阿爾茨海默病（AD）是一種進行性、不可逆的神經系統退行性疾病，基于磁共振成像（MRI）的神經影像學檢查是進行AD篩查與診斷最直觀、可靠的方法之一。臨床上頭顱MRI檢測會產生多模態影像數據，為解決多模態MRI處理與信息融合的問題，本文提出基于廣義卷積神經網絡（gCNN）的結構MRI和功能MRI特征提取與融合方法。該方法針對結構MRI提出基于混合注意力機制的三維殘差U型網絡（3D HA-ResUNet）進行特征表示與分類；針對功能MRI提出U型圖卷積神經網絡（U-GCN）進行腦功能網絡的節點特征表示與分類。在兩類影像特征融合的基礎上，基于離散二進制粒子群優化算法篩選最優特征子集，并使用機器學習分類器輸出預測結果。來自AD神經影像學計劃（ADNI）開源數據庫的多模態數據集驗證結果表明，本文所提出的模型在各自數據域內都有優秀的表現，而gCNN框架結合了兩類模型的優勢，進一步提高使用單一模態MRI的方法性能，將分類準確率和敏感性分別提升了5.56%和11.11%。綜上，本文所提出的基于gCNN的多模態MRI分類方法可以為AD的輔助診斷提供技術基礎。
目的探討氯吡格雷抵抗對高齡老年急性冠狀動脈綜合征患者長期心血管事件的影響。 方法選擇2009年1月－2010年12月入住解放軍總醫院心內科病房300例急性冠狀動脈綜合征患者為研究對象，年齡70～95歲，平均（81.3±6.4）歲。所有研究對象均接受氯吡格雷片75 mg，1次/d，至少服用1個月以上，采用以二磷酸腺苷作為底物的光比濁法檢測患者服用氯吡格雷前和服用7 d后血小板聚集率的變化情況。按照血小板聚集率變化情況進行試驗分組，血小板聚集率降低程度＜10%為氯吡格雷抵抗組，≥10%為氯吡格雷非抵抗組。隨訪主要心血管不良事件（包括心血管病死亡、非致死性心肌梗死、再發心絞痛、缺血性腦卒中/短暫性腦缺血發作、急性血栓形成及出血并發癥）的發生情況，隨訪中位時間為2年。采用Cox風險回歸模型評估氯吡咯雷抵抗與心血管事件的關系。 結果氯吡格雷抵抗的發生率為24.0%。患有糖尿病、腎功能不全及體質量指數增高患者易于發生氯吡格雷抵抗，氯吡格雷抵抗患者心血管主要不良事件發生率明顯增加（37.5%、22.8%，P=0.032），Cox風險回歸方程提示氯吡格雷抵抗是心血管事件發生的獨立危險因素[HR=2.34，95% CI（1.07，4.57），P=0.016]。 結論老年急性冠狀動脈綜合征患者糖尿病、腎功能不全及體質量指數增高與氯吡格雷抵抗相關，氯吡格雷抵抗患者發生心血管不良事件的風險明顯增加。