教学课程资源库 更多>>

关键词： 组织病理学图像   图像分割   对比学习   卷积神经网络  

摘要： 近三十年来,全球范围内50岁以下人群中的癌症新发病例数激增了79%,同时癌症导致的死亡人数也攀升了27.7%,癌症正在逐渐年轻化。组织病理学诊断作为临床上癌症诊断的“金标准”,其诊断结果直接决定后续治疗的开展。传统组织病理学图像检测往往依赖人工识别,然而人工识别主观性强、误差大且标准不统一。我国病理医生严重不足,组织病理学诊断费时费力且有出错的可能性,借助计算机技术进行病理学诊断是科学技术发展的未来趋势。 目前借助深度学习的各类组织病理学图像分析算法层出不穷,逐渐成为协助病理医生实现更为客观、精准的诊断技术。大部分深度学习技术往往依赖于大量数据及其标签信息,通过学习大量已知信息从而代替人工操作。但是医学数据一方面数量稀少、标注困难,另一方面涉及隐私保护、医学伦理等重要问题,使得相关深度学习技术发展面临重重困难。 本文主要针对以上问题展开了两个部分的研究,第一是理论分析部分,分析了自监督对比学习和卷积神经网络的数学理论,也就是模型的统计性质。第二是实验部分,主要任务是使用尽量少的数据及其标注训练一个评分模型,用于给出组织病理学图像的免疫组化评分,量化图像对应的癌症严重程度。该任务需要对图像数据进行多种标注,其中标注图像中的癌症阳性细胞是关键一步,因此实验包括分割和评分两个部分,在文章中体现为组织病理学图像分割预训练、组织病理学图像分割和评分策略研究三个章节。 因此,本文针对组织病理学评分策略及相关理论展开了三个部分的研究: （1）针对自监督对比学习和卷积神经网络的数学理论分析。本文给出了自监督对比学习的一致稳定性定义和对比学习泛化误差上界,并通过三个引理对上述泛化误差上界进行了证明。进一步说明其泛化误差受样本数量n、负样本数量k的影响,得出了O（nk）-1/2+γ(log2（nk）+log2n)的高概率收敛结果。此外,本文还基于Rademacher复杂度分析了卷积神经网络的泛化能力,为卷积神经网络的数学模型提供了理论解释。这些数学理论分析可以解释相关模型结构及其误差影响因素,并为后续实验提供理论指导。 （2）针对组织病理学图像分割任务。本文构建了基于自监督对比学习的图像分割模型,用于分割图像中的阳性细胞区域。首先使用软件Image J标注部分原始数据,切分原始数据构建预训练数据集、预训练测试数据集和分割数据集。随后借助自监督对比学习算法Sim CLR进行预训练,得到可以有效提取图像特征的预训练模型。最后迁移至分割模型,进行图像分割模型的训练,从而完整构建组织病理学图像分割迁移模型。实验结果表明,迁移模型可以有效提升数据利用效率,在数据不足的情况下提升模型分割效果,对实际应用有重要价值。 （3）针对组织病理学图像评分任务。本文构建了多个基于卷积神经网络的双输入回归模型,用于对图像的癌症严重程度进行评分。首先借助软件和上述分割模型标注图像的阳性细胞区域、染色区域、染色强度,处理这些标注图像,得到两种输入图像和输出的评分标签,构建评分数据集。随后基于多种卷积神经网络（VGG、Res Net、Goog Le Net等）构建双输入回归模型,利用上述数据集训练,实验结果表明VGG19性能最佳。最后采用平均聚合策略对原始图像评分,评分结果由华中科技大学同济医学院病理医生检测,达到合格应用标准。

摘要： 各位专家、各位同道：欢迎大家订阅2025年《诊断病理学杂志》！《诊断病理学杂志》创刊于1994年6月。现由中国融通医疗健康集团有限公司主管、融通医健期刊出版（北京）有限公司主办，国内外公开发行。《诊断病理学杂志》2025年为月刊，全年12期，每月28日出版，定价30元/册，全年360元。订阅方式全国各地邮局均可订阅，邮发代号：82-882直接汇款至编辑部订阅。汇款时请注明“《诊断病理学杂志》2025年刊款+姓名+联系方式”。

