排序方式: 共有8条查询结果,搜索用时 15 毫秒
1
1.
2.
目的:观察独活寄生汤配合玻璃酸钠对胫骨平台骨折术后患者早期康复的影响。方法将70例胫骨平台骨折术后患者随机分为对照组(术后关节腔内注射玻璃酸钠)和实验组(独活寄生汤配合关节腔内注射玻璃酸钠),每组患者各35例,比较两组在术后第1d、第3d、第7d的视觉模拟评分(VAS评分)及术后第1周、第2周、第3周的膝关节活动度。结果70例患者均获得随访,实验组患者膝疼痛在术后第3 d、第7 d和对照组比较差异有统计学意义( P<0.05),在术后第1 d和对照组比较差异无统计学意义( P>0.05);实验组术后膝关节活动度在第1周、第2周、第3周与对照组比较差异有统计学意义( P<0.05)。结论独活寄生汤配合玻璃酸钠关节腔内注射在缓解胫骨平台骨折术后疼痛,改善膝关节功能方面疗效优于单纯玻璃酸钠关节腔内注射。 相似文献
3.
4.
小肠冗长纡曲、易重叠、蠕动快,小肠疾病起病隐匿,临床表现缺乏特异性,易漏诊、误诊。传统的X线小肠造影仅能显示肠黏膜、腔内病变及肠管形态改变,对小肠疾病检出的敏感性及特异性均不高。胶囊内镜能直观显示小肠黏膜,因价格昂贵、不能取活检组织、不能在内镜下治疗以及易在肠腔狭窄处嵌顿而使临床应用受限[1]。CT小肠造影(CT enterography,CTE)通过引入足够对比剂、充分扩张肠管,利 相似文献
5.
1病例简介女,68岁,因腹部用力突发腹痛、呕吐胃内容物1 d就诊。体格检查:血压182/96 mmHg(1 mmHg=0.133 kPa),意识清晰,心肺未见异常,中下腹部膨隆明显,上腹部空虚,压痛、肌紧张明显,无明显反跳痛;腹腔诊断性穿刺抽出血性液体。既往有肝炎病史。外院CT提示盆腔内见环形高密度影,腹部部分肠管扩张积液,盆腔少量积液,考虑节育环移位,粘连性肠梗阻可能。我院急诊CT定位相S1~2平面见环形节育器(图1A),横断位示中下腹部小肠明显扩张积液,少量积气,肠壁肿胀、密度增高,并可见肠系膜穿过节育环,肠袢及肠系膜呈放射状排列(图1B);腹盆腔积液(图1C),考虑节育环移位,合并粘连性肠梗阻可能性大。实验室检查:白细胞11.59×109/L,中性粒细胞9.89×109/L,血红蛋白97.00 g/L。考虑小肠急性绞窄性梗阻,行急诊全麻下剖腹术+肠切肠吻合术,术中见腹腔血性腹水约750 ml,宫内节育器穿透子宫,距回盲部约1 m处一段长约1.2 m的小肠穿过环形节育器形成内疝,嵌顿肠管缺血坏死,术中切除坏死肠管,断端行端端吻合,术中顺利。术中切除标本病理诊断为小肠肠壁呈出血性梗死改变。 相似文献
6.
7.
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(AdaB... 相似文献
8.
【摘要】目的:探讨基于多序列MRI影像组学模型预测脑膜瘤病理分级的价值。方法:回顾性分析经手术病理证实的215例脑膜瘤患者的临床及MRI资料。其中,低级别组174例,高级别组41例。将所有患者按照7∶3的比例随机分为训练组和验证组。采用ITP-SNAP软件,分别在T2WI、DWI和对比增强T1WI图像上勾画肿瘤的三维ROI,使用AK软件提取影像组学特征。采用Spearman相关性分析及多元Logistic回归分析筛选组学特征并构建影像组学标签。使用ROC曲线下面积(AUC)评价影像组学模型的预测效能。结果:高级别组与低级别组之间年龄和性别构成的差异均无统计学意义(P>0.05)。基于T2WI、DWI和对比增强T1WI的单序列及多序列联合影像组学模型预测高、低级别脑膜瘤的AUC均大于0.700。基于单序列的影像组学模型中,增强T1WI在训练组和验证组的AUC分别为0.942和0.913,均高于其它两个序列。基于MRI多序列联合的影像组学模型预测高、低级别脑膜瘤的AUC值最高,在训练组的AUC为0.950,在验证组的AUC为0.923。结论:MRI影像组学模型能够预测脑膜瘤的病理分级,尤其是多序列联合的影像组学模型对脑膜瘤病理分级具有较高的预测效能。 相似文献
1