目的 探讨YAP1-KMT2A融合高级别肉瘤的临床病理特征、诊断和鉴别诊断.方法 对1例左侧腋下YAP1-KMT2A融合高级别肉瘤进行组织学观察、免疫组化染色、RNA-seq及FISH检测YAP1基因重排情况,并结合相关文献讨论其临床病理特征.结果 肿瘤呈结节状生长,境界欠清,大小10.3 cm ×5.5 cm × 5.0 cm.肿瘤细胞于致密胶原基质中浸润性生长,部分区呈硬化性上皮样肉瘤样结构.细胞以上皮样为主,胞质丰富、透亮,核分裂象多见,伴多灶性凝固性坏死.间质血管较丰富.肿瘤细胞vimentin、Cyclin D1、EMA 等均(+),MUC4、WT1、ERG等(-),Ki67 增殖指数约80％.RNA-seq检测出3种不同融合方式的YAP1-KMT2A基因,FISH检测示YAP1基因重排阴性.结论 YAP1-KMT2A融合高级别肉瘤是一种较为罕见的KMT2A重排肉瘤,需与硬化性上皮样肉瘤等多种肿瘤鉴别,其确诊有赖于分子检测.

目的 探讨伴EWSR1非典型信号的低分化滑膜肉瘤(synovial sarcoma,SS)的临床病理特征,掌握与尤因肉瘤(Ewing'sarcoma,ES)及其他相似肿瘤之间的鉴别诊断.方法 对4例伴EWSR1非典型信号的SS患者的临床病理特征、免疫表型、FISH及二代测序(NGS)结果进行回顾性分析.结果 4例伴EWSR1非典型信号的SS患者中,3例男性,1例女性,年龄23～52岁,肿瘤最大径3.5～9.8 cm;其中 2例肿瘤位于右大腿,1例发生于右肘部,1例位于右腹股沟.镜下肿瘤细胞呈实性片状排列,界限不清,细胞密度高,由大小相对一致的小蓝圆细胞构成,胞质稀少,核圆形、核仁可见,细胞异型性明显,病理性核分裂象多见.免疫组化CD99、NKX2.2、SS18-SSX 均 阳性,INI1 弱阳性;CD34、CK(AE1/AE3)、EMA、desmin、HMB-45、SMA、FLI-1 和 CK8/18呈阴性.FISH检测显示SS18基因断裂,同时检测出EWSR1基因异常的红绿分离信号.NGS检测结果显示所有病例均存在SS18基因融合,但均未检测到明确EWSR1基因异常.结论 伴EWSR1非典型信号的SS组织学表现为大小一致的小蓝圆细胞,异型性大,病理性核分裂象多见,特征性免疫表型为SS18-SSX、CD99、NKX2.2阳性,INI1弱阳性,分子遗传学特征为EWSR1出现非典型的红绿分离信号,且均未检测到 SMARCB1(INI1)缺失.

针对糖尿病视网膜病变(DR)分割任务中病变区域多尺度特征难以学习、边界模糊等问题,提出一种改进的U型多病变分割模型DDAPNet.首先,对DR图像进行Patch处理,使模型更好地捕捉病变的局部特征;其次在主干特征提取后引入重新设计的密集空洞注意力金字塔(DDAP)模块,扩大感受野,解决病变边界模糊问题;同时采用金字塔切分注意力进行特征增强,然后将二者进行特征融合;最后在跳跃连接中嵌入改进的残差注意力模块,降低浅层冗余信息的干扰.在数据集和医院真实数据集上进行联合验证,实验结果表明,相较于基础模型,DDAPNet模型对微动脉瘤、出血点、软渗出DDR物和硬渗出物的分割在Dice系数上分别提高了4.31%、2.52%、3.39%、4.29%,在mIoU上分别提高了1.80%、2.24%、4.28%、1.98%.该模型对病灶边缘的分割更为连续和平滑,有效提升了软渗出物等视网膜病变的分割性能.

