包虫病又称棘球蚴病，是一种人畜共患疾病。临床上可分为泡型和囊型肝包虫病。泡型肝包虫病由多房棘球绦虫感染所致，常以浸润或出芽方式增殖，可以直接侵犯周围组织，还可以转移到脑、肺等其他器官，对患者造成严重且不可逆的损伤，故有"虫癌"之称。肝泡型包虫病潜伏期长，出现临床症状时多已是病变晚期，终末期肝包虫病灶侵犯重要管道，致使根治性切除困难，手术风险高。本研究报告了解放军总医院第五医学中心收治的1例泡型肝包虫病患者。行右半肝和部分下腔静脉同时切除，同种异体血管修补缺损下腔静脉，术后顺利康复。

目的:探讨超声对囊型肝包虫病的诊断及术前评估价值。方法:回顾性分析2018年1月至2019年12月在解放军总医院第五医学中心经手术病理及血清学检查证实的59例（102个病灶）囊型肝包虫病患者资料，其中男23例、女36例；年龄13~64（42±6）岁。对其声像图表现进行分型，同时判定病灶对血管及胆管受累情况。比较超声对肝包虫病诊断与手术病理相符率，以及超声诊断肝包虫病的准确率、灵敏度及特异度。结果:59例患者共涉及102个病灶，位于肝右叶78个，左叶20个，左右叶间4个。超声显示CE1型12个，CE2型24个，CE3a型16个，CE3b型6个，CE4型34个，CE5型10个。包虫超声与手术病理分型的相符率分别为91.66%（11/12）、95.80%（23/24）、93.75%（15/16）、83.33%（5/6）、91.17%（31/34）及100.00%（10/10）。超声诊断效能分析：分型的准确率为94.12%，灵敏度为96.94%，特异度为25%。特征性的超声表现中以脑回征、多子囊征出现频率最多，囊壁均匀性增厚，双壁征，内层囊壁分离征及厚壁钙化次之。超声在显示病灶累及血管及胆管判定中与术中所见比较，差异有统计学意义（均 P<0.05）。 结论:超声可明确诊断囊型肝包虫病，可较好地显示此病的影像特征，对提示疾病演变过程具有重要临床意义，对判定病灶对血管及胆管受累情况有临床意义。

目的:总结四川藏区脑泡型包虫病的流行病学及临床特征。方法:回顾性研究2016年1月至2021年6月四川省甘孜藏族自治州6家医疗单位收治的脑泡型包虫病住院患者的病例特点，总结其临床表现、影像学特征等。采用简单随机抽样法抽取相等数量的肝、脑泡型包虫病例组成数据样本，通过Logistic回归分析脑泡型包虫病易感因素。结果:共收集119例脑泡型包虫病患者，其中男性76例，女性43例；农民62例，牧民46例，僧人9例，学生2例。年龄（43.9±13.9）岁，主要临床表现为头晕头痛、癫痫。脑泡型包虫发病最为集中在肝泡型包虫诊断后的4年内（77/119，64.7%）。颅内包虫病灶多发者86例（72.3%），病灶平均大小2.0 cm×2.5 cm；影像学特征显示病灶主要集中在前循环供血区域，周围有宽大水肿带，增强扫描后明显强化，病灶内有多发聚集性小囊泡结构是其独特的影像特征。98例随访病例中62例（63.3%）可生活自理，死亡18例（18.4%），5年生存率约81.6%。多元回归分析结果显示易感脑泡型包虫病因素包括女性（ OR=2.742， 95%CI 1.039~7.236， P=0.042）、食用生肉/生水（ OR=7.638， 95%CI 1.216~47.966， P=0.030）、有肝包虫病史（ OR=0.380， 95%CI 0.178~0.811， P=0.012）以及合并其他部位包虫（ OR=2.968， 95%CI 1.113~7.910， P=0.030）。 结论:四川藏区脑泡型包虫病以农牧民患病为主，中青年女性更易感染，定期对初诊肝泡型包虫病且不合并其他部位包虫患者进行检查有助于监测预防脑泡型包虫病的发生，提高对四川藏区脑泡型包虫病的认识，从各个方面加强对脑泡型包虫病的早期诊断及防治。

