肿瘤分类

摘要： 神经系统肿瘤是一类起源于中枢神经实质细胞的良、恶性病,好发于颅内与椎管,胶质细胞瘤是其中最主要的恶性肿瘤。2021年第五版世界卫生组织(WHO)中枢神经系统(CNS)肿瘤分类(WHO CNS 5)在WHO CNS 4的基础上,进一步强调了综合诊断与分层报告的意义,明确了关键分子特征肿瘤精确分类的必要性,重新定义了部分肿瘤分子亚型如弥漫性星形细胞瘤(伴MYB或MYGBL1改变),弥漫性半球胶质瘤(H3 G34突变型)等,新增了一些分子标志物,实质性推进了分子信息在临床诊断与治疗中的应用。影像学作为无创评估神经系统肿瘤的重要手段也面临新的挑战和命题。

摘要： 目的 探讨三种纵裂入路在下丘脑区肿瘤(tumor in the hypothalamus region,THR)切除的应用.方法 回顾性分析73例位于中线的THR,根据病变与视交叉、前交通动脉、第三脑室的关系,THR分为A型17例、B型31例、C型25例,分别采取经纵裂-胼胝体-穹隆间入路、经纵裂-前交通动脉-终板入路、经额底-纵裂-视交叉入路进行肿瘤切除.结果 病理类型:颅咽管瘤58例、下丘脑错构瘤2例、下丘脑胶质瘤5例,生殖细胞瘤3例,巨大垂体瘤3例,巨大鞍结节脑膜瘤2例.A、B、C三型肿瘤软硬度差异无统计学意义(P>0.05).肿瘤全切除64例,次全切除6例,部分切除3例.肿瘤全切率为87.7％,其中A型为76.5％,B型为87.1％;C型为92.0％,三型间肿瘤全切率差异无统计学意义(P>0.05).术后恢复良好(KPS 80～100分)63例(86.3％),中等(KPS 40～70分)7例(9.6％),不良(KPS 0～30分)3例(4.1％).结论 通过对THR进行临床分型,针对性选择不同手术入路,可获得良好切除效果.

摘要： 种痘样水疱病样淋巴瘤(HVLL)于1986年最初被Oono T等[1]描述为“种痘样水疱病与恶性淋巴瘤的共存体”。2008年世界卫生组织(WHO)淋巴造血组织肿瘤分类[2]将种痘样水疱病样淋巴瘤(HVLL)归入儿童EB病毒(EBV)阳性T细胞淋巴组织增生性疾病,而术语种痘样水疱病样淋巴组织增生性疾病(HVLPD)被引入2016年WHO淋巴肿瘤分类[3]中.

摘要： 肿瘤分好几类,根据身体的不同区域、不同部位,肿瘤有不同名称,而肿瘤细胞也有许多分类,神经内分泌瘤便属于较罕见的一种肿瘤分类。神经内分泌瘤不同于较常见的癌肿瘤,其特点是可分泌激素,且通常长得很隐秘,爱跟医生玩捉迷藏,任你怎么找也找不着。

摘要： 2017年WHO内分泌器官肿瘤分类将下丘脑-垂体区域的脑室外神经细胞瘤(WHOⅡ级)定义为鞍区神经细胞瘤。发病率不详,已报道的发病年龄为23~56岁,临床均表现为与垂体功能障碍无关的视野缺损。组织学形态,肿瘤组织由纤维和血管间质内形态一致伴神经元分化的圆形细胞组成(图1),胞核染色质呈"椒-盐"状;肿瘤细胞呈单一片状排列,其间被神经毡背景分隔;可见神经节或神经节样细胞。

摘要： 由于基因表达数据高维度、高噪声、小样本的特点,基因选择一直是肿瘤分类的一大挑战.为了提高肿瘤分类的精度,同时保证基因选择的效率,提出一种结合Relief-F和CART决策树的自适应粒子群优化(APSO)算法(R-C-APSO).该方法首先利用Relief-F快速过滤大量无关基因和噪声,缩小基因选择范围;然后以CART决策树为适应度函数,用APSO算法对基因进行最终搜索.通过六个数据集的分析实验,结果表明R-C-APSO拥有较高的分类精度和较快的基因选择速度,且具有良好的稳定性.

摘要： 本文将机器学习方法应用到医疗领域,使用机器学习方法对传统肿瘤病理检测方法进行改进,找到一种辅助医疗人员进行肿瘤分类的分类器模型.首先对原始数据进行特征工程,之后通过一种集成学习方法对肿瘤样本进行学习,最终找出一个合适的肿瘤分类模型.

