数字化断层融合(DBT)与全视野数字X线摄影(FFDM)引导乳腺病灶定位对比

【摘要】目的:比较数字化断层融合（DBT）及全视野数字X线摄影（FFDM）引导乳腺病灶定位的异同。方法:回顾性搜集DBT引导乳腺病灶定位患者55例,FFDM引导定位患者65例。两种成像方式引导分别计算病灶中心三维坐标,通过乳腺定位针对病灶定位。当定位针针尖与病灶中心距离≤2cm时认为定位满意。应用独立样本t检验对两种方式定位满意率、定位时间、病灶穿刺时间及患者所接受辐射剂量进行比较。结果：DBT引导病灶定位满意率55/58,高于FFDM满意率67/73;定位时间对比上DBT要低于FFDM（609.14s vs 760.25s,P<0.05）;DBT病灶穿刺时间294.09s,低于FFDM 482.58s（P<0.05）;患者DBT引导比FFDM接受更少辐射剂量（9.13 vs 13.67mGy,P<0.05）。两种成像方式对恶性病灶定位满意率均高于良性病灶（DBT：26/27 vs 29/31;FFDM：26/27 vs 41/46）。而恶性病灶定位时间、穿刺时间则低于良性病灶。结论：相比于FFDM引导乳腺病灶定位,DBT能提供准确病灶深度信息,病灶定位满意率更高、定位时间及辐射剂量更少。     

一种新的超声刀能量发生器的设计与验证

目的 目前国内超声刀的品牌越来越多,但关于超声刀能量发生器的研制和参数优化的相关文献非常少。该文旨在研发一种新的超声刀能量发生器,用于进行不同控制模式、不同参数调节的研究工作。方法 自主设计超声刀能量发生器硬件,使用 FPGA+DAC 构成直接数字合成器（DDS）实现频率调整,采用开关型 E 类功率放大器来降低系统发热;在算法设计上,采用小步长频率跟踪策略,使系统工作于谐振状态,同时采用 PID 算法实现恒电流和恒功率输出;最后开展性能测试实验。结果 DDS 调整频率的最小步长为 0.0116Hz,频率跟踪在切割过程中始终保持锁相稳定;恒电流输出使超声刀在空载和带载状态下均具备良好的切割性能,工作过程中电流波动小于 1mA,切割速度随着电流的增大明显加快。在带载状态下,300mA 恒电流模式切断小肠时间为（8.01±0.35）s,热损伤宽度为（3.57±0.23）mm。结论 该方案下的超声刀能量发生器可以实现高精度的频率跟踪和稳定的恒流输出,该套设备为超声刀能量发生器的设计提供了可行的方案。     

新生儿晚发型败血症的临床表现与高危因素分析

目的 探讨新生儿晚发型败血症(late-onset sepsis,LOS)的临床表现与高危因素,为新生儿LOS的早期预防与诊断提供临床依据.方法 选择广东揭阳地区三家医院新生儿科2013年2月至2016年6月收治的90例LOS新生儿作为研究组,另选90例同期在此三家医院住院的未发生败血症的新生儿作为对照组.回顾性分析两组对象的临床资料,归纳统计LOS新生儿的临床表现,对两组患儿的相关暴露因素进行单因素分析与Logistic回归分析.结果 LOS新生儿临床症状不典型,主要表现为反应差59例(65.6%)、发热53例(58.9%)、皮肤颜色异常51例(56.7%)、喂养不耐受38例(42.2%);Logistic回归分析表明,胎龄≤34周、无创辅助通气≥7d、出生体重<1500g、外周中心静脉置管和巨细胞病毒感染、气管插管是新生儿发生LOS的独立危险因素.结论 LOS新生儿临床表现不典型,胎龄≤34周、无创辅助通气≥7d、出生体重<1500g、外周中心静脉置管和巨细胞病毒感染、气管插管等新生儿LOS的高危因素可为早期诊断提供依据.     

基于临床信息的logistic回归模型在乳腺影像报告和数据系统4类中对病灶良恶性的鉴别价值

目的:探讨基于患者临床信息的logistic回归模型在乳腺影像报告和数据系统(Breast Imaging Reporting and Data System,BI-RADS)4类中鉴别病灶良恶性的价值。方法:回顾并收集经过病理学检查证实的BI-RADS4类乳腺病灶患者221例(良性133例,恶性88例)的临床信息。采用logistic回归分析筛选能够鉴别病灶良恶性的临床信息特征,建立回归模型。比较BI-RADS联合模型与单独采用BI-RADS分类在鉴别乳腺良恶性病灶上的区别。结果:经logistic回归分析,发现9个临床信息特征与乳腺良恶性病灶相关,其中是否触及病灶(OR=7.196)、病灶是否固定(OR=10.150)、病灶最大径是否2 cm(OR=4.208)等3个特征有较高的危险度(P0.05)。单独采用BI-RADS分类,其诊断灵敏度为86.3%、特异度为69.9%、准确率为76.5%;将BI-RADS分类联合回归模型,其灵敏度为88.6%、特异度为73.7%、准确率为79.6%。结论:BI-RADS分类联合基于患者临床信息的logistic回归模型有助于提高鉴别乳腺病灶良恶性的诊断效能,减少不必要的良性活检。