关键词： 浸润性肺腺癌   人工智能   病理学   体层摄影术   X线计算机  

摘要： 【目的】本研究旨在通过分析ⅠA期浸润性肺腺癌(IAC)患者的临床特征、CT影像主观征象及AI参数,建立并比较不同模型(CT主观模型、AI参数模型及CT主观-AI参数联合模型)预测IAC病理级别的效能。 【方法】本研究回顾性分析了2023年1月至2024年3月期间在昆明医科大学第一附属医院和玉溪市人民医院确诊为临床ⅠA期浸润性肺腺癌的236例患者,依据2020年IASLC病理分级系统分为低级别组(n=126)和高级别组(n=110)。纳入标准包括手术切除且病理诊断为浸润性肺腺癌、TNM分期为T1N0M0期等,排除其他类型的肺癌及缺少完整数据的患者。通过病案系统及电话随访获取临床资料,包括性别、年龄、肿瘤家族史、吸烟史等。CT扫描采用两家医院的标准固定参数设置,并通过人工智能软件进行定量分析,提取CT征象和参数,如实性成分占比、CT值及其标准差、偏度等,比较组间CT形态学特征及人工智能定量参数差异,以logistic回归分析筛选高级别亚型IAC患者的独立影响因素,并评估不同模型(CT主观模型、AI参数模型及CT主观-AI参数联合模型)的ROC、AUC、校准曲线和决策曲线,分析其临床应用价值。 【结果】通过对IAC低级别组与高级别组进行比较,其临床特征、CT主观特征及AI参数特征有明显差异。临床特征中高级别IAC患者的年龄较低级别组大,吸烟史也显著更多,而且胸痛发生率较高;CT影像特征中,高级别组结节的最大径和实性成分占比明显高于低级别组,并且结节类型、分叶征、毛刺征和胸膜牵拉征在高级别组的出现频率也更高;在AI参数分析中,高级别组的结节体积、质量、CT平均值、紧凑度和峰度均显著高于低级别组,而CT标准差和偏度则相反。实性成分占比、胸膜牵拉征和分叶征为预测IAC病理等级的独立预测因子。CT主观模型、AI参数模型和联合模型均具有较好的预测能力,其中联合模型的AUC为0.814,灵敏度为0.787,特异度为0.923,表现最佳。 【结论】相比于单独的CT主观模型和AI参数模型,CT主观特征与AI参数结合的预测模型预测IAC病理等级方面表现优越,具有更高的准确性和临床应用价值。

