吲哚美辛及鼻胆管引流预防内镜下逆行胰胆管造影术后胰腺炎及高淀粉酶血症效果观察

目的探讨预防性吲哚美辛直肠给药及术后鼻胆管引流术(ENBD)对内镜下逆行胰胆管造影(ERCP)术后胰腺炎(PEP)及高淀粉血症的预防作用及安全性。方法行ERCP诊治的患者152例,随机分为吲哚美辛组(n=49)、ENBD组(n=50)和安慰剂组(n=53)。观察各组术后2、6、24 h血清淀粉酶水平,对比PEP、高淀粉酶血症的发生率及预后。结果吲哚美辛组与ENBD组的PEP及高淀粉酶血症的发生率低于安慰剂组(P均<0.05)。血清淀粉酶变化,吲哚美辛组和ENBD组术后2、6 h较安慰剂组低(P均<0.05);但术后24 h血清淀粉酶水平组间比较差异无统计学意义(P均>0.05)。吲哚美辛组和ENBD组胰腺炎患者腹部症状体征消失时间及平均住院时间较安慰剂组明显缩短(P均<0.05)。结论吲哚美辛、ENBD均可有效预防ERCP术后PEP及高淀粉酶血症的发生,同时吲哚美辛干预方法更为经济。     

基于ResNet的可解释性计算机视觉模型在内镜下内痔评估中的应用

目的 为克服深度学习模型黑盒不可解释的缺点,本研究旨在探讨可解释性计算机视觉模型在内镜下内痔诊断及危险分级中的应用。方法 收集苏州大学附属第一医院内镜中心的肛齿状线上倒镜图片,分为内痔组和正常组;根据LDRf分级标准,对内痔组进一步分级为Rf0、Rf1及Rf2三组。针对有无内痔、红色征、糜烂、血栓及活动性出血,构建基于ResNet50V2的可解释化模型,并利用江苏大学附属金坛医院内镜中心的内镜图片进行外部验证。使用准确性、敏感性、特异性以及F1值等指标对比可解释化模型与传统深度学习黑盒模型的表现,并与两位不同年资内镜医生进行比较。结果 ResNet可解释化模型的准确性为0.957、敏感性为0.978、特异性为0.974,F1值为0.958,其准确性高于黑盒模型的0.938,高年资内镜医生的0.933及低年资医生的0.907。此外,模型采用Grad-CAM方法突出图像中对模型推理依据的区域。结论 本研究通过收集内镜下肛齿状线上倒镜图像,构建可解释化计算机视觉模型并进行外部验证,提示该模型在内镜下内痔诊断与评级中表现优于传统深度学习黑盒模型。该模型在未来临床内镜诊疗中具有良好应用前景。     

血清细胞骨架蛋白4检测对肝细胞癌的诊断价值

目的 探讨检测血清细胞骨架蛋白4（CKAP4）水平对识别肝细胞癌（HCC）患者的临床价值。方法 选取2013年1月—2017年12月苏州大学附属第一医院HCC患者88例为HCC组,同期选取肝硬化患者91例、慢性乙型肝炎患者87例、门诊体检部健康体检者81例作为3个对照组。血清CKAP4水平检测采用酶联免疫吸附试验（ELISA）。受试者操作特征（ROC）曲线用于评价蛋白对HCC的识别能力。结果 HCC患者的血清CKAP4水平高于肝硬化患者、慢性乙肝患者及健康体检者（P?<0.05）。CKAP4的Cut-off值为261.1 pg/ml, 判断HCC的ROC下面积（AUC）为0.843（95% CI：0.799,0.888）,敏感性为0.761,特异性为0.737。CKAP4与甲胎蛋白（AFP）比较,差异无统计学意义（P?>0.05）。CKAP4判断早期HCC的AUC为0.865（95% CI：0.814,0.915）,敏感性为0.784,特异性为0.737,结果优于AFP（P?<0.05）。结论 CKAP4可成为HCC诊断的血清肿瘤标志物。     

基于小样本学习算法构建结直肠息肉NICE分型的分类模型

目的 传统的NICE分型依赖于医生的主观判断和经验,存在一定的主观性和不确定性。本研究旨在开发基于小样本学习算法的结直肠息肉NICE分型分类模型。方法 共计414张来源于苏州大学附属第一医院和上海交通大学医学院苏州九龙医院内镜中心的结直肠息肉NICE分型图片纳入研究。研究基于三种不同模型架构(MobilenetV2,Resent50,Xception),利用二次迁移学习方式,分别开发了传统深度学习分类模型与基于度量学习的小样本学习分类模型(3-way, 3-shot),同时使用梯度加权分类激活映射对小样本学习分类模型的分类结果进行可视化解释。分类模型于测试集中进行性能评价,并收集高、低年资医师对测试集数据的分类结果,将其与模型的分类结果进行对比,进一步评估模型的分类能力。结果 传统深度学习分类模型分类准确性一般,平均分类准确性为0.638。基于三种不同特征提取架构的小样本学习分类模型均拥有较好的分类准确性,其平均准确性为0.827。高低年资内镜医师均拥有较好的判断表现,其平均分类准确性0.824。结论 对于结直肠息肉NICE分型图片,基于较小训练样本量的小样本学习算法展现出优于传统深度...     

