教学课程资源库 更多>>

关键词： 胃黏膜上皮内瘤变   内镜   活检   病理学   转归  

摘要： 目的:评估内镜下活检病理提示胃黏膜低级别上皮内瘤变病灶临床病理差异及转归情况。方法:通过计算机检索Pub Med、Embase、The Cochrane Library、The National Library of Medicine(Medline)、Web of Science、万方数据、中国知网(CNKI)、中国生物医学文献数据库(CBM)、维普期刊(VIP)数据库,检索2015年12月1日至2020年11月30日公开发表的文献。英文检索词包括:“gastric intraepithelial neoplasia OR IEN OR gastric mucosa dysplasia”、“Endoscopic submucosal dissection OR ESD OR Endoscopic mucosal resection OR EMR OR Endoscopic resection OR ER OR gastrectomy”;中文检索词包括:“胃黏膜上皮内瘤变或胃黏膜异型增生”、“内镜下黏膜切除术或内镜下黏膜剥离术或胃切除手术”等。对符合标准的纳入文献提取有效数据,采用统计分析软件Stata15.0进行数据分析,采用漏斗图、Bgger’s秩相关检验、Egger’s线性回归评估发表偏倚。结果:共检索出相关文献4496篇,通过筛选最终纳入21篇符合纳入标准文献。其中英文文献11篇,中文文献10篇。对收集到的21篇文献进行质量评价提示所有文献质量均较好。数据分析结果如下:1.各研究报告的胃黏膜低级别上皮内瘤变(LGIN)总诊断升级率在11%-63%。LGIN合并总诊断升级率为31%(95%CI,25%-37%)。LGIN总诊断升级率的漏斗图、Bgger’s秩相关检验与Egger’s回归分析均显示没有显著的发表偏倚。敏感性分析提示本研究结果稳定性较好。2.各研究报告的LGIN升级为高级别上皮内瘤变(HGIN)的诊断升级率在6%-35%。LGIN升级为HGIN的合并诊断升级率为20%(95%CI,17%-23%)。3.各研究报告的LGIN升级为胃癌的诊断升级率在1%-27%。LGIN升级为胃癌的合并诊断升级率为10%(95%CI,6%-13%)。4.8篇研究报告的LGIN降级为炎症/息肉的诊断降级率在1%-9%。LGIN降级为炎症/息肉的合并诊断降级率为4%(95%CI,2%-6%)。5.3篇研究报告的LGIN术后病理为不能明确的瘤变或异型增生的诊断差异率在2%-3%。LGIN术后病理为不能明确的瘤变或异型增生的合并诊断差异率为2%(95%CI,1%-3%)。结论:1.与大体活检相比,内镜下活检为LGIN的病灶术后会有更大可能出现诊断升级。2.病灶大小≥2.0cm、呈凹陷性、表面发红、有溃疡均是活检提示LGIN诊断升级的危险因素。3.内镜下活检为LGIN,若存在升级危险因素,应行内镜下切除并病理学检查,每半年复查高清染色内镜;若无升级危险因素,则以药物治疗为主,每年复查高清染色内镜并病理学检查。

关键词： 胰腺导管腺癌   新辅助治疗   术后复发   病理学研究  

摘要： 摘要目的探讨应用叶松脂新辅助治疗后胰腺导管腺癌(PDA)病人术后无进展生存期(RFS)及总生存期(OS)的影响因素。方法回顾性分析 69 例经叶松脂新辅助治疗后接受

关键词： 护理   病理学   教学模式  

摘要： 病理学是医学教育中重要的一门基础学科,结合安徽医学高等专科学校五年制护理新疆班学生的自身特点和已经完成6轮教学的实际情况,总结教学中的问题,制订相应的举措,探讨教学模式改进优化,做好病理学教学工作。

