2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩40頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、隨著乳腺腫瘤的發(fā)病率逐年上升,早期發(fā)現(xiàn)、早期診斷、早期治療是提高乳腺惡性病變生存率的關(guān)鍵。臨床上超聲檢查因其無損傷、安全、可重復(fù)性和價(jià)廉,被廣泛應(yīng)用于乳腺疾病的診斷中,隨著超聲技術(shù)的發(fā)展,除了常規(guī)二維灰階超聲、彩色多普勒超聲,還包括超聲彈性成像和三維超聲成像新技術(shù)。 日益發(fā)展的技術(shù)為乳腺疾病的臨床超聲診斷提供了越來越多的信息,各種成像方法的診斷指標(biāo)各有其優(yōu)缺點(diǎn),提取出最重要的診斷信息并綜合評價(jià)是發(fā)展的趨勢。近年來,二分類Logi

2、stic回歸分析廣泛應(yīng)用于醫(yī)學(xué)研究的各個領(lǐng)域,如流行病學(xué)、病因?qū)W的病例-對照研究,臨床診斷的判別模型,治療效果評價(jià)等。Logistic回歸模型在疾病病因的多因素分析中有著較多的優(yōu)點(diǎn),可以準(zhǔn)確判斷不滿足正態(tài)分布的資料的概率,如死亡或痊愈(稱為二值變量)。 國內(nèi)外都有將Logistic回歸分析應(yīng)用于乳腺超聲的研究,但未見有采用二分類Logistic回歸模型綜合分析二維灰階超聲、二維彩色多普勒超聲、三維灰階超聲、三維彩色多普勒超聲、彈

3、性成像多方面成像特征的有關(guān)報(bào)道。 本研究擬應(yīng)用二分類Logistic回歸模型對乳腺二維灰階超聲、二維彩色多普勒超聲、三維灰階超聲、三維彩色多普勒超聲、彈性成像各特征進(jìn)行分析,從中找出最有意義的征象和構(gòu)建Logistic回歸模型,以期能夠早期及準(zhǔn)確診斷乳腺癌,提高患者的生存率和改善預(yù)后。 資料與方法: 一、臨床資料 對2006年7月至2007年9月期間,共163個乳腺病灶均進(jìn)行二維超聲成像、三維超聲成像及超

4、聲彈性成像檢查。良性病灶共108個,病灶最大直徑3.2~112.4 mm,平均(17.8±9.3)m,患者年齡16~78歲,平均年齡(36.7±18.4)歲;惡性病灶共55個,病灶最大直徑4.1~43.2 m,平均(23.4±12.8)mm,患者年齡26~78歲,平均(46.4±15.6)歲。 二、儀器及檢查方法儀器:超聲彈性成像采用HITACHI-8500彩色多普勒超聲診斷儀,線陣探頭,頻率7.5~13.0MHz,探頭配備專用

5、壓迫板;三維超聲成像采用GE公司的730-Expert彩超儀及機(jī)掃式三維探頭,探頭頻率7.5~13.0MHz。 檢查方法: (1)首先使用GE公司的730-Expert彩超儀,對雙側(cè)乳腺進(jìn)行橫、縱各切面二維灰階圖象掃查,觀察腫塊的部位、個數(shù)、大小、形態(tài)、邊界、內(nèi)部回聲、側(cè)方聲影、后方回聲、有無微鈣化和有無腋窩淋巴結(jié)腫大。 (2)彩色多普勒血流成像:顯示病變血供情況,進(jìn)行多普勒血流頻譜檢查測定阻力指數(shù)RI,參照Ad

6、ler半定量方法進(jìn)行血流分級。 (3)切換至三維成像模式,觀察重建的冠狀面上有無完整的界面回聲,有無匯聚征,重建病灶內(nèi)的三維空間的立體血流。 (4)再使用HITACFII-8500彩色多普勒超聲診斷儀。用普通二維模式確認(rèn)病灶后切換到彈性成像模式進(jìn)行彈性成像檢查。 三、彈性成像評分及診斷標(biāo)準(zhǔn)根據(jù)彈性圖中病灶區(qū)域顯示的不同色彩,采用新的改良五分法進(jìn)行評價(jià)。 1分:彈性成像檢查時(shí)腫塊整體及大部分發(fā)生變形,圖像顯

