卵巢性索间质肿瘤的临床及超声表现分析

目的探索卵巢常见类型性索间质肿瘤的超声特点及其与临床表现的相关性,并分析误诊原因。方法收集2010年至2019年复旦大学附属中山医院经阴道及/或经腹部超声检查并经手术病理证实的71例卵巢性索间质肿瘤患者。卵泡膜纤维瘤、卵泡膜细胞瘤及纤维瘤属于卵巢纤维-卵泡膜瘤组(ovarian thecoma-fibroma groups,OTFG),共64例;成人颗粒细胞瘤(adult granular cell tumor,AGCT)共7例。收集患者卵巢肿块的最大径线、回声、形态、边界、后方回声是否衰减、彩色多普勒血流成像(color Doppler flow imaging,CDFI)信号等信息;比较不同大小肿瘤之间盆腔积液、CA125及肿瘤囊性成分是否具有差异;分析超声成像诊断符合率及误诊情况。结果OTFG多纵横比<1(89.1%),AGCT多为不规则形或分叶状(100%);OTFG以实质低回声为主(73.4%),AGCT常表现为囊实混合型(100%);68.8%OTFG病灶伴回声衰减,AGCT均不伴回声衰减;所有病灶边界清晰;OTFG病灶CDFI多表现为无或少量彩色血流信号,血流信号以周边多见(60.9%),AGCT则CDFI以3、4级彩色血流多见(100%)。不同大小肿瘤之间囊性成分、CA125及盆腔积液差异有统计学意义(χ^2=7.407、16.080和21.540;P=0.025、<0.001和<0.001)。实性及实性为主型病变诊断符合率高于囊实性及囊性为主型。结论 OTFG与AGCT在超声表现上有一定差异,可通过声像图特征对两组疾病进行鉴别诊断。

基于密度峰值的云变换加速机制

云模型是在概率论和模糊理论基础上提出的一种认知模型,可以实现定性概念与其定量数值的双向转换模型.自适应高斯云变换(Adaptive Gaussian Cloud Transformation,AGCT)是云模型最常见的一种粒计算机制.AGCT从数据拟合的角度实现了不同概念层次、不同粒度的概念提取.但是,由于AGCT进行概念跃升需要从最细粒度的数据开始,导致时间复杂度较高.本文借鉴密度峰值聚类算法的思想,为AGCT跨层提供先验知识,提出一种利用关键信息粒加速高斯云变换机制——AGCT_acc,从而避免了迭代次数过高,加速变粒度的过程.通过图像分割实验显示,本文提出的方法 AGCT_acc与AGCT在不同数据集上最终生成的云概念参数几乎相同,即分割效果很接近,而AGCT_acc的时间损耗却比AGCT减少很多.