甲状腺微小乳头状癌临床病理分析

目的 探讨甲状腺微小乳头状癌的临床病理特点、诊断要点及治疗. 方法 回顾性分析我院1996至2006年手术切除甲状腺标本1 321例,常规病理检查筛选出微小乳头状癌,光镜观察其形态特点,并用免疫组化SP法检测CK19的表达情况. 结果 1 321例中检出微小乳头状癌29例,组织学表现为:有纤维血管轴心的复杂分支乳头状结构及毛玻璃样核、核沟及核内假包涵体.免疫组化标记29例CK19均阳性. 结论 甲状腺微小乳头状癌是乳头状癌的1个亚型,临床易漏诊,准确的病理诊断有助于临床正确治疗.     

乳腺癌p16基因甲基化和蛋白表达的检测及其临床意义

目的:探讨p16基因在乳腺癌中甲基化状态、表达情况及其与临床的关系.方法:应用甲基化特异性的聚合酶链反应(methylation specific PCR,MSP)检测48例乳腺癌中p16基因甲基化状态,应用免疫组化检测p16基因的蛋白表达情况.结果:p16基因在乳腺癌中甲基化率为27.1%(13/48),有淋巴结及远处转移的甲基化率(52.6%,10/19)高于无转移的甲基化率(10.3%,3/29)(P＜0.05);13例甲基化病例中P16蛋白失表达率(76.9%,10/13)高于非甲基化病例(8.6%,3/35)(P＜0.05).结论:p16基因高甲基化是乳腺癌中常见的分子生物学改变之一,p16基因高甲基化和乳腺癌浸润及转移有相关性;P16蛋白表达和其高甲基化呈负相关,甲基化是p16抑癌基因失活的主要方式之一.     

乳腺癌p16基因甲基化和蛋白表达的检测及其临床意义

目的:探讨p16基因在乳腺癌中甲基化状态、表达情况及其与临床的关系.方法:应用甲基化特异性的聚合酶链反应(methylation specific PCR,MSP)检测48例乳腺癌中p16基因甲基化状态,应用免疫组化检测p16基因的蛋白表达情况.结果:p16基因在乳腺癌中甲基化率为27.1%(13/48),有淋巴结及远处转移的甲基化率(52.6%,10/19)高于无转移的甲基化率(10.3%,3/29)(P＜0.05);13例甲基化病例中P16蛋白失表达率(76.9%,10/13)高于非甲基化病例(8.6%,3/35)(P＜0.05).结论:p16基因高甲基化是乳腺癌中常见的分子生物学改变之一,p16基因高甲基化和乳腺癌浸润及转移有相关性;P16蛋白表达和其高甲基化呈负相关,甲基化是p16抑癌基因失活的主要方式之一.     

基于远程医疗的视频通信系统

对基于互联网的点对点视频通信系统做了深入的研究 ,进行了实际应用系统设计。并按照ITU_TH.263协议及相关标准实现了基于低比特流的视频数据压缩编码技术。     

益肾活钙治疗骨质疏松并存增生症360例的临床观察

益肾活钙治疗骨质疏松并存增生症３６０例的临床观察刘立庄，张翠珍，孔繁林骨质疏松，骨质增生并存是中老年人的常见病，多发病。作者经十余年的临床研究，在秘方的基础上，根据现代科学理论，运用中医肾主骨，西医补钙的理论研制的益肾活钙，经３６０例的临床观察，疗效...     

结合卷积神经网络与图卷积网络的乳腺癌病理图像分类研究

目的乳腺癌的精确诊断对于后续治疗具有重要临床意义,组织病理学分析是肿瘤诊断的金标准。卷积神经网络(convolution neural network,CNN)具有良好的局部特征提取能力,但无法有效捕捉细胞组织间的空间关系。为了有效利用这种空间关系,本文提出一种新的结合CNN与图卷积网络(graph convolution network,GCN)的病理图像分类框架,应用于乳腺癌病理图像的辅助诊断。方法首先对病理图像进行卷积及下采样得到一组特征图,然后将特征图上每个像素位置的特征向量表示为1个节点,构建具有空间结构的图,并通过GCN学习图中蕴含的空间结构特征。最后,将基于GCN的空间结构特征与基于CNN的全局特征融合,并同时对整个网络进行优化,实现基于融合特征的病理图像分类。结果本研究在提出框架下进行了3种GCN的比较,其中CNN-sGCN-fusion算法在2015生物成像挑战赛乳腺组织学数据集上获得93.53%±1.80%的准确率,在Databiox乳腺数据集上获得78.47%±5.33%的准确率。结论与传统基于CNN的病理图像分类算法相比,本文提出的结合CNN与GCN的算法有效融合了病理图像的全局特征与空间结构特征,从而提升了分类性能,具有潜在的应用可行性。     

睾丸乳头状囊腺瘤1例报告

患者男,55岁。发现左侧阴囊肿物10天。左侧阴囊内有—15cm×10cm×10cm肿物,质中等硬,表面光滑,无压痛,透光试验(一)。右侧睾丸正常。B型超声:左侧阴囊内肿物,长轴7.2cm,内部回声不均匀,呈蜂窝状。诊断为左侧阴囊内多囊性肿物。病理检查:肿物l0cm×7.5cm×5.5cm,包膜较完整,表面光滑,有结节样突起。切面:部分区域淡粉色,部分区域紫褐色,部分为实性部分为多囊性,囊内有血性液体,肿物与睾丸无     

基于自步学习的多经验核映射集成分类器在乳腺癌超声计算机辅助诊断上的应用

特征表达和分类器的性能是决定计算机辅助诊断(CAD)系统性能的重要因素。为了提升基于超声成像的乳腺癌CAD系统的性能,本文提出了一种基于自步学习(SPL)的多经验核映射(MEKM)排他性正则化机(ERM)集成分类器算法,能同时提升特征表达和分类器模型的性能。该算法首先通过MEKM映射得到多组特征,以增强特征表达能力,并嵌入到ERM作为多个支持向量机的核变换;然后采用SPL策略自适应地选择样本,由易到难地逐步训练ERM集成分类器模型,从而提升分类器的性能。该算法分别在乳腺癌B型超声数据库和弹性超声数据库上进行了验证,结果显示B型超声的分类准确率、敏感度和特异性分别为(86.36±6.45)%、(88.15±7.12)%和(84.52±9.38)%,而弹性超声的分类准确率、敏感度和特异性分别为(85.97±3.75)%、(85.93±6.09)%和(86.03±5.88)%。实验结果表明,本文所提出算法能有效提升乳腺超声CAD的性能,具有投入实用的潜能。