简介:皮肤病学是研究皮肤及其相关疾病的科学,皮肤病的皮损具有可视化特征,因而皮肤病是一门最适宜应用各种图像技术的临床二级学科。随着图像技术和数字技术的不断发展,已出现了一系列皮肤影像诊断方法,显著提升了皮肤科医生的诊断水平和工作效率,改变了皮肤病学的发展格局和面貌。皮肤病学的另外一个特征是病种众多,加之我国的皮肤病患者数量庞大,使得皮肤影像数据呈指数性增长,迫切需要构建适用于我国人群的皮肤病智能辅助诊断系统。在近十多年工作基础上,“中国皮肤影像资源库项目”(ChineseSkinImageDatabase,CSID)于2017年正式启动,已开展了系列颇具影响力的工作,如设立CSID开放研究课题(OpenResearchFundingofCSID,CSID-ORF)、成立CSID皮肤影像学院、开发CSID工作平台及相关应用技术等。CSID已逐渐发展成为我国皮肤影像研究、教育与应用的系统平台,将继续为我国皮肤影像事业的发展作贡献。
简介:影像技术的迅速发展改变了临床诊疗模式,而皮肤科以其可视性、适合体表成像的学科特点,受到的影响尤为显著。皮肤影像技术目前广泛应用于皮肤科的各个领域,可以用于皮肤病的诊断与鉴别诊断、对医学美容治疗前后的效果进行评估等。目前常用的皮肤影像技术包括皮肤摄影、皮肤镜、皮肤超声、反射式共聚焦显微镜、多光子成像、光学相干层析成像和新兴的皮肤表面成像技术等,凭借其无创、在体、实时、动态观察的特点,影像技术在医学美容中的应用日渐受到重视。国内外学者对于皮肤影像技术在皮肤科中的应用已有诸多介绍,但其在医学美容方面的应用涉及较少,本文对皮肤影像技术在医学美容中的应用展开综述,详细介绍其在医学美容领域的不同特点及应用。
简介:摘要目的比较毛发上皮瘤的反射式共聚焦显微镜(RCM)和皮肤镜特征与组织病理学特征。方法2017年1月至2018年12月于武汉市第一医院皮肤科门诊收集经组织病理学确诊的毛发上皮瘤患者23例,采集RCM、皮肤镜图像,对比其与组织病理学特征的一致性。结果23例中,男5例,女18例,年龄(39.5 ± 22.1)岁。组织病理特征:肿瘤界限清楚,周围有丰富的纤维基质;肿瘤团块为多数基底样细胞集合或相互交织的基底样细胞索,周边细胞呈栅栏样排列;肿瘤细胞不同程度地向毛乳头分化;可见不等数量的角囊肿。RCM特征:23例患者中8例可见真表皮交界处芽蕾样下延的条索状细胞,有栅栏样排列趋势;18例可见真皮层散在分布结节状似有分叶的瘤团,与周围组织无收缩间隙,呈扩大的低回声结构;16例瘤团周围有中高折光的无定形基质包绕;16例患者可见特征性的疑似原始分化毛乳头结构;20例可见清晰的角囊肿。皮肤镜特征:20例可清晰观察到珍珠白色、均质状结构,10例线状毛细血管扩张。结论毛发上皮瘤的RCM特征与组织病理具有较高一致性,可作为辅助诊断及鉴别诊断的有效方法。
简介:摘要目的通过对14例隆突性皮肤纤维肉瘤(DFSP)的磁共振影像进行分析,提高对DFSP磁共振影像特征的认识。方法本文为描述性研究。收集广东医科大学附属医院2011年3月至2022年6月经病理及免疫组化检测确诊的14例DFSP患者的磁共振影像资料,分析DFSP磁共振影像特征情况,包括T1加权成像(T1WI)、T2加权成像(T2WI)、弥散加权成像(DWI)、增强扫描等序列影像特征。结果14例DFSP患者中,男9例、女5例,年龄21~58(43.8±12.2)岁。14例均为单发,表现为突出皮肤表面的结节/肿块,最大长径21~160(57.1±37.0)mm,平均体积大小为57.1 mm×40.4 mm×28.4 mm。DFSP平扫T1WI信号与肌肉相仿,T2WI高信号,6例病灶内可见少量线状低信号分隔,3例DWI呈明显高信号,10例增强扫描病灶呈明显均匀强化,4例呈不均匀强化,内可见斑片低强化区域。6例病灶内T2WI压脂低信号分隔增强扫描强化不明显。1例肿块内可见流空血管影。1例肿块内可见出血信号,T1WI平扫呈高信号。14例病灶局限在皮肤及皮下脂肪组织内,5例出现脂肪尾征,4例出现筋膜尾征。14例病灶与深层周围结构分界清楚,未见邻近深层结构受侵犯改变。结论DFSP局限在皮肤及皮下脂肪组织内,磁共振平扫及增强扫描有一定的影像特征,正确认识影像征象有助于提高对DFSP的认识,为DFSP的病理诊断及临床诊治提供有用的参考。
简介:1987年9月20日,中国第一封电子邮件成功发出,揭开了中国人通过互联网与世界相连的序幕。人工智能的登场,更是为互联网医疗找到了新的出口。作为皮肤病诊断的重要手段之一的皮肤影像,已从起初的放大镜、显微镜辅助诊断,发展到如今的数字影像学技术和智能分析。国内各家医院的皮肤影像数据并非共享资源,于是形成了一个个“信息孤岛”,这直接阻碍着人工智能所需要的“大数据”的形成。中国人群皮肤影像资源库的建立无疑是破冰之举。通过互联网使皮肤影像数据“流动”起来,通过人工智能使皮肤病诊疗“智慧”起来,在此基础上,让分级诊疗、区域协同等纷纷落地,不断提升医疗资源的使用效率,从而实现患者、医生、医疗机构等多方共赢。
简介:摘要,将神经网络深度学习算法应用于皮肤癌医学影像领域,使用DenseNet密连卷积神经网络模型并通过大量皮肤癌医学影像数据集对网络模型进行训练后得到具有皮肤癌识别能力的网络模型。研究实验结果表明,DenseNet密连卷积神经网络模型对皮肤癌医学影像数据分析能力较强,识别精度较高,能够高效快捷地对各类皮肤癌进行识别分析。,关键词,DenseNet,皮肤癌,深度学习,卷积神经网络