甲状腺肿块的高频彩色多普勒超声诊断

目的 :探讨高频彩色多普勒超声检查对甲状腺肿块的诊断价值。方法 :对 48例甲状腺包块患者进行二维及彩色多普勒血流显像超声检查。结果 :48例甲状腺包块患者共检出肿块 67个 ,超声检查与病理对照除 3例误诊外 ,其余 45例与病理结果包括肿块部位、数目均符合 ,符合率 90 % ( 42 / 45 )。结论 :高频彩色多普勒超声检查对甲状腺肿块具有较高的诊断价值 ,可为临床提供有价值的诊断依据     

颈部肿块细针吸取细胞学诊断

2000—2002年进行颈部肿块细针吸取细胞学检查共600例，有病理组织学证实138例，其中恶性病变66例。淋巴结、甲状腺各占60．10％、23．50％。细胞学阳性158例，占26．33％，可疑恶性32例，占5．33％。和术后病理组织学诊断对照。恶性病变符合率80．30％，良性病变符合率为93．06％，总符合率为86．96％。敏感率(阳性 可疑)淋巴结、甲状腺分别为96．29％和90．00％。本文对假阳性、假阴性病例进行了分析。     

基于空间自适应和混合损失对抗网络的乳腺肿块图像分割方法

在乳腺癌筛查的计算机辅助诊断过程中，乳腺肿块的精确分割至关重要.然而，乳腺肿块在X光成像中与背景灰度接近、形状不规则，使得精确分割面临很大挑战.为进一步提升分割性能，提出一种基于空间自适应和混合损失对抗网络的乳腺肿块分割新方法.首先，提出可分离卷积U-Net模型作为对抗网络中的生成器，以减少参数量和计算量；然后，在判别网络中添加空间自适应归一化层来获取分割掩码中蕴含的语义信息；最后，综合考虑类别不平衡、语义一致性等因素的影响，提出一种融合对抗损失、分割损失和感知损失的混合损失函数以提升模型学习效果.实验结果表明，新方法在INbreast和CBIS-DDSM两个乳腺分割公开数据集中分别取得99.35%和99.72%的准确率，以及81.27%和82.01%的集合相似度，获得优于现有方法的分割性能.     

彩超诊断乳腺肿块的临床分析

目的探讨彩色多普勒超声乳腺肿块的诊断价值。方法对经手术和病理证实的45例乳腺肿块的彩超结果进行分析诊断。结果9例为恶性肿瘤,36例为良性肿瘤,其中2例误诊为恶性。结论彩超通过观察乳腺肿瘤的二维声像图特征和彩色血流频谱对于其良恶性的诊断和鉴别诊断可提供准确的诊断依据。     

半侧下颌骨切除术+肋骨插入术1例

患者刘某某 ,男 ,49岁 ,永胜县人。因左侧面颊部渐增性肿块十二年伴近半年生长加快而入院。查体 :一般情况尚可 ,心肺未发现异常 ,左侧面颊部可见一3 54cm大小的肿块 ,轻度压痛 ,有明显的乒乓球感 ,MRI检查提示 :左下颌骨体部及升枝部可见一约4 55cm大小骨质破坏区 ,上达下颌切迹 ,前至双尖牙区 ,考虑为造釉细胞瘤 ,因患者就诊时间已晚 ,左侧半下颌骨破坏严重 ,已无保留可能 ,故需作左侧下颌骨切除术。在全麻插管下先将口腔粘膜与左下颌骨完全分离 ,并将嚼肌、颞肌、翼内肌、翼外肌分别与喙突、髁状突下颌骨内侧分离 ,术中见肿瘤已侵犯骨…     

影像学检查在乳腺肿块诊断中的应用价值

探讨了影像学检查在乳腺肿块早期诊断中的应用价值.应用彩色多普勒超声诊断仪和全数字化乳腺钼靶机对30例乳腺肿块进行了检查.彩色多普勒超声检查可作为乳腺肿块检查的首选方法.和数字乳腺钼靶片联合诊断可提高乳腺癌的准确率,具有重要的临床价值.     

基于CBAM YOLOv4-Mish的乳腺X线摄片肿块检测方法

为了提高乳腺肿块的检测精度,基于YOLOv4提出了一种CBAM YOLOv4-Mish模型进行乳腺X线摄片肿块检测.该模型采用平滑、连续可导的Mish激活函数替换原模型中的Leaky ReLU激活函数,并引入了卷积块注意力模块,使模型更加关注于肿块等关键信息而忽略背景等无关信息.在DDSM数据集上的实验结果表明：CBAM YOLOv4-Mish的AP_0.5为81.9%,比原始YOLOv4提升了3.6%.与其他乳腺肿块检测方法相比,该方法具有更好的检测能力.     

阑尾炎性肿块35例临床分析

目的：探讨阑尾炎性肿块的手术时机选择及治疗方法。方法：通过对2005年3月-2010年3月我院收治的35例阑尾炎性肿块进行回顾分析回顾分析,探讨对该病的临床诊断和治疗效果。结果30例经非手术治疗治愈,2例急诊手术切除,3例行阑尾脓肿切开引流术。结论：大部分阑尾炎性肿块宜保守治疗后延期行阑尾切除或再发时行阑尾切除,形成阑尾脓肿且有破溃倾向时应行手术引流或穿刺导流。大部分的阑尾炎性肿块不必急诊手术,应用抗生素治疗效果良好,但有部分阑尾炎性肿块对抗生素治疗的效果差,且易形成阑尾脓肿,如果脓肿破溃可造成局限性或弥漫性腹膜炎,必须手术切除或切开引流。     

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SVGG16的乳腺肿块图像识别

针对基于深度学习的乳腺X线摄片肿块识别过程中的特征冗余问题,对VGG16进行了改进,减少模型中卷积层和卷积核的个数,提出一种精简的卷积神经网络模型SVGG16,用于感兴趣区域中肿块的识别.同时,为避免网络模型受小样本量限制出现过拟合现象,通过旋转与翻转操作对感兴趣区域进行数据增强.通过实验对网络模型的性能进行评估,结果...