简介:摘要目的分析脑肿瘤干细胞与神经上皮肿瘤病理级别的相关性,探讨脑胶质瘤的发生机制。方法选择本院病理科2015年1月~2016年的手术标本,合计30份,采用10%甲醛固定,组织石蜡切片,21例星形细胞瘤(Ⅰ级5例、Ⅱ级8例、Ⅲ-Ⅳ级8例),胶质母细胞瘤9例(Ⅱ-Ⅲ级4例、Ⅲ-Ⅳ级5例),分离纯化获得BTSCs,进行增殖分析、免疫组化。结果Ⅰ级、Ⅱ级、Ⅲ-Ⅳ级肿瘤组织获得的BTSCs第6h、1日、3日、6日的单细胞浓度、吸光值差异有统计学意义(P<0.05),血清培养6h,Ⅰ级、Ⅱ级、Ⅲ-Ⅳ级肿瘤组织获得的BTSCs单细胞浓度差异有统计学意义(P<0.05)。Ⅰ级、Ⅱ级、Ⅲ-Ⅳ级开始分化时,CD133表达存在明显差异,高级别的肿瘤BTSCs中CD133表达明显,Ⅰ级、Ⅱ级、Ⅲ-Ⅳ级肿瘤组织获得的BTSCs的G0/G1期、G2/M期、S期比重存在显著差异(P<0.05)。结论脑肿瘤干细胞与神经上皮肿瘤病理级别存在相关性,高级别的肿瘤肿瘤干细胞增殖能力更强。
简介:摘要目的探讨丘脑肿瘤的综合治疗效果。方法本组14例病例全经头颅CT及MRI增强扫描确诊。均经开颅显微镜下手术切除肿瘤。6例经侧脑室前角入路;5例经胼胝体侧脑室入脑;3例经颞后下皮层入路。所有这些入路均获得良好的显露。术后使用美国产Varian2003CD高能X线直线加速器外放疗。结果手术全切除3例;次全切除5例;部分切除6例。出院时症状明显较入院时改善5例;有改善6例;无变化3例。经1年至5年的随访,症状无变化或进一步改善者6例;恶化者4例;死亡4例。在生存中有7例生活能自理或基本自理。结论丘脑肿瘤应积极手术,术后进行放疗、化疗综合治疗,才能有效延长病人的生命和提高生存质量。
简介:摘要大数据环境下肿瘤病例为肿瘤的临床诊断提供了庞大的数据资源,同时人工智能技术的发展促进深度学习应用水平不断提升,推动肿瘤MRI图像的快速、精准分类进入深度学习时代。本文主要分为以下四个部分,第一部分针对目前主流的深度学习MRI图像分类模型:卷积神经网络、深度信念网络、深度残差网络、Vision Transformer展开综述。首先,阐述了各模型的历史沿袭、最初针对的问题及主要思想;其次,概括了模型的网络架构并探讨其在MRI图像分类上的最新应用;然后,分析了模型的特点、目前存在的局限及各自发展趋势。第二部分论述了一些影响分类性能的关键因素;第三部分提出了一些广泛使用的性能增强技术;文章最后讨论了深度学习分类MRI图像在临床实践中面临的主要限制,并对未来研究方向进行展望。本文的结果可为研究人员提供一个全面的比较,以及各种深度学习模型的有效性,有望促进脑肿瘤研究的进展。
简介:摘要目的采用荟萃分析探讨脑肿瘤患者术后谵妄发生的危险因素,旨在为临床护理人员识别高危因素提供依据。方法以谵妄、脑肿瘤、手术、危险因素等为关键词,检索PubMed、Web of Science、中国知网、万方等国内外数据库于2001年1月1日—2020年12月16日发表的脑肿瘤术后谵妄相关文献,进行文献质量评价并采用Stata 16.0软件进行Meta分析。结果共纳入9篇文献,13个危险因素与脑肿瘤患者术后发生谵妄相关。汇总分析后,年龄≥50岁或≤5岁[OR=1.23,95%CI(1.09~1.38),P=0.001]、酗酒史[OR=2.12,95%CI(1.09~4.13),P=0.027]、左右双侧脑肿瘤占位[OR=2.19,95%CI(1.30~3.69),P=0.003]、使用苯二氮类药物[OR=4.11,95%CI(2.03~8.30),P<0.001]、经额入路开颅术[OR=3.12,95%CI(1.94~5.00),P<0.001]、气管插管[OR=4.45,95%CI(2.44~8.11),P<0.001]、身体约束[OR=2.86,95%CI(1.82~4.51),P<0.001]是脑肿瘤患者术后谵妄发生的危险因素。结论现有证据表明,年龄≥50岁或≤5岁、酗酒史、左右双侧脑肿瘤占位、使用苯二氮类药物、经额入路开颅术、气管插管、身体约束是脑肿瘤患者术后谵妄发生的危险因素。护理人员应识别高危患者,基于危险因素采取预防策略以减少该群体术后谵妄的发生。
简介:探讨DTI在脑肿瘤分级中的应用价值,通过对FA值和ADC值的测量分析,发现DTI定量参数与脑肿瘤级别的关系,为临床应用提供信息。对19例经病理证实的不同等级脑肿瘤患者按肿瘤等级分组,对肿瘤实质区与对侧区正常脑组织的FA值和ADC值行配对t检验,比较肿瘤实质区与对侧区正常脑组织的差异;另就高、低级别脑肿瘤FA值和ADC值做独立样本t检验,分析差异。脑肿瘤患者组内肿瘤实质区较对侧正常脑组织FA值及ADC值均具有显著差异。低级别脑肿瘤较高级别脑肿瘤ADC值更低,且差异显著。脑肿瘤实质区FA值和ADC值可以帮助脑肿瘤区域与正常脑组织的界定,但对于脑肿瘤分级的应用价值尚有待考究。多模态图像的联合分析方法将成为脑肿瘤级别无创划分的新热点。