简介:超声成像技术已成为临床医学许多领域重要诊断工具,随着超声技术的研究进展,高频超声逐渐应用于皮肤科,特别是肿瘤诊断、边界、深度判定及激光美容术前术后评估。皮肤高频超声可用于正常人群皮肤厚度测量,可分辨表皮、真皮及皮下组织,为肿瘤边界确定提供理论依据。目前高频超声的临床研究主要涉及黑素瘤的诊断及深度边界测定。高频超声主要指大于10MHz以上的超声装置,20~50MHz主要用于黑素瘤深度及边界判定,诊断方面存在一定的局限性;50MHz以上特别是100MHz超声对于微小黑素瘤特别是小于1mm的黑素瘤在诊断及边界判定方面具有足够优势。近年来超声系统自动分析技术应用皮肤肿瘤边界确定,甚至与3D成像技术结合,1min便可确定肿瘤边界。
简介:目的:探讨卵巢的内胚窦瘤伴发巧克力囊肿的超声检查声像图特征性的表现,以提高超声对其诊断的准确率。方法:回顾性的分析2003年3月至2014年11月期间于我院经手术以及病理确认为卵巢的卵黄囊瘤伴发巧克力囊肿的37例超声资料,探讨其超声图像表现,同时与手术以及病理检查的结果进行对比,以分析其临床诊断价值。结果:37例的研究病历中,13例呈现实质性的回声,局部还可以见到蜂窝样的改变,22例呈囊实性的改变以及2例呈现囊性多房,同时实质部分还可以检出丰富的血流信号;此外,巧克力囊肿内部回声多样化,依据病程长短以及月经周期而不同,具有一定的特征性;超声对于卵黄囊瘤伴巧克力囊肿的诊断正确率达到86.5%。结论:卵巢的卵黄囊瘤伴发巧克力囊肿的超声图像具有一定的特征性,了解和认识卵黄囊瘤以及巧克力囊肿的超声图像特点,结合患者的年龄、血清中甲胎蛋白的水平等可提高相应的诊断率,对于临床诊断具有重要价值。
简介:目的:探讨血清(1-3)-β-D-葡聚糖(BDG)检测对深部真菌感染辅助诊断的价值。方法:对我院2014年336例疑似深部真菌感染病例分别进行血清BDG检测和真菌培养鉴定;对比分析血清BDG检测和真菌培养的敏感性、特异性、阳性预测值及阴性预测值。结果:BDG检测阳性171例,阳性率为50.89%(171/336);真菌培养阳性141例,阳性率为41.96%(141/336)。真菌培养阳性组血清BDG含量为(131.18±102.91)pg/mL,真菌培养阴性组血清BDG含量为(45.06±33.64)pg/mL,两组差异有统计学意义(t=9.57,P<0.01)。以真菌培养结果为标准,BDG检测的敏感性为54.61%(77/141),特异性51.79%(101/195);阳性预测值和阴性预测值分别为45.03%(77/171)和61.21%(101/165)。真菌培养显示白念珠菌仍然是临床深部真菌感染的主要病原菌。结论:BDG检测可实现疑似深部真菌感染的快速诊断,但对(1-3)-β-D-葡聚糖阳性结果需辅以真菌培养鉴定,两者联合使用具有较高的临床应用价值。
简介:目的:考察梅毒新生儿患者血清超敏C反应蛋白(hs-CRP)、降钙素原(PTC)、清肌酸激酶同工酶MB亚型(CK-MB)、乳酸脱氢酶(LDH)水平检测的临床价值。方法:选取先天性梅毒新生儿66例,依据是否存在临床症状分为症状组(32例)和无症状组(34例),并选取健康新生儿30例作为健康对照。比较分析两组患儿血清hs-CRP、PTC、CK-MB、LDH阳性率和表达水平。结果:梅毒新生儿血清hs-CRP、PTC阳性率高于对照组患儿,且症状组患儿两指标阳性率高于无症状组患儿(P〈0.05),三组间血清CKMB、LDH阳性率差异无统计学意义(P〉0.05)。梅毒新生儿血清hs-CRP、PTC、CK-MB表达水平高于对照组患儿,且症状组患儿三指标阳性率高于无症状组患儿(P〈0.05),三组间血清LDH表达水平差异无统计学意义(P〉0.05)。结论:先天性梅毒患儿存在心肌损害,早期联合检测hs-CRP、PTC、CK-MB对了解梅毒新生儿患儿病情具有重要价值。
简介:目的:观察分析超声造影检查在睾丸扭转中的诊断价值。方法:选取2013年1月至2015年9月我院收治的经手术和临床随访证实的睾丸扭转患者共计66例,按照随机数表法分为观察组(n=33)和对照组(n=33),对照组应用常规超声检查,观察组应用超声造影检查。观察比较两组患者诊出睾丸扭转的符合率、不同类型睾丸扭转检出率以及两种检查方法的超声表现情况。结果:观察组患者诊出睾丸扭转符合率(84.85%)明显高于对照组患者诊出睾丸扭转符合率(42.42%),差异具有统计学意义(P〈0.05)。同时,观察组睾丸完全扭转检出率(51.52%)和睾丸不完全扭转检查率(33.33%)均高于对照组患者(12.12%、30.3%),数据差异具有统计学意义(P〈0.05)。结论:超声造影检查诊断患者睾丸扭转符合率高,同时能够准确判定睾丸缺血受损的程度和范围,为睾丸扭转诊断以及评估提供重要影像学资料。
简介:近年,以深度学习技术为代表的人工智能(AI)正席卷各行各业,而AI框架有多种,多数采用深度卷积神经网络(CNN)技术结合迁移学习进行训练,虽然在皮肤AI研究中取得长足进展,但其研究结果未能真正走出实验室进入临床应用。制约这些因素主要是缺乏高质量的皮肤疾病图像的大型数据集。本文针对皮肤科常见的图像采集方法,包括临床摄影图像、皮肤镜图像、反射式共聚焦激光扫描显微镜(RCM)图像、皮肤B超图像和组织病理图像的质量要素进行探讨和述评,希望对解决因皮肤图像质量的问题而影响AI研究进展的瓶颈问题能有所帮助。
简介:1987年9月20日,中国第一封电子邮件成功发出,揭开了中国人通过互联网与世界相连的序幕。人工智能的登场,更是为互联网医疗找到了新的出口。作为皮肤病诊断的重要手段之一的皮肤影像,已从起初的放大镜、显微镜辅助诊断,发展到如今的数字影像学技术和智能分析。国内各家医院的皮肤影像数据并非共享资源,于是形成了一个个“信息孤岛”,这直接阻碍着人工智能所需要的“大数据”的形成。中国人群皮肤影像资源库的建立无疑是破冰之举。通过互联网使皮肤影像数据“流动”起来,通过人工智能使皮肤病诊疗“智慧”起来,在此基础上,让分级诊疗、区域协同等纷纷落地,不断提升医疗资源的使用效率,从而实现患者、医生、医疗机构等多方共赢。