附睾腺瘤样瘤15例临床病理分析

目的：探讨附睾腺瘤样瘤的临床病理特征、诊断和鉴别诊断．方法：回顾性分析15例临床病理资料、HE染色及免疫组化染色．结果：患者平均年龄分布在22．8～47．5岁间,以阴囊内肿块、部分伴有阴囊隐痛或下坠为主要症状．大体呈圆形或卵圆形,直径多在0．5～5cm之间,界清,无包膜．镜下见瘤细胞呈立方、低柱状,也可呈扁平状,瘤细胞AEI／AE3、Vimentin、EMA（＋）．结论：男性生殖系统腺瘤样瘤为问皮起源,免疫组化结果可作为诊断及鉴别诊断的重要参考依据,其生物学行为为良性,预后良好．     

200例绝经后妇女阴道出血原因分析

目的：探讨妇女绝经后阴道出血的病因及诊断方法。方法：分析200例绝经后妇女出血的临床及病理资料。结果：200例中，生殖道炎症103例（占51．5％），功能失调性出血64例（占32．0％），恶性病变10例（占5.0％），子宫内膜厚度≥4mm，恶性肿瘤发生率高。结论：绝经后出血患者绝大部分是良性病变，但仍要高度重视，应仔细检查，合理应用各种检查手段，早诊断，早治疗，以减少肿瘤发生率。     

骨纤维异常增殖症的临床分型及其影像学诊断

目的提高对骨纤维异常增殖症的临床分型认识以及影像学诊断水平。方法结合文献，对经病理证实的27例骨纤维异常增殖症的临床、x线平片、CT和MR资料进行观察分析。根据病变的范围和临床表现进行分型，探讨其各自影像学表现。结果27例骨纤维异常增殖症中，单骨局灶型病变4例，均发生于股骨上段，表现为边界清楚、形态规则且伴有硬化边的囊状病变，病灶内密度高于肌肉，可见斑片状、条絮状钙质样高密度影；单骨广泛型和多骨广泛型病变分别为6例和14例，均表现为囊状膨胀性骨质破坏，毛玻璃样密度，累及范围广泛，边界不清，无硬化边，在MRI上T1WI以等信号为主，脂肪抑制T2WI以稍高信号为主，增强扫描后不均匀较明显强化；多骨广泛型病变合并皮肤色素沉着、性早熟等临床表现即Albright综合症3例。结论不同类型的骨纤维异常增殖症，其临床和影像学表现有所不同，但均以病灶内出现条絮状骨化呈毛玻璃样密度为影像学诊断的共同特征。     

皮肤肿瘤及瘤样病变的病理诊断(上)

皮肤肿瘤及瘤样病变的病理诊断是临床病理工作者常常遇到的比较难以确定的诊断问题。该文将皮肤肿瘤及瘤样病变按照病变的形态和发生的部位进行归类 ,分门别类地归纳性地阐述了疣状赘生物、表皮性肿瘤及瘤样病变、表皮内其他细胞肿瘤、毛单位肿瘤及瘤样病变、汗腺肿瘤及瘤样病变、间叶组织肿瘤及瘤样病变、淋巴细胞肿瘤以及转移至皮肤的转移性肿瘤的镜下特点及病理诊断的要点     

皮肤肿瘤及瘤样病变的病理诊断(下)

皮肤肿瘤及瘤样病变的病理诊断是临床病理工作者常常遇到的比较难以确定的诊断问题。该文将皮肤肿瘤及瘤样病变按照病变的形态的发生的部位进行归类,分门别类地归纳性地阐述了疣状赘生物、表皮性肿瘤及瘤样病变、表皮内其他细胞肿瘤、毛单位肿瘤及瘤样病变[见《皮肤肿瘤及瘤样病变的病理诊断》(上),刊于《江汉大学学报》(医学版应2002(4)]和汗腺肿瘤及瘤样病变、间叶组织肿瘤及瘤样病变、淋巴细胞肿瘤及转移至皮肤的转移性肿瘤的镜下特点及病理诊断的特点。     

恙虫病所致肺部损害106例临床分析

目的：加深对恙虫病所致肺部损害的认识。方法：通过症状、体征和X线胸片等对106例恙虫病进行回顾性分析，总结其肺部损害的临床特征。结果：有肺部损害占恙虫病患的53．8％(57／106)，其中咳嗽占78．9％(4．5／57)、咳痰占56．1％(32／57)、肺部哕音占45．6％(26／57)，大部分症状轻微。X线胸片显示：双肺间质炎症改变占63．2％(36／57)，肺炎改变占36．8％(21／57)，其中6例合并胸膜病变。除1例因合并中毒性心肌炎死亡外，其余病例经氯霉素或强力霉素治疗均痊愈。结论：恙虫病所致呼吸系统损害较常见，应予以重视，以免误诊。     

