期刊简介
《中华创伤杂志》(月刊)创刊于1985年，由中华医学会主办。是国内惟一能全面、系统地反映我国创伤医学成果和发展动向的高级医学专业学术期刊，能较充分地反映我国创伤医学领域临床救治和基础研究所取得的重要进展和重大成就，如严重多发伤救治和创伤评分,交通伤临床救治及基础理论研究，创伤流行病学调查，部位伤救治，创伤分子生物学、创伤免疫学、组织修复及组织工程研究等。
国家科技部中国科技信息研究所、中国科学院文献情报中心、中国国家图书馆、中国医学科学院信息研究所、中国医学科学院图书馆以及全国各医学院校、医疗科研单位均将本刊列为核心期刊;其影响因子和总被引频次均居国内医学期刊，尤其是外科类期刊的前列。据中国科学技术信息研究所信息分析研究中心提供的数据，《中华创伤杂志》2003年度影响因子为1.011，总被引频次为1252，他引总引比0.86。在国际上，本刊被国际六大检索系统之一的美国《化学文摘》(CA)、俄罗斯《文摘杂志》(РЖ)收录。
基于人工智能多模态影像的糖尿病视网膜病变早期筛查模型：一项全国多中心横断面研究
时间：2025-08-29 16:46:21
背景：糖尿病视网膜病变（DR）早期干预可降低 60% 失明风险，但基层筛查覆盖率不足 35%。
目的：开发并验证融合彩色眼底照（CFP）+OCTA 血流参数的深度学习模型，评估其在真实世界的筛查效能。
方法：纳入 2022.7-2024.1 全国 9 省 18 家医院 12,468 例 2 型糖尿病患者的 24,936 张 CFP 与 12,468 组 OCTA 图像。采用 ResNet-50+Transformer 混合架构，内部验证 7:1:2，外部验证 2,000 例。主要指标：AUC、敏感性、特异性；次要指标：基层医生读片时间变化。
结果：模型 AUC 0.952（95% CI 0.941-0.963），敏感性 94.3%，特异性 90.7%，优于单模态 CFP 模型（AUC 0.893）。在基层使用 AI 辅助后，平均读片时间由 4.8 min 降至 1.1 min。
结论：多模态 AI 模型显著提升 DR 早期筛查效率，适合基层大规模部署。
Methods 细节
图像标注：两位视网膜专家独立分级，κ=0.89；分歧由第三位仲裁。
数据增强：随机旋转、色彩抖动、CutMix。
统计：DeLong 检验比较 AUC；McNemar 检验比较敏感性/特异性。
References 建议
1.Ting DSW, et al. Lancet Digit Health 2023.
2.中国糖尿病视网膜病变筛查指南 2024.