目的 探討采用胸腔鏡下空洞清除術治療空洞型肺結核的臨床效果。 方法 對 72例空洞型肺結核患者行胸腔鏡下結核空洞清除術。 結果 72例中失訪 1例 ,治愈 6 9例 ,治愈率 97.2 %。6 0～ 78歲的 5 2例老年患者全部治愈 ;4 2例痰涂片陽性患者隨訪 1年以上 ,有 4 1例陰轉 ,痰菌仍為陽性 1例 ,陰轉率 97.6 %。 結論 胸腔鏡下空洞清除術治療空洞型肺結核為一種較好的治療方法。從流行病學角度看 ,對消除老齡患者這部分傳染源 ,該手術方法更有價值。
詳見正文
目的：總結54例Chiari畸形合并脊髓空洞癥的顯微外科手術治療經驗。方法：本組對1998年9月至2005年9月共收治的54例Chiari畸形合并脊髓空洞癥患者采用后路手術入路，對顱底凹陷癥采用后路減壓，顯微鏡下行小腦扁桃體軟膜下部分切除，正中孔開放手術治療。結果：54例患者術中觀察發現延髓和上頸髓明顯受壓和不同程度同小腦扁桃體粘連，正中孔引流不暢；隨訪1月～7年，術后42例癥狀顯著改善，12例明顯改善；影像學復查提示脊髓空洞明顯縮小。結論：顯微外科手術治療Chiari畸形合并脊髓空洞癥療效確切可靠。
小兒Chiari Ⅰ型畸形合并脊髓空洞癥臨床少見，患兒臨床癥狀較少、隱襲且與成年人有很大區別，容易發生誤診、誤治。隨著MRI的廣泛應用，該疾病診斷數量日漸增多，但目前關于小兒Chiari Ⅰ型畸形合并脊髓空洞癥的研究存在較多爭議，臨床工作者對其認識和診治水平尚待提高。根據國內外文獻、專著及最新臨床試驗研究成果，現就小兒Chiari Ⅰ型畸形合并脊髓空洞癥研究進展進行綜述。
目的探討一種新型的改良小切口小骨窗顯微術式治療Chiari畸形合并脊髓空洞癥的療效。 方法總結2010年1月－2012年9月采用的改良后4 cm小切口、3 cm×2 cm小骨窗減壓、小腦扁桃體切除、枕大池擴大重建術治療的共計268例Chiari畸形合并脊髓空洞癥患者的治療及預后情況，并進行回顧性分析。 結果268例患者中早期癥狀明顯改善221例（82.5%），遠期隨訪245例癥狀明顯改善212例（86.5%）、穩定25例（10.2%）、加重8例（3.3%）。 結論小切口小骨窗顯微術式在治療Chiari畸形合并脊髓空洞癥中有著顯著的療效。
目的探討≤3 cm 的周圍型空洞型肺腺癌的 CT 征象及臨床病理特征。方法回顧性分析2015年1月至2017年12月本院 51 例經胸部 CT 及手術病理確診的≤3 cm 周圍型空洞型肺腺癌患者的胸部 CT 圖像及臨床病理資料，并對厚壁空洞與薄壁空洞的 CT 征象及臨床病理特征進行對比，其中男 29 例、女 22 例，年齡 62（56，67）歲。結果51 例患者中厚壁空洞 27 例，薄壁空洞 24 例。厚壁空洞型腺癌有更大的 SUVmax ［6.5（3.7，9.7）vs. 2.2（1.4，3.8），P=0.019］、空洞壁厚度［（11.8±4.6）mm vs.（7.6±3.7）mm，P=0.001］、腫瘤組織大小［2.1（1.7，2.8）cm vs. 1.6（1.2，2.0）cm，P=0.006］，更多的實性結節（17 例 vs. 8 例，P=0.035）。而薄壁空洞型腺癌有更多的吸煙史（12 例 vs. 6 例，P=0.038）、更大的空洞大小［12.3（9.2，16.6）mm vs. 4.4（2.8，7.1）mm，P=0.000］及空洞所占比例［0.30（0.19，0.37）vs. 0.03（0.01，0.09），P=0.000］，CT 上多表現為空洞內壁不光整（19 例 vs. 6 例，P=0.000）、空洞內分隔（16 例 vs. 6 例，P=0.001）、空洞內血管穿行（10 例 vs. 1 例，P=0.001）。結論胸部 CT 示≤3 cm 的周圍型空洞型肺腺癌在臨床、影像、病理中具有特征性的表現，并且厚壁空洞型肺腺癌與薄壁空洞型肺腺癌之間具有明顯的差異。