目的 青少年特发性脊柱侧弯(adolescent idiopathic scoliosis,AIS)是危害青少年健康的常见疾病之一.临床上,X线图像Cobb角测量法是评估患者脊柱侧凸严重程度的"金标准".由于X线图像中肋骨和骨盆阴影重叠以及椎骨形态差异等因素影响,人工测量在寻找关键点时步骤复杂且耗时长,快速且准确的Cobb角自动测量方法具有重要临床应用价值.现有深度学习方法中基于分割的方法易受图像质量影响;基于关键点检测方法过于关注局部特征提取导致定位不准确等问题.为此,本文提出了一种以椎骨为中心的标志点检测方法,来实现脊柱侧弯Cobb角自动估计算法.方法 构建一种基于融合多尺度和注意力机制M型椎骨检测网络(multi-scale attention M-shaped network,MSAM-Net).首先,使用多尺度金字塔拆分注意力(multi-scale pyramids squeeze attention,MPSA)模块和注意力特征融合(attentional feature fusion,AFF)模块提取椎骨特征和上下文信息,然后,根据椎体中心和角偏移量定位4个角标志点,以在脊柱侧弯评估任务中提高椎骨标志点检测的性能,进而实现近胸段、主胸段和胸腰段曲线的Cobb角估计.结果 为了评估Cobb角估计与真实侧弯角度之间的偏差程度,本研究算法基于AASCE MICCAI 2019挑战赛数据集,使用4种指标对Cobb角精度进行评估,分别是对称平均绝对百分比误差(symmetric mean absolute percentage error,SMAPE)、欧氏距离(Euclidean distance,ED)、曼哈顿距离(Manhattan distance,MD)和切比雪夫距离(Chebyshev distance,CD).测试得到SMAPE为9.39％,ED为4.18;MD为5.92;CD为5.34.与基于分割和检测的5种深度学习方法进行对比,实现更好的Cobb角测量结果.结论 本研究可以准确识别和定位X线图像中椎骨,帮助医生测量AIS患者的Cobb角,为临床AIS诊断、手术计划和脊柱健康分析提供决策支持.

目的基于治疗前多参数磁共振成像(multi-parametric magnetic resonance imaging,mpMRI)影像组学特征,结合临床变量构建模型,预测局部晚期宫颈鳞癌(locally advanced cervical squamous cell carcinoma,LACSCC)患者新辅助化疗(neoadjuvant chemotherapy,NACT)后淋巴结转移状况.材料与方法回顾性分析两个中心2013年1月至2022年2月的265例接受NACT并行根治性子宫切除术的LACSCC患者病例及影像,中心1的数据用于模型训练,中心2的数据用于模型验证.所有患者NACT治疗前行盆腔MRI检查.于矢状位T2加权成像(sagittal T2-weighted imaging,Sag_T2WI)、轴位弥散加权成像(axial diffusion-weighted imaging,Ax_DWI)和延迟期矢状位对比增强T1加权成像(sagittal T1-weighted contrast-enhanced imaging,Sag_T1C)勾画肿瘤感兴趣区(region of interest,ROI)并提取影像组学特征.通过K最佳(K-Best)及最小绝对值收缩与选择算法(least absolute shrinkage and selection operator,LASSO)降维并筛选出与淋巴结转移强相关影像组学特征.基于每个序列筛选后的组学特征构建三个单序列模型,在所有特征间作相关性分析,排除高度相关的组学特征,并对临床变量进行多变量回归分析,融合临床变量及筛选后的影像组学特征构建临床-影像组学的组合模型,比较模型间性能差异.利用受试者工作特征(receiver operating characteristic,ROC)曲线及决策曲线(decision curve analysis,DCA)评估模型的诊断性能及临床效能.结果Sag_T2WI、Ax_DWI、Sag_T1C三个序列分别筛选出6、3、7个与淋巴结转移高度相关的组学特征,其中2个形状特征和10个纹理特征被纳入组合模型.多因素logistic回归分析显示MRI评估的淋巴结状态是淋巴结转移的预测因素(P<0.05).与单序列模型相比,组合模型具有更好的预测能力,在训练集和验证集的诊断能力最高,ROC曲线下面积、敏感度和特异度分别为0.848[95％(confidence interval,CI):0.785～0.912]、78.2％、74.4％和0.827(95％CI:0.737～0.917)、80.8％、69.4％.DCA显示如果风险阈值超过60％,则用组合模型预测LACSCC患者NACT后淋巴结状态可获得较大的临床效益.结论基于治疗前MRI,联合Sag_T2WI、Ax_DWI、Sag_T1C三个序列的组学特征及临床信息对LACSCC患者NACT后淋巴结转移具有较好的预测效能.

提出一种改进的U-Net模型(CAMU-Net),以达到精准分割视网膜血管的目的.CAMU-Net模型通过添加残差增强模块来提取区域特征中的重要信息,增强模型对区域特征的了解;通过添加特征细化模块来促进特征的提取,提高新模型的全局特征收集能力;通过添加通道注意力机制模块来捕捉图像特征,精确分割结果;通过引入多尺度特征融合结构来提升模型感知目标边界等细节的能力.在DRIVE数据集上进行消融实验,得出各模块的实际效果,验证各模块对于本模型视网膜血管分割各方面提升的作用;在DRIVE和STARE数据集上和其他主流网络模型进行对比分析,结果表明CAMU-Net模型优于其他模型.