关键词： 计算病理学   肺脂肪栓塞   傅里叶变换红外显微光谱   深度学习   死因鉴定  

摘要： 目的: 基于三种不同处理的肺组织切片进行全切片数字图像扫描,用卷积神经网络（Convolutional Neural Network,CNN）Inception-V3模型建立肺脂肪栓塞（Pulmonary Fat Embolism,PFE）诊断的AI模型。同时,通过进一步傅里叶变换红外（Fourier Transform Infrared,FTIR）显微光谱检测结合化学计量学方法分析PFE死亡与非PFE死亡组间的生化差异,为PFE的死因鉴定提供可靠的证据。 方法: 1.本研究收集了55例PFE（1-3级）,45例非PFE的肺组织样本,每个案例的样本采用三种不同的处理,包括常规苏木精和伊红（hematoxylin and eosin,HE）染色、油红O染色以及未染色的切片。将所有切片扫描成数字化切片,利用图像分割技术建立三种不同处理方法的肺数字切片图像数据库。 2.利用深度学习算法对Inception V3模型进行训练,将建立的图像数据库按7:3比例分为训练集、验证集,经过迁移学习、数据扩增等方法得到针对不同处理切片的PFE识别模型。 3.针对三种处理切片训练得到的最优模型进行验证。通过绘制受试者工作特征（Receiver operating characteristic,ROC）曲线,计算其曲线下面积（Area under curve,AUC）值,绘制混淆矩阵,计算真阳性率（True positive rate,TPR）,真阴性率（TNR:True negative rate,TNR）等评估模型的识别能力与泛化能力。并在不同分级的PFE组间的模型预测脂滴含量采取单因素方差分析（one-way analysis of variance,ANOVA）来评估各模型定量的效能。在定量的基础上绘制PFE死亡与非PFE死亡（存在1-2级PFE）组的ROC曲线确定最佳的诊断阈值,通过最大约登指数来确定。 4.采用FTIR显微光谱技术结合化学计量学对PFE的光谱进行分类诊断。首先收集9例PFE死亡组,9例非PFE死亡（1-2级PFE）作为对照组。使用FTIR显微光谱采集PFE中脂肪栓子对应的光谱,并在FTIR显微光谱配套软件OPUS 8.2对采集的原始光谱依次进行以下预处理:将光谱区间截取为1800-900 cm-1、进行基线校正、矢量归一化、最后进行平滑加二阶导数转换。选择1700-1745 cm-1光谱范围进行积分成像提取两组对应脂滴光谱,比较两组样本二阶导处理前后平均光谱,然后进行主成分分析（principal component analysis,PCA）识别具有差异性的波段、并构建偏最小二乘-判别分析（partial least squares-discriminant analysis,PLS-DA）模型,对PFE光谱进行分类诊断。 结果: 1.结果表明,基于三种处理的切片建立的PFE数据库,可用于Inception V3模型的训练来建立PFE脂滴的识别模型,其建立的深度学习模型有能力识别肺部微血管中的脂肪滴形态,基于HE染色切片的模型识别脂肪栓子时其AUC值达到了0.98,TNR为100%,TPR为87.2%。基于未染色的数字切片图像训练的模型识别脂滴的AUC值达到0.98,其预测值的TNR为99.2%,TPR为87.5%。采用油红O染色的数字切片图像训练的模型在识别脂滴时的AUC值达到了1.00,其分类的混淆矩阵显示预测的TNR为100%,TPR为91%。 2.人工智能（Artificial Intelligence,AI）对PFE的量化结果与油红O染色后人工基于Falzi评分系统的诊断结果基本吻合。并在HE染色切片,根据模型对PFE的量化诊断确定了PFE死亡的诊断阈值为8.28%,根据该阈值诊断PFE死亡时获得的AUC值为0.984。与法医病理学专家的诊断结果相比,该模型的自动化定量诊断与使用特殊染色进行人工识别的结果相似,且优于人工识别HE染色切片的结果。未染色的切片模型在PFE死亡组与非PFE死亡组的诊断中AUC值达到0.966,最佳阈值为5.05%。油红O染色切片的模型诊断PFE死亡的AUC值为1.00,最佳阈值为16.70%。 3.基于建立的阈值,我们验证了模型在实际案例中的应用,经训练后的模型能正确分类PFE死亡与非PFE死亡。 4.在FTIR显微光谱中,比较两组样本的平均光谱,PFE组的脂滴光谱在1745cm-1处的吸收峰明显高于对照组,经二阶导处理的平均光谱在1745cm-1处脂肪酸酯的C=O的吸收波段强度差异最突出。通过PCA及其载荷图分析,两组间主要差异来自对照组相关的1734cm-1吸收峰,对应游离脂肪酸的羧基（COOH）和PFE死亡组相关的1745cm-1处的峰对应于C=O伸缩振动