摘要： 伴平滑肌瘤样间质的肾细胞癌(RCC)是WHO(2016)泌尿系统肿瘤分类中RCC的暂定亚型。HE染色显微镜下见平滑肌瘤样间质中,肿瘤边界清楚,呈管状、乳头状生长,胞质透明。

摘要： WHO(2008)淋巴造血系统肿瘤分类中,灰区淋巴瘤(GZL)作为一个暂定的类型被引入,其特征介于经典型霍奇金淋巴瘤(cHL)和大B细胞淋巴瘤(LBCL)。由于诊断标准并不明确,以至于对GZL的诊断仍然极具挑战。因此,为提高诊断的准确性,作者从淋巴瘤研究协会(LYSA)获取139例GZL的组织学特征进行回顾性分析。入选标准参考文献综述以及LYSA专家组共识意见。

摘要： 管状囊性肾细胞癌是新近WHO肾肿瘤分类中一种特殊类型的肿瘤实体。据文献报道,管状囊性肾细胞癌与其他类型的肾细胞癌的关系密切,包括乳头状肾细胞癌、延胡索酸水化酶缺陷性肾细胞癌,以及其他具有多少不等管状囊性结构特征的癌。目前,文献报道的上述肿瘤的组织学分子特征并不一致。

摘要： 本文就WHO肿瘤分类消化系统分册新版中上消化道，包括食道、胃和小肠部分新增和变化较大的内容进行总结、比较和分析，以更好的指导临床实践活动。新增和变化较大的内容包括上皮内瘤变和异型增生概念和分类的变化、Barrett食管及相关异型增生概念和分类的变化、胃癌和间质肿瘤的一些变化及对壶腹部肿瘤单独设立了章节。

摘要： WHO神经系统肿瘤分类的前3版分别出版于1979年、1993年和2000年。在第1、2版均称为《中枢神经系统肿瘤的组织学分型》，第3版称为《WHO肿瘤分类:神经系统肿瘤的病理学与遗传学》。本文将最新版2007WH0中枢神经系统肿瘤分类(第4版)的组织学分类分列进行了介绍。

摘要： 回顾本世纪六十年代,为解决当时肿瘤分类混乱问题,WHO组织国际神经病理学家委员会经过15年的病理学研究和大宗病例的临床随访,于1977年在扎伊尔首都金沙萨召开了中枢神经系统肿瘤分类会议,集体制定了第一个全世界公认和通用的WHO中枢神经系统肿瘤命名与分类系统。本文比较分析了2007年WHO CNS肿瘤分类与2000年分类，并就2007年WHO CNS肿瘤分类新增肿瘤实体的影像学表现进行介绍。

摘要： 随着医学影像诊断技术的迅速发展，腹部CT对疾病的检测与认识不断深入，肾上腺肿瘤的定位及定性的诊断准确性有明显提高。本文收集28例经组织学证实的肾上腺肿瘤，从肿瘤分类及其CT表现特征方面进行分析，以提高认识。

摘要： 脉络丛肿瘤(CPT)是指起源于脉络丛上皮细胞的肿瘤，肿瘤发病率低，恶性少见。这给影像工作者特别是初学者带来一定的难度。以往WHO中枢神经系统肿瘤分类将其分为两类：良性的脉络丛乳头状瘤(CPP)和恶性的脉络丛癌(CPC)，分属Ⅰ级和Ⅲ级肿瘤。而在近年研究中发现良性脉络丛肿瘤中有一类肿瘤与肿瘤复发密切相关，于2007年WHO中枢神经系统肿瘤分类在脉络膜丛肿瘤中新增加了一病种：非典型脉络丛乳头状瘤属Ⅱ级肿瘤。本文从该肿瘤的临床、病理、影像及预后等方面进行综述，以提高该肿瘤的影像诊断。

摘要： 卵巢肿瘤的种类繁多，1973年世界卫生组织按照组织发生学起源制订了国际统一的卵巢肿瘤分类方法。本文介绍了上皮性肿瘤、囊腺瘤、囊腺癌以及子宫内膜样癌等卵巢肿瘤的影像学诊断。

摘要： 原发性脾肿瘤少见，影像表现特异性相对较差，对脾原发性肿瘤的认识有助于对其影像表现的理解。本文介绍了正常脾的组织学和原发性脾肿瘤分类，分析了脾非淋巴性肿瘤与肿瘤样病变。

