切除部分腭咽肌的改良UPPP术后疗效观察

目的:为了提高改良UPPP术后疗效,术中切除部分腭咽肌,并对术后疗效、咽腔成形特点及可能出现的并发症等进行临床观察。方法:选择经Apneagraph睡眠呼吸监测阻塞定位仪(AG)、纤维鼻咽喉镜结合Müller检查及鼻咽部3D-CT确诊的OSAHS患者82例,随机分为对照组26例,于全身麻醉下行传统的改良UPPP术,术中不切除部分腭咽肌;实验组56例,于全身麻醉下行改良UPPP术,术中切除部分腭咽肌。术后半年内每个月通过复查或电话随访的方式了解患者是否出现鼻腔反流、耳闷及听力下降等并发症。术后6个月采用嗜睡程度评估量表(ESS)评价嗜睡状态,应用t检验与术前ESS评分进行统计学对比分析。术后6个月应用AG评价疗效。通过测量悬雍垂长度(L1)、软腭游离缘与咽后壁距离(L2)及鼻咽峡宽度(L3)了解咽峡成形结构特点,应用多元线性回归分析进行假设检验并评价各测量值与疗效的关系。用SPSS19.0软件进行数据分析。结果:术后6个月实验组显效50例(89.29%),有效6例(10.71%);术前ESS评分11.74±2.48,术后3.84±2.05。对照组显效19例(73.08%),有效7例(26.92%);术前ESS评分11.91±2.40,术后6.92±2.47,两组疗效差异有统计学意义(P<0.01)。术后半年内两组均未见耳闷、听力下降、自家音增大等反映咽鼓管功能障碍的并发症,半年后两组咽腔功能均恢复正常。术后6个月实验组和对照组L1分别为(5.91±3.38)mm和(6.20±3.76)mm(P>0.05);L2分别为(15.70±3.29)mm和(15.35±1.44)mm(P>0.05);L3分别为(20.54±3.33)mm和(16.43±2.21)mm(P<0.05),说明实验组的术后L3明显增宽。通过多元线性回归分析,术后疗效与L2手术前后的差值和L3手术前后的差值有线性回归关系,并与二者呈负相关。由标化回归系数看出,L3手术前后的差值对术后疗效影响最大。结论:切除部分腭咽肌的改良UPPP通过有效增加术后鼻咽峡宽度提高了手术疗效,并且术后未出现咽鼓管功能、软腭功能、吞咽功能及构音功能障碍。     

原发鼻腔鼻窦肠型腺癌1例

1 临床资料 患者,男,55岁,于2020年8月10日,以右侧进行性鼻塞半年,涕中带血4个月为主诉收入中国医科大学附属第一医院耳鼻咽喉科住院.患者半年前出现进行性右侧鼻塞,呈持续性,伴有嗅觉丧失,偶有右侧头痛,打喷嚏及流清水样涕,4个月来出现右侧鼻腔涕中带血,未治疗,无脓涕、视力下降及面部麻木.专科检查:鼻内镜示外鼻无畸形,鼻中隔明显左偏,右侧鼻腔总鼻道息肉样新生物,表面覆坏死样分泌物,触之易出血;左侧鼻腔狭窄,各鼻道未见异常新生物;鼻咽部黏膜光滑,双侧圆枕对称,咽隐窝未见异常膨隆(图1).     

鼻咽3D-CT检查对OSAHS患者术前评估的临床意义

[摘要]　目的　研究鼻咽3D-CT检查对阻塞性睡眠呼吸暂停低通气综合征（OSAHS）患者术前评估的临床意义。　方法　选择中国医科大学附属第一医院耳鼻咽喉科收治的OSAHS患者82例作为OSAHS组;另选择同期收治的非OSAHS患者60例为对照组,两组术前均行鼻咽3D-CT检查,且对OSAHS患者行多导睡眠监测(PSG)。通过鼻咽3D-CT立体空间测量硬腭后缘与咽后壁距离（L1）、硬腭水平与鼻咽腔横径（L2）、悬雍垂后缘与咽后壁距离（L3）、软腭厚度（L4）、悬雍垂厚度（L5）、会厌尖水平舌根与咽后壁距离（L6）、会厌尖与咽后壁距离（L7）、舌骨水平舌骨正中与咽后壁距离（L8）及硬腭至舌骨水平咽腔最短横径（L9）。比较分析鼻咽3D-CT检查数据,应用相关性检验评估鼻咽3D-CT各测量值与PSG监测的呼吸暂停低通气指数(AHI)及阻塞性呼吸暂停指数（OAI）的关系。　结果　OSAHS组术前AHI为（42.75±23.22）次/h,OAI为（20.29±18.60）次/h;术前OSAHS组鼻咽3D-CT测量平均值依次L1为（20.39±4.34）mm,L2为（18.57±2.55）mm,L3为（5.49±2.87）mm,L4为（6.52±2.68）mm,L5为(2.85±1.86)mm,L6为（12.87±6.84）mm,L7为（8.76±5.06）mm,L8为（31.52±7.57）mm,L9为（12.02±6.71）mm,与对照组患者比较各指标差异均有显著性意义（P<0.05）。鼻咽3D-CT及PSG两种检查指标的相关性检验分析显示,L4和L5分别与AHI及OAI呈正相关,L1、L2、L3、L6和L9分别与AHI及OAI呈负相关。　结论　　鼻咽3D-CT通过其立体空间测量技术了解OSAHS患者的咽峡结构特点,为不同OSAHS患者术前评估制定个性化手术方案提供重要的客观临床指导。     

