目的分析先天性白内障(CC)的影响因素,构建并验证人工智能筛查诊断系统。方法选取新疆维吾尔自治区人民医院2018年12月至2023年12月收治的300例CC儿童作为CC组,同期选取新疆维吾尔自治区人民医院眼科300名健康儿童作为对照组。利用数码...目的分析先天性白内障(CC)的影响因素,构建并验证人工智能筛查诊断系统。方法选取新疆维吾尔自治区人民医院2018年12月至2023年12月收治的300例CC儿童作为CC组,同期选取新疆维吾尔自治区人民医院眼科300名健康儿童作为对照组。利用数码裂隙灯照相系统,用复方托吡卡胺滴眼液散瞳后采集婴幼儿眼前节数字图像。通过单因素分析及多因素logistic回归分析影响因素。整合Canny算子、霍夫变换定位晶状体区域,结合深度残差网络及随机森林、自适应增强算法,构建CC智能诊断系统。采用四重交叉验证对同期南疆地区150例CC患儿及120名健康对照进行内外部验证,评估系统效能。结果单因素分析结果显示,不同一级亲属遗传史、早产、母亲孕前2个月或孕期感染、低出生体重、出生后1 min Apgar评分<4分的婴儿先天性白内障的发生情况比较,差异有统计学意义(P<0.05);多因素回归分析显示,一级亲属遗传史、母亲孕前2个月或孕期感染、早产、出生后1 min Apgar评分<4分、低出生体重均为CC的影响因素(P<0.05);RF模型诊断效能优于Ada,双侧CC筛查准确性及敏感性更高;重要性排序显示,一级亲属遗传史、母亲孕前2个月或孕期感染及低出生体重为前3位影响因素。结论一级亲属遗传史、母亲孕前2个月或孕期感染、早产、出生后1 min Apgar评分<4分、低出生体重均为CC的影响因素,构建人工智能筛查诊断系统可为建立适合新疆地区的CC早期临床筛查及防治策略提供参考。展开更多
目的应用人工智能辅助下的运动障碍评估法对帕金森病(Parkinson's disease,PD)及多系统萎缩P型(multiple system atrophy-Parkinson,MSA-P)进行运动量化评估以期精准鉴别诊断。方法连续纳入2024年1~9月在解放军总医院第一和第三医...目的应用人工智能辅助下的运动障碍评估法对帕金森病(Parkinson's disease,PD)及多系统萎缩P型(multiple system atrophy-Parkinson,MSA-P)进行运动量化评估以期精准鉴别诊断。方法连续纳入2024年1~9月在解放军总医院第一和第三医学中心神经内科就诊的年龄≥60岁患者105例,根据诊断情况分为PD组48例,MSA-P组31例及对照组26例。收集一般资料,采用运动功能辅助评估系统进行运动评定,评估该方法在PD及MSA-P中的鉴别诊断价值。结果3组面部表情指标、左右侧对指频率、左右侧手部运动频率、右侧手部运动的幅度变化率、左右侧连续翻掌频率、左右侧脚趾拍地频率、左右侧脚趾拍地冻结负荷、左右侧腿部灵活度频率、右侧腿部灵活度幅度变化率、左右侧腿部灵活度的冻结负荷、直立伸展角速度、转身耗时、前进步频、返回步频、前进平均步幅、返回平均步幅、前进平均步速、返回平均步速、前进平均步宽、返回平均步宽、左右手姿势性震颤频率、左右手姿势性震颤最大幅度、左右手动作性震颤频率、左右手动作性震颤最大幅度、左右手静止性震颤频率比较,差异有统计学意义(P<0.05,P<0.01)。MSA-P组左右侧瞬目频率、面部震颤最大幅度、面部震颤频率、直立伸展角速度、前进步频、返回步频明显低于PD组,张嘴时长占比及转身耗时明显高于PD组,差异有统计学意义(P<0.05,P<0.01)。联合9项运动功能指标或5项面部表情指标鉴别诊断PD与MSA-P的ROC曲线下面积分别为0.943(95%CI:0.895~0.991,P=0.000),0.925(95%CI:0.870~0.981,P=0.000),大于各单项指标。结论联合面部表情、姿势、步态等人工智能辅助的运动评估有助于PD及MSA-P的鉴别诊断。展开更多
