简介:目的通过分析比格犬自体牙移植术后影像学和组织学变化,探究移植牙的牙周组织修复机理.方法选择1只8月龄比格犬,左侧下颌前磨牙区为受体区进行前牙自体牙移植.术后进行X线检查和组织学HE染色,观察移植牙牙周愈合情况.结果术后1个月X线片显示1号移植牙(左侧下颌第二前磨牙位)牙周间隙明显缩小,根尖周可见小范围透射影像,牙颈部有外吸收影像;2号牙(左侧下颌第一前磨牙位)根管内上1/3部分出现牙根内吸收.术后2个月X线片表明移植牙牙周愈合情况良好,1号牙外吸收影像稍增大,2号牙内吸收影像未见扩大.组织学HE染色切片可见根尖部有纤维束形成,但在牙颈部、髓腔和根尖部有大量淋巴细胞和少量浆细胞浸润.结论自体牙移植术后牙周膜愈合较好,但牙齿拔除时要注意减少牙颈部的机械性损伤,移植后牙髓治疗的时机是减少术后并发症的关键要素之一.
简介:摘要目的报道2例肺原发性恶性纤维组织细胞瘤(PLMFH),以期提高对该病的认识。方法回顾性分析2例经手术后病理证实的PLMFH的影像学表现。2例患者均行X线平片以及CT平扫、增强扫描。结果2例PLMFH均发生于左肺下叶,呈巨大孤立性软组织肿块,边界清楚。CT增强扫描明显不均匀强化,未见空洞、钙化,合并左侧少量胸腔积液。结论PLMFH的CT表现有一定的特征性,CT对PLMFH的诊断有重要的价值。
简介:摘要目的探讨国产睿米手术机器人(神经外科定位导航系统)在颅骨或脑内微小病灶及功能区病灶精准切除手术中的效果及安全性。方法中日友好医院神经外科自2021年10月至2022年3月在国产睿米手术机器人辅助下导航、定位并切除颅骨和脑内微小病灶及功能区病灶12例,术中均采用头皮Markers进行光学注册,记录注册误差,根据病灶的颅骨映射,由机械臂激光导航描记、设计头皮切口及骨瓣边界;术后行头颅CT和MRI扫描观察颅内出血、病灶切除情况;将术后影像与术前手术计划相融合,计算计划骨瓣中心与实际骨瓣中心的偏移误差。结果12例患者的注册误差为(0.90±0.12) mm(范围为0.6~1.5 mm),机械臂注册误差为0.09~0.12 mm。计划骨瓣中心与实际骨瓣中心的偏移误差为(1.9±1.1) mm(范围为1.4~4.5 mm)。所有患者均在手术机器人机械臂导航下一次性精准找到病灶边界,对皮层及病灶周围组织破坏性小;术后复查头颅CT或MRI提示所有病灶均完整切除,均无严重并发症发生。结论国产睿米手术机器人可为颅骨或脑内微小病灶及功能区病灶切除术提供精准的定位和导航功能,提高了手术效率,保障了手术安全。
简介:摘要目的探讨基于自动乳腺全容积成像(ABVS)影像组学的机器学习模型鉴别乳腺影像报告和数据系统(BI-RADS) 4类病灶良恶性的临床价值。方法前瞻性收集2020年5-12月于西南医科大学附属医院(中心1)和广东省中医院(中心2)接受ABVS检查和组织活检的BI-RADS 4类病灶患者,分为训练集(中心1)和外部验证集(中心2)。将病灶的最大切面图像(ABVS横切面、矢状面和冠状面各一张)导入影像组学分析软件(MaZda),并提取影像组学特征。在训练集,七种特征选择方法和十三种机器学习算法进行两两结合,构建不同的机器学习模型,将诊断性能最优的六种模型在外部验证集进行验证并确定最终的机器学习模型。最后,评估有或无模型辅助下不同经验超声医师(R1、R2和R3,分别有3、6和10年经验)诊断效能和诊断信心的变化。结果①研究纳入251个BI-RADS 4类病灶,其中训练集178个(良性91个,恶性87个),外部验证集73个(良性44个,恶性29个);②训练集中,诊断性能最优的六种机器学习模型分别是基于递归特征消除(RFE)的深度神经网络(DNN)模型,自适应提升(AdaBoost)模型,逻辑回归(LR)模型,线性判别分析(LDA)模型,集成算法(Bagging)模型和支持向量机(SVM)模型,ROC曲线下面积(AUC)依次为0.972、0.969、0.968、0.968、0.967和0.962;③外部验证集中,DNN-RFE模型仍具有最优的诊断性能,其AUC、准确性、敏感性、特异性、阳性预测值(PPV)和阴性预测值(NPV)分别为0.886、0.836、0.934、0.776、86.8%和82.5%;④模型辅助前,R1的诊断性能最差,其准确性、敏感性、特异性、PPV和NPV分别为0.680、0.750、0.640、57%和81%;模型辅助后,R1的上述指标分别提升至0.730、0.810、0.930、68%和94%,差异有统计学意义(P=0.039),而R2和R3与辅助前比较,差异无统计学意义(P=0.811,0.752);三名医师的总体诊断信心从2.8增加至3.3(P<0.001)。结论基于ABVS影像组学的机器学习模型能较好地区分良恶性BI-RADS 4类病灶,提升经验较少医师的诊断性能及其诊断信心。
