简介：摘要目的通过超声图像和二维X线荧光图像配准，评估超声引导机器人辅助关节突关节穿刺术动物实验的准确性。方法取成年绵羊腰椎新鲜标本6个，浸泡于明胶溶液，分为左右侧关节突关节各24个，共计48个关节突关节，依据穿刺方式分为机器人组和徒手组(n=24)，机器人组和徒手组均穿刺左右侧关节突关节各12个，机器人组采用随机数字表法选取穿刺关节，徒手组穿刺对侧关节；机器人组左侧关节突关节左侧L1 3个，L2 3个，L3 3个，L4 3个，右侧关节突关节L1 2个，L2 3个，L3 5个，L4 2个；机器人组和徒手组均在同一标本上进行，采用自身对照实验，记录和比较两组定位误差、方向误差、扫描时间、路径规划、总穿刺时间、总操作时间。结果机器人辅助穿刺的定位误差[（2.21±1.12）mm]、方向误差（1.51°±0.47°）显著小于徒手组[（3.26±1.44）mm、2.24°±0.89°]，差异均有统计学意义（P<0.05）；机器人组所有模型均在首次成功实现关节突关节穿刺，徒手组则需要多次校正；机器人组总操作时间[（463.84±34.93）s]显著长于徒手组[(298.40±27.48) s]，但总穿刺时间[（37.97±6.87）s]显著短于徒手组[（261.61±33.15）s]，差异均有统计学意义（P<0.05）。结论机器人辅助下的关节突穿刺术可以在较少的针头调整次数下实现精准穿刺。

简介：摘要目的探讨基于脑部T2WI病灶影像组学的机器学习模型鉴别多发性硬化（MS）和视神经脊髓炎谱系疾病（NMOSD）的效能。方法回顾性分析2009年1月至2018年9月在首都医科大学附属北京天坛医院、南昌大学第一附属医院东湖院区、天津医科大学总医院、首都医科大学宣武医院接受诊治的MS和NMOSD患者223例的资料，按照7∶3的比例完全随机分为训练集（156例）和测试集（67例）。收集2009年1月至2018年9月在复旦大学附属华山医院、吉林大学中日联谊医院接受诊治以及2020年3月至2021年9月在南昌大学第一附属医院象湖院区接受诊治的MS和NMOSD患者共74例作为独立的外部验证集。对患者进行脑部横断面MR T2WI，从T2WI中提取影像组学特征，通过最小冗余最大相关性和最小绝对收缩和选择算子算法进行特征选择，之后构建各种机器学习分类器模型（logistic回归、决策树、AdaBoost、随机森林或支持向量机）鉴别诊断MS与NMOSD。采用受试者操作特征曲线的曲线下面积（AUC）评估训练集、测试集、外部验证集中各分类器模型的性能。结果基于多中心的T2WI，共提取了11个与区分MS和NMOSD有关的影像组学特征并构建分类器模型。其中随机森林模型区分MS与NMOSD的效能最好，其在训练集、测试集和外部验证集中区分MS与NMOSD的AUC值分别为1.000、0.944和0.902，特异度分别为100%、76.9%和86.0%，灵敏度分别为100%、92.1%和79.7%。结论基于脑部病灶T2WI的影像组学特征构建的随机森林模型可以有效地区分MS和NMOSD。