肺炎型肺癌与大叶性肺炎的CT影像鉴别诊断

来源 :医学影像学杂志 | 被引量 : 0次 | 上传用户:andyofja
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
目的 探讨高分辨胸部CT对肺炎型肺癌(PLC)与大叶性肺炎(LP)的鉴别诊断价值。方法 选取本院38例PLC患者与40例LP患者的资料,其中38例PLC患者作为观察组,40例LP患者作为对照组。均行高分辨胸部CT检查分析CT表现。结果 观察组病灶形态为肺叶段实变、单纯肺段或肺叶实变、混合阴影的发生率较对照组高(P <0.05);两组病灶形态为混合磨玻璃结节伴有实性成分、单纯磨玻璃密度影的发生率比较,结果差异无统计学意义(P> 0.05)。两组病灶边缘、分布与密度的发生率比较,结果差异无统计学意义(P> 0.05)。观察组血管集束征、支气管充气征、空泡征、枯枝征、蜂窝征的发生率较对照组高,差异有统计学意义(P <0.05)。结论 高分辨胸部CT可以通过病灶形态、血管集束征、支气管充气征、空泡征、枯枝征、蜂窝征等征象鉴别诊断PLC与LP,具有一定的临床应用价值。
其他文献
传统的推荐方法利用用户-项目评分矩阵来计算相似度,进行推荐任务,但由于不能充分地利用用户-项目信息,会使得推荐效果不佳。基于此提出融合复杂先验与注意力机制的变分自动编码器推荐算法,将变分自动编码器模型与推荐方法相结合的方法,不仅能够学习用户和项目的潜在特征,还能够将高维稀疏的用户-项目矩阵压缩成低维稠密矩阵。首先,用多层神经网络生成的隐向量先验分布替代标准正态分布作为假设先验分布,让模型能够获得更
时间序列异常是指时间序列上下文中与正常模式存在差异的子序列,从大量时序数据中识别该子序列的过程被称为时间序列异常检测。随着时间序列异常检测技术的广泛应用,其存在的挑战性问题也逐渐被领域专家所关注。例如,噪声干扰、序列维度间相互作用、数据庞大且难以完全标注。针对上述三个方面存在的问题,本文基于变分自编码器(Variational Auto-Encoder,VAE)技术对多维时间序列异常检测问题进行研
本文回顾了近年来银行业机构治理电信诈骗“资金链”工作实践,基于对A市电信诈骗涉案银行账户新型特征研究分析,指出当前治理电信诈骗“资金链”工作面临的问题并提出相关对策建议。
近年来,随着深度学习的快速发展,各种不同类型的深度神经网络在计算机视觉、自然语言处理以及无人驾驶等不同领域中取得了成功。为了提高深度学习模型的性能,网络模型结构越来越复杂,深度越来越深,使其在提高性能的同时也带来了巨大的计算开销和内存消耗。深度神经网络因其具有庞大的参数量及计算代价,使其能够运行在具有超强算力的大型服务器上,却难以运行在算力受限的移动设备中。针对以上问题,本文的研究重点是如何减少网
<正>近年来,随着网络信息技术的高速发展,电子商务异军突起,给群众带来了极大的便利,对国家GDP的增长贡献不可忽略,但伴随而来的是网络犯罪数量呈现逐年上升的趋势,极大的损害了企业之间的良性竞争和群众的财产安全。旬阳市人民检察院立足检察监督职能,以防风险为关键,以提质效为动力,以强队伍为保障,为服务经济健康发展,提供更加积极有效的法治保障。一、“三位一体”新格局,推进“断卡行动”取得实效
期刊
学位
现阶段,电信网络诈骗犯罪活动持续多发,成为司法机关重点打击对象。虽然国家已经有相关法律对其进行制止,但它仍属于高发案件,所以现阶段仍需要更为完善的法律法规来对其进行治理。本文针对电信诈骗的发展态势以及基本套路展开描述,并分析了治理过程中的薄弱环节,同时笔者对于该问题的治理也提出了自己的见解。