误诊为脑内炎性肉芽肿的多形性黄色星形细胞瘤1例报道及文献复习

多形性黄色星形细胞瘤（pleomorphic xanthoastrocytoma，PXA）是一种非常少见的颅内原发肿瘤，发生率占星形细胞瘤1％左右，以往观点认为PXA是趋于良性的肿瘤，手术全切预后较好。近年来研究发现，部分PXA术后具有复发、转移、间变等恶性组织学特点，

以完全性动眼神经麻痹为表现的垂体瘤卒中1例

垂体瘤卒中是由于垂体腺瘤急性出血或梗死,引起机体神经功能和内分泌功能急性恶化的临床综合征。主要症状为突发剧烈头痛、视力下降、失明等,还可出现垂体功能低下,甚至意识障碍,治疗不及时可危及病人生命。以动眼神经麻痹为首发症状的垂体瘤卒中病例非常罕见,易误诊为颅内后交通动脉瘤。现报道1例以完全性动眼神经麻痹为主要首发症状的垂体瘤卒中病例。

胚胎发育不良性神经上皮肿瘤1例报道

胚胎发育不良性神经上皮肿瘤（DNT或DNET）是一种属于少见的神经元和神经胶质混合性肿瘤,1993年被WHO收入神经系统肿瘤新分类（WHO I级）。常见于儿童和青少年,临床以药物难以控制性癫痫为主要特征,外科手术治疗效果好,术后无需放疗和化疗。国内于2004年首次正式报道[1],由于对DNT认识不足,且发病率较低,

安检智能集中判图系统在南宁城市轨道交通全自动运行线路中的应用

通过分析安检智能集中判图系统的构成和功能,提出安检智能集中判图的设置方案。以城市轨道交通FAO(全自动运行)线路、车站、集中站为单位建立独立的集中判图中心,同时利用基于深度学习的智能算法对安检图像进行辅助判别,通过智能判图与集中判图相结合的方式,实现真正意义上的智慧化检物。各条线路可根据具体客流、里程、车站数量选择合适的安检智能集中判图方案。以南宁轨道交通5号线一期工程为例,对其进行经济效益分析,发现通过安检智能集中判图系统可以有效减少人力成本,实现城市轨道交通安检判图工作的减员增效。

鼻咽癌CT与MRI诊断效果的临床分析

目的:评估CT、MRI对鼻咽癌的诊断价值。方法:选择我院在2019年11月—2020年11月56例样本随机分组,对照组28例行CT诊断,试验组28例行MRI诊断者,观察结果。结果:鼻咽位置癌变组织侵入检出率在试验组、对照组是96.43%、71.43%,试验组检出率高(P<0.05)。颅底位置癌变组织侵入检出率在试验组、对照组是85.72%、60.71%,试验组检出率高(P<0.05)。鼻咽癌检查满意度在试验组、对照组是92.86%、64.29%,试验组满意度高(P<0.05)。结论:CT、MRI均能观察到鼻咽癌侵入情况,但MRI检出率高,可使鼻咽癌者得到针对性化疗治疗,有提高鼻咽癌满意度的作用。

直肠癌T分期薄层磁共振征象对直肠癌术前分期的价值

目的:探讨直肠癌T分期薄层磁共振征象对直肠癌术前分期的价值。方法:回顾性分析直肠癌患者173例临床资料,全部患者均接受核磁共振(MRI)检查,将病理检查结果作为“金标准”,分析直肠癌T分期薄层磁共振征象对直肠癌术前分期的诊断价值。结果:病理检查结果显示本组患者中包括黏液腺癌17例,高分化腺癌30例,中分化腺癌101例,低分化腺癌25例;位于上段80例,中段50例,下段43例。直肠癌T分期薄层磁共振征象诊断直肠癌T分期的准确率为87.86%;MRI与病理检查结果的一致性Kappa值为0.818。结论:直肠癌T分期薄层磁共振征象可使直肠癌在手术治疗前得到准确分期评估,为疾病治疗方案的选择提供参考。

基于无人机高光谱数据的多类型混合作物LAI反演及尺度效应分析

叶面积指数(Leaf Area Index,LAI)作为表征不同作物生长状况的基本参数,是农业精细化管理及农田生态系统建模的关键。我国农田作物种植比较离散,受地表空间结构非均一性和反演模型非线性等因素影响,不同尺度遥感数据估算的作物LAI存在一定的差异,即农田作物LAI的遥感反演普遍存在尺度效应问题。以包头遥感综合验证场农业示范区为研究区,利用无人机高光谱数据结合PROSPECT+SAIL模型构建典型农作物区多类型作物的查找表(Look-Up-Table,LUT)反演农田LAI,研究查找表用于玉米、马铃薯、向日葵、瓜地等不同作物LAI反演的适用性和精度;通过无人机高光谱数据聚合获得多尺度遥感数据源,结合Taylor展开理论和计算几何模型,提出了一种既考虑类间差异又考虑类内异质性的尺度转换模型,定量描述多种作物混合的非均一地表LAI反演过程中的尺度效应特征。结果表明:基于分类和参数敏感性分析的LUT方法能很好地应用于包头典型农作物区多类型混合作物LAI反演,总估算精度为相关系数R^2=0.82、均方根误差RMSE=0.43m^2/m^2。随着反演尺度的增加,作物类间差异造成的反演偏差明显高于类内异质性,利用本文所提出的尺度转换模型均能较好纠正低分辨率LAI反演的尺度效应问题。

基于训练字典的压缩感知光谱稀疏化方法

压缩感知理论利用目标的稀疏特性,能从极少的测量值中重构出目标图像,已成为突破奈奎斯特采样定理,实现超分辨成像的一个极具潜力的研究方向,其应用于对地观测遥感成像的一个核心问题在于面对复杂的地物场景,如何探求有效的稀疏化表达方法。对于具有超高数据量的高光谱成像而言,充分利用波段间丰富的冗余光谱信息,研究有效的光谱稀疏化表达方法更加具有实用价值。首先介绍了压缩感知光谱成像以及光谱稀疏化表达的基本原理,然后利用来自ASTER光谱库的多种类型地物光谱数据构建了一种基于K-SVD方法的训练字典,将其与DCT基、小波基分别作为稀疏基,对于几种典型地物目标进行仿真重构,结果表明:所构建的稀疏字典在采样数较少的情况下明显优于DCT基和小波基,在20%的低采样率时即可近乎完美地重构光谱曲线。