简介：摘要目的利用静息态功能磁共振成像(functional magnetic resonance imaging，fMRI)技术探讨噪声性耳聋大鼠下丘和腹外侧眶皮层局部一致性与焦虑抑郁样行为的关系。方法24只4周龄清洁级雄性SD大鼠按照随机数字表法分为噪声组和对照组，每组12只。噪声组大鼠置于宽带强噪声122 dB环境中2 h诱导双侧严重听力损失，对照组大鼠置于安静环境中。通过听觉脑干反应检测两组大鼠的听力情况，采用旷场实验评估大鼠的焦虑抑郁样行为，采用fMRI评估大鼠脑内局部一致性的差异。采用SPM12处理fMRI数据，采用SPSS 22.0软件通过Pearson相关分析计算fMRI数据与行为学的相关性。结果听觉脑干反应结果显示噪声组大鼠全频段听阈大于对照组大鼠[(85.417±6.463)dB，(20.083±8.853)dB，t＝46.168，P<0.001]，并在旷场实验中出现明显的焦虑抑郁样行为，即低活动水平。噪声组大鼠在旷场实验中的运动总距离[(39.912±5.696)m，(47.993±10.820)m，t＝-2.289，P＝0.032]、平均移动速度[(13.306±1.900)cm/s，(15.998±3.607)cm/s，t＝-2.290，P＝0.032]及站立次数[(13.333±5.960)次，(23.500±7.323)次，t＝-3.730，P＝0.001]均低于对照组。与对照组相比，噪声性耳聋大鼠下丘的局部一致性显著增强，而腹外侧眶皮层的局部一致性显著降低，且异常神经活动出现偏侧性。相关分析显示下丘的神经活动与噪声暴露大鼠在旷场中移动的总距离呈负相关(r＝-0.691，P＝0.013)，而腹外侧眶皮层的神经活动与旷场焦虑抑郁样行为并未发现明显的相关性。结论噪声性耳聋大鼠大脑下丘神经活动与焦虑抑郁样行为密切相关，有助于阐明耳聋大鼠出现中枢障碍的神经病理学基础。

简介：摘要目的通过MRI与CT在诊断细微肋骨骨折上的对比研究，探讨MRI对细微肋骨骨折的诊断价值。材料与方法招募2019年1月至2020年12月于我院就诊的轻度胸外伤患者25例，于受伤后3周内给予患者首次CT及MRI检查，伤后4～8周行CT复查。以复查CT有骨痂生长为金标准，对细微肋骨骨折进行分型，比较MRI与首次CT检查在细微肋骨骨折上的诊断准确率及敏感度，利用Fisher确切概率法检验MRI与首次CT检查诊断结果的差异性。结果细微肋骨骨折分为两型，Ⅰ型为骨皮质断裂伴骨痂形成，MRI上表现为骨髓水肿伴骨膜下积液；Ⅱ型为骨皮质显示完整伴有骨内骨痂形成，MRI上仅有骨髓水肿。复查CT共确诊91处细微肋骨骨折，其中Ⅰ型骨折共86处(占94.51%)，Ⅱ型骨折共5处(占5.49%)。MRI检查共诊断90处骨折，3处为假阳性，其诊断准确率为92.55%，敏感度为95.60%，其中Ⅰ型骨折共85处(3处假阳性)，在压脂序列上表现为“三明治”征，即内层为高信号的骨髓水肿影，中层为低信号的骨皮质，外层为高信号的骨膜下积液；Ⅱ型骨折共5处，在压脂序列上表现为高信号的骨髓水肿影，无骨膜下积液。首次CT检查发现55处骨折，全部为Ⅰ型骨折，诊断准确率及敏感度均为60.44%。MRI与首次CT检查检出的骨折数量差异有统计学意义(P=0.027)。结论MRI检查对细微肋骨骨折具有高度敏感性及诊断准确率，可作为除CT检查以外的常规补充检查项目应用于轻度胸外伤患者。

