排序方式: 共有21条查询结果,搜索用时 0 毫秒
1.
目的 检测 TAR DNA结合蛋白(transactive response DNA-binding protein,TARDBP)在胃腺癌组织中的表达 ,分析其表达与胃腺癌患者临床病理特征之间的关系。方法 选取 2017年 1月~ 2018年 1月陕西省人民医院确诊的 49例胃腺癌、 19例癌旁组织及 19例正常胃组织作为研究对象,采用免疫组织化学( SP)法检测 TARDBP的表达,并探讨 TARDBP表达与胃腺癌患者临床病理特征之间的关系。结果 TARDBP的着色部位在细胞核,其在胃腺癌组织中的表达率为 89.80%(44/49),在胃腺癌癌旁组织中的表达率为 68.42%(13/19),在胃正常黏膜组织中的表达率为 26.32%(5/19)。TARDBP蛋白在胃腺癌及癌旁组织中的表达均显著高于胃正常黏膜组织,其差异均具有统计学意义 (χ2=6.756~ 27.400,均 P< 0.05);TARDBP在胃腺癌中的表达高于癌旁组织,但其差异无统计学意义 (χ2=3.171,P> 0.05);TARDBP在胃腺癌组织中的表达与患者性别、年龄、肿瘤的分化程度、肿瘤大小、淋巴结转移和临床分期均无相关性 (χ2=0.000~ 0.762,均 P> 0.05)。结论 TARDBP在胃腺癌组织和癌旁组织中可高表达, TARDBP表达失调可能与胃腺癌的发生、进展存在一定的相关性。 相似文献
2.
用激光衍射仪测定高粘度高切变流场中不同温度时红细胞的变形指数。结果表明,在各种切变率下红细胞的变形性均受温度的影响。低切变率时,温度主要影响红细胞膜的变形性;高切变率时,温度主要影响红细胞的几何形状及其内粘度。红细胞变形性最佳温度约29℃,温度高于40℃,红细胞的变形性迅速下降,说明红细胞膜刚性增强,粘弹性下降。 相似文献
3.
多形性腺瘤是唾液腺中最常见的良性肿瘤,其组织学形态是多样性的.约25%的多形性腺瘤可伴有鳞化,而伴有广泛鳞化及角化囊肿的病例极其罕见,需要与其他囊性病变、鳞状细胞癌、黏液表皮样癌等进行鉴别.本文报道了1例伴有广泛角化囊肿形成的罕见病例,鳞化及角化囊肿成分约占多形性腺瘤的40%.最终,通过文献复习,笔者总结了伴有广泛角化... 相似文献
4.
人工智能技术的快速发展,得益于大数据、数据库、算法、算力的巨大进步,医学研究是人工智能的重要应用方向。人工智能与医学的融合发展,提高了医疗技术水平与医疗服务效率,为医生与医疗设备有效赋能,更好地服务于患者。特别在此次新冠肺炎疫情中取得的巨大成效,足见人工智能在医疗领域中发挥巨大作用,因此吸引了许多研究者不断深入探索。本文对近年来人工智能在医学方面应用的相关文献进行梳理,基于人工智能技术与医学研究的发展背景,重点论述人工智能在药物研发、辅助诊疗、语音识别和语义理解、健康管理、医院管理等领域的应用进展,分析人工智能在医疗领域应用存在的挑战,最后讨论人工智能在医疗领域的发展趋势。
【关键词】人工智能;医学应用;技术挑战;综述 相似文献
5.
近年来肝病发瓋纺呈逐年上升趋势.经肝脏超声检查发现,肝损害发病率已达54.67%,其中脂肪肝占20%,且发病向低年龄化发展,已成为危害中表年人群的多发常见病之一.为了解中青年人群脂肪肝患者影像学及血脂改变情况,我们从2000年起,对240例脂肪肝患者进行了影像学及血脂改变的临床观察,现报告如下. 相似文献
6.
伴有脂肪化生的多形性腺瘤是一种罕见的多形性腺瘤.本文报道1例伴有脂肪化生的多形性腺瘤,该患者为28岁女性,发现左耳前肿物2年余,伴有疼痛.CT及B超检查提示为多形性腺瘤可能.手术治疗后病理结果为伴有脂肪化生的多形性腺瘤,脂肪成分占肿瘤的60%.结合文献,本文讨论了该类疾病的命名,总结了其影像学表现、临床病理特征、鉴别诊... 相似文献
7.
目的 探讨磁共振成像(MRI)评估微血管浸润(MVI)存在的一致性和诊断性能,以及深度学习注意力机制和临床特征在MVI分类预测中的有效性。方法 选取2017年1月~2020年2月南方医科大学附属顺德医院158例患者数据进行回顾性实验,包括常规MRI序列(T1WI、T2WI、DWI)、增强MRI序列(AP、PP、EP、HBP)、合成MRI序列(T1mapping-pre、T1mapping-20min)得到MRI图像以及可能与MVI相关的临床数据。基于EfficientNetB0和注意力模块分别建立单序列深度学习模型和融合模型,并且通过深度学习可视化技术显示肝细胞癌微血管浸润的高危区域。结果 基于T1mapping-20min序列和临床特征的融合模型结果要优于其他融合模型。准确度为83.76%,AUC为85.01%,敏感度为83.78%,特异度为87.02%,且深度可视化技术可以显示MVI高危区域。结论 本研究成功建立基于多个MRI序列的单序列模型和融合模型,并验证了深度学习算法结合注意力机制和临床特征对MVI分类预测的有效性。 相似文献
8.
目的 实现从孕妇腹壁混合心电信号中提取微弱的胎儿心电信号,为准确估计胎儿心率、分析胎儿心电波形等提供基础。方法 利用深度卷积网络(deep CNN)优越的非线性映射能力,本文提出了一种基于时间卷积编解码网络的非线性自适应噪声消除(nonlinear ANC)提取框架,以实现胎儿心电信号的有效提取。首先构建适用于处理胎儿心电信号的深度时间卷积网络(TCED-Net)模型作为非线性映射工具;然后以孕妇胸部心电信号为参考,利用该模型估计孕妇腹壁混合心电信号中的母体心电成分;最后从腹壁混合信号中减去所估计的母体心电成分,以得到完整的胎儿心电信号。实验利用合成心电数据(FECGSYNDB)和临床心电数据(NIFECGDB、PCDB)对方法性能进行测试与对比。结果 本文方法在FECGSYNDB上的胎儿R峰检测精度([F1]值)、均方误差(MSE)和质量信噪比(qSNR)分别达到98.89 %,0.20和7.84;在NIFECGDB上的[F1]值达到99.1%;在 PCDB 上的[F1]值达到 98.61%。在不同数据集中较之 EKF([F1=]93.84%)、ES-RNN([F1] =97.20% )和 AECG-DecompNet([F1]=95.43%)等现有性能最佳的算法,本文方法的R峰检测精度指标分别高出5.05%、1.9%和3.18%,均优于现有最佳方法。结论 与现有算法相比,本文方法可以提取出更为清晰的胎儿心电信号,对孕期进行有效的胎儿健康监护具有一定的应用价值。 相似文献
9.
10.