文摘目的分析先天性白内障(CC)的影响因素,构建并验证人工智能筛查诊断系统。方法选取新疆维吾尔自治区人民医院2018年12月至2023年12月收治的300例CC儿童作为CC组,同期选取新疆维吾尔自治区人民医院眼科300名健康儿童作为对照组。利用数码裂隙灯照相系统,用复方托吡卡胺滴眼液散瞳后采集婴幼儿眼前节数字图像。通过单因素分析及多因素logistic回归分析影响因素。整合Canny算子、霍夫变换定位晶状体区域,结合深度残差网络及随机森林、自适应增强算法,构建CC智能诊断系统。采用四重交叉验证对同期南疆地区150例CC患儿及120名健康对照进行内外部验证,评估系统效能。结果单因素分析结果显示,不同一级亲属遗传史、早产、母亲孕前2个月或孕期感染、低出生体重、出生后1 min Apgar评分<4分的婴儿先天性白内障的发生情况比较,差异有统计学意义(P<0.05);多因素回归分析显示,一级亲属遗传史、母亲孕前2个月或孕期感染、早产、出生后1 min Apgar评分<4分、低出生体重均为CC的影响因素(P<0.05);RF模型诊断效能优于Ada,双侧CC筛查准确性及敏感性更高;重要性排序显示,一级亲属遗传史、母亲孕前2个月或孕期感染及低出生体重为前3位影响因素。结论一级亲属遗传史、母亲孕前2个月或孕期感染、早产、出生后1 min Apgar评分<4分、低出生体重均为CC的影响因素,构建人工智能筛查诊断系统可为建立适合新疆地区的CC早期临床筛查及防治策略提供参考。
文摘目的应用人工智能辅助下的运动障碍评估法对帕金森病(Parkinson's disease,PD)及多系统萎缩P型(multiple system atrophy-Parkinson,MSA-P)进行运动量化评估以期精准鉴别诊断。方法连续纳入2024年1~9月在解放军总医院第一和第三医学中心神经内科就诊的年龄≥60岁患者105例,根据诊断情况分为PD组48例,MSA-P组31例及对照组26例。收集一般资料,采用运动功能辅助评估系统进行运动评定,评估该方法在PD及MSA-P中的鉴别诊断价值。结果3组面部表情指标、左右侧对指频率、左右侧手部运动频率、右侧手部运动的幅度变化率、左右侧连续翻掌频率、左右侧脚趾拍地频率、左右侧脚趾拍地冻结负荷、左右侧腿部灵活度频率、右侧腿部灵活度幅度变化率、左右侧腿部灵活度的冻结负荷、直立伸展角速度、转身耗时、前进步频、返回步频、前进平均步幅、返回平均步幅、前进平均步速、返回平均步速、前进平均步宽、返回平均步宽、左右手姿势性震颤频率、左右手姿势性震颤最大幅度、左右手动作性震颤频率、左右手动作性震颤最大幅度、左右手静止性震颤频率比较,差异有统计学意义(P<0.05,P<0.01)。MSA-P组左右侧瞬目频率、面部震颤最大幅度、面部震颤频率、直立伸展角速度、前进步频、返回步频明显低于PD组,张嘴时长占比及转身耗时明显高于PD组,差异有统计学意义(P<0.05,P<0.01)。联合9项运动功能指标或5项面部表情指标鉴别诊断PD与MSA-P的ROC曲线下面积分别为0.943(95%CI:0.895~0.991,P=0.000),0.925(95%CI:0.870~0.981,P=0.000),大于各单项指标。结论联合面部表情、姿势、步态等人工智能辅助的运动评估有助于PD及MSA-P的鉴别诊断。
