简介:摘要 目的:研究探讨乳腺癌病理诊断中免疫组织化学检测的临床分析。方法:将2021年1月至2021年7月在本科室接受治疗的62例乳腺癌患者作为研究对象,根据患者雌激素受体(ER)与孕激素受体(PR)将其分为两组,即阴性组(ER-PR-)与阳性组(ER+PR+),
简介:[摘要]目的 探讨集束化护理对肠癌化学治疗患者心理状况及生活质量的影响。方法 选取2017年2月至2022年2月期间我院收治的实施化学治疗的肠癌患者60例作为研究对象,按随机数字表法将其分为对照组和观察组两组,各30例。对照组患者均采用常规护理干预,观察组在常规护理的基础上实施集束化护理干预。观察并比较两组患者护理之后的心理状况及生活质量差异。结果 经过不同的护理干预后,观察组患者的平均焦虑和抑郁评分均显著低于对照组,P<0.05;观察组患者在认知功能、躯体功能、情绪功能、角色功能以及社会功能等五个类目的评分均显著高于对照组,P<0.05。结论 将集束化护理用于实施了化疗的肠癌患者可以有效降低患者的焦虑、抑郁等不良情绪,并改善其生活质量,值得临床推广应用。
简介:【摘要】目的 分析在糖尿病生化免疫检验中采用化学发光免疫测定的应用情况。方法 选取我院糖尿病就诊患者80例作为本次检验的受检对象(2020年9月-2021年9月),选取同期进行健康体检的80例作为对照组,比较两组患者的血糖情况、胰岛素情况以及C肽蛋白情况。结果 观察组的空腹血糖及餐后2h血糖指标显著高于对照组,差异显著(T空腹=84.945,P=0.000;T餐后2h=23.703,P=0.000);观察组的胰岛素指标及C肽蛋白指标显著高于对照组,差异显著(T胰岛素=17.097,P=0.000;TC肽蛋白=13.213,P=0.000)。结论 在糖尿病生化免疫检验中采用化学发光免疫测定的应用效果显著,值得推广。
简介:[摘要]目的 探讨集束化护理对肠癌化学治疗患者心理状况及生活质量的影响。方法 选取2021年2月至2022年2月期间我院收治的实施化学治疗的肠癌患者60例作为研究对象,按随机数字表法将其分为对照组和观察组两组,各30例。对照组患者均采用常规护理干预,观察组在常规护理的基础上实施集束化护理干预。观察并比较两组患者护理之后的心理状况及生活质量差异。结果 经过不同的护理干预后,观察组患者的平均焦虑和抑郁评分均显著低于对照组,P<0.05;观察组患者在认知功能、躯体功能、情绪功能、角色功能以及社会功能等五个类目的评分均显著高于对照组,P<0.05。结论 将集束化护理用于实施了化疗的肠癌患者可以有效降低患者的焦虑、抑郁等不良情绪,并改善其生活质量,值得临床推广应用。
简介:【摘要】目的:分析尿液检验中行以尿沉渣镜、尿干化学法的效果。方法:定位对象:自愿接受本院尿液检验的患者,合计98例,对象定位时间段2021年02月-2022年06月,均给予尿沉渣镜、尿干化学法、尿沉渣镜与尿干化学法二联疗法,分析检验方法中不同检验方法的检验准确率、白细胞阳性、检验满意度的效果。结果:不同检验手段结果对比,相对单一性的检验手段,联合检验手段检验准确率数值显著提升,白细胞阳性率数值更高,检验满意度明显提升,P
简介:摘要:目的:解析在病理诊断乳腺癌时,使用免疫组织化学检测的效果。方法:乳腺癌患者62例,在2021年1月到2022年5月的被选取,以PR和ER的结果进行分组,阳性组(31人)PR+ER+,阴性组(31人),PR-ER+,均行免疫组织化学检测,对比两组C-erbB-2阳性率,转移率。结果:对比阴性组,阴性组C-erbB-2阳性率,转移率均较低(P<0.05)。结论:在病理诊断乳腺癌时,使用免疫组织化学检测的效果明显,有临床诊断价值。
简介:摘要临床教师教学能力和教学研究能力是影响医学教育人才培养质量的关键因素,科学设计的临床教师培训将会直接提高临床教师的教学能力和教学研究能力。2017年12月,齐齐哈尔医学院启动临床教师培训,设计了学习-研究-实践为一体的教师共同体(简称学习-研究-实践共同体),开展内容形式多样的临床教师培训。经过4期培训,共有332名临床教师完成培训,其中21.4%(71/332)的临床教师有自己主持的学院和省级教研项目;74.7%(248/332)的临床教师掌握了临床技能评估方法和临床教学规范;97.4%(323/332)的临床教师对培训效果感到满意。可见,基于学习-研究-实践共同体的临床教师培训有助于提高临床教师教学能力和教学研究能力,可以进一步推广。
