简介：摘要目的对基于深度学习的ResNet50-OC模型彩色眼底照片质量多分类的效果进行评估。方法纳入2018年7月在南京医科大学附属明基医院收集的彩色眼底照片PD数据集及EyePACS数据集，临床医师根据眼底图像的成像质量将其大致分为质量较好、曝光不足、曝光过度、边缘模糊和镜头反光5类。在训练集中，每个类别包含1 000张图像，其中800张选自EyePACS数据集，200张选自PD数据集；在测试集中，每个类别包含500张图像，其中400张选自EyePACS数据集，100张选自PD数据集。训练集总计5 000张图像，测试集总计2 500张图像。对图像进行归一化处理和数据扩增。采用迁移学习方法初始化网络模型的参数，在此基础上对比当前深度学习主流分类网络VGG、Inception-resnet-v2、ResNet和DenseNet，选取准确率和Micro F1值最优的网络ResNet50作为分类模型的主网络。在ResNet50训练过程中引入One-Cycle策略加快模型收敛速度，得到最优模型ResNet50-OC并将其应用于眼底照片质量多分类，评估ResNet50与ResNet50-OC对眼底照片进行多分类的准确率和Micro F1值。结果ResNet50对彩色眼底照片质量多分类准确率和Micro F1值明显高于VGG、Inception-resnet-v2、ResNet34和DenseNet。ResNet50-OC模型训练15轮对眼底图像质量多分类准确率为98.77%，高于ResNet50训练50轮的98.76%；ResNet50-OC模型训练15轮对眼底图像质量多分类的Micro F1值为98.78%，与ResNet50训练50轮的Micro F1值相同。结论ResNet50-OC模型可以准确、有效地对彩色眼底照片质量进行多分类，One-Cycle策略可减少训练次数，提高分类效率。

简介：摘要目的构建循环生成对抗网络(CycleGAN)对模糊、曝光不足、曝光过度等低质量眼底图像进行质量提升，并对其效果进行评估。方法从EyePACS数据集中分别选取700张高质量和700张低质量眼底图像作为本研究的数据集。对数据集图像进行裁剪并统一缩放至512×512分辨率。采用2个生成模型和2个判别模型构建CycleGAN，生成模型根据输入的低/高质量眼底图像生成匹配的高/低质量图像，判别模型判别原始图像和生成图像。将本研究提出的算法与限制对比度自适应直方图均衡化(CLAHE)、动态直方图均衡化(DHE)、带色彩恢复的多尺度Retinex(MSRCR)3种图像增强算法的结果进行视觉定性评估，并采用清晰度、BRISQUE、色度、饱和度作为定量指标进行评估。应用糖尿病视网膜病变(DR)诊断网络对原图及不同算法增强图像进行诊断；并比较其准确度和特异度。结果CycleGAN算法对模糊、曝光不足、曝光过度3类低质量眼底图像的增强均取得最优效果，增强后的眼底图像对比度高、色彩丰富，视盘、血管结构清晰。CycleGAN算法增强的图像清晰度仅次于CLAHE算法；BRISQUE质量分数为0.571，比CLAHE、DHE和MSRCR算法分别高出10.2%、7.3%和10.0%；色度和饱和度分别为103.03、123.24，均高于其他算法；该算法增强100张图像仅需35 s，仅次于CLAHE算法，在速度上具有明显优势。CycleGAN算法增强的图像在DR诊断中的准确率和特异度分别为96.75%和99.60%，均较原图有所提高。结论CycleGAN可有效提升模糊、曝光不足、曝光过度眼底图像的质量，并有效提高计算机辅助DR诊断系统的准确率，可能在眼科临床诊断中有很大的应用价值。

简介：摘要直肠癌新辅助放化疗(neoadjuvant chemoradiotherapy，nCRT)的广泛应用改善了许多患者的预后，但也有部分患者并不能获益。直肠MRI因其高软组织分辨率的优势，能更好地显示肿瘤周围浸润及直肠壁改变情况，是诊断和全面评估直肠癌治疗反应非常有效的影像技术。笔者从不同MRI技术、MRI联合实验室检查、MRI联合内镜技术及PET-CT方面入手，分别介绍不同方法评估直肠癌新辅助治疗后病理缓解的价值，以期为临床诊治提供一定依据。