关键词： 乳腺导管原位癌   病理学升级   动态增强磁共振   风险预测模型  

摘要： 乳腺导管原位癌(ductal carcinoma in situ,DCIS)是指肿瘤细胞尚未突破基底膜,仅在导管上皮内增殖的恶性肿瘤,术前主要通过超声引导下的空芯针穿刺(core needle biopsy,CNB)活检确诊。同时,DCIS被认为是浸润性乳腺癌(invasive breast cancer,IDC)的前驱病变,DCIS与IDC可同时存在于一个肿瘤之中,而CNB并不能完全提取出所有的病灶,因此会出现部分病人在手术完整切除病灶后得出的病理结果为IDC的情况,即所谓的“病理学升级”现象。这种现象在临床工作中并不少见,约10%～54%的CNB诊断为DCIS患者最终确诊为IDC。然而,DCIS与IDC在临床处理上却存在明显的差异。从理论层面上来说,DCIS局限于乳腺导管内,并不侵犯周围组织,因此不会发生转移。而对浸润性癌患者,前哨淋巴结活检术(sentinel lymph node biopsy,SLNB)不仅能评估腋窝淋巴结转移状况,更为后续局部及全身治疗策略的制定提供关键依据。面对病理学升级现象的不确定性,医生在术前选择腋窝手术方式时面临双重困境。如果对于单纯的DCIS患者都进行前哨淋巴结的活检,甚至进行腋窝淋巴结清扫(axillary lymph node dissection,ALND),显得过于激进,不仅患者没有从中获益,还带来一系列的并发症,这无疑是对医疗资源和经济成本的双重浪费。除了腋窝淋巴结处理的不同以外,DCIS与IDC在手术方式的选择上也存在不同。对于单纯DCIS主张采用保乳切除术,而对于IDC则主要采用乳腺根治术。因此,术前明确诊断和鉴别DCIS或IDC甚为重要。 本课题分析术前CNB诊断为乳腺DCIS术后升级为IDC病例,通过提取全数字化乳腺X线摄影(Full-field digital mammography,FFDM)和乳腺动态对比增强磁共振(dynamic contrast-enhanced magnetic resonance imaging,DCE-MRI)的影像特征,拟完成以下研究目标:①探讨FFDM和DCE-MRI对术前空芯针穿刺活检病例中DCIS出现病理升级的评估价值;②通过影像、临床及病理三结合,进一步探讨术前空芯针穿刺活检病例中DCIS出现病理升级的相关风险因素,构建相关风险预测模型,为临床制定个性化、精准化治疗方案提供参考依据。 一、材料与方法 第一部分:回顾性分析2012年1月至2022年12月华南理工大学附属第六医院收治的经超声引导下CNB诊断的乳腺DCIS(含可疑微浸润)104例,其中40例在病灶切除手术后升级为IDC,所有患者在病灶切除手术前均进行FFDM及乳腺DCE-MRI检查,对比分析术后未升级DCIS和术后升级为IDC的FFDM及乳腺DCE-MRI的BI-RADS征象特征。以病灶切除术后病理结果为金标准,分为未升级DCIS组及升级IDC组。使用统计软件SPSS 23.0进行统计。计量资料以均数±标准差形式表示,组间比较采用t检验;计数资料以频数n表示,采用χ2检验或Fisher确切概率法。P<0.05表示差异有统计学意义。 第二部分:分别回顾性收集华南理工大学附属第六医院2012年1月～2022年12月、南方医科大学南方医院及南方医科大学珠江医院2016年1月～2022年12月经CNB诊断为DCIS的病例。由2位多年从事乳腺诊断工作8年、具有丰富经验的放射医师进行独立阅片,提取相关的临床、病理及影像学(FFDM、乳腺DCE-MRI)征象。将华南理工大学附属第六医院数据作为训练集(N=104),南方医科大学南方医院及南方医科大学珠江医院数据作为外部测试集(N=57)。训练集用于模型训练和参数调整,测试集用于模型效果外部评价。首先采用Lasso回归进行变量筛选,惩罚系数采用十折交叉(10-fold cross-validation)验证确定。最后根据Lasso回归筛选出的变量建立最终的Logistic模型。采用灵敏度、特异度、准确度和ROC曲线下面积对模型进行综合评价。统计学分析在R studio(Version 3.5.1)上进行,定义假设检验水平P<0.05为差异有统计学意义。 二、结果 第一部分:纳入术前CNB诊断为DCIS 104例,手术后仍为DCIS(含可疑微浸润)64例,病理升级为IDC 40例,升级比例(病理学升级)为38.5%。乳腺DCE-MRI特征方面,未升级DCIS组肿块样强化病变18例,非肿块样强化病变46例;术后升级IDC组肿块样强化病变19例,非肿块样强化病变21例,两者差异有统计学意义(P<0.05)。非肿块样强化病灶中未升级DCIS组多为段样分布(n=23,50%),不均质强化(n=23,50%),术后升级IDC组则多为区域

