作者投稿
专家审稿
编辑办公
邮件订阅
RSS
Early Diagnosis Model of Mycosis Fungoides Based on Intelligent Analysis of Dermoscopic Images
-
摘要:目的 比较基于皮肤镜图像的卷积神经网络(convolutional neural network, CNN)二分类模型在蕈样肉芽肿(mycosis fungoides, MF)与炎症性疾病鉴别诊断中的应用价值。方法 回顾性纳入2016年1月至2020年12月北京协和医院皮肤科门诊确诊的早期MF患者和临床表现与之相似的炎症性皮肤病患者，并按4∶1的比例随机分为训练集和测试集。使用训练集患者的皮肤镜图像对6种经典网络结构利用迁移学习进行训练，以构建CNN二分类模型。同时，在测试集中随机挑选每例患者1幅图像，并结合皮损的临床图像，由13名皮肤科医师对疾病归类进行判读。比较CNN二分类模型与皮肤科医师对测试集病例早期MF与炎症性疾病鉴别诊断的性能，结果以曲线下面积(area under the curve, AUC)、灵敏度、特异度、Kappa值等表示，并采用受试者工作特征(receiver operating characteristic, ROC)曲线进行可视化分析。结果 共纳入48例早期MF患者(皮肤镜图像402幅)和96例炎症性皮肤病患者(皮肤镜图像557幅)，其中训练集117例(皮肤镜图像772幅)，测试集27例(皮肤镜图像187幅)。测试集中，皮肤科医师鉴别诊断早期MF与炎症性皮肤病的灵敏度和特异度分别为70.19%(95% CI: 59.68%~80.70%)和94.74%(95% CI: 91.77%~97.71%)，Kappa值为0.677(95% CI: 0.566~0.789)。按图像分类时，CNN二分类模型对早期MF与炎症性皮肤病鉴别诊断的AUC为0.87(95% CI: 0.84~0.89)，灵敏度和特异度分别为75.02%(95% CI: 70.19%~79.85%)和82.02%(95% CI: 79.30%~84.87%)，Kappa值为0.563(95% CI: 0.507~0.620)；按病例分类时，CNN二分类模型对早期MF与炎症性皮肤病鉴别诊断的AUC为0.97(95% CI: 0.95~0.99)，灵敏度和特异度分别为87.50%(95% CI: 78.55%~96.45%)和93.85%(95% CI: 88.93%~98.77%)，Kappa值为0.920(95% CI: 0.884~0.954)。ROC曲线显示，按病例分类时网络结构为EfficientNet-B0的CNN二分类模型诊断早期MF的AUC为0.99，灵敏度和特异度分别为88.9%和100%，且13名皮肤科医师诊断的灵敏度和特异度均值对应点位于曲线右下方。结论 基于皮肤镜图像智能分析的CNN二分类模型可实现对早期MF与炎症性皮肤病的精确分类，对二者的鉴别诊断能力优于皮肤科医师的平均水平。Abstract:Objective To compare the application value of the binary classification model based on dermoscopic images of convolutional neural network (CNN) in the diagnosis of mycosis fungoides (MF) and inflammatory dermatosis.Methods Patients diagnosed with early MF or inflammatory dermatosis with similar clinical manifestations in the dermatology clinic of Peking Union Medical College Hospital from January 2016 to December 2020 were retrospectively included. The patients were divided into the training set and the test set at a ratio of 4∶1. Six classical network structures were trained by using the dermoscopic images of patients in the training set, and the CNN binary classification model was constructed by using transfer learning. At the same time, in the test set, 1 image of each patient that was randomly selected, together with clinical images of the skin lesions, was interpreted by 13 dermatologists. Compare the CNN binary classification model with dermatologists in the differential diagnosis of early MF and inflammatory dermatosis in the test set. The results were expressed in terms of area under the curve (AUC), sensitivity, specificity, Kappa coefficient, etc., and receiver operating characteristic (ROC) curve was used for visual analysis.Results A total of 48 patients with early MF (402 dermoscopic images) and 96 patients with inflammatory dermatosis (557 dermoscopic images) were included. Among them, there were 117 cases in the training set (772 dermoscopic images), and 27 cases in the test set (187 dermoscopic images). In the test set, the sensitivity and specificity of dermatologists in the differential diagnosis of early MF and inflammatory dermatosis were 70.19% (95% CI: 59.68%-80.70%) and 94.74% (95% CI: 91.77%-97.71%) respectively, and the Kappa coefficient is 0.677(95% CI: 0.566-0.789). When classified by the single image, the AUC of the CNN binary classification model for the differential diagnosis of early MF and inflammatory dermatosis was 0.87 (95% CI: 0.84-0.89); the sensitivity and specificity were 75.02% (95% CI: 70.19%-79.85%) and 82.02% (95% CI: 79.30%-84.87%), respectively; the Kappa coefficient was 0.563(95% CI: 0.507-0.620). When classified by cases, the AUC of the CNN binary classification model for the differential diagnosis of early MF and inflammatory dermatosis was 0.97 (95% CI: 0.95-0.99); the sensitivity and specificity were 87.50% (95% CI: 78.55%-96.45%) and 93.85% (95% CI: 88.93%-98.77%), respectively; the Kappa coefficient was 0.920(95% CI: 0.884-0.954). The ROC curve showed that the AUC of the CNN binary classification model with EfficientNet-B0 for diagnosing MF was 0.99 when classified by cases, the sensitivity and specifity were 88.9% and 100%, and the corresponding point of the average diagnostic sensitivity and specificity of 13 dermatologists were at the lower right of the curve.Conclusions The CNN binary classification model based on the intelligent analysis of dermoscopic images can accurately classify early MF and inflammatory dermatosis, and its ability of differential diagnosis is better than the average level of dermatologists.