基于深度学习的医学计算机辅助检测方法研究

针对自动检测医学图像中指定目标时存在的问题,提出了一种基于深度学习自动检测目标位置和估计对象姿态的算法。该算法基于区域深度卷积神经网络和目标结构的先验知识,采用区域生成候选框网络、感兴趣区域池化策略,引入包括分类损失、边框位置回归定位损失和像平面内朝向损失的多任务损失函数,近似优化一个端到端的有监督定位网络,能快速地对医学图像中目标自动定位,有效地为下一步的分割和参数自动提取提供定位结果。并在超声心动图左心室检测中提出利用检测额外标记点(二尖瓣环、心内膜垫和心尖),能高效地对左心室朝向姿态进行估计。为了验证算法的鲁棒性和有效性,实验数据选取经食管超声心动图和核磁共振图像。实验结果表明算法是快速、精确和有效的。     

基于自适应均值漂移的超声心动图左心室分割方法

利用超声心动图进行心室分割能够获得心室容积参数,对评价心功能有重要意义。但超声图像有噪声大、难以分割等特点,仅仅靠人工对目标区域进行手动分割工作量巨大,且目前自动分割技术尚无法保证分割精度。针对这些问题,本文提出了一种全新的算法框架对心室结构进行了分割提取。首先,采用更快速的基于区域的卷积神经网络目标检测算法对目标区域进行定位,得到感兴趣区域;然后使用K均值(K-means)算法对目标区域进行初始聚类;接着使用一种自适应核函数带宽的均值漂移(mean shift)算法进行分割;最后采用种子填充算法提取目标区域。该算法结构实现了自动提取分割目标区域,免去了人工定位的过程。实验表明,在定量评价标准下,这种分割框架能够对目标区域进行精确的提取,同时提出的自适应均值漂移算法较传统固定带宽均值漂移算法更稳定,且分割效果更好。研究结果显示,本文所述方法有助于实现超声心动图左心室切面的自动分割。     

一种基于元学习的小样本核磁共振图像分割方法

将深度学习算法应用于核磁共振（MR）图像分割时，必需以大量经标注后图像作为训练集的数据支撑。然而，MR图像的特殊性导致采集大量的图像数据较困难，制作大量的标注数据成本高。为降低MR图像分割对大量标注数据的依赖，本文提出了一种用于小样本MR图像分割的元U型网络(Meta-UNet)，能够利用少量的图像标注数据完成MR图像分割任务，并获得良好的分割结果。其具体操作为：通过引入空洞卷积对U型网络（U-Net）进行改进，增加网络模型感受野从而提高模型对不同尺度目标的灵敏度；通过引入注意力机制提高模型对不同尺度目标的适应性；通过引入元学习机制，并采用复合损失函数对模型训练进行良好的监督和有效的引导。本文利用提出的Meta-UNet模型，在不同分割任务上进行训练，然后用训练好的模型在全新的分割任务上进行评估，实现了目标图像的高精度分割。新的分割方法比起常用的无监督医学图像配准分割方法——体素变形网络（VoxelMorph）、数据增强医学图像分割方法——转换学习数据增强模型（DataAug）和基于标签转移的医学图像分割方法——标签转移网络（LT-Net）三种模型平均戴斯相似性系数（DSC）有一定提高...     

基于多任务学习的肝细胞癌分割与病理分化程度预测方法

肝细胞癌（HCC）是最常见的肝脏恶性肿瘤，其中HCC分割和病理分化程度预测是手术治疗和预后评估过程中的两个重要任务。现有方法通常独立地解决这两个问题，没有考虑两个任务的相关性。本文提出了一种多任务学习模型，旨在同时完成分割任务和病理分化程度分类任务。本文所提模型由分割子网和分类子网构成：在分类子网中提出了一种多尺度特征融合方法来提高分类精度；在分割子网中设计了一种边界感知注意力，用于解决肿瘤过分割问题。本文采用动态权重平均多任务损失，使模型在两个任务中同时获得最优的性能。研究结果显示，本文方法在295例HCC患者上的实验结果均优于其它多任务学习方法，在分割任务上戴斯相似系数（Dice）为（83.9±0.88）%，同时在分类任务上的平均召回率为（86.08±0.83）%,F1分数为（80.05±1.7）%。该结果表明，本文提出的多任务学习方法能够同时较好地完成分类任务和分割任务，可为HCC患者的临床诊断和治疗提供理论参考。