摘要： 美国哈佛医学院Faisal Mahmood团队开发出用于人类病理学的多模态生成式AI助手。相关论文于6月12日在线发表在《自然》上。研究人员介绍一款用于人类病理学的视觉语言通用人工智能（AI）助手PathChat。研究人员通过调整病理学基础视觉编码器，将其与预训练的大型语言模型相结合，并在由999202个问答回合组成的超过456000种不同视觉语言指令上对整个系统进行微调，从而构建了PathChat。

关键词： 骨质疏松症   诊断标准   骨微结构参数   骨密度T值   CT值   椎体骨质量评分骨质疏松症   影像学诊断   生物标志物   骨形成   骨吸收  

摘要： 第一部分 骨质疏松的影像学以及组织形态学研究 背景: 骨质疏松症(Osteoporosis,OP)是中老年常见的骨科慢性疾病之一,常表现为胸椎后凸、乏力、骨痛等,以腰痛最为突出。临床上,无明显外伤引起的骨折是中老年骨质疏松患者的首发症状或就诊原因。因此,在发病早期准确诊断骨质疏松症一直是骨科医生和相关研究者关注的重点之一,但目前临床上仅通过双能X线骨密度仪(Dual energy x-ray absorptiometry,DXA)进行检查,且结果不能可靠反映骨质量。目前,可以运用高分辨率的检查设备对骨小梁微结构进行观测,其中显微计算机断层扫描(Micro computerized tomography,micro-CT)可以精准观察骨小梁微结构,但其属于有创检查,无法在临床工作中广泛开展,故需要寻找能替代DXA的影像学方法来准确诊断骨质疏松。本研究旨在检验DXA、计算机断层扫描(Computerized tomography,CT)、核磁共振成像(Magnetic resonance imaging,MRI)三者的结果,与micro-CT结果的差异性和相关性,从而筛选出更为可靠的临床骨质疏松症的诊断标准,以期为骨质疏松症的诊断提供更充足的理论数据。 方法: 本研究纳入35名住院患者,通过HIS系统收集患者的年龄、性别、身高体重及DXA资料数据,并在PACS系统中基于患者对应CT图像测量椎体的衰减值,和MRI图像测量椎体和脑脊液的信号强度,分别获得影像学参数骨密度T值、CT值(Hounsfield Unit,HU)以及椎体骨质量评分(Vertebral bone quality,VBQ)。而后,对术中取出的腰椎松质骨进行micro-CT扫描,获得骨体积分数(Bone volume fraction,BV/TV,%)、连接密度(Connectivity density,Conn.D,mm-3)、结构模型指数(Structure model index,SMI)等骨微结构参数。