教学课程资源库 更多>>

关键词： 图像编辑软件   植物病理学   教学效果   教学改革   学习兴趣   创造力  

摘要： 为探寻提升植物病理学教学成效的创新路径,增强学生对植物病原物结构的学习兴趣,以苏州农业职业技术学院2021级、2022级现代农业技术专业学生为研究对象,进行利用图像编辑软件的新教学方法与传统方法的对照教学。试验组(123人)使用新方法教学,学生用手机拍摄显微镜下植物病原真菌结构,再利用图像处理软件进行创意编辑;对照组(60人)采用传统方式教学,观察玻片并绘制真菌形态。教学前后测验成绩表明,2种教学方法均能提升学生知识掌握程度,实施新教学法的试验组课后测验成绩显著高于对照组。使用问卷调查了2021级试验组和对照组学生对课程兴趣、学习积极性、创造性表现的变化,结果显示大多数试验组学生显著提升了对课程的兴趣,创造性得到更多地发挥,优于对照组。结合显微摄影与图像编辑的教学方法能有效提高学生对植物病原真菌结构和分类知识的掌握,显著增强学生的学习兴趣、积极性与创造性,为植物病理学及相关学科试验教学提供了参考。

关键词： 病理学   实验教学   教学改革   数字病理学   人工智能  

摘要： 传统病理学实验教学受限于时间、场地及显微镜的使用,难以支持学生对石蜡玻片的反复观察,影响了其对切片内容的复习与掌握。全玻片数字扫描技术的进步推动了数字病理学的发展。在线数字病理实验教学平台为师生提供了全天候、无障碍的学习环境,有效解决了传统教学的局限性。人工智能技术在数字病理实验教学中的应用,不仅帮助教师实现因材施教和差异化培养的目标,还通过个性化资源推荐和互动学习提升了学生的学习兴趣,从而促进了病理实验教学水平的整体提高。

关键词： 病理学   实践课   BOPPPS教学模式   PBL  

摘要： 基于BOPPPS教学模式,我们初步探讨了病理学实践课程的新型教学方案,旨在有效应对该课程中知识点繁多且掌握困难的挑战。通过这一新型教学模式逐步激发学生的学习兴趣和内在动力,培养他们的自主学习能力和创新思维。Based on the BOPPPS teaching model, we have preliminarily explored a new teaching plan for the pathology practice course. The aim is to effectively address the challenges of numerous and difficult-to-master knowledge points in this course. Through this new teaching model, we gradually stimulate students’ learning interest and internal motivation, and cultivate their autonomous learning ability and innovative thinking.

关键词： 卵巢肿瘤   癌,小细胞   高钙血症  

摘要： 目的 卵巢高钙血症型小细胞癌(SCCOHT)是一种发病率极低的高度恶性肿瘤,好发于年轻女性,结合我院新发1例患者,研究分析本病的临床病理学特征,并通过复习文献梳理其病理诊断要点及研究进展。方法 对九八五医院最近收治的1例新发SCCOHT患者及文献中57例患者的诊治进行回顾性分析,并总结梳理文献中该肿瘤的临床病理学特征及研究进展。结果卵巢原发性高钙血症型小细胞癌好发于年轻女性,平均发病年龄为24岁,预后差,生存期1~2年,临床主要表现为腹痛,盆腔占位病变,血钙水平正常或增高,组织学以弥漫小细胞浸润为主,局部呈腺腔样结构,滤泡样结构及大细胞成分,上皮膜抗原(EMA),波形蛋白(Vimentin),钙结合蛋白(Calretine),肾母细胞瘤(WT-1)阳性,BRG抗体(SMARCA4)阴性,基因检测常伴有SMARCA4缺失。结论SCCOHT好发生于年轻女性,恶性度极高,预后极差,病理诊断有难度,冰冻病理诊断易误诊,特异性的SMARCA4基因检测缺失有助于诊断,手术治疗辅助术后化疗仍是一线治疗方案,新的免疫治疗和靶向治疗需要进一步的临床研究探索。