关于乳腺纤维腺瘤的钼靶X线诊断分析

目的 分析乳腺纤维腺瘤钼靶X线表现及特征，以提高其诊断和鉴别诊断的水平。方法 回顾分析经手术病理证实的50例乳腺纤维腺瘤患者(64个纤维腺瘤)及1例双侧弥漫性纤维腺瘤的钼靶X线表现。结果64个纤维腺瘤中圆形或类圆形占36个(56．3%)、椭圆形26个(40．6%)、类土豆样2个(3．1%)，其中略有分叶或部分分叶22个(34．4%)：肿瘤直径0．5～5．5cm：分布于外上象限43个(67．2%)、外下象限13个(20．3%)，分布于内上、内下、中央、乳晕旁8个(12．5%)：单发39例(78%)、多发(2～5个)10例(20%)、弥漫性1例(2%)：有透明晕59个(92．2%)：伴小叶增生24例(48％)：无乳腺皮肤变化，全部X线测量肿块比值大于临床。结论 熟悉乳腺纤维瘤的钼靶X线特征性表现，对其正确诊断及鉴别诊断具有重要价值。     

色素痣样病变临床及病理分析

目的探讨色素痣样病变的临床特点及其病理学特性,并进行分析,以供参考。方法选取2012年1月~2014年2月该院收治的色素痣样病变患者,共400例作为研究对象。对所有患者的临床病理资料做出统一的整理,并进行分析。结果在400例色素痣样病变的患者中,经过临床手术确诊的色素痣患者有299例(74.75%),其中,以皮内痣、混合痣和交界痣所占的比例为最重,分别为59.75%、10.00%、5.00%。结论在临床诊断中,色素痣样病变的误诊现象发生率较高,只有将患者的临床病理进行详细的组合分析,才能有效提高色素痣样病变的诊断率,防止误诊现象的发生。     

宫颈病变三阶梯式诊断与宫颈细胞学筛查

目的运用宫颈三阶梯式诊断程序，正确诊断宫颈病变。方法介绍宫颈病变的三阶梯式诊断程序：细胞学筛查-阴道镜检查-病理组织学诊断。结果正确运用三阶梯式诊断程序，能实现在子宫颈癌前诊断，阻断子宫颈癌的发生．有效降低宫颈癌的发病牢及死亡率。结论在宫颈病变的筛查工作中遵循宫颈病变三阶梯式诊断程序，能达到早期发现、早期治疗的目的。     

鞍区病变的MRI诊断和鉴别诊断

为了提高鞍区病变的MRI诊断和鉴别诊断，笔者收集了264例经手术病理和临床证实的鞍区病变。详细分析了鞍内病变、鞍旁病变和鞍上病变的MRI表现，并把鞍区病变按鞍内病变、鞍旁病变和鞍上病变三大类进行讨论，总结了鞍区各种病变的MRI诊断和鉴别诊断．     

基于RBF人工神经网络的电动机振动故障诊断

针对电动机转子不平衡、不对中、油膜涡动、转子径向碰摩、喘振、轴承座松动等常见的几种振动故障,用RBF网络对提取出的6种故障信息进行分类,判断故障类型,并进行了仿真试验,最后将试验结果与BP网络的诊断结果进行了详细的分析比较.结果表明,RBF网络可以应用于电动机转子振动故障诊断,其诊断速度比BP神经网络快,诊断结果也更为准确.     

基于PCA和BP网络的液压油缸内泄漏故障诊断

针对液压油缸内泄漏故障诊断时,由于提取的时域参数过多,导致诊断速度慢、实时性差等问题,提出基于主成分分析(PCA)和BP神经网络的诊断方法.该诊断方法是:首先提取压力信号的时域参数作为初始特征,然后利用PCA方法将高维初始特征空间压缩到低维最终特征空间,并将得到的最终特征输入到BP神经网络进行故障模式识别.研究结果表明:该诊断方法在满足故障检测识别率的同时提高了诊断速度,为液压油缸内泄漏的故障诊断提供了一种实用方法.     

一种局域连接前向人工神经网络结构的研究

双隐层标准前馈（ＢＰ）网络只要其隐层节点数足够多就能解决任何形式的分类问题．应用标准（ＢＰ）网络识别多模式类分类问题时存在以下缺陷：（１）对不同模式类均使用相同数目的隐层元；（２）增加新模式类后，网络要重新学习；（３）网络识别的机理研究困难．笔者提出了一种局域连接前馈神经网络（ＬＣＮＮ）结构，其隐层神经元与输出神经元之间为局域连接，学习算法与ＢＰ算法类似．ＬＣＮＮ具有以下特点：（１）便于自构网络结构，提高网络的推广能力；（２）便于提取各模式类的不变特性；（３）具有较强的记忆能力，便于实现追加学习．以五种海底沉积层介质类型的分类识别为例，分别利用标准前馈（ＢＰ）网络与ＬＣＮＮ网络进行分类识别，结果表明：ＬＣＮＮ便于自构网络结构，具有追加学习的能力．     

基于蚁群神经网络船舶发电机故障诊断

BP神经网络在船舶发电机故障诊断中有广泛的应用,但由于BP网络采用的是沿梯度下降的搜索求解算法,存在收敛速度慢、且容易陷入局部极小等问题,给故障诊断带来不便.为此,采用蚁群优化算法代替反向传播算法训练神经网络的权值和阈值.以船舶发电机中的同步发电机为例,利用训练后的蚁群神经网络对其进行故障诊断,并把BP神经网络和蚁群神经网络的训练和诊断结果相比较,结果表明蚁群神经网络具有较好的训练性能、收敛速度、诊断精度和良好的故障识别率,应用于船舶发电机的故障诊断中,具有较好的应用前景.     

