HBME-1、Galectin-3和CD44v6在甲状腺滤泡癌与不典型腺瘤中的表达

 探讨间皮瘤相关抗体-1（HBME-1）、半乳糖凝集素-3（Galectin-3）及粘附分子CD44v6在甲状腺滤泡癌（Follicular Thyroid Carcinoma,FTC）与不典型腺瘤（Atypical Thyroid Adenoma,ATA）中的表达差异,寻找有助于二者临床病理诊断的肿瘤标记物及探索其部分发病机制,拟解决在甲状腺临床病理中对良、恶性难以确定的滤泡性肿瘤的准确判定及对其预后的预示作用。采用免疫组化SP三步法检测37例FTC及18例ATA中HBME-1、Galectin-3和CD44v6的表达,以10例嗜酸性腺瘤（OncocyticThyroid Adenoma,OTA）、8例普通滤泡性腺瘤（Follicular Thyroid Adenoma,FTA）、7例甲状腺乳头状癌（Papillary ThyroidCarcinoma,PTC）及5例尸检正常甲状腺组织作为对照。结果显示,HBME-1、Galectin-3及CD44v6在FTC中的阳性表达率分别为70.3%、64.9%和62.2%,在ATA中阳性表达率分别为66.7%、61.1%和61.1%,三者在FTC与ATA中的表达差异均无统计学意义（χ2分别为0.074、0.094、0.245,P值分别为0.786、0.759、0.620,P值均＞0.05）;在10例OTA中的表达均为100%;8例FTA中的表达分别为3/8例、6/8例及4/8例;7例PTC的表达分别为7/7例、6/7例及7/7例;5例正常尸检甲状腺组织均无表达。由此得出结论： HBME-1、Galectin-3和CD44v6对FTC与ATA的临床病理鉴别诊断无统计学意义,但提示三者可能在甲状腺滤泡癌与不典型腺瘤的发病机制及进展过程中起着某种共同作用。由于此3种标记物已被证实在诸多肿瘤的发生、发展过程中起着重要作用,故在实际甲状腺临床病理诊断中对表达此3种标记物的良、恶性难以确定的病例可能提示其恶性程度增高,尽管不足以诊断为癌,但仍应加强随访。有关FTC与ATA的临床病理诊断与鉴别诊断及二者的发病机制尚有待于进一步的探索和研究.     

基于不同对流下加热系统的数值模拟与实验研究

采用多孔介质导热方程、DO辐射模型以及标准κ-ε湍流模型,建立三维热物理模型。应用有限体积法计算了室内沙疗室气固耦合传热问题。首先在自然对流条件下,即沙疗室不开风扇、处于无风状态时,改变其加热方式,分别为单面加热和双面加热。对比分析不同加热方式下,空气层以及沙体层温度场的变化。其次在双面加热条件下,改变其对流方式,分别为自然对流与强制对流。对比分析不同对流方式下,空气层温度场、速度场的变化,以及沙体层温度场的变化。最后,通过实验加以验证。研究发现强制对流条件下的双面加热能够加快空气热对流速度及沙体传热速度,使沙体层温度分布均匀化,进而提高沙体的传热效率。     

基于CT深度学习的活动性/非活动性肺结核分类模型构建及验证

目的:评价基于深度学习框架(3D ResNet-50)的肺结核CT辅助诊断模型在活动性/非活动性肺结核鉴别诊断中的临床应用价值。方法:回顾性收集2018年1月至2020年12月期间喀什地区第一人民医院经结核分枝杆菌培养检测并接受胸部高分辨率CT平扫检查的1 940例患者的病例资料，活动性肺结核患者(ATB)960例，非活动性肺结核患者(non-ATB)980例。所有数据以7∶2∶1的比例随机分组，用于训练、验证和测试集，使用3D Nested UNet模型预先分割肺野区域，然后使用3D ResNet-50进行分类，并收集了用于模型外部验证的外部测试集ATB 100例，non-ATB 100例。为了量化评估深度学习模型的性能，绘制ROC曲线，以曲线下面积(AUC)、准确率(ACC)、召回率(Recall)、F1分数(F1 score)作为模型评价指标，并使用类激活图来评估感兴趣的激活区域，最后，将该模型与两位放射科医生的外部测试数据进行了比较。结果:本组ATB患者比非ATB患者年龄大。结果显示ATB患者咳嗽更多，而非ATB患者出现更多胸痛症状，差异有统计学意义(P<0.05)。模型...