关键词： 新辅助治疗   病理学评估   非小细胞肺癌  

摘要： 新辅助治疗逐渐应用于非小细胞肺癌的治疗中,针对新辅助治疗后的疗效评价有影像学评价、临床试验疗效终点评价以及病理疗效评价,其中病理学评价在时效以及准确性方面显示出了独特的优势。但是目前对病理学评价尚未形成统一的评价体系,本文将对现有病理学评价指标及方法的相关进展进行综述,进一步提高对非小细胞肺癌新辅助治疗后病理学评估的认识和理解。

关键词： 胰腺肿瘤   Delta影像组学   全程新辅助治疗   计算机断层摄影   预测效能  

摘要： 目的探讨Delta影像组学对胰腺癌全程新辅助治疗(TNT)病理学完全缓解(pCR)的预测效能。方法采用回顾性队列研究方法。收集2019年1月至2024年9月河南省人民医院(郑州大学人民医院)收治的263例胰腺癌患者的临床病理资料;男166例,女97例;年龄为(56±12)岁。患者均行TNT。263例患者采用随机种子数按7∶3分为训练集184例和测试集79例。训练集用于构建预测模型,测试集用于验证预测模型效能。观察指标:(1)术后和随访情况。(2)影像学特征筛选与模型构建。(3)不同影像组学模型预测效能评价。正态分布的计量资料组间比较采用t检验;偏态分布的计量资料组间比较采用Mann-WhitneyU检验。计数资料组间比较采用χ^(2)检验。采用Kaplan-Meier法计算生存率并绘制生存曲线,Log-rank检验进行生存分析。通过绘制受试者工作特征曲线(ROC)、精确率-召回率(P-R)曲线及Bootstrap法评估模型预测患者TNT后pCR的效能,并计算曲线下面积(AUC)、准确率、召回率、F1分数。结果(1)术后和随访情况。263例患者TNT后均行手术治疗,术后均行病理学检查,其中pCR 124例(训练集86例、测试集38例),非pCR 139例(训练集98例、测试集41例)。263例患者术后随访时间为6(3~12)个月,其中术后6个月内失访或因非肿瘤原因死亡15例(pCR 4例、非pCR 11例)。124例pCR患者和139例非pCR患者术后6个月无复发生存率分别为80%和50%,两组患者无复发生存情况比较,差异有统计学意义(χ^(2)=22.84,P<0.05)。(2)影像学特征筛选与模型构建。传统影像学模型的构建:基于实体瘤疗效评价标准1.1,以相对退缩量(D%)为预测变量,构建Logistic回归模型。传统影像学模型的训练集AUC为0.72[95%可信区间(CI)为0.63~0.81],测试集AUC为0.75(95%CI为0.66~0.84)。Delta影像组学模型构建:筛选10个非零系数特征。以筛选的特征作为输入变量,通过正则化Logistic回归、随机森林、梯度提升机和支持向量机算法构建Delta影像组学模型。(3)不同影像组学模型预测效能评价。Delta影像组学模型正则化Logistic回归算法在测试集中预测胰腺癌TNT后pCR的AUC为0.90,高于随机森林算法、梯度提升机算法、支持向量机算法(AUC分别为0.81、0.81、0.83),也高于传统影像学模型(AUC为0.72)。Bootstrap法结果显示:Delta影像组学模型正则化Logistic回归算法预测效能分别与Delta影像组学模型随机森林算法、Delta影像组学模型梯度提升机算法、Delta影像组学模型支持向量机算法、传统影像学模型比较,差异均有统计学意义(95%CI为0.03~0.16,0.03~0.16,0.03~0.13,0.08~0.29,P<0.05)。Delta影像组学模型正则化Logistic回归算法在上述模型中综合指标性能最优。结论与传统影像学模型比较,Delta影像组学模型预测胰腺癌TNT后pCR的效能更优,其中Delta影像组学模型正则化Logistic回归算法综合指标性能最优。

