排序方式: 共有10条查询结果,搜索用时 281 毫秒
1
2.
目的: 观察乳腺背景实质强化(background parenchymal enhancement,BPE)在不同分子分型的乳腺癌患
者中的分布情况,并分析其与乳腺癌分子分型的关系。方法: 回顾性分析150 例乳腺癌患者的MRI动态增强扫描图
像,根据雌激素受体(estrogen receptor,ER)、孕激素受体(progesterone receptor,PR)、人类表皮生长因子受体-2
(human epidermal growth factor receptor 2,HER-2)和细胞增殖的相关抗原Ki-67 的表达状态,将乳腺癌分为管腔A型
(Luminal-A 型)、管腔B 型(Luminal-B 型)、HER-2 型和三阴型,并根据乳腺影像报告和数据系统(breast imaging and
reporting data system,BI-RADS)标准,将BPE分为4 型,即轻微强化、轻度强化、中度强化和显著强化。分析BPE
分布与乳腺癌分子分型的关系。结果: 在轻度强化的BPE 患者中,Luminal-B 型乳腺癌发生率明显升高,且与
Luminal-A 型、HER-2 型和三阴型乳腺癌之间差异存在统计学意义(均P<0.01)。在显著强化的BPE患者中,三阴性型
乳腺癌所占比例最高,且与Luminal-A 型、Luminal-B 型、HER-2 型乳腺癌之间差异存在统计学意义(均P<0.05)。结
论: BPE可作为乳腺MRI靶向筛查中一种额外的风险分层指标,对临床诊断和个体化治疗有参考价值。 相似文献
3.
目的:探讨磁共振成像对乳腺含黏液良、恶性肿瘤鉴别诊断价值。方法:回顾性分析2018年12月至2021年02月经我院病理证实的乳腺含黏液肿瘤25例共26个病灶的术前MRI图像及临床病理资料,依据病理分为良性组及恶性组,比较良、恶性组的临床及MRI表现差异性。结果:25例患者共26个病灶纳入研究,良性肿瘤10例共10个病灶,恶性肿瘤15例共16个病灶。恶性组发病年龄高于良性组(P<0.01);病变的边缘多不规则,与良性组比较差异具有统计学意义(P<0.01);而两组间肿块大小、形态、动态增强曲线类型及ADC值无统计学差异(P>0.05)。恶性组出现由周围向中央填充式渐进性强化,而良性组未出现,差异具有统计学意义(P<0.01)。恶性组T2WI上的低信号分隔纤细并在增强后图像显示不清(31.25%,5/16),良性组T2WI上的低信号分隔增强后显示清晰(30.00%,3/10),差异具有统计学意义(P<0.05)。结论:乳腺含黏液的恶性肿瘤患者发病年龄较良性肿瘤大,边缘多不规则,以不均匀强化为主,出现由周围向中央填充渐进性强化方式,T2WI序列的低信号分隔于增强后显示不清为较特征性表现。 相似文献
4.
正女,50岁,左乳肿块1个月余,伴轻压痛。体征:双乳形态基本对称,无畸形,双乳头无短小、无内缩、无溢液、无溢血、无偏斜,皮肤无红肿、溃破。左乳内上象限约10点方向可扪及一质韧结节,大小2.0 cm×1.5 cm,边界清楚,表面欠光整,活动度欠佳,伴轻压痛。双侧腋窝及锁骨上下区未扪及明显肿大淋巴结。乳腺彩超示:(1)双乳小叶增生。(2)双乳低回声结节,BI-RADS 3类。(3)双腋下低回声结节,考虑为淋巴结。 相似文献
5.
6.
7.
目的探讨以病例追踪讨论式教学联合传统教学法(lecturebased learning,LBL)在影像科医学影像专业实习生带教中的应用实践效果。方法对2017届、2018届医学影像学专业的实习生进行随机分组:试验组20人(病例追踪讨论式教学联合LBL教学法)、对照组(传统实习带教法)20人。在实习期结束时按照理论知识考试、阅片能力、问卷满意度调查3个方面进行量化考核、评分,并对两组的评分进行统计学分析。结果试验组(病例追踪讨论式教学联合LBL教学法)实习生的理论成绩、阅片能力以及对学习效果的满意度的评分均高于对照组(传统实习带教法)实习生(P <0.05)。结论以病例追踪讨论式教学联合传统的实习带教法能够让医学影像学实习生在影像科实习阶段提高阅片能力及形成良好的工作习惯,有助于提高带教效率和带教质量。 相似文献
9.
头部汇集着全身大部分经络,通过梳头来刺激头部经络和穴位,不仅可以疏通全身经络,促进气血顺畅,还可以增强人体免疫力。不少养生专家都建议"勤梳头,通经络"。 相似文献
10.
目的:研究原发性乳腺癌基于多参数磁共振图像的放射组学特征机器学习模型在预测腋窝淋巴结转移状态中的价值。方法:乳腺癌患者98例,共114个乳腺病变,利用基于直方图、形状和纹理的多参数图像特征分别提取107个放射组学特征。采用方差阈值(方差阈值=0.8)和最小绝对收缩选择算子(lasso)来减少冗余特征。基于所选择的最优特征,建立放射性组学的预测模型,采用了3个分类器,分别是 k 近邻(k-Nearest Neighbor,KNN)、支持向量机(support vector machine,SVM)和Logistic回归模型(logistic regression,LR)。并利用ROC分析方法对测试集中曲线下的面积(under the curve,AUC)进行预测性能评价。结果:有淋巴结转移的乳腺癌46例共56个病灶,无淋巴结转移的乳腺癌52例共58个病灶。在特征选择之后,利用最佳放射组学特征(5倍交叉验证,分别12、10、29、10、16个特征)建立预测模型。在三种基于放射组学的模型中,SUM模型的性能最好,平均AUC为0.805,高于KNN及LR的平均AUC(0.783、0.802)。结论:乳腺癌的 MRI纹理分析可作为预测淋巴结转移状态的非侵袭性指标,值得进一步研究。 相似文献
1