T1期乳腺浸润性导管癌脉管侵犯的相关危险因素分析

目的：探讨T1期乳腺浸润性导管癌（IDC）患者发生淋巴管血管侵犯（LVI）的相关危险因素。方法：回顾性分析2017年1月至2022年6月温州医科大学附属第一医院收治的T1期IDC患者的临床病理资料及术前MRI图像。根据LVI结果分为阴性组和阳性组。在T2加权图像上（T2WI）上根据乳房水肿评分（BES）将肿瘤相关乳房水肿分为4级。再将其简化,BES2为轻度水肿,BES3 和BES4 合并为中重度水肿。采用单因素分析及二元Logistic回归模型进行统计学分析以确定IDC的各项特征是否与LVI相关。结果：本研究共纳入307例患者,阴性组262例,阳性组45例。与低组织学分级、淋巴结转移阴性相比,高组织学分级（OR =2.59,95%CI =1.19～5.61,P =0.016）、淋巴结转移阳性（OR =4.74,95%CI =2.39～9.43,P ＜0.001）更容易出现LVI阳性。乳房轻度水肿（OR =3.80,95%CI =1.78～8.14,P =0.001）、中重度水肿（OR =5.54,95%CI =2.25～13.60,P ＜0.001）相对于无水肿,出现LVI阳性的概率增加,但组间差异无统计学意义（P ＞0.05）。结论：乳房水肿、淋巴结状态和组织学分级是T1期乳腺IDC患者发生LVI的独立危险因素。     

基于AI技术的腰椎X射线图像质量控制模型的 构建与应用

目的 采用深度学习算法建立腰椎X射线摄影图像质量控制模型，通过该模型实时和回顾性评估临床图像。方法 选取2018年1月至2021年2月在温州医科大学附属第一医院接受检查的1389例患者，搜集患者的正位、侧位和斜位腰椎X射线摄影图像。采用基于U-Net的全卷积神经网络对腰椎X射线图像中的解剖结构进行分割，利用该分割算法建立一种自动评价模型检测不合格图像。采用Dice相似系数（Dice similarity coefficient，DSC）评价模型性能，并对模型投入应用后的腰椎X射线摄影图像进行统计评价。结果 模型在验证集上的准确性为0.971~0.990（0.98±0.10）、敏感度为0.714~0.933（0.86±0.13）、特异性为0.995~1.000（0.99±0.12）。质控模型在2022年腰椎X射线摄影的优秀率为28.8%，中等率54.8%，不合格率16.4%。结论 基于人工智能的腰椎X射线图像质控模型实现腰椎解剖结构的精准分割，可对图像质量作出准确评价，有利于保证技师对腰椎X射线摄影操作的规范性。     

适用于乳房组织工程的支架材料及制备工艺

乳房组织工程被认为是乳房重建的终极方案。乳房是特殊的软组织,支架材料作为组织工程的三大要素之一,在乳房组织工程当中显得尤为重要。理想的支架材料应具备与目标组织相似的物理和生化特性,适宜的生物化学和物理环境,能够调节种子细胞对特定组织工程要求的响应。生物材料的特性(例如机械和化学功能性)影响细胞黏附、增殖和分化等行为,所以理想的支架应具有良好的生物相容性,从而防止长期免疫反应的发生。此外,良好的生物支架应具备适宜的多孔结构,以利于血管生成并为细胞的增殖分化提供营养物质。以上与支架的材料选择及制备工艺都有直接的关系,本文列举了可用于乳房组织工程研究的支架材料,并根据乳房组织特性选择相关制备工艺进行介绍。