摘要： 淋巴结由皮质、副皮质和髓质三个主要区域组成，淋巴滤泡位于皮质区，分为初级滤泡和次级滤泡。在活检工作中所见到的滤泡大多数是受到抗原刺激而增生的次级滤泡，可见生发中心，分为明区和暗区。生发中心周围是套区，最外层是边缘区。发生恶性淋巴瘤的淋巴结，正常结构常常全部或部分被破坏，而显得结构不清楚。在有些淋巴瘤的较早期，淋巴结的结构基本保持正常，但已经发生了淋巴瘤。此种在正常结构内存在非浸润性淋巴瘤，称为原位淋巴瘤，此类肿瘤诊断较为困难，其细胞成分、免疫表型及分子遗传学均发生了改变，这种交界性病变越来越受到关注。在2008年新版的WHO淋巴造血系统肿瘤分类中，对其做了明确的界定，提出了原位滤泡性淋巴瘤(insitu follicular lymphoma)和原位套细胞淋巴瘤(in situmantle cell lymphoma)。这两种原位淋巴瘤常常容易漏诊，在实际工作中，一些诊断为反应性增生的病例，经过一段时间转变为淋巴瘤，可能是属于原位淋巴瘤的漏诊。本文探讨了 “原位”淋巴瘤的诊断鉴别情况。

摘要： 胃癌很少从正常的胃黏膜上皮直接发生,通常需经历多年持续的癌前病变过程,对于癌前病变的及早识别和治疗,不失为防治胃癌的有效途径.2000年,国际癌症研究机构(IARC)出版的WHO肿瘤分类《消化系统肿瘤病理学和遗传学》一书,对胃肠道癌前病变和癌的诊断名称、定义和标准作了一些新的规定,首次将上皮内瘤变(IN)的定义引入到消化系统肿瘤中,以解决癌前病变的一些术语如异型增生(dysplasia)、不典型(atypia)、原位癌(carcinoma in situ)等在使用上的混淆.现就胃黏膜上皮内瘤变(GIN)与胃癌的关系研究作一简要介绍和评述.

摘要： 近年来,人们已经绘制出急性髓细胞白血病(AML)的分子结构框架图,现在已经对关键性基因的决定因素、主要基因的相互作用以及这些突变发生的大概顺序有了更清晰地理解.下一步迫在眉睫的挑战是如何应用近期关于基因组学的发现定义疾病的生物学特征,以及如何依据分子标记为患者量身定做治疗方案.

摘要： 一种基于多通道多分类器的胰腺囊性肿瘤图像分类方法，包括如下步骤：1)对原始图像进行调节窗宽窗位操作，Canny边缘检测以及梯度幅值计算来加强边缘特征；2)运用ResNet对多通道图进行端到端的训练，把pool5层的输出作为提取到的特征，分别用Bayesian分类器和KNN分类器进行分类，得到分类概率；3)运用随机森林分类器对上述得到的3种不同的概率进行分类得到最终结果，随机森林由多个决策树组成。本发明提供了一种基于多通道多分类器的胰腺囊性肿瘤图像分类方法，能自动进行边缘增强，并提高分类的准确率。

摘要： 本发明涉及图像识别技术领域，具体涉及一种基于深度学习分割、分类多任务的喉咽内镜肿瘤检测及良恶性分类方法；包括以下步骤：S1、系统研发；S10、采集训练数据并对病灶的区域、良恶性进行标注；S11、训练一个图像分割、分类多任务模型，并实现图像的病灶区域分割和图像分类。本发明利用基于深度学习的图像分割、图像分类多任务方法对待检测图像进行预测，并综合两者的预测结果，得到图像属于正常、良性或恶性的概率，同时根据分割结果输出病灶区域，供内镜操作医生参考，并且视频最近若干帧取平均概率的方法可以平滑逐帧预测到的概率，降低图像噪声、运动模糊、某些罕见图像形态的影响，降低输出概率的波动，提高检测准确率。

摘要： 一种基于多通道多分类器的胰腺囊性肿瘤图像分类方法，包括如下步骤：1)对原始图像进行调节窗宽窗位操作，Canny边缘检测以及梯度幅值计算来加强边缘特征；2)运用ResNet对多通道图进行端到端的训练，把pool5层的输出作为提取到的特征，分别用Bayesian分类器和KNN分类器进行分类，得到分类概率；3)运用随机森林分类器对上述得到的3种不同的概率进行分类得到最终结果，随机森林由多个决策树组成。本发明提供了一种基于多通道多分类器的胰腺囊性肿瘤图像分类方法，能自动进行边缘增强，并提高分类的准确率。

摘要： 本公开提供分类和/或鉴定癌症亚型的系统和方法。本公开还提供通过在计算方法中使用同义和非同义体细胞突变两者来增强对肿瘤突变负荷的预测的方法。据信，通过增加所述肿瘤突变负荷计算中的突变数量，可以导出相对更一致的肿瘤突变负荷，特别是对于靶向组合测序。据信，与从全外显子组测序数据计算出的肿瘤突变负荷相比，来自靶向组合的所述肿瘤突变负荷的一致计算允许对测序数据进行计算更快且成本更低的分析。