目的:分析H3K27变异型弥漫性中线胶质瘤（diffuse midline glioma，H3K27-altered，DMG）的临床病理学特征及预后相关因素，并探讨神经营养原肌球蛋白受体激酶（neurotrophic tropomyosin receptor kinase，NTRK）作为DMG的治疗靶点的可行性。方法:收集2016年7月至2021年3月首都医科大学三博脑科医院诊断为DMG的病例样本232例，分析其临床、影像、病理、O 6-甲基鸟嘌呤DNA甲基转移酶（MGMT）启动子甲基化比率、NTRK免疫表达、NTRK基因融合的特点，并对肿瘤发生年龄、部位、组织学分级、NTRK蛋白及基因改变、术后辅助治疗方式在预后方面的意义进行研究。 结果:232例病例（包含原发/复发病例8例，即共有224例患者，男性118例，女性106例），儿童组（≤18岁）98例，成人组（>18岁）126例。儿童组和成人组发病部位分别以脑干（59/98，60.2%）和丘脑（41/126，32.5%）最为多见。影像学上病变多呈现为T1低或等信号，T2高信号，增强信号变化较大，但多数肿瘤无明显增强信号。组织学分级包含2级（9/224，4.0%）、3级（41/224，18.3%）、4级（174/224，77.7%）。肿瘤细胞均弥漫表达H3K27M，而H3K27me3均表达丢失。MGMT启动子甲基化比率较低（1/45，2.2%）。Pan-TRK蛋白阳性率为79.0%（177/224），NTRK1融合阳性率10.0%（5/50）。儿童组和成人组的组织学分级、NTRK蛋白表达、NTRK基因融合比率差异均无统计学意义（ P>0.05）。随访患者159例，其中109例死亡（68.6%），总体生存时间1~55个月，中位生存期12个月。患者预后与年龄、部位、手术方式及术后辅助治疗相关（ P<0.05）。 结论:DMG患者临床预后凶险，成人组和儿童组DMG肿瘤的发病部位、预后存在差异。NTRK1基因融合在DMG中占比达10.0%，提示TRK抑制剂可以作为DMG治疗的一个新选择。

目的:探讨基于增强CT图像构建影像组学模型及其与相关临床病理特征构建的融合模型在浸润性肺腺癌术前预测组织学分级中的应用价值。方法:回顾性队列研究。纳入2017年1月—2019年12月山西省肿瘤医院经手术病理确诊且组织学分级明确的313例浸润性肺腺癌患者，其中男175例、女138例，年龄35~81（60.1±8.3）岁。组织学分级：高级别（G3级）85例，低级别（G1、G2级）228例。313例患者术前均行胸部增强CT检查。患者按照7∶3的比例随机分为训练组219例（高级别59例、低级别160例）和验证组94例（高级别26例、低级别68例）。基于每位患者的术前增强CT图像各提取1 316个影像组学特征；训练组采用最大相关最小冗余、最小绝对收缩与选择算子算法和多因素logistic回归分析进行特征筛选及影像组学模型的构建。用单因素和多因素logistic回归分析从临床病理特征中筛选高级别浸润性肺腺癌的独立危险因素，联合影像组学模型建立融合模型，并绘制列线图。使用受试者操作特征曲线（ROC曲线）、校准曲线和决策曲线评估影像组学模型和融合模型对术前浸润性肺癌组织分级的预测效能及临床效益。结果:训练组与验证组患者的临床病理特征比较，差异均无统计学意义（ P值均>0.05）。训练组和验证组内的高级别与低级别患者比较，吸烟史、肿瘤实性程度、肿瘤最大径、血清癌胚抗原和细胞角蛋白19片段水平的差异均有统计学意义（ P值均<0.05），年龄、毛刺征、分叶、胸膜牵拉的差异均无统计学意义（ P值均>0.05）；此外，验证组的低级别与高级别患者性别分布比较，差异有统计学意义（ χ2=4.70， P=0.030）。特征降维后得到5个影像组学特征用于构建影像组学模型，影像组学模型在训练组和验证组ROC曲线的曲线下面积（AUC）分别为0.852（95% CI：0.734~0.882、0.837（95% CI：0.733~0.863）。单因素和多因素logistic回归分析筛选出高级别浸润性肺腺癌的独立危险因素有吸烟史、肿瘤实性程度、肿瘤最大径、血清癌胚抗原和细胞角蛋白19片段水平，其与影像组学模型共同构建的融合模型在训练组和验证组ROC曲线的AUC分别为0.888（95% CI：0.721~0.894）、0.876（95% CI：0.707~0.852）。校准曲线分析显示，影像组学模型和融合模型均有良好的校准性能。决策曲线分析显示，2种预测模型均有一定的临床效益，其中融合模型净收益值更大。 结论:基于术前增强CT图像构建的影像组学模型及其与高级别浸润性肺腺癌的独立危险因素结合建立的融合模型，对于浸润性肺腺癌的组织学分级均有良好的术前预测价值，并且后者的预测效能相对更高。

