几项研究探讨了磁共振成像与LGG的恶性进展之间的关系,发现在纵向灌注加权磁共振成像下测得的相对脑血容量的变化可以预测LGG的恶性转化(11,12)。完全手术切除是当前可行的LGG的主要治疗方法(9)。尽管如此,侵入性生长和涉及LGG区域的特征使得在某些LGG患者中很难完全切除手术(13,14)。由于LGG的异质性和脑血屏障的存在,诸如化学疗法和免疫疗法之类的疗法并不令人满意(15,16)。因此,寻找新的生物标志物并制定治疗LGG的新治疗策略至关重要(17,18)。
口服鳞状细胞癌(OSCC)是最常见的头部和颈部肿瘤,占口腔恶性肿瘤的四分之二以上。全球发病率很普遍,每年报告450,000例和230,000例死亡,预后不良(1,2)。手术一直是OSCC的一线治疗,无论是早期还是晚期。但是,由于医疗资源有限,一些患者仍无法及时接受外科治疗(3)。OSCC的非手术治疗主要包括放疗,化学放疗和免疫疗法。尽管在OSCC的治疗中取得了重大进展,但大多数仍处于局部晚期阶段,预后较差,而5年的平均存活率小于50%至60%(4)。造成这种结果的主要原因之一是OSCC细胞逐渐抗当前可用的化学治疗药物(5)。因此,迫切需要新的治疗方法。
摘要:低度神经胶质瘤(LGG)是最常见的恶性脑肿瘤,可大大定义患者的表现率。跨磁共振成像(MRI)的LGG分割是诊断和治疗计划所必需的。为了达到这一具有挑战性的临床需求,这是一种基于U-NET和SEGNET的杂交结合卷积神经网络(CNN)的深度学习方法。实际上,为了将其与最常用的模型U-NET进行比较,建立了一种采用的侦察模型。分割使用110名LGG患者的反转恢复(FLAIR)进行培训和评估。混合模型实现的最高平均值和中值骰子系数(DC)为83%和85。分别为7%。获得的这项工作的结果导致在MRI图像中使用深度学习的潜力,以便为许多相关的临床应用提供无创的LGG分割工具。
目的本研究的目的是预测低级神经胶质瘤切除后的固定转移恶化。方法作者回顾性分析了102例接受低级神经胶质瘤手术的两分之一系列。术前和手术后3-4个月评估了Trail制作测试B和A(TMT B-A)的完成时间之间的差异。与手术腔形态相关的信息的高维度以四种不同的方式减少到一小组预测因子:1)手术腔之间的重叠与组成YEO的17 network大脑的122个皮层包裹之间的重叠; 2)拖拉克斯:主要白质束的空腔断开; 3)手术腔与YEO网络之间的重叠;和4)脱节:Yeo网络的空腔结构断开连接的签名。实施了一种随机的森林算法,以预测TMT B-A Z分数的术后变化。结果最后两种基于网络的方法在剩下的受试者中产生了明显的精度(接收器操作特征曲线下的区域[AUC]大约等于0.8,p大约等于0.001),并且构成了两个替代方案。在单一树层次模型中,YEO皮质皮质网络12(CC 12)的损害程度是一个关键节点:损害CC 12的患者高于7.5%(皮质重叠)或7.2%(DISCONETS)(DISCONETS)具有更高的降低风险,在该网络上首次损害了该网络和良好的损害之间的损害。结论作者的结果对网络级方法是解决病变 - 症状映射问题的有力方法,使机器学习能力具有个人结果预测的强大方法。
医疗领域的研究已发现听诊器是导致患者感染的主要原因之一。为了对抗这一原因,我们敦促所有医疗专业人员在为每位患者使用听诊器之前和之后对其进行消毒。哪种方法最能确保做到这一点?在所有病房、检查室、实验室和手术区的入口处为药剂师提供消毒垫。我们将定期对使用的消毒垫数量进行不定期审核。我们将根据审核结果给予表扬或谴责。与上述 A 相同,但每个包装纸都包含一张优惠券,用于参加每周抽奖,以赢取自己选择的奖品,并且不会进行审核。与上述 A 相同,但包装纸会在每次轮班结束时保存并交给主管/部门主管,并且不会进行审核。无论提交的包装纸数量有多少,合作的专业人员都会因采取行动而获得积极鼓励。每个部门的专业人员将被允许设计自己部门参与听诊器消毒计划的非货币激励/提醒。