关键词： 脑卒中   MCAO大鼠   弹性成像技术   腓肠肌   肌纤维横截面积   肌间脂肪  

摘要： 背景 脑卒中是全球第二大死亡原因,也是致残的主要原因。脑卒中患者的常见并发症包括但不限于痉挛和关节挛缩,严重妨碍脑卒中患者运动功能的恢复,从而影响脑卒中患者的生活质量和日常生活活动能力,增加家庭和社会的负担。剪切波弹性成像(Shear wave elastography,SWE)是一种定量超声技术,通过估算剪切波在肌肉中传播的速度,反映肌肉粘弹性的生物力学特性。大多数研究肯定了其在脑卒中后评估瘫痪、痉挛肌肉的潜在辅助应用价值,相比于传统量表评估卒中后肌肉的硬度有其独特的优势,技术安全无创,能够提供客观数据,可以提供弹性、粘弹性、硬度等重要生物力学信息。该技术具有发展成为临床上评估肌肉的巨大潜力,同时能够辅助探究脑卒中后肌肉生物力学特性的病理生理机制。目前SWE评估卒中后肌肉的硬度的影响因素仍处于探索阶段。应用SWE评估脑卒中患者的研究主要探索慢性期卒中患者的肌肉表现,相对缺乏卒中早期的相关研究。此外,卒中的严重程度与肌肉硬度之间的关系仍有待探究。以往研究表明,肌肉硬度的改变与其结构成分的改变可能存在一定的相关性。超声弹性剪切波检查卒中后肌肉的硬度表现,或许能够成为临床评估卒中患者预后的量化参考指标之一。 目的 探究不同梗死时间的脑卒中大鼠亚急性期腓肠肌(GM)超声弹性特征表现,及其与腓肠肌病理特征之间的相关关系。 方法 采取大脑中动脉阻塞(MCAO)的方法制备脑卒中动物模型,SD雄性大鼠造模后为假手术组(n=6)、脑梗死1.5h组(n=7)和脑梗死2h组(n=6)。各组大鼠在不同时间点完成体质量测量、改良神经功能缺损评估(MNSS)、背地性测试(Negative geotaxis test),术后1月在活体上完成剪切波超声弹性成像检查,评估GM肌肉硬度。随后取材进行HE染色采集腓肠肌肌腹横截面积大小的信息,以及进行油红O染色探究腓肠肌肌间脂肪含量的改变。 结果 超声结果显示,梗死2h组偏瘫侧GM的Young’s模量均大于1.5h组和假手术组(P<0.001),而1.5h组与假手术组之间没有统计学差异(P=0.242);2h组、1.5h组和假手术组之间健侧GM的Young’s模量的差别均有统计学意义(P均<0.001)。组内比结果显示,2h梗死组和1.5h梗死组大鼠左右侧GM的Young’s模量的差别均有统计学意义(2h组,t=-12.72,P<0.001;1.5h组,t=-3.62,P=0.01)。病理检查结果显示,2h组患侧GM的肌纤维横截面积小于1.5h组和假手术组(2h组vs.1.5h组,P=0.002;2h组vs.假手术组,P=0.003);1.5h组和假手术组相比,两者GM的肌纤维横截面积的差异没有统计学意义(P=0.92)。健侧组间比较结果显示,2h组右侧GM的肌纤维横截面积小于1.5h组和假手术组(2h组vs.1.5h组,P=0.001;2h组vs.假手术组,P=0.015);1.5h组和假手术组相比,两者GM的肌纤维横截面积的差异没有统计学意义(P=0.896)。油红O染色结果显示三组大鼠双侧下肢GM均无明显脂肪增多。相关性结果得出,术后一月的健侧GM的Young’s模量与其肌纤维的横截面积呈中等强度正相关关系;至于患侧结果显示,术后一月的GM的Young’s模量与其肌纤维的横截面积无相关关系。术后1月双侧GM的Young’s模量差值与背地性测试结果、MNSS评分呈正相关(背地性测试,r=0.641,P=0.003;MNSS,r=0.778,P<0.001)。 结论 MCAO大鼠造模术不同梗死时间对大鼠下肢GM的超声弹性特征有影响,且MCAO术后1月大鼠患侧肌纤维横截面积与肌肉硬度不相关,肌肉间脂肪组织的改变不明显,与早期下肢GM肌肉硬度的改变可能不相关。