摘要： 本发明实施例公开了一种肿瘤等级分类方法、装置、电子设备及存储介质。该方法包括：获取包含目标肿瘤的三维磁共振图像以及已训练完成的肿瘤等级分类模型；将所述三维磁共振图像输入到所述肿瘤等级分类模型中，并根据所述肿瘤等级分类模型的输出结果，得到所述目标肿瘤的等级分类结果；其中，所述肿瘤等级分类模型包括多尺度卷积模块，所述多尺度卷积模块包括至少一个卷积层，所述至少一个卷积层内的卷积核的维数是三维。本发明实施例的技术方案，可以提高肿瘤等级分类的准确率。

摘要： 本发明公开了一种基于多模态的胺区肿瘤图像分类方法及终端设备，其中，方法包括步骤：获取颅内胺区肿瘤患者三个模态的MRI影像；采用加入离散小波变换的3D Resnet网络对所述三个模态的MRI影像进行特征提取，获得三个模态的低频特征和高频特征；基于所述三个模态的低频特征和高频特征以及颅内胺区肿瘤患者的临床信息，通过皮尔森相关系数构建低频特征相似性图和高频特征相似性图；采用多图卷积网络对所述低频特征相似性图和高频特征相似性图进行特征优化，得到三个模态的优化特征；利用多头注意力机制对三个模态的优化特征进行融合，并利用全连接层进行胺区肿瘤图像分类。本发明提供的基于离散小波的多图卷积网络可实现自动对鞍区肿瘤图像的精准分类。

摘要： 本发明公开了一种基于代价敏感的稀有肿瘤类别小样本分类的算法模型。现有的小样本学习方法大都忽略了特征空间的特殊性与迁移性，本发明则重点关注于此，构建的特征存储与筛选模块让前一阶段预训练中的特征能被后一阶段的元学习充分利用。首先，构建一个传统的深度学习神经网络进行预训练，对类似任务的非稀有类别数据集进行学习，冻结预训练模型的参数并存储预训练样本中每个类别的特征原型以及特征方差。接下来，通过Transformer编码当前特征与上一阶段选择出来的类别原型之间的关系，进而生成基于当前特征的新特征用于小样本分类器的分类。并在元学习过程中引入了可学习的代价敏感函数，从而使网络对稀有类别的样本更加具有敏感性。

摘要： 本实用新型涉及医疗设备技术领域，且公开了一种肿瘤科护理用标本分类存放装置，包括外箱，所述外箱的内部设置有存放箱；本实用新型通过将肿瘤样本放置在存放箱的放置槽内，通过定位板将样本进行固定后，通过固定板和固定栓进行限位，通过不同的放置槽对样本进行分类存放，避免移动时样本可能出现晃动，从而对样本进行保护，便于医护人员将样本进行移动，减轻了医护人员的负担，本实用新型通过对样本进行放置后，通过锁扣将箱盖进行关闭，打开压缩机，通过冷凝器与蒸发器对存放箱内部进行制冷，从而便于对样本进行冷藏，避免长时间可能对样本造成损坏，从而避免对检测结果造成影响，提高了存放效率，值得推广使用。

摘要： 本发明公开一种肝脏CT肿瘤分类系统及分类方法，包括可疑肝脏肿瘤检测模块、候选肝脏肿瘤分割模块、候选肝脏肿瘤分类模块；可疑肝脏肿瘤检测模块采用肝脏图谱与手动修正相结合的方法分割出肝脏实质，然后采用可变环形滤波器进行可疑肝脏肿瘤检测，得到候选肝脏肿瘤，通过灰度权重距离转换确定可变环形滤波器的中心，作为候选肝脏肿瘤种子点；候选肝脏肿瘤分割模块利用3D区域增长算法完成候选肝脏肿瘤分割；候选肝脏肿瘤分类模块采用经验阈值方法对候选肝脏肿瘤进行粗糙的假阳性降低，再用SVM算法作为分类器，将候选肝脏肿瘤分为肿瘤和其它肝脏组织；本发明具有较高的肝脏CT肿瘤检测敏感度，并有效提高了分类的准确度。

摘要： 本发明公开了一种肝脏肿瘤超声造影图像的病灶追踪分类方法及系统，其中涉及的一种肝脏肿瘤超声造影图像的病灶追踪分类方法，包括：S1.采集超声造影射频数据流，并对采集到的造影射频数据流进行预处理，得到处理后的二维射频数据；S2.对得到的二维射频数据进行各向异性扩散滤波；S3.对滤波后的二维射频数据进行肿瘤区域的边缘识别和描迹，得到感兴趣区域；S4.计算二维射频数据感兴趣区域的时间强度曲线，得到造影剂到达过程中的特征参数；S5.将得到的特征参数输入至LSTM神经网络模型中进行训练，得到训练好的肿瘤分类模型；S6.将采集的二维射频数据输入至肿瘤分类模型中，得到肿瘤的分类结果。