目的:探讨多模态磁共振成像(MRI)在肝囊型棘球蚴病(CE)诊断与CE分型的价值,为CE治疗提供指导.方法:选取2021年1月至2023年6月喀什地区第一人民医院收治的60例CE患者,均行上腹部超声及MRI检查,评估患者MRI影像并比较不同CE分型患者表观弥散系数(ADC)值,探讨多模态MRI在鉴别不同类型囊性肝包虫的作用.结果:60例患者中,共有78个包虫囊肿,CE1型16例,CE2型8例,CE3型11例,CE4型17例,CE5型8例.5种不同CE型患者ADC值比较,差异有统计学意义(H=12.86,P＜0.05).其中,CE1型与CE2型、CE4型及CE5型患者ADC值比较,差异有统计学意义(Z=2.30、3.372、3.89,P＜0.05).CE2型与CE4型及CE5型患者ADC值比较,差异有统计学意义(Z=2.75、3.29,P＜0.05).结论:MRI能清晰的显示肝包虫的位置、数目、大小及与周围组织器官的比邻关系,磁共振胆胰管造影(MRCP)序列可作为评估包虫患者胆管并发症的无创的影像学检查方法,弥散加权成像(DWI)衍生的ADC值可以区分不同类型CE,指导临床治疗干预.

目的:将基于改进DeepLabV3+的图像语义分割算法应用到囊型肝包虫病超声图像处理中,实现肝包虫病病灶的自动分割与检测,提高临床诊断效率.方法:本研究采用了DeepLabV3+图像语义分割网络为基础方法,并对其进行了以下改进.首先,为解决DeepLabV3+图像语义分割方法计算复杂度高,内存消耗大,难以在计算能力有限的嵌入式平台上部署,在提取图像特征信息时难以充分利用多尺度信息等问题,以MobileNetV2替换模型的原主干网络Xception,获得轻量级的模型框架.其次,将高效通道注意力应用于底层特征,降低计算复杂度,提高目标边界的清晰度.最后,将Dice Loss引入模型中,缓解模型更关注背景区域,而忽略了包含目标的前景区域等问题.结果:在自建囊型肝包虫病VOC2007数据集5种病灶类型上进行验证,实验结果表明,改进模型的平均交并比和平均像素精度分别达到73.8%和83.5%,能够预测更精细的语义分割结果,有效地优化模型复杂度和分割精度.

目的 基于超声影像组学构建机器学习模型,探究其在鉴别囊型肝包虫病与泡型肝包虫病中的应用价值.方法 选取于我院及四川省甘孜藏族自治州石渠县经病理结果(金标准)或"四川省包虫病专家组"依据临床结果及专家共识(银标准)确诊的肝包虫病患者4976例,共纳入23 452张超声图像,其中囊型肝包虫病图像8557张,泡型肝包虫病图像14 895张.按病灶类型以8∶2比例将超声图像随机分为训练集18 762张与独立测试集4690张.使用Pyradiomics(3.1.0)提取超声图像的影像组学特征,对训练集及独立测试集超声图像均使用相同的提取器;使用极小化极大、标准分数及均值方法对影像组学特征进行特征缩放,使用主成分分析和Pearson相关系数进行特征降维,使用方差分析、递归特征消除、相关特征法及克鲁斯卡尔-沃利斯法筛选最佳影像组学特征.基于支持向量机(SVM)、自编码器(AE)、线性判别分析(LDA)、随机森林(RF)、逻辑回归(LR)、自适应增强(AB)、决策树(DT)、朴素贝叶斯(NB)8种分类器构建鉴别肝包虫病分型的最佳机器学习模型.训练集中,以十折交叉验证策略训练模型.绘制受试者工作特征(ROC)曲线分析不同分类器中最佳机器学习模型在训练集及独立测试集中鉴别肝包虫病分型的诊断效能.结果 从每张超声图像中共提取1130个影像组学特征,经特征选择动态筛选出1～40个最佳影像组学特征,并以此建立最佳机器学习模型.ROC曲线分析显示,RF模型在训练集及独立测试集中鉴别肝包虫病分型的曲线下面积分别为0.82、0.86,均高于SVM、AE、LDA、LR、AB、DT、NB模型,差异均有统计学意义(均P<0.05).结论 基于超声影像组学的RF模型对鉴别肝包虫病分型的诊断效能最佳,有助于肝包虫病精准超声诊断.

