基于U型全卷积神经网络的腹部动脉CT图像分割算法研究

目的为了精确分割腹部动脉血管,提出一种基于深度学习的全自动腹部动脉CT图像分割算法。方法采用区域不平衡块生成方法提取CT血管横断面、冠状面和矢状面图像特征,接着采用U型全卷积神经网络对块特征进行训练与分割,最后采用最大体素保留法获得三维血管分割图像。选用120例患者腹部CT血管图像进行网络训练和分割实验,分割结果评价指标采用精确率、召回率和Dice系数。结果基于U型全卷积神经网络能分割全部腹部CT图像大血管和绝大多数小血管。全卷积神经网络中块尺寸s=32所得平均Dice系数、精确率和召回率分别达87.2%、85.9%和88.5%,且与块尺寸s=48和s=64大致相等。基于U型全卷积神经网络所得平均Dice系数、精确率和召回率均优于其他血管分割算法。结论基于U型全卷积神经网络算法的图像分割精度高,是一种可行的腹部CT血管分割算法。     

深度学习技术在疾病诊断中的应用

深度学习技术的迅猛发展为辅助医师进行高精度的疾病诊断提供了新的方法和思路。本文综述了医学疾病诊断领域常用的深度学习模型,即卷积神经网络、深度信念网络、受限玻尔兹曼机和循环神经网络模型的原理及特点;然后从肺癌、乳腺癌、糖尿病视网膜病变等几种典型的疾病出发,介绍了深度学习技术在疾病诊断领域的应用;最后基于目前深度学习技术在疾病诊断中的局限性提出了未来发展方向。     

卷积神经网络的发展及其在肿瘤影像学中的应用

肿瘤病死率高,影像学检查对肿瘤的早期诊断、治疗意义重大.随着人工智能深度学习技术的发展,卷积神经网络算法能够自动提取图像特征,快速寻找医学影像图片中的细微病变.计算机辅助检测系统可以帮助医生在肿瘤的早期阶段提高诊断准确率.     

基于卷积神经网络的肺结节良恶性分类

目的研究基于卷积神经网络的肺结节良恶性分类方法。方法首先对肺部图像数据库联盟(LIDC)中的肺癌CT图像进行分割获得肺结节图像;然后利用卷积神经网络进行特征提取;最后利用Logistic分类器进行模型构建与测试。结果该文所提出方法取得了84.4%的分类结果。结论利用卷积神经网络可以自动提取肺结节特征,辅助医生的临床诊断。     

非小细胞肺癌裸鼠体内肿瘤药物筛选分析及其临床应用

目的 评价非小细胞肺癌裸鼠体内肿瘤药物筛选结果及临床应用疗效。方法 新鲜非小细胞肺癌组织块植入裸鼠肾包膜下,选用常用抗非小细胞肺癌药物进行肿瘤药物进行肿瘤药敏试验,临床实验组依据肿瘤药敏结果进行肺癌根治术后辅助化学治疗;临床对照组选取同期非小细胞肺癌根治术后接受ＣＡＰ方案辅助化学治疗。结果 人体癌细胞植入裸鼠体内后能很好地保持肿瘤细胞形态,移植瘤细胞可见率为８７．８％,临床实验组３ａ生存率为６０．     

新辅助化疗和手术在局部晚期非小细胞肺癌治疗中的应用

目的探讨新辅助化疗和外科手术在局部晚期非小细胞肺癌治疗中的应用价值。方法 2006年10月～2008年10月,对笔者所在医院7例局部非小细胞肺癌采用GP方案化疗两个周期后手术。结果 7例局部非小细胞肺癌被认为不能手术切除的病例,经GP方案新辅助化疗后肿块缩小,有机会手术切除,获得近期满意效果。结论术前GP方案新辅助化疗效果明显、安全,能降低局部晚期非小细胞肺癌患者病期,提高手术切除率,改善患者手术后生存率及生活质量。     