关键词： 结肠癌组织病理学图像分类   深度迁移学习   领域自适应   流形正则化  

摘要： 随着人们饮食习惯的变化,全球结肠癌的发病率和致死率不断增加,如今已成为威胁人们健康的主要疾病之一。临床上基于结肠癌组织病理学图像的诊断方式是检验结肠癌的标准方法。计算机辅助诊断中的深度学习方法近年来在结肠癌组织病理学诊断中得到了广泛应用。在基于深度神经网络的结肠癌组织病理学图像分类任务中,深度学习对数据依赖比较强,需要大量的标记数据来理解数据的潜在特征。然而,结肠癌组织病理学图像标签的收集复杂而昂贵,建立大规模的标记数据集非常困难。迁移学习可在一定程度上缓解样本标签不足的问题,但传统的迁移学习方法所基于的模型往往在自然图像上经过预训练,对于结肠癌组织病理学图像的分类任务适应性不足,模型效果有待进一步提升。针对上述结肠癌组织病理学诊断中存在的问题,对于不同的结肠癌组织病理学图像的特点,本文研究设计了两种迁移半监督域自适应分类识别算法。通过深度迁移学习提取数据集的高阶特征,同时利用半监督域自适应算法提升模型的分类适应性,解决样本标签不足的问题。本文的主要研究工作包括以下内容:研究了基于深度迁移学习的鼠人(老鼠及病人)结肠癌病理学图像的半监督域自适应分类算法。首先,通过深度模型迁移的网络提取图像的深层次信息,获取图像纹理、色彩等的高阶特征表示。然后,通过双准则的半监督域自适应算法对老鼠和病人病理图像的高阶特征进行对齐,缩小两个域的特征差异。研究了能够揭示目标域病人样本底层特征的条件熵项,促进了深度模型对于目标域数据信息的感知,增强了模型对病人数据集的分类性能。研究了基于多重加权损失函数的病人结肠癌全视野数字切片(Whole Slide Image,WSI)图像的迁移半监督域自适应分类算法。首先,针对病理学图像的特点设计了一个用于提取图像高阶特征的卷积网络模型。然后,通过基于多重加权损失函数的半监督域自适应算法,对源域病人数据集和目标域病人数据集的高阶特征分布进行充分对齐。通过流形正则化项促进了模型对目标域数据分布空间的适应性,增强了模型的分类识别效果。本文的研究工作解决了结肠癌组织病理学图像分类中数据集标签信息不足的问题,利用深度迁移学习缓解了模型对于大量标记数据的需求,通过领域自适应算法提升了模型分类性能,为结肠癌的计算机辅助临床诊断提供了可行的解决办法,具备一定的理论价值和参考意义。

关键词： VGG   甲状腺病理学   KNN   深度学习  

摘要： 甲状腺患者总体发病率平均在15%～28%,是人群中最常见的疾病之一。如何利用计算机高效处理甲状腺图像分类问题成为很多学者的研究热点,由于医学图像对比度低、信噪比低的特点,并且医学领域很难提供大量数据集,导致医学图像的分类成为计算机视觉领域极具挑战性的课题。近几年,深度学习取得了巨大的突破,为甲状腺病理学的诊断带来了新的契机。为了获取足够的训练数据,首先将甲状腺病理学原始医学图像进行切割,让图像符合神经网络的接受大小,并且对切割后的数据集进行扩增。KNN算法是为了过滤不需要的训练数据,但是KNN算法在进行决策的时候会出现一定的困境,因此在KNN算法上进行优化,设计一个新的算法KNN-C算法。实验结果表明,KNN-C算法过滤医学数据集的准确率非常高,可以达到97.00%。在设计模型方面,首先设计一个浅层神经网络SNN,然后根据分类结果在SNN神经网络上进行优化,得到新的模型SNN-C。SNN-C神经网络在分类医学图像已经初步具备了一些能力。利用设计过程中的启示,在VGG网络上进行修改与优化,设计新的神经网络VGG-C。优化后的VGG网络不仅减少了训练时间,还提升了各种性能。数据集来源于华中科技大学同济医学院提供的医学数据集。对甲状腺乳头状癌分类模型的准确性与合理性进行了测试,并且利用图表来对实验结果进行具体分析,从实验结果可以得知,设计的神经网络模型相对于VGG网络准确率从94.62%提高到了97.24%。