简介:摘要目的基于多层螺旋CT(MSCT)影像探讨胸骨后解剖结构随年龄的变化特征。方法回顾性研究。纳入青岛大学附属泰安市中心医院2020年8—12月行胸部MSCT检查的1 000例受检者的影像学资料。男500例、女500例,年龄0.5~100(50.23±28.49)岁。按每10岁进行分组,共分为10组,观察和统计在胸骨柄后方和胸骨体Ⅰ、Ⅱ、Ⅲ、Ⅳ后方以及剑突后方等区域中,不同年龄组观察到的毗邻组织的比率。结果(1)胸骨柄后方的毗邻组织:≤10岁和11~20岁,主要为胸腺(98%、70%);21~100岁,主要为脂肪(73%~97%)、大血管(34%~65%)和肺组织(20%~55%)。(2)胸骨体Ⅰ后方出现的毗邻组织:≤10岁和11~20岁,主要为胸腺(70%、28%)、肺组织(50%、87%);21~100岁,主要为脂肪(24%~72%)和肺组织(56%、85%)。(3)胸骨体Ⅱ后方的毗邻组织:≤10岁和11~20岁,主要为肺组织(59%、78%)、心包(46%、28%)和胸腺(30%、13%);21~100岁,主要为肺组织(58%~86%)、脂肪(11%~57%)和心包(5%~25%)。(4)胸骨体Ⅲ后方的毗邻组织:≤10岁和11~20岁,主要为肺组织(54%、70%)和心包(71%、59%);21~100岁,主要为肺组织(45%~72%)、心包(32%~53%)和脂肪(10%~45%)。(5)胸骨体Ⅳ后方的毗邻组织:≤10岁和11~20岁,主要为心包(82%、77%)和肺组织(42%、44%);21~100岁,主要为心包(60%~70%)、肺组织(23%~48%)和脂肪(9%~35%)。(6)剑突后方的毗邻组织:≤10岁和11~20岁,主要为心包(31%、55%)、膈肌或肝脏(30%、4%)和肺(25%、12%);21~100岁,主要为心包(61%~83%)、脂肪(25%~43%)膈肌或肝脏(3%~19%)和肺(2%~14%)。结论基于MSCT影像,不同的年龄段胸骨后组织结构在不同的区域存在较大的变化。
简介:摘要目的探析腹部B超影像对子宫内妊娠组织残留物的临床诊断价值。方法选取2013年6月~2015年6月收治患者72例,均开展腹部B超检查子宫内妊娠组织残留物情况,保留其临床影像学资料并进行回顾性分析。结果经影像检查后,患者超声检查声像图可分为两组,A组(混合声象图),B组(光点回声图)。A组与临床病理检查诊断的符合率为97.8%,B组符合率为81.5%。两组诊断符合率比较具有统计学差异(P<0.05)。结论腹部B超技术可有效诊断患者子宫内妊娠组织残留物,并准确显示病灶部位具体情况,可为是否制定清宫术手术方案提供参考依据,从而有效降低并发症发生,提高临床治疗效果。
简介:摘要目的探讨基于MRI的深度学习(DL)影像组学机器学习模型在术前区分病理低级别和高级别软组织肉瘤(STS)的价值。方法回顾性纳入2007年11月至2019年5月青岛大学附属医院经病理证实的151例STS患者为训练集、山东第一医科大学附属山东省立医院和河北医科大学附属第三医院的131例STS患者为外部验证集。根据法国国家癌症研究中心(FNCLCC)肿瘤分级标准,STS病理分级低级别(FNCLCCⅠ和Ⅱ级)161例,高级别(FNCLCCⅢ级)121例。分别提取病灶的手工影像组学(HCR)特征和DL影像组学特征,分别基于HCR特征、DL特征和两者组合特征,建立决策树、逻辑回归、支持向量机(SVM)3种分类器的机器学习模型,采用受试者操作特征曲线下面积(AUC)评价各机器学习模型预测高级别和低级别STS的效能,确定最优机器学习模型。采用单因素和多因素logistic回归筛选临床和影像学特征,建立临床影像学模型。结合最优机器学习模型和临床影像学模型,建立列线图,采用AUC来评估各模型和列线图的预测性能,AUC间比较采用DeLong检验。采用Kaplan-Meier生存曲线和log-rank检验评价最优机器学习模型在STS患者无进展生存期(PFS)风险分层中的表现。结果基于HCR和DL组合影像组学特征的SVM机器学习模型的AUC最大,在训练集和外部验证集中预测STS分级分别为0.931(95%CI 0.889~0.973)和0.951(95%CI 0.904~0.997),为最优机器学习模型。临床影像学模型在训练集和外部验证集中的AUC分别为0.795(95%CI 0.724~0.867)和0.615(95%CI 0.510~0.720),列线图分别为0.875(95%CI 0.818~0.932)和0.786(95%CI 0.701~0.872)。外部验证集中,最优影像组学机器学习模型预测STS分级的性能优于列线图和临床影像学模型(Z=3.16、6.07,P=0.002、<0.001)。最优影像组学机器学习模型预测的高级别和低级别STS患者的PFS差异有统计学意义(训练集χ²=43.50,P<0.001;外部验证集χ²=70.50,P<0.001)。结论基于MRI的DL影像组学模型可有效预测STS的FNCLCC肿瘤分级,其中HCR和DL组合影像组学特征的SVM分类器模型效能最佳,并有望对患者预后进行风险分层。
简介:全国政协十二届五次会议在北京开幕3月3日,中国人民政治协商会议第十二届全国委员会第五次会议在北京人民大会堂开幕。习近平、李克强、张德江、刘云山、王岐山、张高丽在主席台就座。俞正声代表政协第十二届全国委员会常务委员会作工作报告。习近平参加审议3月8日,中共中央总书记、国家主席、中央军委主席习近平参加十二届全国人大五次会议四川代表团的审议。在'三八'国际劳动妇女节到来之际,习近平代表党中央、国务院,向参加全国两会的女代表、女委员、女工作人员,向全国各族