小肠多发肉瘤样癌一例

来源 :中华消化内镜杂志 | 被引量 : 0次 | 上传用户:haorui524
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

绝大多数原发性小肠来源肉瘤样癌(SCA)为单发病灶,其非特异性的临床表现可能是该疾病患者就诊时肿瘤分期较晚的主要原因。我院1例患者在常规胃镜、结肠镜未能明确消化道出血以及腹痛的病因后,未能及时行小肠检查。再次入院后,考虑到小肠CT结果,小肠镜检查发现病灶,最终确诊为小肠多发SCA。本文通过回顾分析对该例患者的诊治情况,并复习相关文献,期望为小肠SCA的诊治决策提供初步思路。

其他文献
目的评估ERCP胆道刷检联合血清及胆汁肿瘤标记物对胆道梗阻定性诊断的意义。方法回顾性分析2015年9月至2017年12月因胆道梗阻住院治疗的88例患者资料。ERCP诊疗时行胆道刷检联合血清及胆汁的CA19-9、CA242、CA724指标检测。结果胆道刷检的敏感度为93.0%,特异度和阳性预测值为100.0%,阴性预测值为93.7%。胆道良性梗阻及恶性梗阻患者的血清CA19-9、血清CA242和胆汁
目的探讨肝硬化患者肠道细菌群落结构及其影响因素。方法2016—2017年兰州大学第一医院普外科、肝病科24名肝硬化患者(LC组)及同期陪床家属23名(HC组),运用16S rRNA基因高通量测序方法,对肝硬化患者(LC)和健康人(HC)肠道细菌群落结构进行了比较研究。结合LEfSe分析和NMDS分析,筛选差异标记物,探究肝硬化肠道细菌群落结构影响因素。结果在门水平上LC和HC肠道细菌优势菌门为厚壁
随着以深度学习为代表的新一代人工智能(artificial intelligence, AI)技术的突破,AI在医学图像识别与数据整合领域显现出更为广阔的运用前景。消化内镜作为以图像为基础的医工交叉学科,更具备与AI结合实现智能化内镜的广阔前景。本文根据目前国内外研究热点分别就AI在结肠镜、胶囊内镜和上消化道内镜领域的运用进行综述,以期为我国消化内镜的智能化研究和发展提供参考并启迪思路。
目的探讨窄带光成像非放大内镜下观察黏膜血管分支对早期食管癌的诊断价值。方法2013年1月至2015年5月,在中国人民解放军陆军总医院消化内科行胃镜检查,有非放大窄带光成像内镜下黏膜血管分支、碘染色及病理诊断的59例患者纳入回顾性研究,以病理结果为金标准,对比分析非放大窄带光成像内镜下黏膜血管分支法和碘染色法诊断早期食管癌的准确率、灵敏度及特异度。结果非放大窄带光成像内镜下黏膜血管分支法诊断早期食管
目的探索经口内镜下环形肌切开术(POEM)治疗老年贲门失弛缓症(AC)的安全性、可行性、围手术期及远期疗效。方法回顾性分析2010年8月至2014年12月期间在复旦大学附属中山医院确诊为AC并接受POEM治疗、可获得完整随访资料的老年(≥65岁)患者共41例,观察手术相关并发症、治疗前后Eckardt评分及食管下段括约肌压力变化,并分析远期食管反流及治疗失败的发生情况。结果41例患者均成功完成PO
目的运用临床结肠镜检查图像和视频,构建结肠镜辅助诊断人工智能深度学习模型。方法收集浙江大学医学院附属第二医院内镜中心2014年至2018年的结肠镜图像60余万幅,内镜专家录制大量高质量的结肠镜手术操作视频,以此作为分析数据。训练集样本的每个细分类别图像由6位内镜专家阅片,讨论确定细分类别病变特征,并删减部分模糊和易混淆的分类图像,最终的阅片结果大约为4选1。后再由自主开发的软件逐一标注。采用公信力
食管癌的发病率与死亡率居中国恶性肿瘤的前列。借助内镜对表浅食管癌进行早期诊断和内镜下微创治疗,能够显著提高患者的生存率。近年来,随着医疗技术的快速发展,涌现出色素内镜、电子染色内镜、自体荧光成像、共聚焦激光显微内镜和细胞内镜系统等多种诊断技术。本文就表浅食管鳞癌内镜诊断的现状及进展进行综述。
我国各地区内镜医师诊断水平参差不齐,而人工智能因具有高效处理常规劳动、理解语音或图像、协助医学诊断等特点使得其备受关注,尤其是近年来以深度学习为代表的算法在疾病诊断、影像医学、专家系统等方面研究进展成果喜人。现就人工智能在消化道早癌筛查领域方面的现状及进展进行综述,为消化道早癌筛查向精准医学方向发展提供思路。
1例患者间断腹部不适8年,加重伴黑便3 d入院,经胃镜、肠镜、腹部CT等检查未见出血病灶,后经胶囊内镜、双气囊小肠镜检查发现病灶,遂行"小肠肿物切除+小肠吻合术"治疗,术后组织病理确诊为(小肠)炎性肌纤维母细胞瘤,术后恢复良好。
目的构建人工智能食管早癌辅助诊断系统,旨在提高临床食管早癌的检出率。方法收集复旦大学附属中山医院2016年1月至2017年12月共2 400张食管图像,食管早癌、正常食管黏膜各1 200张,对图片中病变位置进行矩形框标记。将其中2 000张图片作为训练集、400张图片作为测试集,通过计算机深度学习中的反向传播算法建立食管早癌的诊断辅助模型。利用测试集来测试训练得到的模型,计算不同截断点系统的灵敏度