目的:探讨基于多参数MRI的影像组学融合模型在乳腺癌术前预测腋窝淋巴结（ALN）转移的应用价值。方法:回顾性队列研究。纳入山西省肿瘤医院2020年8月—2021年9月经病理证实的272例乳腺癌患者的多参数MRI及临床病理资料。患者均为女性，年龄28~79（53.0±10.9）岁，其中ALN阳性107例、ALN阴性165例。按照7∶3的比例随机将患者分为训练组（191例）和验证组（81例）。从T 2加权像（T 2WI）、表观弥散系数（ADC）图和增强T 1加权像（cT 1WI）序列中提取影像组学特征。采用单因素逻辑回归、相关性分析和Boruta算法3个步骤进行特征选择，然后采用支持向量机（SVM）、随机森林（RF）和逻辑回归（LR）3种机器学习方法构建影像组学模型，并基于最优模型计算每位患者的影像组学分数（Radscore）。同时，通过多因素逐步回归分析筛选乳腺癌ALN转移的独立危险因素并构建临床模型。最后，联合Radscore和临床独立危险因素构建融合模型，并绘制列线图。采用受试者操作特征曲线、校准曲线和决策曲线（DCA）来评价模型对乳腺癌ALN转移的预测性能及临床效益。 结果:训练组和验证组患者肿瘤位置比较，差异有统计学意义（ P<0.05）；训练组中ALN阳性与ALN阴性患者间的肿瘤位置、MRI评估淋巴结状态比较，验证组中ALN阳性与ALN阴性患者间的雌激素受体、分子亚型及MRI评估淋巴结状态比较，差异均有统计学意义（ P值均<0.05）。基于多参数MRI降维选择后，得到了6个与ALN转移呈显著相关的影像组学特征（ P值均<0.05）。在训练组和验证组中，SVM、RF和LR模型均表现出很好的预测能力，AUC分别为0.784、0.826、0.703和0.733、0.817、0.703，其中RF模型效能最高。单因素、多因素回归分析显示，MRI评估淋巴结状态是乳腺癌ALN转移的独立预测因子［比值比（95%可信区间）=10.909（5.210~24.511）， P<0.001］，采用这一指标构建临床模型。联合Radscore和MRI评估ALN状态的融合模型在训练组和验证组中均表现出更好的性能，AUC分别为0.867和0.866，且其诊断效能均优于上述3种机器学习模型和临床模型（AUC分别为0.719和0.700）。DCA显示，3种机器学习模型、临床模型和融合模型均有一定的临床效益，其中融合模型的净收益值最大。 结论:基于多参数MRI影像组学特征和联合MRI评估淋巴结状态的融合模型有助于术前准确预测乳腺癌ALN转移状态。

目的:探讨前列腺多形性巨细胞型腺癌（PGCC）的临床病理及分子特征。方法:收集2例前列腺PGCC，复查切片并进行免疫组织化学（IHC）及425基因高通量测序（NGS）检测，同时复习文献，总结其临床病理、IHC及分子特征。结果:2例前列腺PGCC患者年龄为55岁和70岁，组织形态上均可见数量不等多形性巨细胞伴有奇异细胞核（均>50%），伴有高级别经典型腺泡腺癌；IHC只有部分肿瘤性巨细胞表达雄激素受体、NKX3.1、P504s、前列腺特异性抗原（PSA）等前列腺上皮分化的标志物，同时部分细胞表达GATA3。NGS检测到多个基因的致病性/可能致病性变异及融合（TP53变异、BRAF变异、ZSCAN25-BRAF融合），导致TP53及BRAF功能异常，同时检测到SDHA及DNMT3A基因变异，形成截短蛋白，可能参与肿瘤发生发展；例2内分泌治疗后出现雄激素受体拷贝数扩增；微卫星状态分析提示2个病例均为微卫星稳定型，肿瘤突变负荷为低水平。结论:PGCC多见于老年男性，形态学表现为在高级别经典型腺泡腺癌中出现多形性奇异核分化，部分前列腺分化标志物表达减少或缺失，具有不同于经典型前列腺腺癌的基因变异，可能影响肿瘤的进展和预后，并为靶向治疗提供了依据。