胸腔镜辅助小切口治疗I期非小细胞型肺癌的临床研究

目的评价电视胸腔镜手术(VATS)辅助小切口治疗I期非小细胞型肺癌的可行性与临床价值。方法将86例需行肺叶切除术的I期非小细胞型肺癌病人按时间顺序平均分为两组:研究组(胸腔镜组)应用VATS辅助胸壁小切口对43例肺周围孤立小结节行肿物楔形切除术,术中快速冰冻病理切片检查,证实为非小细胞型肺癌(NSCLC),施行相应的肺叶切除,系统性的肺门及纵隔淋巴结清扫术;对照组(开胸组)43例I期非小细胞型肺癌采用后外侧切口进胸,其他处理与胸腔镜组相同,两组术后均未加辅助治疗。结果研究组病人创伤明显减轻,出血量少,术后恢复快(p<0.05),两组病人均无手术死亡及严重并发症。近期随访结果无1例复发与转移。结论VATS辅助胸壁小切口对I期非小细胞型肺癌行根治性切除是可行的。     

胸腔镜辅助小切口治疗Ⅰ期非小细胞型肺癌的临床研究

目的 评价电视胸腔镜手术(VATS)辅助小切口治疗Ⅰ期非小细胞型肺癌的可行性与临床价值.方法将86例需行肺叶切除术的Ⅰ期非小细胞型肺癌病人按时间顺序平均分为两组研究组(胸腔镜组)应用VATS辅助胸壁小切口对43例肺周围孤立小结节行肿物楔形切除术,术中快速冰冻病理切片检查,证实为非小细胞型肺癌(NSCLC),施行相应的肺叶切除,系统性的肺门及纵隔淋巴结清扫术;对照组(开胸组)43例Ⅰ期非小细胞型肺癌采用后外侧切口进胸,其他处理与胸腔镜组相同,两组术后均未加辅助治疗.结果研究组病人创伤明显减轻,出血量少,术后恢复快(p＜0.05),两组病人均无手术死亡及严重并发症.近期随访结果无1例复发与转移.结论VATS辅助胸壁小切口对Ⅰ期非小细胞型肺癌行根治性切除是可行的.     

免疫检查点抑制剂在肺癌围术期中的应用现状及展望

目前我国肺癌平均发生率在恶性肿瘤中居首位,而其中非小细胞肺癌占80%左右。手术疗法是非小细胞肺癌早期治疗的重要方法,但术后复发率较高。免疫系统是影响肿瘤发生、发展的重要系统,近年来对免疫检查点抑制剂的应用为肺癌患者带来了新的发展思路。临床研究表明,免疫检查点抑制剂用于非小细胞肺癌的术前新辅助和术后辅助疗法,可以更好、更安全、更有效地进行。本文对免疫疗法在肺癌围术期中的应用现状及未来发展做一综述。     

新辅助化疗对非小细胞肺癌患者术后生存影响的Meta分析

目的用Meta分析的方法对国内外已发表的高质量的、有关比较新辅助化疗后手术或直接手术对非小细胞肺癌患者术后生存影响的临床随机对照试验进行综合定量分析,为非小细胞肺癌治疗模式的选择提供参考依据。方法收集至2007年7月已公开发表的有关比较新辅助化疗后手术和直接手术对非小细胞肺癌患者术后生存影响的前瞻性随机对照试验,入选的研究利用Revman4.2进行Meta分析。结果符合纳入标准的共10篇文献,总样本量2 546例。其中新辅助化疗组1 291例,直接手术组1 255例;合并相对危险度(relative risk,RR)=0.91,95%可信区间是(0.86~0.96),P为0.000 7。对Ⅲ期非小细胞肺癌进行分层分析,合并RR为0.90,95%可信区间为0.85~0.96,P为0.000 7。结论本研究结果倾向新辅助化疗后手术治疗方案较直接手术方案能提高非小细胞肺癌患者长期生存率,具有统计学意义,但不能因此定论新辅助化疗能提高非小细胞肺癌患者的长期生存率,有必要在今后的研究中开展以包含第3代化疗药的联合化疗方案作为新辅助化疗的高质量的随机对照试验。     

Determination of Women Iron Deficiency Anemia Using Neural Networks

Iron deficiency anemia (IDA) is a common type of anemia which most often occurs in young adult women. Detection of Iron deficiency requires blood tests and doctors' decision. Doing so can be costly and difficult especially in undeveloped countries. In this study, we developed an application by using Feedforward Networks (FFN), Cascade Forward Networks (CFN), Distributed Delay Networks (DDN), Time Delay Networks (TDN), Probabilistic Neural Network (PNN), and Learning Vector Quantization (LVQ) networks that can diagnose iron deficiency anemia in women.     

