背景:动态对比度增强MR成像(DCE-MR)已成为诊断成人乳腺癌和其他癌症的广泛接受的补充方法。 预测肿对抗癌治疗的反应并监测肿对治疗的反应是有用的。 这种形式的成像技术尚未在儿科肿学患者中得到充分探索。 目的:确定动态对比增强磁共振成像(DCE-MR)在常规临床环境中对儿童和年轻成人颅外肿的诊断和治疗反应监测的潜在作用。 方法:招募怀疑患有颅外实体的儿童,包括新诊断或随访的确诊肿病例。 DCE-MR静脉注射0.1 mmol / kg造影剂。 绘制了增强时间曲线,并将增强模式分为1、2和3型曲线。 比较了新诊断病例中肿的增强曲线图和最大增强强度。 在随访病例中,将彩色图上无效区域的术前百分位数与切除标本组织切片上的坏死区域进行了比较。 使用Pearson卡方检验和不配对的两次样本t检验进行统计分析。 结果:36例患者中,恶性28例,良性8例。 3型曲线有14条(均为恶性肿),2型曲线有6条,1型曲线有16条。 所有良性病例(n = 8)均显示出1型曲线(准确性和阴性预测值= 100%)。 治疗后所有恶性病例均显示2型或1型曲线。 对于那些随后进行手术的病例,肿坏死的程
2022-03-18 09:05:59 977KB 先生 DCE-MR 动态对比MR
1
《囊性畸胎》PPT课件.ppt
2022-01-17 15:04:46 6.37MB 课件
背景:恶性胸膜间皮(MPM)的特征在于接触石棉与疾病发展之间的潜伏期长,因此我们假设年轻人中的MPM具有不同的特征。 患者和方法:这是一项回顾性研究,包括从2008年至2013年在开罗大学国家癌症研究所就诊的所有符合条件的恶性胸膜间皮患者。患者分为两组:第1组:年龄≤45岁的患者。 第2组:年龄大于45岁的患者。 对两组进行了不同的临床病理特征评估。 主要目标:比较两组不同流行病学特征。 次要目标:评估两组的临床反应(CR),无进展生存期(PFS)和总体生存期(OS)。 结果:102例患者中位随访了14.4个月。 (1)组包括35例平均年龄40±3.65岁(31至45岁)的患者。 (2)组包括67名平均年龄为58.6±8.5岁(46至87岁)的患者。 组(1)的68%来自地方性地区,明显高于组(2):(35.8%),p = 0.02。 两组之间的石棉接触史非常不同,第1组为77.1%,第2组为38.8%,p <0.001。 其他因素显示两组之间无显着差异。 组(1)的总体临床缓解率(CR + PR)为20%,而组(2)为17.9%。 P = 0.7。 青年患者的中位PFS有增加的趋
2021-12-28 18:33:37 795KB 恶性胸膜间皮瘤-年轻
1
软骨粘液样纤维X线诊断与鉴别诊断.ppt
2021-11-27 19:01:38 15.28MB
Matlab代码考克斯预测神经母细胞总体生存的转移机制模型 此代码生成该论文中报告的结果和数字: Benzekry,S.,Sentis,C.,Coze,C.,Tessonnier,L.,&André,N.(2020年)。 使用转移的机械模型开发和验证高危神经母细胞总体存活率的预测模型。 JCO:《临床癌症信息学》,第5卷,第81-90页。 具体来说,该代码由python和matlab脚本以及jupyter笔记本(在python和R中)组成,并执行: 总体生存和无进展生存的预后因素的统计分析(Kaplan-Meier,对数秩,Cox回归) code/statistical_analysis.ipynb 结果导出到statistical_analysis/ 转移机制模型的仿真 code/main_simulate.m 诊断时根据定量临床数据对模型参数进行校准:原发肿大小,乳酸脱氢酶(LDH)和核显像的SIOPEN评分 code/mechanistic.ipynb 结果以mechanistic/导出mechanistic/ 评估基于特定患者的Cox回归模型对整体生存的预测能力 code
2021-11-06 21:41:03 26.89MB 系统开源
1
matlab精度检验代码通过卷积神经网络(CNN)检测黑素 该项目的目的是创建一个卷积神经网络(CNN),将皮肤病变的皮肤镜图像分类为黑色素或非黑色素。 皮肤镜图像是使用显微镜和照明的皮肤图像。 动机 黑色素是最致命,最具侵略性的皮肤癌。 预计到2018年,皮肤黑色素将在美国造成9,320例死亡。 但是,如果黑色素是早期发现的,则5年生存率约为99%。 因此,在转移之前,黑素的早期检测对于患者的生存至关重要。 黑色素是由位于皮肤表皮中的黑色素生成细胞(黑色素细胞)的快速生长演变而来的。 尽管只能通过活检才能确定黑色素,但通常使用助记符“ ABCDEs”在现有或新痣(通常称为“痣”)中进行视觉识别: 不对称–病变形状不规则或不对称。 边框–边缘不规则且难以定义。 颜色–存在不止一种颜色或颜色分布不均。 直径–直径大于6毫米。 不断发展–病变的颜色和大小随时间而改变。 建于 TensorFlow 凯拉斯 Python MATLAB的深度学习工具箱 楷模 为此项目探索了两种CNN架构: 使用Keras,TensorFlow和Python从零开始构建的简单CNN。 使用MAT
2021-09-29 21:18:01 21.03MB 系统开源
1
siim-isic黑色素分类项目
2021-09-28 07:49:21 73.28MB JupyterNotebook
1
基于多任务神经网络模型的小肠淋巴检测模型.pdf
2021-09-25 17:06:02 1.23MB 神经网络 深度学习 机器学习 数据建模
行业分类-设备装置-区分结直肠腺和结直肠癌的试剂盒.zip
行业分类-作业装置- 一种可有效改善小尺寸凹型面铸的面层壳型制备方法.zip
2021-08-18 18:08:25 237KB 行业分类-作业装置-一种可有效