关键词： 深度学习模型   疾病预测   组织病理学图像   卷积神经网络  

摘要： 组织病理学图像数据可能包含噪声、非标准成像条件和由不一致的活检染色引的颜色变化的示例。这些因素会影响解释患者实际疾病的细胞变化的识别过程这可能会导致预测模型的发展，这可能会产生许多潜在的后果。推理模型的复度可能会增加，从而导致过拟合问题并降低模型的整体预测精度。最近，医学图像处理研究产生了有希望的结果，可以通过在诊断过程中提高对潜在不健康组的理解来帮助分析活检图像。然而，这些研究并未侧重于以混合方式组合这些效方法，以最大限度地发挥其稳健提取最内部细胞结构的潜力。　　因此，我们提出了一种强大的计算机辅助诊断（CAD）系统，用于根据乳腺癌的组织病理学图像预测浸润性导管癌（IDC）。在我们的模型中，我们首先通过我们混合特征保留方法对数据进行预处理，以有效识别和去除训练数据集中的噪声例。之后，我们采用了最流行的深度学习分类技术，即密集连接的卷积神经网络，在无噪声质量数据集上建立预测模型。我们提出的方法的实验结果表明其准确性、特异性、敏感性、平衡准确性、召回率和f测量方面的有效性。　　最后，我们展示了深度学习模型的可视化，以帮助理解学习的特征和网络捕获整体数据。

关键词： 高级别B细胞淋巴瘤   MYC,bcl-2,bcl-6,基因易位   临床病理特征   预后  

摘要： 目的:观察伴有MYC、bcl-2和/或bcl-6基因易位的高级别B细胞淋巴瘤(HGBCL)临床病理特征及预后预测。方法:应用双色分离探针MYC、bcl-6和bcl-2对2015年1月1日至2018年12月31日新疆医科大学第一附属医院病理科确诊为弥漫性大B细胞淋巴瘤(DLBCL)148例患者的石蜡组织切片进行荧光原位杂交(FISH)检测,并结合临床病理资料进行分析。结果:FISH筛选出的18例为伴有MYC、bcl-2和/或bcl-6基因易位的HGBCL,形态学以中心母细胞型为主,可见星空现象、凝固性坏死,核分裂像和凋亡小体;MYC/bcl-6基因易位双打击淋巴瘤(MYC/bcl-6 DHL)12例;MYC/bcl-2基因易位双打击淋巴瘤(MYC/bcl-2 DHL)2例;MYC/bcl-2/bcl-6三打击淋巴瘤(THL)4例。Hans分型中GCB型10例,non-GCB型8例;24个月随访时间,MYC/bcl-6 DHL比MYC/bcl-2 DHL患者中位生存期长、但总生存率相似(P=0.133)。生存分析结果显示THL和骨髓累及的伴有基因易位HGBCL患者总生存期(OS)低,病理分型与预后无关。结论:本组MYC/bcl-6 DHL患者较多,其中non-GCB型多见;伴有基因易位的HGBCL患者治疗效果差,诊断有赖于荧光原位杂交。

摘要： 研究证明与临床标志物炎症相比,双能CT小肠成像(DECTE)可用于描述克罗恩病的活动情况,但尚未有研究与组织病理学标本进行比较。目的比较同一克罗恩病病人