基于多尺度卷积和长短期记忆神经网络的临床危重症疾病预警模型

介绍基于多尺度卷积和长短期记忆神经网络的临床危重症疾病预警模型设计与构建,以2 198例危重症患者为研究对象,对模型进行验证,结果表明该模型预测准确率较高,有助于发掘患者数据与病情变化隐藏的关联性,从而辅助医疗决策。     

Breast Cancer Classification Based on Advanced Multi Dimensional Fuzzy Neural Network

Breast cancer is the cause of the most common cancer death in women. Early detection of the breast cancer is an effective method to reduce mortality. Fuzzy Neural Networks (FNN) comprises an integration of the merits of neural and fuzzy approaches, enabling one to build more intelligent decision-making systems. But increasing the number of inputs causes exponential growth in the number of parameters in Fuzzy Neural Networks (FNN) and computational complexity increases accordingly. This phenomenon is named as ??curse of dimensionality??. The Hierarchical Fuzzy Neural Network (HFNN) and the Fuzzy Gaussian Potential Neural Network (FGPNN) are utilized to deal this problem. In this study, the HFNN and FGPNN by using new training algorithm, are applied to the Wisconsin Breast Cancer Database to classify breast cancer into two groups; benign and malignant lesions. The HFNN consists of hierarchically connected low-dimensional fuzzy neural networks. It can use fewer rules and parameters to model nonlinear system. Moreover, the FGPNN consists of Gaussian Potential Function (GPF) used in the antecedent as the membership function. When the number of inputs increases in FGPNN, the number of fuzzy rules does not increase. The performance of HFNN and FGPNN are evaluated and compared with FNN. Simulation results show the effectiveness of these methods even with less rules and parameters in performance result. These methods maintain the accuracy of original fuzzy neural system and have high interpretability by human in diagnosis of breast cancer.     

Diabetic Retinopathy Diagnosis from Retinal Images Using Modified Hopfield Neural Network

Disease diagnosis from medical images has become increasingly important in medical science. Abnormality identification in retinal images has become a challenging task in medical science. Effective machine learning and soft computing methods should be used to facilitate Diabetic Retinopathy Diagnosis from Retinal Images. Artificial Neural Networks are widely preferred for Diabetic Retinopathy Diagnosis from Retinal Images. It was observed that the conventional neural networks especially the Hopfield Neural Network (HNN) may be inaccurate due to the weight values are not adjusted in the training process. This paper presents a new Modified Hopfield Neural Network (MHNN) for abnormality classification from human retinal images. It relies on the idea that both weight values and output values can be adjusted simultaneously. The novelty of the proposed method lies in the training algorithm. In conventional method, the weights remain fixed but the weights are changing in the proposed method. Experimental performed on the Lotus Eye Care Hospital containing 540 images collected showed that the proposed MHNN yields an average sensitivity and specificity of 0.99 and accuracy of 99.25%. The proposed MHNN is better than HNN and other neural network approaches for Diabetic Retinopathy Diagnosis from Retinal Images.     

浆膜腔积液细胞病理学诊断阳性病例分析

目的探讨恶性浆膜腔积液细胞学分型诊断与病理学分型诊断偏差的原因。方法235例恶性浆膜腔积液标本,行HE染色后显微镜观察,细胞学分型诊断并对积液里常见的转移癌(肺腺癌、肺鳞癌、肺小细胞未分化癌、卵巢腺癌、胃癌、乳腺癌)进行癌细胞总量等14项细胞形态学指标观察。结果①细胞学分型与病理学分型不符情况:5例中、低分化鳞癌和1例大细胞未分化癌细胞学误诊为腺癌,5例可疑癌胸水及4例可疑癌腹水由于涂片中恶性细胞数量少或癌细胞不典型而未能分型诊断。②不同原发部位及不同病理类型来源的癌细胞在积液涂片各有一些特点:卵巢癌细胞数量较多且以大细胞群存在(占86.11%),肺腺癌、肺小细胞未分化癌及乳腺癌以中、小细胞群为多见;胃癌有表现为单个散在细胞(44.83%),部分病例有成群或成团(55.17%);肺鳞癌多以单个散在为主。结论浆膜腔积液细胞学诊断及观察指标能较好地鉴别各种肿瘤细胞的形态特征,为临床确诊原发恶性肿瘤提供有价值的诊断依据。     