关键词： 肺   混合性鳞状细胞和腺性乳头状瘤   乳头状瘤   病理特征   鉴别诊断  

摘要： 目的 探讨肺混合性鳞状细胞和腺性乳头状瘤(MSGP)的临床病理学、免疫表型等诊断特征和鉴别诊断要点,以期提高该病变的病理诊断准确率。方法 收集3例MSGP手术标本,用HE染色和免疫组化EnVision两步法进行检测,观察组织学形态和免疫表型,并结合文献进行复习。结果 镜下肿瘤均呈乳头状生长,可见纤维血管轴心,主要被覆鳞状上皮和腺上皮,可见散在分布的杯状细胞,两种上皮之间可见移行区,乳头间质见炎症细胞浸润。免疫表型:鳞状上皮和腺上皮均表达CK7和CK5/6,鳞状上皮和基底细胞均表达p40、p63,腺上皮和基底细胞均表达TTF1,杯状细胞表达MUC5AC,Ki-67仅在基底层表达。结论 MSGP是一种罕见的肺部肿瘤,临床特征不典型,术前活检和术中冷冻难以明确诊断,及时完整手术切除肿块预后较好。

关键词： 病理学   实验教学   教学改革   自建标本库   数字化   师生互动  

摘要： 文章以新医科要求为引领,以学生为中心为理念,探索线上和线下融合及深度和多元师生互动的病理实验教学新方法。教学团队开展了基于学生自主建立数字化标本图集并标注解析的教学方式,提高了学生在病理学实验中的主观能动性和病理学实践能力,为教师提供了深入了解学生学习和认知情况的新媒介,提升了病理学实验教学的质量,有利于数字化和人工智能时代的复合型医学人才的培养。

关键词： 乳腺癌   人表皮生长因子受体2   人工智能辅助诊断模型   组织病理学图像  

摘要： 目的:探讨深度学习模型在利用组织病理学图像预测乳腺癌人表皮生长因子受体2(HER2)亚型中的应用价值。方法:纳入癌症基因组图谱(TCGA)收集的乳腺癌患者病理图像,其中包括214例HER2低表达患者和56例HER2阳性患者。采用随机抽样法,以约8:2的比例将患者分为训练集(216例)和测试集(54例),同时纳入2020年1月至2022年12月温州医科大学附属第一医院50例患者的病理图像作为验证集。通过PaSegNet提取每位患者病理图像在不同放大倍率下的特征向量,并通过数字编码融合不同倍率下的特征向量。采用五折交叉验证方法,构建了四种深度学习模型:VGG模型、DenseNet模型、ResNet模型以及CNN+Transformer的改进深度学习模型。通过ROC曲线评估各模型的预测效能,并进一步使用多种评价指标分析不同放大倍率的病理图像融合对模型预测效果的影响。结果:在测试集上进行五折交叉验证后,VGG模型、DenseNet模型和ResNet模型的AUC值分别为0.681、0.780和0.863,集成CNN和Transformer的改进模型在测试集和验证集中则分别获得了0.929和0.905的AUC值。此外,通过在测试集上分析不同倍率病理图像的组合结果,发现40倍+20倍+5倍的组合获得了最高的AUC值,进一步证明了结合多倍率图像提取局部与全局特征能够获得更好的预测性能。结论:基于组织病理学图像的深度学习模型能够有效预测乳腺癌患者的HER2亚型,其中CNN与Transformer的改进模型在测试集和验证集上表现出较高的AUC值。多倍率图像的结合为模型提供了更全面的信息,从而提升了预测的准确性。该模型有望为临床治疗决策提供有力支持。

关键词： 肺疾病   病理学   回顾与展望  

摘要： 近十年来,我国在肺癌分子特征和诊断标准更新、新型冠状病毒感染肺部病理特征、间质性肺病分类方案,以及人工智能在肺部病理诊断中的应用、液体活检等新型生物标志物在临床应用方面成果显著。《中华病理学杂志》见证了这一领域的变革。值此杂志创刊70周年之际,本文回顾近十年来肺部病理学的发展历程及展望未来趋势。