简介：摘要目的系统评价MRI诊断直肠癌新辅助治疗后病理完全缓解的价值。材料与方法计算机检索PubMed、The Cochrane Library、EMbase、中国知网(CNKI)、万方数据库（WanFang Data)和中国生物医学数据库(CBM)，搜集MRI评估直肠癌新辅助治疗后疗效的研究，检索时限均从建库至2020年6月。由2名研究者独立筛选文献、提取资料，并使用QUADAS-2评价偏倚风险，采用RevMan 5.3和Stata 12.0软件进行Meta分析，计算合并后的敏感度（sensitivity，Sen)、特异度（specificity，Spe)、阳性似然比（positive likelihood ratio，PLR)、阴性似然比（negative likelihood ratio，NLR)、诊断比值比(diagnostic odds ratio，DOR）等性能指标，绘制森林图、受试者工作特征曲线（summary receiver-operating characteristic curves，SROC曲线）并计算SROC曲线下面积（AUC)。结果共纳入35个诊断性试验，包含2674例患者。MRI诊断病理完全缓解的Sen合并、Spe合并分别为[0.75，95% CI (0.70，0.80)]、[0.86，95% CI (0.82，0.89)]。亚组分析结果显示：DKI-MRI诊断病理完全缓解的敏感度最高[0.84，95% CI (0.73，0.91)]。T2WI联合DCE诊断病理完全缓解特异度最高[0.96，95% CI (0.89，0.99)]，相较于其他序列T2WI联合DWI的DOR、AUC最高，分别为[47.56，95% CI (23.64，95.72)]、[0.94，95% CI (0.92，0.96)]。间接比较结果显示：在不同序列中，T2WI联合DWI诊断病理完全缓解的价值最高。1.5 T和3.0 T磁场强度诊断效能相似。结论T2WI联合DWI诊断直肠癌新辅助治疗后病理完全缓解的价值最高，而目前不同磁场场强的诊断效能相似，需更多研究证实。