PET-CT在肺癌诊断中的应用

肺癌已成为人类癌症死亡的主要原因之一,其发病率及死亡率仍在迅速增长。目前X线胸片、计算机体层摄影(computed tomography,CT)扫描能帮助医师对大部分肺癌作出诊断和分期判定,但对于一些早期病变的判定帮助有限。正电子发射断层摄影(positron emission tomography,PET)在肿瘤的早期诊断、分期和疗效评估方面有较高的敏感性和特异性,但其空间分辨力较差。PET-CT的出现弥补了这两方面的缺憾,它融合专用的PET扫描仪和CT扫描仪的技术,提供了来自两种显像方式的独特信息。本文就PET-CT在肺癌诊断中的应用进行了综述。     

CEA、CYFRA21-1和NSE检测在不同组织类型肺癌中的诊断价值

目的 探讨血清癌胚抗原(CEA)、细胞角蛋白19片段21-1(CYFRA21-1)、神经特异性烯醇化酶(NSE)联合检测在肺癌诊断中的临床价值。方法 采用电化学发光法测定100例肺癌患者(肺癌组)和90例健康体检者(对照组)的血清CEA、CYFRA21-1和NSE水平,并进行统计学分析。结果 肺癌组CEA、CYFRA21-1和NSE血清水平与阳性检出率均明显高于对照组(P＜0.001);肺腺癌中有较高的CEA水平,鳞癌中有较高的CYFRA21-1水平,小细胞肺癌中NSE水平较高;以上三种肿瘤标志物联合检测对肺癌诊断的敏感性高于三项指标单独检测(P＜0.05)。结论 血清CEA、CYFRA21-1、NSE是诊断肺癌较好的标志物,CEA＋CYFRA21-1＋NSE联合检测对肺癌的诊断有重要的临床价值,可明显提高肺癌诊断的敏感性。     

6项肿瘤标志物联合检测对肺癌诊断的临床意义

目的探讨神经元特异性烯醇化酶（NSE）、细胞角蛋白19片段（CYFRA21-1）、糖类抗原125（CA 125）、癌胚抗原（CEA）、血清铁蛋白（SF）、鳞状细胞癌相关抗原（SCC-Ag）等6项指标联合检测对诊断肺癌的临床意义。方法检测肺癌组103例、良性肺病组57例、健康对照组50例的NSE、CYFRA21-1、CA125、CEA、SF、SCC-Ag等6项指标,并作相关性分析。结果肺癌组NSE、CYFRA21-1、CA125、CEA、SF、SCC-Ag测定水平高于良性肺病组及健康对照组（P〈0.01）,CEA的阳性率在腺癌组明显增高,SCC-Ag的阳性率在鳞癌组明显增高,NSE的阳性率在小细胞癌组阳性率明显增高（P〈0.05）。结论 NSE、CYFRA21-1、CA125、CEA、SF、SCC-Ag联合检测能够提高肺癌的早期检出率,并对肺癌的分型有着很高的临床应用价值。     

纤维支气管镜刷检液基细胞学检查在肺癌诊断中的价值分析

目的 评估纤维支气管镜刷检液基细胞学检查在肺癌诊断及分型诊断中的价值.方法 回顾性分析肺癌患者817例,所有患者进行纤维支气管镜刷检液基细胞学检查和组织病理学检查,对二者结果进行比较分析.结果 纤维支气管镜刷检液基细胞学诊断肺癌368例,鳞状细胞癌、腺癌和小细胞癌分别177例、84例和68例,单独诊断肺癌15例,灵敏度为44.01%,特异度为94.40%,阳性预测值为95.92%,阴性预测值为36.04%,Kappa值为0.250,与组织病理学比较差异有统计学意义(P<0.01).结论 纤维支气管镜刷检液基细胞学检查是特异性较高的肺癌诊断方法.     

小细胞肺癌维持治疗的研究进展

小细胞肺癌一线治疗缓解后复发较快，复发后易出现多药耐药，以致部分患者二线治疗的敏感性较差。近年来一些化疗药及新的靶向药物被运用于小细胞肺癌维持治疗的研究，但维持治疗在小细胞肺癌治疗中的作用及地位仍是众多学者争论的焦点。该文综述了近年来小细胞肺癌维持治疗的研究进展。