目的探讨I D H突变和1p/19q共缺失型少突胶质细胞瘤的临床病理特征及预后相关影响因素。方法收集54例IDH突变和1p/19q共缺失型少突胶质细胞瘤病例,分析其临床病理特点,包括年龄、组织学分级和肿瘤部位等因素对无进展生存期和总生存期的...目的探讨I D H突变和1p/19q共缺失型少突胶质细胞瘤的临床病理特征及预后相关影响因素。方法收集54例IDH突变和1p/19q共缺失型少突胶质细胞瘤病例,分析其临床病理特点,包括年龄、组织学分级和肿瘤部位等因素对无进展生存期和总生存期的影响。结果 54例患者中,肿瘤发生于1个脑叶者46例,发生于2个脑叶以上者8例。肿瘤组织学WHO分级2级12例,3级42例。FISH检测显示54例均为1p/19q共缺失;免疫组织化学检测显示Olig2均为弥漫强阳性;GFAP均为阳性;p53有6例强阳性;48例患者ATRX未缺失;Ki-67增殖指数5%~60%。Sanger测序显示54例均发生IDH基因突变(40例为IDH1突变,14例为IDH2突变),33例发生TERT启动子突变。16例在治疗过程中发生复发及转移。单因素分析显示,手术后复发转移间隔时间超过2年可以延长患者无进展生存和总生存期。54例患者平均无进展生存期33.5个月,平均总生存期40.7个月。结论 IDH突变和1p/19q共缺失型少突胶质细胞瘤术后联合精准放化疗降低了进展风险,手术后复发转移间隔时间与该型患者预后相关。展开更多
针对小目标水漂垃圾形态多变、分辨率低且信息有限,导致检测效果不理想的问题,提出一种改进的Faster-RCNN(Faster Regions with Convolutional Neural Network)水漂垃圾检测算法MP-Faster-RCNN(Faster-RCNN with Multi-scale feature an...针对小目标水漂垃圾形态多变、分辨率低且信息有限,导致检测效果不理想的问题,提出一种改进的Faster-RCNN(Faster Regions with Convolutional Neural Network)水漂垃圾检测算法MP-Faster-RCNN(Faster-RCNN with Multi-scale feature and Polarized self-attention)。首先,建立黄河兰州段小目标水漂垃圾数据集,将空洞卷积结合ResNet-50代替原来的VGG-16(Visual Geometry Group 16)作为主干特征提取网络,扩大感受野以提取更多小目标特征;其次,在区域生成网络(RPN)利用多尺度特征,设置3×3和1×1的两层卷积,补偿单一滑动窗口造成的特征丢失;最后,在RPN前加入极化自注意力,进一步利用多尺度和通道特征提取更细粒度的多尺度空间信息和通道间依赖关系,生成具有全局特征的特征图,实现更精确的目标框定位。实验结果表明,MP-Faster-RCNN能有效提高水漂垃圾检测精度,与原始Faster-RCNN相比,平均精度均值(mAP)提高了6.37个百分点,模型大小从521 MB降到了108 MB,且在同一训练批次下收敛更快。展开更多
文摘目的探讨I D H突变和1p/19q共缺失型少突胶质细胞瘤的临床病理特征及预后相关影响因素。方法收集54例IDH突变和1p/19q共缺失型少突胶质细胞瘤病例,分析其临床病理特点,包括年龄、组织学分级和肿瘤部位等因素对无进展生存期和总生存期的影响。结果 54例患者中,肿瘤发生于1个脑叶者46例,发生于2个脑叶以上者8例。肿瘤组织学WHO分级2级12例,3级42例。FISH检测显示54例均为1p/19q共缺失;免疫组织化学检测显示Olig2均为弥漫强阳性;GFAP均为阳性;p53有6例强阳性;48例患者ATRX未缺失;Ki-67增殖指数5%~60%。Sanger测序显示54例均发生IDH基因突变(40例为IDH1突变,14例为IDH2突变),33例发生TERT启动子突变。16例在治疗过程中发生复发及转移。单因素分析显示,手术后复发转移间隔时间超过2年可以延长患者无进展生存和总生存期。54例患者平均无进展生存期33.5个月,平均总生存期40.7个月。结论 IDH突变和1p/19q共缺失型少突胶质细胞瘤术后联合精准放化疗降低了进展风险,手术后复发转移间隔时间与该型患者预后相关。
文摘针对小目标水漂垃圾形态多变、分辨率低且信息有限,导致检测效果不理想的问题,提出一种改进的Faster-RCNN(Faster Regions with Convolutional Neural Network)水漂垃圾检测算法MP-Faster-RCNN(Faster-RCNN with Multi-scale feature and Polarized self-attention)。首先,建立黄河兰州段小目标水漂垃圾数据集,将空洞卷积结合ResNet-50代替原来的VGG-16(Visual Geometry Group 16)作为主干特征提取网络,扩大感受野以提取更多小目标特征;其次,在区域生成网络(RPN)利用多尺度特征,设置3×3和1×1的两层卷积,补偿单一滑动窗口造成的特征丢失;最后,在RPN前加入极化自注意力,进一步利用多尺度和通道特征提取更细粒度的多尺度空间信息和通道间依赖关系,生成具有全局特征的特征图,实现更精确的目标框定位。实验结果表明,MP-Faster-RCNN能有效提高水漂垃圾检测精度,与原始Faster-RCNN相比,平均精度均值(mAP)提高了6.37个百分点,模型大小从521 MB降到了108 MB,且在同一训练批次下收敛更快。