搜索到8362篇“ 经胸二维超声心动图“的相关文章
- 基于深度学习的二维超声心动图左心室射血分数评估算法
- 本发明提供一种基于深度学习的二维超声心动图左心室射血分数评估算法，方法包括：获取公开超声心动图CAMUS数据集并进行预处理；对于处理好的数据集，按照设定比例划分为训练集和测试集；建立基于深度学习的包含注意力机制和二维卷积...
- 陈真诚王峥亮孙鹏李世勇刘东洪许赢龙龙威
- 二维超声心动图与RT-MCE评估冠心病患者病情的效能对比研究
- 2024年
- 目的 对比研究二维超声心动图与实时心肌声学造影(RT-MCE)评估冠心病患者病情的效能。方法 回顾性分析217例冠心病患者的临床资料,按病情分级可分为高危组、中危组和低危组。患者均接受二维超声心动图与RT-MCE检测。分析对比二维超声心动图与RT-MCE对冠心病患者病情的评估效能。结果 二维超声心动图评估冠心病患者病情准确率为85.71%(186/217),对不稳定型心绞痛评估准确率为84.00%(42/50),对急性心肌梗死评估准确率为82.19%(60/73),对稳定型心绞痛评估准确率为89.36%(84/94)。RT-MCE评估冠心病患者病情准确率为95.85%(208/217),对不稳定型心绞痛评估准确率为92.00%(46/50),对急性心肌梗死评估准确率为94.52%(69/73),对稳定型心绞痛评估准确率为98.93%(93/94)。两种检测方法评估不稳定型心绞痛的准确率比较差异无统计学意义(P>0.05)。RT-MCE评估冠心病患者病情、急性心肌梗死、稳定型心绞痛准确率明显高于二维超声心动图(P<0.05)。结论 二维超声心动图与RT-MCE均能有效评估冠心病患者病情,其中RTMCE对患者病情评估准确率更高,具有较高临床检测价值。
- 张志玲何玉平马艳
- 关键词：二维超声心动图实时心肌声学造影冠心病病情
- 二维超声心动图联合彩色多普勒血流成像在肥厚型心肌病诊断中的价值分析
- 2024年
- 目的:观察二维超声心动图(2DE)联合彩色多普勒血流成像(CDFI)在肥厚型心肌病(HCM)诊断中的价值。方法:选择2019年1月至2021年1月期间西北妇女儿童医院收治的480例HCM患者,将其纳入病例组,选取同期进行健康体检的200名体检者纳入健康对照组,所有受试者均行2DE和CDFI检查,统计并比较两组2DE、CDFI检测指标,分析2DE、CDFI单独及联合诊断的效能。结果:病例组患者左心室后壁厚度(LVPW)、室间隔厚度(IVST)及左心房内径(LAD)均高于健康对照组,差异均具有统计学意义(t=5.896、14.861、8.974,P<0.05)。病例组患者的二尖瓣前向血流E峰与A峰比值(E/A)、二尖瓣环舒张早期运动速度(Em)均低于对照组,二尖瓣口舒张早期血流速度(E)与Em比值(E/Em)高于健康对照组,差异均具有统计学意义(t=6.782、5.189、10.738,P<0.05)。2DE、CDFI单独及联合诊断HCM的受试者工作特征(ROC)曲线最优临界点(检测灵敏度)分别为67.83%、65.38%和82.38%,检测特异度分别为65.48%,64.58%和80.66%,其ROC曲线下面积分别为0.6835、0.6949和0.8136,准确率分别为68.35%、69.49%和81.36%,95%置信区间分别为0.608~0.803、0.606~0.823和0.835~0.943,2DE联合CDFI诊断HCM的灵敏度、特异度及准确率均高于2DE、CDFI单独诊断。结论:2DE和CDFI在HCM诊断中均具有一定价值,但二者联合可进一步提高HCM的诊断效能。
- 张喻安培莉王宁钟淑娟
- 一种二维超声心动图心肌自动分割方法
- 本发明涉及超声图像处理技术领域，尤其涉及一种二维超声心动图心肌自动分割方法。采用如下技术方案：采用基础图像处理算法依次进行提取脊信息、提取骨架信息、筛选出左右心肌骨架、提取特征点并选取锚点，再根据锚点和左右心肌骨架在心腔...
- 李德来范列湘吴钟鸿李斌康宇强邱浩淼王煜魏钟云
- 一种二维超声心动图心肌自动分割方法
- 本发明涉及超声图像处理技术领域，尤其涉及一种二维超声心动图心肌自动分割方法。采用如下技术方案：采用基础图像处理算法依次进行提取脊信息、提取骨架信息、筛选出左右心肌骨架、提取特征点并选取锚点，再根据锚点和左右心肌骨架在心腔...
