背景股骨头坏死患者常处于青壮年,如果不及时治疗,会快速进展,发生股骨头的塌陷,严重影响工作生活,最终需要接受全髋关节置换。目的观察早期股骨头坏死标本不同区域微观结构,研究其内部结构变化规律,为早期股骨头坏死的治疗提供指导。方法收集2019年3月-2020年1月因股骨头坏死于解放军总医院第一医学中心行全髋关节置换术患者的10个股骨头标本,其中女性5例,男性5例,年龄41~66岁,平均52岁。术前起病时间3~24个月,平均9.5个月。根据改良的国际骨循环研究学会(ARCO)分期标准,放射学分期均为Ⅱ期。将骨坏死标本沿冠状位切成厚约2 mm切片,采用micro-CT、高精度X线检查、病理学等方法研究股骨头坏死不同区域内部结构变化规律。结果通过micro-CT及病理切片染色发现早中期股骨头坏死标本软骨下骨正常的屏障作用减退或消失,部分区域有新生血管侵入,坏死区骨小梁结构完整性消失,骨小梁表面新生骨较少,且存在大量空骨陷窝。硬化区骨小梁数量和厚度均明显增加,新生类骨质较多,硬化区成骨相对于坏死区和正常区更为活跃。骨计量参数统计分析显示硬化区骨矿密度(bone mineral density,BMD)(mg/cc)(202.83±38.95 vs 79.00±24.50和102.12±17.44)、骨体积分数(bone volume fraction,BV/TV)(50.35%±7.40%vs 29.14%±8.80%和33.68%±5.70%)相对于坏死区和正常区明显增加(P均<0.05)。同时坏死修复反应区血管面积也较坏死区和正常区明显增加(P<0.05)。结论早中期股骨头坏死已发生软骨下骨屏障作用减退。坏死区保留死骨,改变成骨方式,对于早中期骨坏死的治疗及塌陷的预防具有积极意义。
目的探讨基于卷积神经网络(convolutional neural network,CNN)的人工智能(artificial intelligence,AI)技术通过深度学习辅助喉鳞状细胞癌(以下简称喉鳞癌)临床诊断的可行性。方法本研究采用一套深度CNN用以评估喉鳞癌患者的窄带成像(narrow band imaging,NBI)内镜图像。纳入2015—2017年期间就诊于首都医科大学附属北京同仁医院耳鼻咽喉头颈外科的喉病变患者4799例,其中男3168例,女1631例,年龄21~87岁。采用简单随机化法选取2427例患者的NBI内镜(其中喉良性病变1388例,喉鳞癌1039例)用于对AI系统的训练和校正。对余下的2372例患者采用NBI内镜(其中喉良性病变1276例,喉鳞癌1096例)对AI进行测试,并与耳鼻咽喉头颈外科专家判读结果进行比较。采用SPSS 21.0软件进行卡方检验,计算AI及耳鼻咽喉头颈外科专家判读的准确率、敏感度及特异度,采用受试者工作特征曲线(receiver operating curve,ROC)的曲线下面积(area under the curve,AUC)来评估本算法对NBI内镜图像的判读能力。结果AI验证集的准确率为90.91%(AUC=0.96),敏感度为90.12%,特异度为91.53%,与耳鼻咽喉头颈外科专家判读结果相当[准确率为(91.93±3.20)%,敏感度为(91.33±3.25)%,特异度为(93.02±2.59)%],差异无统计学意义(t值分别为0.64、0.75、1.17,P值分别为0.32、0.28、0.21)。CNN的判读速度明显高于耳鼻咽喉头颈外科专家,差异有统计学意义(每图0.01 s比每图5.50 s,t=9.15,P<0.001)。结论本研究证实了基于深度CNN的AI在喉NBI内镜判读上的有效性,提示AI在喉鳞癌的临床辅助诊断方面有很好的应用前景。
暂无评论