準確分割磨玻璃肺結節（GGN）具有重要臨床意義。針對電子計算機斷層掃描（CT）圖像中GGN邊界模糊、形狀不規則、強度不均勻等特點導致其分割困難的問題，本文提出一種全卷積殘差網絡算法，即基于空洞空間卷積池化金字塔結構和注意力機制的殘差網絡（ResAANet）算法。該網絡算法利用空洞空間卷積池化金字塔（ASPP）結構擴大特征圖感受野，提取更充分的目標特征，并采用注意力機制、殘差連接和長跳躍連接充分保留卷積層提取的GGN敏感特征。首先，用上海市胸科醫院收集的565個GGN對ResAANet進行全監督訓練、驗證，得到穩定的模型；然后，利用收集的另84個GGN和肺部圖像數據庫聯盟 （LIDC）公共數據庫中145個GGN分別測試模型得到粗分割結果；最后，用連通域分析方法去除假陽性區域得到優化結果。本文所提算法在采集的臨床數據和LIDC測試集上的戴斯相似系數（DSC）達到83.46%、83.26%，平均重合度（IoU）達到72.39%、71.56%，切片分割效率達到0.1 s/張。與其他算法相比，本文提出的方法能準確、快速分割GGN，且具有較好的穩健性，可以為醫生提供結節大小、密度等重要信息，輔助醫生后續的診斷和治療。
血涂片圖像中白細胞的計數和識別對診斷包括白血病在內的血液疾病起著至關重要的作用。傳統的人工檢測結果容易受到多種因素的干擾，有必要開發白細胞自動分析系統為醫生提供輔助診斷，而血液白細胞分割則是自動分析的基礎。本文改進U-Net模型，提出一種基于雙路徑和空洞空間金字塔池化的血液白細胞分割算法。首先在特征編碼器中引入雙路徑網絡提取圖像中白細胞的多尺度特征，并使用空洞空間金字塔池化模塊強化網絡的特征提取能力，再用卷積和反卷積組成特征解碼器將分割目標恢復到原始圖像大小，實現血液白細胞的像素級分割。最后在三個白細胞數據集上進行定性定量實驗，驗證本文算法的有效性。研究結果表明，提出的血液白細胞分割算法相對于其他典型方法具有更為優秀的分割結果，mIoU值能達到0.97以上，今后或有助于血液疾病的自動輔助診斷。
皮膚是人體最大的器官，很多內臟疾病會直接體現在皮膚上，準確分割皮膚病灶圖像具有重要的臨床意義。針對皮膚病灶區域顏色復雜、邊界模糊、尺度信息參差不齊等特點，本文提出一種基于密集空洞空間金字塔池化（DenseASPP）和注意力機制的皮膚病灶圖像分割方法。該方法以U型網絡（U-Net）為基礎，首先重新設計新的編碼器，以大量殘差連接代替普通的卷積堆疊，在拓展網絡深度后還能有效保留關鍵特征；其次，將通道注意力與空間注意力融合并加入殘差連接，從而使網絡自適應地學習圖像的通道與空間特征；最后，引入并重新設計的DenseASPP以擴大感受野尺寸并獲取多尺度特征信息。本文所提算法在國際皮膚影像協會官方公開數據集（ISIC2016）中得到令人滿意的結果，平均交并比（mIOU）、敏感度（SE）、精確率（PC）、準確率（ACC）和戴斯相似性系數（Dice）分別為0.901 8、0.945 9、0.948 7、0.968 1、0.947 3。實驗結果證明，本文方法能夠提高皮膚病灶圖像分割效果，有望能為專業皮膚病醫生提供輔助診斷。