Combinatorial Optimization Based Analog Circuit Fault Diagnosis with Back Propagation Neural Network

Electronic components＇ reliability has become the key of the complex system mission execution. Analog circuit is an important part of electronic components. Its fault diagnosis is far more challenging than that of digital circuit. Simulations and applications have shown that the methods based on BP neural network are effective in analog circuit fault diagnosis. Aiming at the tolerance of analog circuit,a combinatorial optimization diagnosis scheme was proposed with back propagation（ BP） neural network（ BPNN）.The main contributions of this scheme included two parts：（ 1） the random tolerance samples were added into the nominal training samples to establish new training samples,which were used to train the BP neural network based diagnosis model;（ 2） the initial weights of the BP neural network were optimized by genetic algorithm（ GA） to avoid local minima,and the BP neural network was tuned with Levenberg-Marquardt algorithm（ LMA） in the local solution space to look for the optimum solution or approximate optimal solutions. The experimental results show preliminarily that the scheme substantially improves the whole learning process approximation and generalization ability,and effectively promotes analog circuit fault diagnosis performance based on BPNN.     

汽轮发电机组振动故障诊断的模糊输入方法

针对汽轮发电机组振动故障的特点,构造了一模糊神经网络（ＦＮＮ）诊断模型,讨论了网络的多种模糊化输入,输出方式,并对两种模糊输入方法进行了对比分析。最后运用该诊断方法与传统的ＢＰ网络诊断方法进行比较。结果表明：模糊神经网络诊断方法对汽轮发电机组振动故障的识别是有效的,且在分类模糊边界数据时优于ＢＰ网络诊断方法。     

一种新矩在水电机组轴心轨迹识别中的应用

结合不变矩和神经网络提出一种水电机组轴心轨迹自动识别方案,证明了离散点状态下曲线不变矩具有平移不变性和旋转不变性,但不满足比例因子缩放不变性;构造一组同时满足平移不变性、旋转不变性和比例因子缩放不变性的新曲线不变矩;通过引入动量项的BP神经网络对轴心轨迹自动识别。并给出了仿真和实际水电机组轴心轨迹识别诊断结果;对初步定性诊断结果进行定量分析,计算轴心轨迹形状特征参数,为故障定位分析提供参考．     

泥浆泵液力端故障诊断技术研究

通过对现有的泥浆泵液力端故障诊断技术的分析研究,并结合泥浆泵的结构及工况特征,提出了振动信号统 计指标与神经网络相结合的液力端故障诊断方法。该方法选取振动信号的有效值、方差、峰值指标、脉冲指标、峭度指 标和裕度指标作为表征液力端振动信号的特征指标;采用动态数据采集仪、压电式加速度传感器采集振动测试信号, 并计算得出振动信号平均特征量;然后通过对振动信号特征指标的归一化处理,构建BP 网络和设置网络参数,将经 归一化处理后的时域统计指标作为训练样本,输入到构建的BP 网络中进行网络训练;经过训练,使BP 网络满足预定 的精度要求。现场应用诊断误差分别为：0.007 7,0.017 9,0.017 7,0.021 6,说明构建的BP 网络的性能能够满足故障 诊断要求。利用统计指标和BP 神经网络结合的故障诊断方法,对泥浆泵故障诊断具有较准确的识别效果,可应用于 泥浆泵液力端的故障诊断。     

DNA优化的BP神经网络在故障诊断中的应用

针对BP神经网络收敛速度慢和容易陷入局部极小值问题,将DNA算法和神经网络有机结合,利用DNA算法的全局搜索能力,优化网络的初始权值和阈值,解决其本身固有的两个缺陷,进而提高了BP神经网络诊断故障时的准确性和快速性。以道岔控制电路的故障诊断为研究对象,建立了基于DNA优化的BP神经网络的故障诊断优化模型,使用MATLAB仿真软件对故障诊断模型进行了仿真分析。结果表明,DNA算法优化的BP神经网络的泛化能力、诊断精确性都要优于BP神经网络。     

基于蚁群神经网络的设备故障诊断

BP算法在神经网络中应用较为广泛,但有收敛速度慢、易于陷入局部极小的缺点,而蚁群算法是一种新型的模拟进化算法,有正反馈、分布式计算、全局收敛、启发式学习等特点.将蚁群算法和神经网络结合起来,应用于设备故障专家系统的知识荻取和诊断推理中,可以提高运算效率,具有很好的应用前景.利用该方法,对测得的样本数据进行实验分析,证明此系统具有推理效率及准确性较高的特点.