简介：摘要目的通过构建基于临床因素、影像因素、临床联合影像因素的预后预测模型，以期寻找卒中患者机械取栓治疗后最优的预后预测模型。材料与方法回顾性分析在南京市第一医院接受机械取栓治疗的急性脑卒中患者71例。所有患者均为发病24 h内并于治疗前接受MRI检查。收集所有患者的MRI资料及一般临床资料。患者预后采用3个月改良Rankin量表(modified Rankin Scale，mRS)评分评估。应用多元逻辑回归分析方法分别筛选卒中患者预后的独立预测因子并构建临床预测模型、影像预测模型及临床联合影像预测模型，并采用ROC曲线分析模型对卒中预后的预测效能。结果71例患者中预后良好者为35例，预后不良者为36例。多元逻辑回归临床因素结果显示年龄(OR=1.071；95% CI：1.010～1.135；P=0.022)、入院NIHSS评分(OR=1.225；95% CI：1.099～1.366；P＜0.001)为预测卒中预后的独立预测因子，该模型预测卒中预后的AUC为0.810 (95% CI：0.709～0.911)，敏感度和特异度分别为80.6%、71.4%。回归影像因素结果显示低灌注强度比值(hypoperfusion intensity ratio，HIR) (OR=4.037；95% CI：1.241～13.136；P=0.005)为预测卒中预后的独立预测因子，该模型预测卒中预后的AUC为0.862 (95% CI：0.772～0.952)，敏感度和特异度分别为72.2%、94.3%。回归临床联合影像因素显示入院NIHSS评分(OR=1.157；95% CI：0.998～1.341；P=0.043)、HIR (OR=6.669；95% CI：4.817～15.051；P=0.009)为预测卒中预后的独立预测因子，该模型预测卒中预后的AUC最高，达0.905 (95% CI：0.830～0.979)，其敏感度为94.4%、特异度为82.9%。结论临床联合影像的预测模型优于临床模型、影像模型，可有效提高急性脑卒中机械取栓治疗后预后的预测效能。

简介：摘要目的探讨基于DWI和液体衰减反转恢复序列（FLAIR）的深度学习技术构建预测急性卒中发病时间模型的效果。方法回顾性分析于2017年1月至2020年5月在南京市第一医院就诊且发病时间明确的急性卒中患者324例。采用7∶3比例按照完全随机法将患者分为训练集226例，测试集98例；再根据发病时间将患者分为≤4.5 h和>4.5 h两组。由医师对DWI图像上急性梗死区及FLAIR相应的高信号区进行轮廓勾勒标注。利用InceptionV3模型作为图像特征提取的基本模型，构建并验证基于单序列（DWI、FLAIR）和多序列（DWI+FLAIR）的深度学习预测模型。比较人工识别、单序列模型及多序列模型预测急性卒中发病时间的ROC曲线下面积（AUC）、准确度等性能。结果发病时间≤4.5 h患者中94例（94/207）存在DWI-FLAIR不匹配，发病时间>4.5 h患者中28例（28/117）存在DWI-FLAIR不匹配。ROC分析显示人工识别DWI-FLAIR不匹配预测急性卒中发病时间的AUC为0.607，准确度为60.2%。基于单序列的深度学习预测模型显示FLAIR序列预测急性卒中发病时间的AUC为0.761，准确度为71.4%；DWI序列预测急性卒中发病时间的AUC为0.836，准确度为81.6%；基于多序列（DWI+FLAIR）深度学习模型预测急性卒中发病时间的AUC为0.852，明显优于人工识别（Z=0.617，P=0.002）、基于FLAIR序列深度学习模型（Z=2.133，P=0.006）和基于DWI序列深度学习模型（Z=1.846，P=0.012）。结论基于DWI和FLAIR的深度学习模型预测急性卒中发病时间明显优于人工识别，可为未知发病时间的卒中患者提供静脉溶栓治疗指导。

简介：摘要目的探讨2019新型冠状病毒肺炎（COVID-19）影像学表现。方法根据纳入标准和排除标准收集2020年1月20日至2月5日来自全国多家医院确诊COVID-19病例130例，按分布特点进行分型，分析其影像学特征。结果（1）分布：单侧14例（10.7%），双侧116例（89.3%）；胸膜下型（102例78.4%），小叶核心型99例（76.1%），弥漫型8例（6.1%）；（2）数目：单发病灶9例（6.9%），多发病灶113例（86.9%），弥漫8例（6.1%）；（3）密度：仅为磨玻璃影（GGO）70例（53.8%），GGO与实变影兼有60例（46.2%）；（3）伴随征象：血管增粗100例（76.9%），胸膜平行征98例（75.3%），"细网格征"100例（76.9%），"晕征"13例（10%），"反晕征"6例（4.6%），3例胸腔积液（2.3%），2例肺气囊（1.5%）。未见空洞。35患者行CT复查，21例（60%）好转，14例（40%）加重。结论COVID-19影像学特点主要以胸膜下及小叶核心分布为主，两者均可融合成片，重症者发展为双肺弥漫；最有价值的特征是"胸膜平行征"；恢复期表现为边缘收缩的实变影，支气管扩张，胸膜下线或纤维条索影。