胸腺瘤的分類一直是眾多學者爭論的話題，因其形態(tài)學的多樣性和腫瘤細胞的異質性，加之缺乏簡單有效的觀測指標，它的分類方法尚未得到統(tǒng)一。隨著診斷技術的發(fā)展和腫瘤生物學研究的進步，幾種關于胸腺瘤的分類方法被先后提出，其中包括目前被大家公認的胸腺瘤世界衛(wèi)生組織(WHO)分類方法等?，F(xiàn)對幾種影響比較廣泛的胸腺瘤分類方法進行綜述，探討每種方法存在的問題及其對臨床的指導意義，總結該領域的發(fā)展趨勢，以期對胸腺瘤的分類和臨床研究提供幫助。
微動脈瘤是糖尿病視網膜病變的初期癥狀，消除該病灶可在早期非常有效地預防糖尿病視網膜病變。但由于視網膜結構復雜，同時眼底圖像的成像由于患者、環(huán)境、采集設備等因素的不同會存在不同的亮度和對比度，現(xiàn)有的微動脈瘤檢測算法難以實現(xiàn)該病灶的精確檢測和定位，為此本文提出嵌入SENet（squeeze-and-excitation networks）的改進YOLO（you only look once）v4自動檢測算法。該算法在YOLOv4網絡基礎上，首先通過使用一種改進的快速模糊C均值聚類算法對目標樣本進行先驗框參數(shù)優(yōu)化，以提高先驗框與特征圖的匹配度；然后，在主干網絡嵌入SENet模塊，通過強化關鍵信息，抑制背景信息，提高微動脈瘤的置信度；此外，還在網絡頸部增加空間金字塔池化結構以增強主干網絡輸出特征的接受域，從而有助于分離出重要的上下文信息；最后，在Kaggle數(shù)據(jù)集上進行模型驗證，并與其他方法進行對比。實驗結果表明，與其他各種結構的YOLOv4網絡模型相比，所提出的嵌入SENet的改進YOLOv4網絡模型能顯著提高檢測結果（與原始YOLOv4相比F-score提升了12.68%）；與其他網絡模型以及方法相比，所提出的嵌入SENet的改進YOLOv4網絡模型的自動檢測精度明顯更優(yōu)，且可實現(xiàn)精準定位。故本文所提出的嵌入SENet的改進YOLOv4算法性能較優(yōu)，能準確、有效地檢測并定位出眼底圖像中的微動脈瘤。
目的 探討肥胖對肺切除術后并發(fā)癥發(fā)生和手術死亡率的影響。 方法 回顧性分析2003年9月至2007年12月上海市肺科醫(yī)院3 494例肺部疾病行肺切除術患者的臨床資料，依據(jù)體重指數(shù)（body mass index，BMI）不同將3 494例患者分為兩組，非肥胖組（BMI＜28 kg/m2）：3 340例，男2 502例，女838例；年齡（61.9±10.7）歲；肥胖組（BMI≥28 kg/m2）：154例，男87例，女67例；年齡（59.7±9.6）歲。通過單因素和logistic多因素回歸分析肥胖（BMI≥28 kg/m2）對肺切除術后并發(fā)癥發(fā)生的影響?！〗Y果 圍術期共死亡26例，其中非肥胖組死亡23例，肥胖組死亡3例，兩組患者的病死率比較差異無統(tǒng)計學意義［0.7% （23/3 340） vs. 1.9% （3/154），P=0.118］。兩組患者任一并發(fā)癥和呼吸系統(tǒng)并發(fā)癥發(fā)生率比較差異均無統(tǒng)計學意義（P＞0.05）。除呼吸系統(tǒng)外，肥胖組患者其它系統(tǒng)并發(fā)癥發(fā)生率顯著高于非肥胖組（P＜0.05），腦血管意外、心肌梗死和急性腎功能衰竭發(fā)生率高于非肥胖組（P＜0.05）。Logistic多因素回歸分析結果顯示：肥胖（BMI≥28 kg/m2）不是肺切除術后并發(fā)癥發(fā)生的獨立危險因素［回歸系數(shù)為0.648、OR值為1.911，95% CI （0.711，5.138），P值為0.199］?！〗Y論 肥胖不引起肺切除術后手術死亡率和并發(fā)癥發(fā)生率的顯著增高。