长得高会危害健康吗

在生活的许多领域,个子高的人似乎会得到所有的好处。平均而言,他们在工作中更加成功,能赚到更多的钱。不过研究显示,矮个人群可能有一个方面可以胜过对方：他们不太有患癌症倾向,甚至会比高个人群更长寿。身高与癌症身高与癌症风险的关系并不是很新的科学课题,科学家们早在1975年就提出了身高与女性乳腺癌的关联性。许多的研究都会专注于乳腺癌,     

TRAF6表达与乳腺癌侵袭能力的关系

目的:探讨TRAF6在不同侵袭能力的乳腺癌组织及细胞系中的表达.方法:(1)应用免疫组化方法检测TRAF6在正常乳腺组织和乳腺癌组织中的表达.(2)应用Western blotting方法检测TRAF6在高、低侵袭能力癌细胞系MDA-MB-231、MCF-7及正常乳腺细胞系MCF-10A中的表达.结果:(1)正常乳腺组织中TRAF6的阳性表达率低于乳腺癌组织(P0.05),在导管原位癌的阳性表达率显著低于浸润性导管癌中(P0.01).(2)TRAF6蛋白在MCF-10A中的表达低于乳腺癌细胞系中的表达,MCF-7中的表达量低于MDA-MB-231中的表达量.结论:TRAF6蛋白表达量随着乳腺癌的侵袭能力的增加而增加,说明TRAF6可能与乳腺癌侵袭能力有关.     

热籽感应加温治疗大鼠乳腺原位移植性乳腺癌

为了评估热籽感应加温治疗大鼠原位移植性乳腺癌的治疗效果,采用74只乳腺皮下接种Walker-256乳腺癌肿瘤细胞的Wistar大鼠随机分为C组(空白对照组,14只),M组(磁场对照组,13只).T组(热籽对照组,13只),H组(加温治疗H1组,16只;H2组,16只).H1组,43～45℃常规热疗30min;H2组,50～55℃热切除治疗10min.加温治疗后即刻、治疗后12和24h各组均处死2只大鼠行常规病理检查及Bax、Bcl-2、PCNA的免疫组化检测.测量大鼠肿瘤体积并观察长期生存.结果表明,肿瘤侵入乳腺组织,热疗后肿瘤组织出现坏死及凋亡形态改变,肿瘤生长受到抑制.H1组Bax表达增加,Bcl-2表达下降.H1组、H2组PCNA表达下降与3个对照组比较有显著性差异(P<0.05).H,组、H2组与3个对照组相比,生存期明显延长(P<0.01),H1组与H2组相比无显著性差异(P>0.05).由此得出,2个温度组热籽感应加温治疗对大鼠原位移植性乳腺癌的疗效相当.     

乳腺癌改良根治术后皮下积液的预防和治疗145例临床分析

目的探讨乳腺癌改良根治术后皮下积液的预防和治疗方法.方法回顾性分析了2003—2008年145例乳腺癌改良根治术后皮下积液的预防和治疗经验.结果本组145病例中,52例出现皮下积液,发生率为35.9%.皮下积液经局部处理后,皮下积液的患者均在20 d内痊愈.其中,低位切开引流6例,有4例出现长期积液,在低位切开引流的同时,采用刮勺搔刮后2周内积液腔粘连愈合.结论采取综合预防和治疗措施明显降低了皮下积液的发生率,提高了患者的术后生活质量.     

基于双尺度Sech模板的浸润性乳腺癌检测方法研究

乳腺肿块的准确检测是目前计算机辅助诊断系统的关键。为了准确检测X线乳腺图像中的可疑肿块区域,提出一种基于双尺度Sech模板的早期乳腺癌检测方法。首先根据乳腺X线图像的特征对图像进行预处理,包括乳腺区域提取和内外侧斜位图像胸肌提取;然后对提取的乳腺图像进行基于两个不同尺寸的Sech模板的模板匹配,将模板匹配后得到的相似度图像进行融合和阈值截断;最后进行可疑乳腺肿块区域的定位。结果表明,基于双尺度的Sech模板的检测具有更好的检测效果,改善了基于单尺度模板检测准确率低的问题,并降低了假阳率。     

基于改进的自适应提升算法的乳腺癌图像识别研究

为解决医疗资源不足、就诊量日增等问题,需设计基于计算机的乳腺癌图像识别模型,更高效地辅助病理医生的临床诊断工作.然而,现有算法多采用单类别特征完成识别,未充分发挥特征之间互补性.该文提出改进的自适应提升算法：在SIFT、Gist、HOG、VGG16特征提取基础上,改进有效区域基因选择(Effective Range Based Gene Selection,ERGS)算法,动态计算特征权重;采用自适应提升算法将弱分类器集成为强分类器,并对其输出的预估概率做ERGS加权,实现多特征融合.实验表明：1) 算法识别精准度达86.24%,较最强基线提高3.82%;2) SIFT、Gist、HOG特征之间具有较强互补性,它们有助于准确刻画乳腺癌图像;3) 阳性图像更易识别.     

具有预后价值的乳腺癌发病关键基因鉴别研究

目的:筛选与乳腺癌发病相关的关键基因,为研究乳腺癌的诊疗提供新的潜在分子靶标.方法:使用GEO2R在线工具比较乳腺癌与正常乳腺组织基因表达情况,进行差异显著性分析,利用基因功能注释工具DAVID对差异基因进行GO和KEGG富集分析.通过STRING数据库构建差异基因的蛋白互作网络,基于最大团中心性(maximal clique centrality,MCC)算法鉴别关键基因,利用Kaplan Meier生存分析验证关键基因对患者生存时间的影响.结果:乳腺癌基因表达差异分析共产生491个差异基因,其中有254个上调,237个下调.GO富集分析表明差异基因显著富集于肿瘤相关的生物学过程、细胞组分和分子功能,KEGG通路富集分析主要集中于PI3K-Akt信号通路、黏附斑和癌症通路.基于MCC算法共选取10个关键基因,其中的4个基因(ISG15,IFIT1,GBP1和IFI27)过表达与患者生存时间显著降低密切相关(P0.05).结论:共鉴别了4个与乳腺癌发病密切相关的关键基因,相关研究结果可为研究乳腺癌的诊疗提供新的潜在分子靶标.     

基于人工智能的乳腺影像诊断综述

近年来,人工智能技术在图像处理、辅助诊断等方面取得了巨大的进步,基于人工智能的医学诊断系统可以作为辅助工具,提高医生影像诊断的准确率.目前人工智能在乳腺影像方面的应用得到了越来越多的关注,也积累了许多研究成果.本文在介绍常用乳腺癌检查影像学方法及相关人工智能技术基础上,着重对人工智能在不同乳腺癌影像分类诊断中的研究现状和进展予以综述,并对主要的应用技术予以总结,分析了人工智能在乳腺影像诊断中面临的挑战和机遇.     

乳腺X线图像结构扭曲检测的一种新方法

乳腺X线图像中结构扭曲的检测是乳腺癌诊断的重要手段之一.针对结构扭曲检测假阳性高的问题,运用系统工程原理, 本文提出了一种新的结构扭曲检测方法.该方法通过计算毛刺相似度收敛指数增强放射状毛刺,并利用三环区域模板和收敛门限得到可疑区域,最后使用支持向量机对可疑区域分类.该方法在Mini-MIAS (mammographic image analysis society)图像数据库的64幅乳腺图像和北京大学人民医院乳腺中心50幅临床乳腺图像上进行了验证,实验结果表明, 本文提出的方法能有效地降低假阳性,并且同时适用于东西方女性乳腺图像.