7、示病灶整體或大部分為綠色; 2分:彈性成像檢查時(shí)腫塊邊界可發(fā)生變形,中心部分沒有變形,圖像顯示病灶中心為藍(lán)色,周邊為綠色,以藍(lán)色為主; 3分:彈性成像檢查時(shí)腫塊一半發(fā)生變形,一半未發(fā)生變形,圖像顯示病灶內(nèi)綠色和藍(lán)色所占比例相近; 4分:彈性成像檢查時(shí)腫塊整體及大部分未發(fā)生變形,圖像顯示病灶整體為藍(lán)色或內(nèi)部伴有少許綠色; 5分:彈性成像檢查時(shí)腫塊整體和周圍組織均未變形,圖像顯示病灶及周邊組織均為藍(lán)色,即藍(lán)色

8、超出灰階圖像屏顯示的二維病灶范圍,若病灶內(nèi)部同時(shí)伴有綠色,也歸為此類。 本研究擬彈性評分1~3分診斷為良性病變,4~5分診斷為惡性病變。 四、統(tǒng)計(jì)學(xué)處理以手術(shù)病理結(jié)果為診斷金標(biāo)準(zhǔn)。統(tǒng)計(jì)學(xué)分析:以病理結(jié)果良、惡性作為因變量,將下述超聲特征作為自變量建立Logistic模型,采用偏最大似然估計(jì)前進(jìn)法進(jìn)行逐步回歸。超聲特征為形態(tài)、邊界、內(nèi)部回聲、微鈣化、側(cè)方聲影、后方回聲衰減、后方回聲增強(qiáng)、腋窩淋巴結(jié)腫大、腫塊縱橫比、RI、二

9、維Adler分級、改良彈性評分、匯聚征、完整的界面回聲、三維Adler分級。對回歸參數(shù)估計(jì)值采用Wald x2檢驗(yàn),對整個模型的擬合情況采用似然比檢驗(yàn),并用ROC曲線法評價(jià)Logistic模型的預(yù)報(bào)能力。統(tǒng)計(jì)學(xué)分析用SPSS 13.0軟件完成,以P<0.05為有統(tǒng)計(jì)學(xué)意義。 結(jié)果: 1、163個乳腺結(jié)節(jié)手術(shù)病理結(jié)果見表1、表2:2、依據(jù)SPSS13.0的輸出結(jié)果,Logistic回歸分析最后一步篩選六個自變量,其模型為:

10、 logit(P)=-9.464+1.121X12+3.683X1+4.315X3+4.593X10-20.407X7+34.429X13 對上述模型行似然比檢驗(yàn),具有統(tǒng)計(jì)學(xué)意義(X2=185.822,p<0.001)。 利用該回歸模型預(yù)報(bào)這163個乳腺病灶,回歸模型能很好地區(qū)分這兩類病灶,如果在回歸值尸大于0.5時(shí)預(yù)報(bào)為惡性,小于等于0.5時(shí)預(yù)報(bào)為良性,則預(yù)報(bào)正確率高達(dá)159/163=97.5%。 以模型判斷乳

11、腺惡性病灶概率預(yù)測值繪制ROC曲線,ROC曲線下面積(area under the ROC curve,Az)為判斷指標(biāo)檢驗(yàn)?zāi)P蛿M合效果,Az為0.996±0.001,p<0.00l,95%置信區(qū)間為(0.994,0.998),證明該模型的擬合效果較好,用于預(yù)測乳腺腫瘤的良惡性效果也很好。 結(jié)論: 1、Logistic回歸分析從15個診斷指標(biāo)中篩選出改良彈性評分、形態(tài)、RI、內(nèi)部回聲、后方回聲增強(qiáng)、匯聚征,構(gòu)建的回歸模型

12、能很好地區(qū)分乳腺良惡性病灶,方程擬合的優(yōu)度和預(yù)測效果比較理想。 2、改良彈性評分和形態(tài)可作為鑒別診斷乳腺腫瘤良惡性最具價(jià)值的項(xiàng)目,在臨床工作中,可以首先從這兩個項(xiàng)目來評判乳腺腫塊的良惡性,再結(jié)合其他特征綜合分析。 3、Logistic回歸模型使綜合分析各診斷指標(biāo)更簡易、客觀,有較好的臨床應(yīng)用價(jià)值。Logistic回歸模型可將其作為計(jì)算機(jī)輔助診斷系統(tǒng)的基礎(chǔ)。但用它對單個病例進(jìn)行預(yù)報(bào),需考慮人群發(fā)病率,必須進(jìn)一步對模型進(jìn)行多

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論