简介：摘要目的系统评价腹腔镜胆总管探查术(LCBDE)联合鼻胆管引流与T管引流治疗胆总管结石的临床疗效。方法以胆总管结石病、胆总管结石、T管引流、T管、鼻胆管引流、经内镜鼻胆管引流术、ENBD管、ENBD引流，cholelithiasis，common bile duct stone，jaundice，obstructive，Jaundice，gallstone，T-tube drainage，T-tube，t-tube，biliary tract drainge，drainge tube，endoscopic nasobiliary drainage，nasobiliary drainage，nasobiliary tube，endoscopic drainage tubes，endoscopic drainage tube，endoscopic retrograde biliary drainage为检索词，检索PubMed、Medline、Embase、the Cochrane Library、Web of Science、万方数据库、中国期刊全文数据库、中国生物医学文献数据库。检索时间为1960年1月至2019年5月。纳入比较胆总管结石腹腔镜治疗过程中留置鼻胆管与T管引流的随机对照试验(RCT)及高质量非随机对照试验(NRCT)。LCBDE联合术前、术中行鼻胆管引流术设为鼻胆管引流组，LCBDE联合术后行T管引流术设为T管引流组。结局指标：手术时间、术中出血量、术后住院时间、带管时间、术后胃肠道功能恢复时间、治疗费用、手术失败率、术后胆瘘发生率、术后切口感染发生率、术后结石残留率、术后胰腺炎发生率、术后高淀粉酶血症发生率、术后胆汁性腹膜炎发生率。计数资料采用优势比(OR)及其95%可信区间(95%CI)表示，计量资料采用均数差(MD)及其95%CI表示。采用I2和Q检验分析纳入文献异质性，若I2≤50%或P>0.10时，认为无异质性，采用固定效应模型分析；若I2>50%且P≤0.10时，认为存在异质性，采用随机效应模型分析。分析计量资料时，纳入RCT>4篇，进行亚组分析。纳入RCT≤4篇，同时分析NRCT。分析计数资料时，RCT与NRCT合并分析。纳入研究≥10篇，采用漏斗图检验潜在发表偏倚，纳入研究<10篇则不检验。结果(1)文献检索结果：最终纳入符合标准的相关研究共26篇，包括9篇RCT，4篇半随机化研究和13篇病例对照研究。半随机化研究和病例对照研究纳入NRCT。累计样本量2 098例，其中鼻胆管引流组1 114例，T管引流组984例。(2)Meta分析结果。①术后住院时间：鼻胆管引流组患者术后住院时间与T管引流组比较，差异有统计学意义(MD＝-6.53，95%CI为-8.64～-4.43，P<0.05)，9篇RCT进一步亚组分析，无胆总管结石急性并发症鼻胆管引流组患者住院时间与T管引流组比较，差异有统计学意义(MD＝-5.88，95%CI为-8.32～-3.45，P<0.05)；伴胆总管结石急性并发症鼻胆管引流组患者住院时间与T管引流组比较，差异有统计学意义(MD＝-8.77，95%CI为-12.39～-5.15，P<0.05)。②带管时间：RCT中鼻胆管引流组患者术后带管时间与T管引流组比较，差异有统计学意义(MD＝-46.01，95%CI为-83.64～-8.37，P<0.05)；NRCT中鼻胆管引流组患者术后带管时间与T管引流组比较，差异有统计学意义(MD＝-24.05，95%CI为-32.93～-15.18，P<0.05)。③术后胃肠道功能恢复时间：RCT中鼻胆管引流组患者术后胃肠道功能恢复时间与T管引流组比较，差异有统计学意义(MD＝-17.80，95%CI为-31.11～-4.48，P<0.05)；NRCT中鼻胆管引流组患者术后胃肠道功能恢复时间与T管引流组比较，差异有统计学意义(MD＝-5.64，95%CI为-10.16～-1.12，P<0.05)。④术后胆瘘发生率：鼻胆管引流组患者术后胆瘘发生率与T管引流组比较，差异有统计学意义(OR＝0.50，95%CI为0.28～0.89，P<0.05)。⑤术后切口感染发生率：鼻胆管引流组患者术后切口感染发生率与T管引流组比较，差异有统计学意义(OR＝0.35，95%CI为0.17～0.73，P<0.05)。(3)发表偏倚分析。对鼻胆管引流与T管引流治疗胆总管结石术后胆瘘发生率比较的Meta分析15篇纳入文献发表偏倚采用漏斗图检验结果显示：以术后胆瘘发生率为指标进行漏斗图分析，各点大致分布在倒置漏斗内，对称性尚可，发表偏倚对Meta分析结果影响较小。结论对于内镜不能取石，LCBDE联合鼻胆管引流与联合T管引流比较，前者可缩短术后住院时间、带管时间、术后胃肠道功能恢复时间，降低术后胆瘘、术后切口感染发生率。

简介：摘要目的观察分析基于深度学习的眼底图像视盘定位与分割方法的准确性。方法在ORIGA数据集上训练和评估基于深度学习的视盘定位和分割方法。在深度学习的Caffe框架上构建深度卷积神经网络（CNN）。采用滑动窗口将ORIGA数据集的原图切割成许多小块图片，通过深度CNN判别各个小块图片是否包含完整视盘结构，从而找到视盘所在区域。为避免血管对视盘分割产生影响，在分割视盘边界之前去除视盘区域的血管。采用基于图像像素点分类的视盘分割深度网络，实现眼底图像视盘的分割。计算基于深度学习的眼底图像视盘定位与分割方法的准确性。定位准确率＝T/N，T代表视盘定位正确的眼底图像数量，N代表总共用于定位的眼底图像数量。采用重叠误差（overlap error）比较视盘分割结果与实际视盘边界的误差大小。结果基于深度学习的眼底图像视盘定位方法其定位准确率为99.6%；视盘分割平均重叠误差为7.1%；对青光眼图像和正常图像的平均杯盘比的计算误差分别为0.066和0.049；每幅图像的视盘分割平均花费10 ms。结论基于深度学习的眼底图像视盘定位方法能快速并准确地定位视盘区域，同时也能够较为精准地分割出视盘边界。