肝包虫病为慢性寄生虫病,由多房棘球蚴的幼虫引发,此病具有相当高的致残率和死亡风险,又被称作"虫癌".临床上将肝包虫病分为肝泡型包虫病和肝囊型包虫病,肝包虫病在世界各地广泛流行,我国主要在西部农牧区居民群体中发生,对该地区居民的生存质量构成了巨大的威胁.目前临床上治疗肝包虫病以手术治疗方式为主,伴随着外科诊治技术的迅速发展和对肝包虫病研究不断深入,其诊治方案也不断完善.本文将主要综述肝泡型包虫病的诊断和治疗进展,旨在为临床医务人员提供参考,以尽早发现和治疗,降低疾病对患者产生的不良影响,改善患者预后.

复杂囊型肝包虫病的外科治疗具有挑战性,对于压迫重要脉管主干的病灶进行强行剥除可能引起术中难以控制的出血.本文报道西藏自治区个体化治疗多发病灶复杂囊型肝包虫病一例,并首次采取术中混合现实(mixed reality,MR)导航技术辅助手术操作.

肝包虫病是一种呈全球性分布的人畜共患性疾病.超声作为该病的首选诊断方法,虽能及时发现大病灶位置并进行评价,但对早期小病灶的检测能力不佳.本文基于经预处理的高质量肝囊型包虫病超声图像小病灶数据集,提出了一种基于YOLOv7的检测肝囊型包虫病5类分型超声图像中小病灶的方法,以实现肝包虫病的自动检测,提高临床诊断效率.首先,用硬件感知神经网络EfficientRep替换原特征提取主干,实现在保证精度和速度不受影响的前提下,提高对硬件设备的适配度;其次,用更优的WIoU(Wise-IoU)替换CIoU(Complete Intersection over Union),改善了YOLOv7网络的评价指标CIoU在作为损失函数时,梯度计算效果差,导致检测精度下降的问题;最后,在主干的最后第4层加入CBAM注意力,进一步提高了模型检测精度.本文在自建的肝囊型包虫病超声图像小病灶数据集上进行了训练,结果显示,改进后的模型平均精度均值为88.1%,相较原始的模型性能得到了提升,并超过了对比的其余主流检测方法.说明本模型能更高效地检测并分类肝囊型包虫病超声图像中小病灶的位置和类别,应用于临床上能节约医师资源、缩短报告时长、提高诊断效率.

目的 肝包虫病的CT影像映射了不同亚型包虫病的病理学的差异性,本研究获取了可以印证包虫病病理学改变的关键的影像组学特征,结合人工神经网络(artificial neural network,ANN)对肝包虫病和正常肝脏进行分型,为肝包虫病的诊断、分型提供支持.方法 提取基于灰度直方图、灰度共生矩阵、灰度-梯度共生矩阵等36 维特征值,构建肝包虫图像特征集;选取曲线下面积(area under curve,AUC)＞0.72 以获取反映图像特征变化的关键影像组学特征,并绘制特征分布曲线;构建BP神经网络模型并采用参数评估、受试者工作特征(receiver operating characteristic,ROC)曲线对模型进行定量评价.结果 AUC特征分布:正常肝脏的特征曲线分布均匀,各特征峰值明显低于肝包虫病影像;单囊型特征分布曲线均显现出双峰分布,包虫病灶区域与正常组织形成明显灰度纹理差异性;多囊型特征分布集中且峰值紧凑,灰度级和纹理分布更密集、更复杂,与CT影像中"囊内囊"表现相印证.BP 神经网络分型:多囊型、单囊型和正常肝脏影像的训练、验证、测试、全部样本分类准确率均达到90%以上.结论 BP神经网络模型对肝包虫病与正常肝脏CT图像灰度纹理特征差异具有较好的感知判别效果,为肝包虫疾病的早期发现、确诊、治疗提供科学依据.