基于PBL+CBL教学法在消化内镜操作教学中的应用

目的 以进修医生消化内镜操作教学为例,对比传统授课与基于以问题为基础的教学法(PBL)+以案例为基础的教学法(CBL)(PBL+CBL)授课模式.方法 纳入传统教学模式进修的30名学员为传统组,以基于PBL+CBL教学模式的30名学员作为试验组.对比两组考核成绩和教学质量调查问卷结果.结果 试验组学员认为教学模式有趣、...     

基于DeepLab V3+网络框架的上消化道溃疡内镜图像分割模型

目的 基于DeepLab V3+网络框架,构建深度学习计算机视觉模型,实现对上消化道溃疡内镜图片较精确的语义分割。方法 DeepLab V3+网络框架的编码器首先通过多个并行的、具有不同采样率的空洞卷积层,之后通过一个全局平均池化层对图像进行特征提取,实现多尺度提取特征;而解码器部分对深度特征层进行4次上采样,与浅层特征层进行堆叠并调整堆叠层大小,使其和输入图像大小一致,得到模型的预测结果。结果 在内部验证集中,该模型的准确度（Accuracy,ACC）为0.963,平均交并比（Mean Intersection Over Union,mIoU）为0.927;外部测试集中,该模型的ACC为0.958,mIoU为0.915;均优于传统算法U-Net（内部验证集ACC为0.810,mIoU为0.785;外部测试集ACC为0.779,mIoU为0.732）。结论 DeepLab V3+网络框架在识别病灶方面准确度高,具有较好的临床实践性。     

左卡尼丁治疗高血脂症性胰腺炎疗效观察

耳的观察左卡尼丁（L—CN）治疗高血脂症性胰腺炎的，临床疗效。方法将高血脂症性胰腺炎患者58例随机分为常规组28例和L—CN组30例，2组均按照最新指南标准给予常规治疗，L—CN组在常规治疗基础上加用左卡尼丁注射液。观察比较2组腹痛持续时间、血脂水平、急性生理和慢性健康状况评分Ⅱ（APACHEII）、CT严重指数分级评分（CTSI）和并发症发生情况。结果与常规组比较，L—CN组腹痛持续时间显著缩短，总胆固醇、三酰甘油水平显著降低，高密度脂蛋白胆固醇水平显著升高；L—CN组治疗1周APACHEⅡ评分和CTSI与常规治疗组比较有显著性差异（P均〈0．05）。结论L—CN可以降低血脂水平，缓解临床症状，降低高血脂症性胰腺炎的重症化趋势，加速，临床康复，是治疗高血脂症性胰腺炎的有效药物之一。     

苏州地区1 018例急性胰腺炎病因分析及与年龄性别的关系

目的：回顾性研究苏州地区急性胰腺炎（acute pancreatitis,AP）的病因及其与年龄、性别之间的关系。方法：回顾分析2013年1月—2017年12月苏州大学附属第一医院收治的AP患者资料。共有1 018例AP患者纳入研究。AP的诊断参照《中国急性胰腺炎诊治指南》。AP病因按胆源性、高脂血症性、酒精性、暴饮暴食、内镜逆行胰胆管造影术（endoscopic retrograde cholangio pancreatography,ERCP）相关、恶性肿瘤梗阻、特发性和其他病因等进行分类。结果：纳入病例中胆源性AP共674例（66.21%）、高脂血症性AP 69例（6.78%）、酒精性AP 28例（2.75%）、ERCP相关AP 10例（0.98%）、暴饮暴食导致的AP 16例（1.57%）、恶性肿瘤梗阻导致的AP 12例（1.18%）、其他原因导致的AP 12例（1.18%）和特发性AP 197例（19.35%）。≥60岁患者的胆源性AP比例（79.30%）明显高于<60岁患者（55.46%）。胆源性AP随年龄增长发病比例逐渐增加。高脂血症和酒精性AP在30~<40岁年龄段最为常见。女性胆源性AP比例（72.69%）高于男性（58.85%）,而男性患者中特发性、高脂血症、酒精性和暴饮暴食导致的AP比例明显高于女性。结论：AP的主要病因仍以胆源性为主。年龄和性别不同,AP的病因构成有差别。明确病因对AP的治疗和预防复发有重要意义。     

基于纹理特征的AutoML在NBI-ME判断食管癌分期中的应用

目的 探讨基于纹理特征的自动化机器学习（Automated Machine Learning,AutoML）在窄带成像技术结合放大内镜（Narrow-Band Imaging-Magnification Endoscopy,NBI-ME）图片中区分早期和进展期食管鳞癌的应用。方法 收集苏州大学附属第一医院内镜中心食管鳞癌NBI-ME图片1507张,随机分为训练集（1264张）和验证集（243张）。使用MATLAB软件,提取整张内镜图片,共计32个纹理特征变量。将上述变量载入H2O平台进行AutoML二分类建模。另收集苏州大学附属第二医院内镜图片（278张）作为外部测试集。同时邀请1名低年资和1名高年资内镜医生对外部测试集进行判读。采用受试者工作特征（Receiver Operating Characteristic,ROC）曲线下面积（Area Under Curve,AUC）和准确度（Accuracy,ACC）等评估鉴别效能。结果 基于RF算法的AutoML模型在外部测试集中表现最优,其AUC为0.975,ACC为0.939,显著优于其他模型,包括传统的GLM(AUC:0.776、A...