根据骨密度T值、CT值、VBQ评分进行分组,分组情况如下:1)参照世界卫生组织(WHO)诊断标准,将患者分为骨量正常组(T值≥-1.0)、骨量减少组(-2.53.0)。使用单因素方差分析或者独立样本t检验进行组间差异分析。三种不同的影像学参数结果两两之间及与骨微结构参数之间进行皮尔逊相关性分析。骨微结构参数影响因素采用多元线性回归分析。 结果: 根据骨密度T值和VBQ评分分组时,骨微结构参数中骨体积分数、连接密度、结构模型指数、骨小梁数目、骨小梁分离度、骨小梁厚度、骨矿物密度、骨矿物质含量和骨小梁模式因子之间均不存在统计学差异(P>0.05)。根据CT值分组时发现,仅有骨小梁厚度和骨矿物密度这两项参数在组间存在统计学差异(P<0.05),其余参数无统计学差异。在相关性分析中发现,T值与CT值存在中等强度正相关(r=0.68),T值与VBQ评分、CT值与VBQ评分之间相关性差。此外,T值与骨微结构参数之间相关性差,CT值与骨小梁厚度存在中等强度正相关性(r=0.40,P<0.05),VBQ评分与骨小梁厚度存在中等强度负相关性(r=-0.35,P<0.05)。在多元线性回归分析中,年龄、性别、BMI、糖尿病和高血压均不为骨微结构的影响因素(P>0.05)。 结论: 本研究发现,DXA、CT以及MRI在评估骨质量方面均存在一定的局限性。就结果而言,CT能够识别骨密度的变化,相较于DXA与MRI有一定的优势。CT与MRI一定程度上能反映骨小梁空间形态结构。 第二部分 探究骨质疏松生物标志物与临床影像学之间的相关性 背景: 骨质疏松是由于破骨细胞的过度激活和成骨细胞活性抑制,造成骨重塑失衡的结果。NF-κB受体活化因子(Receptor activator of nuclear factor-kappaB,RANK)是破骨前体细胞上的跨膜受体,其激活促进破骨细胞的分化。此外,CTSK是破骨细胞分泌的关键酶,能够溶解骨中胶原组织,是反映破骨细胞活性的关键因子。而OPG由成骨细胞分泌,通过抑制RANK的激活减少破骨细胞的分化。Runt相关转录因子2(Runt-related transcription factor 2,RUNX2)在成骨细胞形成过程中起关键作用,促进成骨细胞的形成。以上指标均是骨质疏松相关的生物标志物。然而,骨质疏松的临床影像参数与生物标志物表达之间的联系仍有待深入研究。本文旨在通过临床常见的DXA、CT以及MRI影像学检查,验证生物标志物与影像学参数之间的差异性与相关性,从而为影像学诊断骨质疏松的可靠性提供分子生物学数据支持。 方法: 本研究纳入35名住院患者,通过HIS系统收集患者的年龄、性别、身高体重及DXA资料数据,在PA