-
根据国家卫生健康委员会2012年数据, 我国每年约12万儿童出生时患有先天性心脏病(下文简称“先心病”), 发病率为0.6%~0.8%[1], 占所有先天性出生缺陷的28%, 是最常见的先天性畸形, 给社会和家庭带来沉重负担。先心病的成功矫治是人类医学发展史的里程碑事件。1966年, Rashkind和Miller通过球囊导管实施房间隔造口术标志着经导管介入技术治疗先心病的开始[2]; 1967年, Porstmann经导管应用泡沫塑料塞成功封堵动脉导管未闭(patent ductus arteriosus, PDA)开启了先心病封堵治疗的先河[3]; 20世纪90年代, Amplatzer研发的PDA、房间隔缺损(atrial septal defect, ASD)和室间隔缺损(ventricular septal defect, VSD)封堵器陆续问世, 使介入器材和技术日趋完善, 将先心病介入治疗引入了新纪元[4]。随着国产封堵器面世并逐渐应用于临床, 我国先心病介入治疗发展迅速, 并取得了一系列令世界瞩目的成就。本文通过回顾历史、展望未来, 以期为进一步推动我国先心病介入治疗的发展提供思考和借鉴。
1. 历史沿革
1.1 起步阶段
我国先心病介入治疗最早可追溯至1981年上海儿童医学中心周爱卿教授等的报道, 其应用球囊为1例8日龄完全性大动脉转位患儿实施了房间隔造口术[5]。1986年, 广东省心血管病研究所开展了首例经皮球囊肺动脉瓣成形术(percutaneous balloon pulmonary valve angioplasty, PBPV)治疗肺动脉瓣狭窄[6], 此技术现已成为单纯肺动脉瓣狭窄的首选治疗方式。此后, 经皮球囊主动脉瓣成形术治疗先天性主动脉瓣狭窄和经皮球囊血管成形术治疗主动脉缩窄也相继在临床开展[7]。20世纪80年代后期, 上海市儿童医院钱晋卿教授开始应用Porstmann法治疗PDA, 在对Porstmann法加以改进后获得成功[8]。20世纪90年代中期, Sideris(Sideris封堵器研发者)、Bensen(Cardio-SEAL封堵器研发者)教授来华传授ASD封堵术后, 中国医学科学院阜外医院戴汝平教授率先在国内采用进口Sideris封堵器、Cardioa-SEAL封堵器治疗ASD、VSD, 但因并发症较多而未得到推广[9-10]。1998年, 戴汝平教授将Amplatzer镍钛记忆合金编织的封堵器引进国内并成功用于临床, 其操作安全简便, 疗效满意, 极大提高了手术成功率, 使得ASD、PDA的介入治疗在国内逐渐推广。2001年, 中国人民解放军北部战区总医院朱鲜阳教授在国内率先应用Amplatzer肌部封堵器治疗肌部VSD获得成功[11]; 2002年, Amplatzer膜部VSD非对称性封堵器也进入国内, 但因术后发生完全性房室传导阻滞(complete atrioventricular block, CAVB)需植入永久起搏器或开胸手术而难以推广应用[12-13]。2007年, 一项欧洲多中心关于Amplatzer膜部VSD封堵器的临床研究[14]显示, 术后CAVB的发生率为5%, 严重并发症的发生率为0~22.2%, 主要包括术后封堵器移位、栓塞、溶血、主动脉瓣或三尖瓣关闭不全、术后残余分流等, 故迄今为止美国食品药品监督管理局仍未批准Amplatzer膜部VSD封堵器应用于临床, 导致近年来国外相关研究处于停滞状态。
1.2 自主研发阶段
