基于深度学习的结直肠息肉内镜图像分割和分类方法比较

目的·比较不同深度学习方法在结直肠息肉内镜图像分割和分类任务中的性能,以确定最优方法。方法·从3家医院采集4个结肠息肉数据集,涵盖1534个静态图像及15个肠镜视频。所有样本均经病理学验证,分为锯齿状病变和腺瘤性息肉2类。使用LabelMe工具进行多边形标注,将标注结果转换为整数掩膜格式。数据用于训练不同架构的深度神经网络,包括卷积神经网络、Transformer以及这2种技术的融合,建立有效的语义分割模型。对比不同架构模型自动诊断结肠息肉的多项性能指标,包括平均交并比(mIoU)、整体准确率(aAcc)、平均准确率(mAcc)、平均Dice系数(mDice)、平均F分数(mFscore)、平均精确率(mPrecision)和平均召回率(mRecall)。结果·开发了4种不同架构的语义分割模型,包括2种深度卷积神经网络架构(Fast-SCNN和DeepLabV3plus)、1种Transformer架构(Segformer)以及1种混合架构(KNet)。在对291张测试图像进行综合性能评估中,KNet最高mIoU为84.59%,显著优于Fast-SCNN(75.32%)、DeepLabV3plus(78.63%)和Segformer(80.17%)。在“背景”“锯齿状病变”和“腺瘤性息肉”3个类别上,KNet的交并比(IoU)分别为98.91%、74.12%和80.73%,均超越其他模型。KNet在关键性能指标上也表现优异,其中aAcc、mAcc、mDice、mFscore和mRecall分别达到98.59%、91.24%、91.31%、91.31%和91.24%,均优于其他模型。尽管在mPrecision上,91.46%并非最突出,但KNet的整体性能仍领先。在80张外部测试图像的推理测试中,KNet保持了81.53%的mIoU,展现出良好的泛化能力。结论·利用基于KNet混合架构的深度神经网络构建的结直肠息肉内镜图像语义分割模型表现出优异的预测性能,具有成为检测结直肠息肉高效工具的潜力。

IL-6与急性胰腺炎严重程度的相关分析

急性胰腺炎（Acute Pancreatitis，AP）是临床常见急症之一，由于轻型急性胰腺炎（MAP）随着病情的进展可能发展为轻型急性胰腺炎（SAP），而后者病情凶险，病死率高，如何早期判断AP的严重程度对临床把握病情，采取适宜的治疗措施及评估预后极为重要。近年来随着对AP病理生理的深入了解，细胞因子在AP发生发展中的作用倍受关注。

多普勒超声在预测肝硬化食道静脉曲张破裂出血中的初步探讨

目的：探讨彩色多普勒超声预测肝硬化食道静脉曲张破裂出血的临床价值。方法59例肝硬化患者分为二组，出血组与非出血组，另设正常对照组30名，应用彩色多普勒分别测定三组的门静脉（PV）及胃左静脉（LGV）的血流参数，并进行统计学分析。结果与正常对照组比较，肝硬化患者PV、LGV血管腔内径差异均有统计学意义（P﹤0.01），出血组中LGV血液方向为离肝者较非出血组明显增多。结论多普勒超声测定PV、LGV血流参数对临床预测食管静脉曲张破裂出血有较高的应用价值。

埃索美拉唑治疗反流性食管炎的疗效观察

目的观察埃索美拉唑治疗反流性食管炎的临床疗效。方法将患者随机分为治疗组和对照组,治疗组:埃索美拉唑20mg,2次/d;对照组:奥美拉唑20mg,2次/d,均早晚餐前口服;两组均同时口服多潘立酮10mg,3次/d,餐前30min服用。8周为一疗程。结果治疗组有效率与对照组相比有显著性差异(P<0.05)。结论埃索美拉唑联合多潘立酮治疗反流性食管炎临床疗效显著。

益气活血汤治疗慢性萎缩性胃炎90例

目的:观察益气活血汤治疗慢性萎缩性胃炎的临床疗效。方法:90例用益气活血汤随证加减治疗,疗程3个月。结果:显效57例,有效25例,无效8例,总有效率91.1%。结论:益气活血汤治疗慢性萎缩性胃炎疗效显著。

全新无创肝病模型判断肝硬化急性上消化道出血患者的预后

目的评估全新无创肝病模型血小板-白蛋白-胆红素指数(PALBI)判断肝硬化急性上消化道出血(AUGIB)患者预后的准确性。方法回顾性分析277例因肝硬化AUGIB住院且资料完整的患者,收集每例患者血小板、总胆红素、白蛋白、肌酐、国际标准化比值、肝硬化病因等资料。通过单因素和多因素logistic回归分析寻找肝硬化AUGIB患者死亡的独立危险因素,方差分析对比终末期肝病模型(MELD)和PALBI各分级之间的差异,利用Pearson相关分析评估MELD与APLBI的相关性,并通过受试者工作特征曲线(ROC)分别比较两者对肝硬化AUGIB患者短期和长期死亡的预测能力。结果肝硬化AUGIB患者短期(30 d内)和长期(1年内)死亡率分别为13.7%、23.5%,住院时间(9.1±3.9)d。经单因素和多因素证实高MELD评分、高PALBI指数为患者死亡的独立危险因素,OR值分别为1.17、4.43(P均<0.05);两者Pearson相关分析显示呈正相关(r=0.735,P<0.05);对MELD-a级患者进行PALBI评分,其中PALBI-1级和2级患者1年死亡率分别是7.0%、17.8%,差异有统计学意义(χ2=4.033,P<0.05);利用ROC曲线对比MELD、PALBI对患者短期死亡的预测能力,PALBI的AUC为0.767(95%CI:0.712~0.815),MELD评分的AUC为0.651(95%CI:0.591~0.707),差异有统计学意义(Z=2.328,P<0.05);对比PALBI和MELD对患者长期死亡的预测能力,两者AUC分别为0.731(95%CI:0.674~0.782)、0.754(95%CI:0.699~0.804),差异无统计学意义(Z=0.828,P>0.05)。结论PALBI较MELD评分对肝硬化AUGIB患者死亡有着更好的预测效果,PALBI对MELD-a级患者可以实现更精细的预后分级,并且对患者短期(住院和出院30 d内)和长期(出院后1年内)死亡情况均保持着良好的预测能力。PALBI作为一项全新的肝病模型可作为判断肝硬化AUGIB患者预后的有效无创手段。