數(shù)標測技術(shù)能夠進行組織表征并產(chǎn)生預后信息。在過去的十年里茁影，心臟MRI技術(shù)在硬件和序列方面都取得了快速進步宙帝。多種新序列，如參數(shù)映射和四維流募闲，越來越多地被納入常規(guī)臨床實踐步脓。加速策略已經(jīng)成熟，可以更快地獲取心律失常和屏氣不良患者的心臟MRI序列。在高場強磁體和留置心臟設備或嚴重腎功能不全的患者中靴患，心臟MRI的挑戰(zhàn)已經(jīng)減輕仍侥。人工智能技術(shù)正在降低MRI采集和后處理的復雜性。本文綜述了心臟核磁共振成像的現(xiàn)狀和新興技術(shù)鸳君。?
P5 Future Trends in CT for Coronary Artery Disease: From Diagnosis to Prevention
這篇文章主要討論了冠狀動脈疾病對我們健康的影響以及預防心血管疾病所面臨的挑戰(zhàn)农渊。它強調(diào)了預防心血管疾病需要采取多方面的方法，包括生活環(huán)境或颊、食品市場和社會福利等方面砸紊。此外，文章還探討了使用CT技術(shù)進行冠狀動脈疾病的診斷和預防的趨勢和可能性饭宾。?
P6 Cardiac Imaging 2040
這篇文章的主要內(nèi)容是關于心臟成像技術(shù)在未來二十年內(nèi)的發(fā)展趨勢和預測批糟。它列出了未來二十年內(nèi)心血管成像領域的十大發(fā)展趨勢，包括自動化冠狀動脈CT成像看铆、冠狀動脈CT成像將常規(guī)包括冠狀動脈流量和壓力梯度估計徽鼎、光子計數(shù)CT將取代傳統(tǒng)CT用于冠狀動脈評估等。此外弹惦，該文章還提到了心血管疾病的兩種類型否淤，分別是冠狀動脈粥樣硬化性疾病和非缺血性心臟病，并介紹了這些類型的一些基本信息棠隐。