关键词： 肺浸润性腺癌   STAS   PD-L1   p53   预后  

摘要： 背景 中国国家癌症中心（NCC）报告2022年全国癌症发病率和死亡率统计数据得出,肺癌仍是最常见的癌症之一,肺腺癌是非小细胞肺癌最常见的类型。以往肺癌传播方式为淋巴管侵犯、血管侵犯及胸膜侵犯,气腔播散（Spread through air spaces,STAS）现象是一种新的侵袭机制,STAS近两年已被提议作为预后不良的预测因子,并且提示沿STAS的肺腺癌预后较差。近几年学者研究发现,STAS的存在与肺癌组织病理学、免疫治疗、基因突变等因素均有关联。 程序性死亡配体-1（PD-L1）在美国国立综合癌症网络（NCCN）被推荐作为非小细胞肺癌病理常规检测项目。相关研究发现PD-L1的表达与肺腺癌较差的预后有关,有作者发现肺癌产生STAS与PD-1/PD-L1表达有关联,可能影响STAS阳性肺腺癌患者的预后。 p53抑癌基因产物是分子量为53k Da的宿主蛋白,参与转录调节和细胞生长,p53突变会导致蛋白质构型改变,稳定性增加。p53则具有致癌活性,是肺癌形成的原因之一,p53突变影响肺腺癌的预后,导致肿瘤的进展。近几年有研究发现肺腺癌中STAS的患者较易发生p53的突变,在STAS阳性的肺腺癌中p53是最常突变的五大基因之一,因此将探索p53基因突变对STAS阳性肺癌患者的预后影响。 目前国内外针对STAS阳性肺浸润性腺癌（Invasive adenocarcinoma,IAC）预后危险因素及PD-L1、p53在STAS阳性肺IAC与预后之间关系研究较少,并且对于PD-L1与p53两者之间相关性尚不清楚。本文采用回顾性的研究方法,对STAS阳性肺IAC患者预后危险因素及PD-L1、p53蛋白的表达情况进行分析。 目的 探索影响STAS阳性肺浸润性腺癌的总生存期危险因素,以及PD-L1、p53在这类患者中的预后意义及其相关性,为STAS阳性的肺IAC患者提供进一步的诊疗思路,开发合理的治疗方法,为此类患者带来更多生存益处,提供个体化治疗方案。 方法 收集2018年1月-2022年12月经手术切除并在河南大学淮河医院病理科存档的STAS阳性的肺IAC患者蜡块91例,通过随访,排除失访3例,纳入88例患者的临床病理学特征及总生存期时间。通过免疫组织化学染色法分析STAS阳性肺IAC组织中PD-L1、p53抗体表达情况,运用统计学方法分析预后差异,探索PD-L1、p53在沿STAS肺IAC中的预后意义。本研究已通过河南大学淮河医院伦理委员会审批（伦理编号:2023243）。 结果 1.单因素进行Kaplan-Meier统计学里的log-rank检验评估两组的总生存率的预后,得出性别（P=0.026）、吸烟史（P=0.048）、分化程度（P=0.005）、组织学是否含有实体型（P<0.001）、EGFR基因是否突变（P=0.027）、有无复发（P<0.001）均对患者的死亡具有统计学意义（P<0.05）,与患者总生存期有关。多因素COX回归分析得出分化程度（P<0.05）具有统计学意义,是STAS阳性的肺IAC患者总生存率的独立危险因素。 2.在PD-L1免疫组化结果中,进行K-M统计学的log-rank检验评估两组总生存期（Overall survival,OS）得出,两组OS具有统计学差异（X2=6.698,P=0.010）。通过卡方检验,PD-L1阳性表达与分化程度、组织学是否含有复杂腺体成分有关,具有统计学意义（P<0.05）。 3.在p53免疫组化结果中,进行K-M统计学的log-rank检验评估两组OS得出,两组OS具有统计学差异（X2=7.479,P=0.006）。通过卡方检验,p53突变型表达与肿瘤直径、组织学含有实体型成分、复发有关,具有统计学意义（P<0.05）。 4.将PD-L1与p53抗体同步表达与不同步表达共分为两类,进行K-M统计学的log-rank检验评估两组OS预后得出,PD-L1与p53同步表达较不同步表达患者生存率两组OS具有统计学差异（X2=6.300,P=0.012）。通过Spearman秩相关检验,在STAS阳性的肺IAC中PD-L1与p53表达具有正相关性（P<0.05）。 结论 1.男性、吸烟、肿瘤低分化、组织学含实体型、EGFR野生型、复发的STAS阳性肺浸润性腺癌预后较差,总生存期缩短。肿瘤分化程度是STAS阳性肺浸润性腺癌患者总生存期的独立危险因素。 ***-L1阳性、p53突变型及两者同步表达时提示STAS阳性肺浸润性腺癌预后较差,总生存期缩短。 3.在STAS阳性肺浸润性腺癌中,PD-L1阳性表达与分化程度、组织学是否含有复杂腺体成分有关,p53突变与肿瘤直径、组织学含有实体型成分和复发有关。 4.在STAS阳性肺浸润性腺癌中,PD-L1与p53