简介:摘要目的通过训练生成对抗网络(generative adversarial network,GAN)模型,构建一种包括跨中线上颌骨缺损的虚拟重建方法,以期为临床提供参考。方法收集2015年6月至2022年6月于四川大学华西口腔医院影像科就诊的汉族成年口腔疾病患者CT资料,选择100例健康上颌骨及15例上颌骨缺损(5例单纯单侧缺损、5例单侧缺损并累及颧骨、5例跨中线缺损)CT数据。应用Mimics软件在健康上颌骨数据及其附近区域创建球型模体并模拟上颌骨缺损,分别为单纯单侧缺损、单侧缺损并累及颧骨、跨中线缺损,以原始图像为虚拟重建的正确参照;人工缺损与正确参照配对后分为训练集(70例)、验证集(20例)以及测试集(10例),前两者用于训练GAN模型,测试集用于评估GAN性能。15例上颌骨缺损CT数据导入训练完成后的GAN模型中进行虚拟重建,对单侧缺损分别采取镜像和基于GAN的方式进行虚拟重建,而对跨中线缺损仅采取基于GAN的方式进行虚拟重建,重建结果分为镜像重建组(10例)、单侧缺损GAN重建组(10例)和跨中线缺损GAN重建组(5例)。对测试集、镜像重建组、单侧缺损GAN重建组进行定量评价,定量指标为Dice相似性系数(Dice similarity coefficient,DSC)和95%豪斯道夫距离(95% Hausdorff distance,HD95),对各组结果进行单因素方差分析和Tukey检验。对测试集、镜像重建组、单侧缺损GAN重建组和跨中线缺损GAN重建组进行定性评分,对各组总分进行Kruskal-Wallis检验和事后检验(Bonferroni校正法)。结果测试集、镜像重建组、单侧缺损GAN重建组DCS(分别为0.891±0.049、0.721±0.047、0.778±0.057)和HD95[分别为(3.58±1.51)、(5.19±1.38)、(4.51±1.10)mm]的总体差异均有统计学意义(F=28.08,P<0.001;F=3.62,P=0.041);其中,测试集DSC显著大于镜像重建组(P<0.05),测试集HD95显著小于镜像重建组(P<0.05)。测试集、镜像重建组、单侧缺损GAN重建组、跨中线缺损GAN重建组定性总分[分别为8(1)、6(2)、6(2)和4(2)分]的总体差异有统计学意义(H=18.13,P<0.001);两两比较显示,测试集总分显著高于镜像重建组(P<0.05)。结论本项研究提出的基于GAN的虚拟重建方法,其单侧缺损虚拟重建效果优于镜像技术,亦可实现跨中线上颌骨缺损的虚拟重建。
简介:摘要目的探讨深度学习重建(DLR)较混合迭代重建(Hybrid IR)在改善胸部低剂量CT(LDCT)图像质量方面的效果。方法回顾性分析2020年10月至2021年3月在北京协和医院行胸部LDCT体检或因肺内结节定期复查的77例患者。对所有入组患者的影像资料进行不同算法重建,获得标准级别Hybrid IR图像、标准和强级别DLR图像。在3种图像的肺实质、主动脉、肩胛下肌及腋下脂肪内选取感兴趣区并测量其CT值和标准差,用于计算信噪比(SNR)和对比噪声比(CNR)。同时,由2名影像医师按照Likert 5分量表法对图像质量进行主观评分,且记录肺磨玻璃结节(GGN)的数量,并对其显示情况进行评分。2名医师评分不一致时由第3名医师评分决定。采用Kruskal-Wallis非参数检验对3种图像的主观和客观评分进行分析,若总体存在差异,则用Bonferroni校正检验进行组内两两比较。结果3种图像在肺实质、主动脉、肩胛下肌及腋下脂肪处的CT值差异均无统计学意义(P均>0.05),而图像噪声、SNR和图像的CNR差异均有统计学意义(P均<0.05)。其中标准级别Hybrid IR图像、标准和强级别DLR图像的CNR分别为0.71(0.49,0.88)、1.06(0.78,1.32)和1.14(0.84,1.48)。标准级别和强级别DLR图像均较标准级别Hybrid IR图像的主观和客观噪声低及SNR和CNR高,差异均有统计学意义(P均<0.05)。在对主要解剖结构(肺裂、肺血管、气管和支气管、淋巴结、胸膜和心包)和GGN的显示上,标准级别和强级别DLR图像评分明显优于Hybrid IR图像,差异均有统计学意义(P均<0.05)。结论与Hybrid IR相比,DLR可以明显降低LDCT图像的噪声,且对GGN的显示良好,有助于在较低辐射剂量水平时保证图像质量,从而改善采用CT行肺癌筛查及肺结节随访的安全性。
简介:摘要近年来,CT图像算法中基于深度学习的图像重建(DLIR)技术不断发展,日益成熟,目前已经逐步应用于临床实践中。DLIR算法较常规迭代重建算法具有在降低辐射剂量和图像噪声的同时不改变图像纹理,保持或提高解剖细节显示能力、总体图像质量和医生诊断信心的众多优势。因此,笔者重点就DLIR算法的原理、优劣势及其在人体各系统的临床应用进展进行综述,旨在进一步提高对DLIR算法的认识,并对其可能的应用情景提供借鉴。
简介:摘要深度学习图像重建算法是目前CT图像重建领域最为前沿的技术,随着算法的不断优化和模型泛化性的提升,适用人群和全身各部位的临床应用也在不断拓展,在疾病诊治中发挥了重要作用。深度学习图像重建算法能够降低图像噪声、消除伪影、避免“过度平滑”的视觉感观,提升主观诊断效能,并有助于CT检查中辐射剂量的降低。此外,深度学习图像重建算法不影响CT图像重建的速度,能够满足临床工作流的需求。随着对深度学习图像重建算法的不断探索以及临床应用的拓展,可以挖掘深度学习图像重建算法的潜在优势,提升CT临床应用的能力。