2001年12月, 长海医院秦永文教授研制了新型膜部VSD封堵器, 为1例22岁女性患者植入10 mm对称双盘状镍钛合金封堵器, 成功治愈VSD, 这款中国首次自主研发的封堵器极大降低了CAVB的发生率, 于2003年成功上市[15]。为满足先心病患者介入治疗的具体需求, 根据心血管不同畸形的解剖学特点, 国内学者经过多年不懈努力, 自行研制生产了各种类型ASD、PDA、VSD封堵器[16-17], 结构和性能明显优于国外同类产品, 显著提高了手术成功率, 极大改善了患者预后。国产封堵器的多样化, 使得不同解剖特征的个体化选择成为可能, 国内专家在操作方法上亦未完全沿袭国外, 而是加以改革和创新。例如, 西安交通大学第一附属医院张玉顺教授提出经胸超声选择ASD封堵器的标准, 现已成为国内常规操作[18]; 漂浮和保留导丝方式优化了VSD封堵术[19]。目前, 国产封堵器已出口至欧洲、中东、拉美等许多国家, 造福其他国家先心病患者, 我国医生也相继走出国门, 进行先心病介入技术的国际交流与培训。
1.3 创新与挑战
随着病例增加及经验积累, 国内专家操作技术亦日趋成熟, 陆续对一些少见先心病介入治疗展开挑战。1997年, 中国医学科学院阜外医院尝试应用Cook弹簧圈进行先天性冠状动脉瘘介入封堵治疗[20]。2002年, 广东省人民医院率先报道应用Amplatzer蘑菇伞成功为1例11个月的主-肺动脉间隔缺损婴儿行介入治疗[21]。2004年, 哈尔滨医科大学附属第二医院于波教授报道了国内首例经导管主动脉窦瘤破裂封堵术[22]。2005年, 中国人民解放军北部战区总医院朱鲜阳教授在国内首次开展射频打孔并球囊扩张治疗室间隔完整的肺动脉闭锁, 获得成功[23]。长海医院秦永文教授根据主动脉窦瘤的影像学特征, 采用小腰大边型或肌部VSD封堵器封堵, 手术成功率在90%以上[24-25]。在简单先心病介入治疗经验的积累下, 国内学者开始尝试复杂先心病内外科镶嵌治疗, 包括外科手术视野难以发现的主肺侧支封堵术[26]和经胸ASD、VSD、PDA矫治术后残余分流的堵闭[27-28], 并将VSD封堵技术应用于高危急性心肌梗死后室间隔穿孔[29], 挽救濒临死亡的患者。先进的介入技术和完美的封堵效果使得我国在先心病介入治疗领域的病种和数量均达到了国际领先水平。
2. 我国先心病介入治疗的普及与规范
2007年, 时任中国医师协会心血管内科分会主任委员的胡大一教授与中国红十字会发起“爱心工程”公益活动, 开展基层医疗单位与专家共同协作的先心病普查和诊治工作。2009年, 在胡大一教授的倡导和主持下, 中国医师协会心血管内科分会先心病工作委员会成立, 全面系统地规划了我国先心病介入治疗的组织范围, 开拓了先心病的亚专业领域。同年, 国家卫生健康委员会建立了心血管介入注册登记制度, 严格的准入和培训为先心病介入治疗的规范化发展提供了有力保证。
早在2004年, 中国医师协会儿科医师分会即制订和发表了《先天性心脏病经导管介入治疗指南》[30], 2011年中国医师协会心血管内科分会先心病工作委员会组织专家起草了《常见先天性心脏病介入治疗的中国专家共识》, 进一步明确了先心病介入治疗规范, 提高了介入治疗的安全性[17, 31-33]。2015年中国医师协会儿科医师分会先心病专家委员会联合中华医学会儿科学分会心血管学组, 发布了《儿童常见先天性心脏病介入治疗专家共识》[34]。2017年, 中华医学会心血管病学分会与中国医师协会心血管内科医师分会的结构性心脏病学组共同发布了《中国动脉导管未闭介入治疗指南2017》[35], 尤其是2021年发表的《卵圆孔未闭相关卒中预防中国专家指南》[36]。先心病介入治疗技术几乎与国外同步, 且国内外指南对于先心病介入治疗适应证、操作技术、并发症判断与处理等方面的规范基本一致。而直至2021年, 欧洲心脏病学会才首次提出经导管VSD封堵术成为外科手术的一种替代方法[37], 表明我国在VSD介入治疗领域理念明显领先于国外。
2007年, 国家卫生健康委员会颁布实施了《心血管疾病介入诊疗技术管理规范》, 并于2011年进行修订[38]; 2008年认证和公布了首批心血管介入诊疗培训基地, 全面加强心血管疾病介入诊疗技术管理, 进一步明确先心病介入治疗规范, 保证先心病介入治疗质量和医疗安全。适应证选择的标准化、操作技术的规范化, 降低了并发症发生率, 提高了治疗成功率, 进而实现了从外科治疗、部分介入治疗到普遍介入治疗的成功突破。