关键词： 组织病理学   运动诱发电位   脑干锥体束   头部损伤指标   轻度颅脑损伤  

摘要： 随着机动车数量的激增,交通事故导致的创伤性脑损伤(Traumatic Brain Injury,TBI)案例总量也日益增大,其中,轻度创伤性脑损伤(mild Traumatic Brain Injury,mTBI)占TBI总量的60%～90%,该数据在中国的比例为62%,mTBI可导致亚急性肢体功能、认知和情绪障碍。与中度、重度、极重度TBI相比,mTBI缺乏明显的临床神经影像学、形态学(没有颅骨骨折和肉眼可见出血等)表现,常规苏木精-伊红(Hematoxylin Eosin staining,HE)染色也不明显,所以对于交通伤中mTBI的研究存在一定难度且未得到大面积开展。对于mTBI的诊断和识别,目前有少量文献报道组织病理学、神经电信号以及分子水平的研究显示出了较好的效果。另外,交通伤中颅脑继发性损伤较为常见,且脑干是颅脑损伤的好发部位。此外,对于颅脑损伤程度的评估分析,目前核心的指标仍然是经典的头部损伤准则(Head Injury Criterion,HIC);但是HIC准则只纳入了头部前后向(Anterior Posterior,AP)的载荷数据,而未考虑头部在侧向(Lateral-Medial,LM)受到撞击的情况,目前对于颅脑侧向碰撞损伤的评估是直接套用前后向的HIC指标,结果存在偏差。因此,有必要对交通伤中脑干mTBI及其继发伤特点进行研究,并构建轻度碰撞损伤下AP-LM方向HIC值之间的数学关系模型,从而实现对mTBI下侧向HIC值的合理修正,并使得轻度损伤下侧向HIC值能够准确评估其脑损伤程度。 目的:通过运动诱发电位(Motor Evoked Potential,MEP)和β-淀粉样前体蛋白(β-Amyloid Precursor Protein,β-APP)免疫组化(Immunohistochemistry,IHC)互相验证结合的方法,对轻度损伤情况下脑干锥体束损伤程度进行综合量化,通过对AP-LM不同HIC致伤能量下的大鼠脑损伤程度进行量化映射分析,研究轻度交通伤中颅脑前后向和侧向碰撞下HIC值的等效转换关系及数学模型,对轻度损伤下颅脑侧碰HIC值的合理修正进行探索。 方法:健康成年雄性大鼠100只,随机分为对照组、0.5 m前后向和0.5 m侧向实验组、1 m前后向和1 m侧向实验组(每组20只,IHC组12只,MEP组8只),对照组不进行致伤实验。IHC组在致伤后和对照组一起进行过量麻醉取材,制作β-APP免疫组化染色切片,并测定切片的脑干锥体束区域内阳性细胞面积占比和积分光密度值(Integral Optical Density,IOD)。MEP组在致伤后和对照组一起进行MEP波幅检测。之后,使用归一化先对数据进行预处理,将不同维度的数据转换到一个量纲。随后,对数据使用因子分析,得到不同因子的权重指标,将预处理过的数据赋以对应的权重值,得到不同的综合加权损伤程度值,依此构建两个方向的HIC值数学关系模型。 结果:随致伤能量的增加,实验组MEP幅值下降率、阳性细胞面积占比及IOD也明显增大。致伤能量较小时,对于灵敏度而言,IHC组比MEP组的更高;对于稳定性而言,MEP结果波动较小,更加稳定,IHC由于个体差异等原因稳定性相对MEP略差。此外,损伤程度一样时,侧向HIC值小于前后向;HIC值一样时,侧向的损伤程度大于前后向。 结论:本课题使用MEP-IHC两种方法对AP-LM方向轻度碰撞损伤下颅脑损伤进行综合量化,初步获得了轻度损伤下大鼠颅脑AP-LM损伤与HIC值的映射关系,并构建了轻度损伤下两个方向的HIC值数学关系模型,从而可有效地对mTBI下侧碰HIC值进行合理修正,扩大了HIC准则的适用范围,为进一步研究颅脑碰撞损伤生物力学机制提供实验模型与数据支持。

关键词： 法医病理鉴定   尸体解剖   器官组织病理学检验与诊断   法律问题   应对措施  

摘要： 在法医病理死亡原因鉴定中，法医病理学死亡原因鉴定是应用法医学、病理学的理论进行尸体解剖、组织病理学检验，结合案情资料、病历材料及实验室检测结果等综合分析判断造成死亡的原因，进而为解决民事、刑事案件提供科学证据。在这个过程中，法医需要从尸体解剖中获取组织检材，随后进行制片与染色，再进行记录、诊断，经过一系列步骤，最终得出合理的鉴定结果。这需要法医人员在从事专业活动时，对相关法律规定具备充足的理解，避免诊断过程中的失误。本研究致力于民事司法鉴定活动中涉及的法律问题，因涉及刑事案件的司法鉴定活动通常由公安机关组织进行，具备完整的鉴定流程，故不在本研究的讨论范围。