糖尿病和高血壓等疾病會引起視網膜血管的形狀發生變化，眼底圖像血管分割是疾病定量分析過程中的關鍵步驟，對臨床疾病的分析和診斷具有指導意義。本文提出一種結合深度可分離卷積與通道加權的全卷積神經網絡（FCN）視網膜圖像血管分割方法。首先，對眼底圖像的綠色通道進行 CLAHE 及 Gamma 校正以增強對比度；然后，為了適應網絡訓練，對增強后的圖像進行分塊以擴充數據；最后，以深度可分離卷積代替標準的卷積方式以增加網絡寬度，同時引入通道加權模塊，以學習的方式顯式地建模特征通道的依賴關系，提高特征的可分辨性。將二者結合應用于 FCN 網絡中，以專家手動標識結果作為監督在 DRIVE 數據庫進行實驗。結果表明，本文方法在 DRIVE 庫的分割準確性能夠達到 0.963 0，AUC 達到 0.983 1，在 STARE 庫的分割準確性可以達到 0.962 0，AUC 達到 0.983 0。在一定程度上，本文方法具有更好的特征分辨性，分割性能較好。
目的 增加對慢性淋巴細胞白血病合并非霍奇金淋巴瘤臨床病例的認識。 方法 通過報道2011年11月和2012年7月入住的2例確診為慢性淋巴細胞白血病合并非霍奇金淋巴瘤患者的診治過程，復習文獻，討論其發病機制、治療及預后。 結果 該2例患者均予以化療，其中1例淺表淋巴結明顯縮小，骨髓涂片基本恢復正常，病情控制較好；另1例合并癥多、病情惡化快、腫瘤化療效果欠佳，最后因呼吸衰竭死亡。 結論 慢性淋巴細胞白血病合并非霍奇金淋巴瘤，治療上應綜合考慮患者年齡、ECOG評分、臨床分期、預后指數等因素，原則上以治療惡性程度更高的非霍奇金淋巴瘤為主，可根據慢性淋巴細胞白血病分期進行觀察、隨訪或積極治療。