- 李德来范列湘吴钟鸿李斌康宇强邱浩淼王煜魏钟云
- 二维超声心动图联合时间-空间复合成像对胎儿Berry综合征的诊断价值
- 2023年
- 目的 总结胎儿Berry综合征的二维超声心动图和时间-空间复合成像(STIC)图像特征,探讨其临床价值。方法 回顾性分析8例产前超声诊断为Berry综合征胎儿的二维超声心动图、彩色多普勒超声及STIC图像资料,总结胎儿Berry综合征的超声心动图表现。结果 8例Berry综合征胎儿均表现为主-肺动脉间隔缺损(Ⅰ型3例、Ⅱ型5例)、主动脉弓离断(A型6例、B型2例)及右肺动脉起源于升主动脉;3例为孤立性Berry综合征,5例合并其他心内结构异常(2例合并永存左上腔静脉,2例合并右位主动脉弓并迷走左锁骨下动脉,1例合并右室双出口)。8例患儿的STIC图像均清晰显示了主动脉弓离断位置及左、右肺动脉起源。结论 二维超声心动图联合STIC可准确诊断胎儿Berry综合征,具有重要的临床价值。
- 张文栋马斌苏晓荣郭文静王瑷琳李天刚
- 关键词：超声心动描记术产前诊断胎儿
- 二维超声心动图在慢性肾脏疾病患者心血管疾病筛查中的应用价值被引量：1
- 2023年
- 目的探讨二维超声心动图在慢性肾脏疾病患者心血管疾病筛查中的应用效果。方法选取2019年2月至2023年2月在我院健康体检中心参加体检的40例慢性肾脏疾病受检者为观察组,并以同期行健康体检的40名健康受检者为对照组,两组受检者均接受二维超声心动图检查与实验室生化检验,分析生化检验指标与二维超声心动图检查结果的相关性,评价二维超声心动图在该类患者心血管疾病筛查中的应用价值。结果两组受检者的TG、LDL-C、UA与Hb水平比较,差异无统计学意义(P>0.05);观察组患者的BUN、Cr水平均高于对照组,差异有统计学意义(P<0.05)。观察组受检者的LVDs、LVDd、LVEDV、LVESV、LAD均高于对照组,其E/A低于对照组,差异有统计学意义(P<0.05)。通过Pearson系数相关性分析,观察组受检者的BUN与LVDd、LAD存在正相关性(r=0.287、0.436,P<0.05);Cr与LVDs、LVDd、LVEDV、LVESV、LAD存在正相关性(r=0.435、0.506、0.347、0.302、0.342,P<0.05),与E/A存在负相关性(r=-0.339,P<0.05)。Logistic回归分析显示,LAD与LVDd是BUN的独立风险因素,而LAD、LVDs、LVDd、E/A是Cr的独立风险因素。结论二维超声心动图有助于慢性肾脏疾病患者的心血管疾病筛查,可准确评估患者的心血管病情状况,且检查指标与患者的肾功能指标密切相关。
- 刘贞庆
- 关键词：慢性肾脏疾病心血管疾病二维超声心动图疾病筛查
- 二维斑点追踪成像技术联合二维超声心动图评价老年房颤患者左心房功能的价值
- 2023年
- 分析研究二维斑点追踪成像技术(2D-STI)联合二维超声心动图在评价老年房颤患者左心房功能中的价值。方法 从我院2022年2月至2023年2月之间接收的老年房颤患者中随机选取82例作为研究对象,同时在这一时间段中,再从我院健康体检者中随机选出82例作为对照,将两组分别命名为研究组以及对照组。安排两组研究对象接受二维超声心动图联合二维斑点追踪成像评价左心房功能,并记录相关指标的变化情况,接着以小组为单位进行组间比较,从而得到联合评价方案的应用价值。结果 首先,从二维超声检查结果方面展开组间比较,结果显示两组在左心房总排空分数(LATEF)以及二尖瓣环舒张晚期心肌运动速度(A’)指标对比中,研究组的数值水平明显低于对照组(P<0.05);观察两组在左心房最大容积指数、二尖瓣口舒张晚期血流峰值/二尖瓣环舒张早期心肌运动速度(A/E’)方面的比较结果可以看出,研究组的数值水平明显高于对照组(P<0.05)。根据联合诊断结果进行分析,在收缩期PALS(左心房应变)、SRs(应变率)和舒张晚期ACLS(左心房峰值应变)、SRa(应变率)等指标的对比中,研究组的数值水平远低于对照组(P<0.05),而两组在SDa、SDs的指标比较中显示,研究组的数值水平远高于对照组(P<0.05)。结论 通过结合二维超声心动图和二维斑点追踪技术,进而可以更准确评价老年房颤患者的左心房功能,并且可以将相关诊断信息作为临床心房颤动预防和控制的重要参考依据。
- 李倩翟燕芳
- 关键词：二维超声心动图二维斑点追踪成像心房颤动老年人
- 二维超声心动图联合三维斑点追踪显像构建预测模型对FHCM突变基因携带者早期识别的临床应用研究
- 目的应用3D-STI评价FHCM突变基因携带者左室整体收缩功能与左室同步性的改变,探讨可早期识别FHCM突变基因携带者的超声心动图参数。方法纳入2017年11月-2022年8月就诊宁夏医科大学总医院的FHCM患者一级亲属...
- 段奕全
- 关键词：肥厚型心肌病左室整体收缩功能肥厚型心肌病超声心动图
- 基于深度学习的二维超声心动图管径检测方法及装置
- 本公开涉及一种基于深度学习的二维超声心动图管径检测方法及装置、电子设备和存储介质。通过将二维超声心动图待测图像输入至训练好的关键点检测网络中，输出关键点坐标，根据关键点坐标和待测图像的参数计算出待测血管的实际径长。本公开...
- 高雨霏叶菁张培芳陈晓天王宝泉吴振洲