2020年在第二十三届全国介入心脏病学论坛上, 蒋世良教授代表国家先心病介入专业质控中心, 发布了“2019年中国大陆先天性心脏病介入注册数据”, 2009至2019年, 我国地方医院先心病介入治疗例数翻了一倍, 达到34 758例(图 1), 加上军队医院例数, 估计总数已超5万例; 国内现有400余家医院、500多名医生开展此项技术, 总成功率为98.4%, 严重并发症发生率为0.12%, 死亡率为0.01%;先心病介入治疗覆盖的病种中, ASD占比最高(41%), 其次为PDA(21%)、卵圆孔未闭(16%)和VSD(15%)。目前, 近99%的PDA、70%~ 80%的ASD、70%以上的VSD患者均可经介入治疗达到治愈。
3. 我国先心病介入治疗的拓展与延伸
当前常规先心病介入治疗技术已趋向成熟, 由简单先心病封堵向更微创、更安全、更精准、介入无植入等方向发展, 并将介入手术治疗窗口前移至胎儿期。针对传统封堵器镍离子释放的问题, 广东省人民医院张智伟教授牵头研发了新型Cera陶瓷膜封堵器, 在原镍钛合金封堵器设计的基础上保持原封堵器设计外形, 利用等离子技术, 在镍钛合金表面均匀包裹一层氮化钛薄膜, 很大程度上提高了封堵器的耐腐蚀性以及生物组织、血液相容性[39]。目前, Cera封堵器已获得包括欧盟、中国、印度、巴西、俄罗斯等地区和国家的认可, 被应用于数千例先心病患者。此外, 新型MemoCarna氧化膜单铆ASD封堵器通过单铆设计及氧化膜加工工艺的双重优化, 有效减少了镍离子析出, 在一定程度上可减少远期并发症的发生率, 也为广大术者提供了介入治疗的新选择。
自2013年起, 中国医学科学院阜外医院潘湘斌教授先后开展了单纯超声引导下ASD、VSD、PDA、肺动脉瓣狭窄的介入治疗, 完全不使用射线及造影剂[40-42]。2015年郑宏教授率先采用3D打印技术, 使PDA封堵器成功应用于下腔型ASD封堵术, 扩宽了常规ASD介入的适应证, 使患者免于外科开胸手术, 远期预后良好[43]。
我国自主研发的新一代Venus P-Valve肺动脉瓣膜, 全球首例人体植入于2013年在复旦大学附属中山医院完成, 揭开了中国肺动脉瓣膜植入临床试验的序幕, 用于治疗先心病外科术后肺动脉瓣中重度反流[44]。目前, 国内临床试验已在6家医院完成, 正在等待国家药品监督管理局上市前审批。2016年中华医学会心血管病学分会结构性心脏病学组、中国医师协会心血管内科医师分会结构性心脏病专业委员会联合发布《经皮肺动脉瓣置入术中国专家建议》[45]。
当前最热门的生物可降解封堵器研发方面, 我国已在ASD、VSD、PDA领域取得一定成绩。张智伟教授团队主持研制的全球首款完全可降解房间隔封堵系统已完成国内临床试验入组和1年随访[46]。潘湘斌教授团队研发首款完全生物可降解VSD封堵器, 于2018年完成首例人体植入, 并开展了临床试验。2019年张玉顺教授团队等完成了国际首例Pansy®系列完全可降解卵圆孔未闭封堵器人体临床试验阶段的植入, 患者正在接受随访中。生物完全可降解封堵器的成功研发, 使我国先心病介入治疗发生了质的飞跃。
2016年, 我国首例胎儿心脏介入治疗由张智伟教授团队与奥地利林茨儿童医院Tulzer教授团队合作完成, 为1例室间隔完整的肺动脉瓣闭锁胎儿实施PBPV, 迈出了国内胎儿宫内介入治疗探索第一步。次年, 该团队又成功为1例危重症肺动脉瓣狭窄胎儿实施宫内介入治疗[47]。2018年青岛市妇女儿童医院单中心团队独立为1例26孕周室间隔完整的肺动脉闭锁伴右心发育不良胎儿实施宫内介入治疗, 实现了国内胎儿宫内介入治疗最小孕周突破, 技术接近国际水平[48]。同年, 上海交通大学医学院附属新华医院孙锟教授团队完成了亚洲首例胎儿先天性重度主动脉瓣狭窄经皮球囊主动脉瓣成形术。至此, 胎儿先心病介入手术取得突破性进展, 技术已覆盖国际胎儿介入治疗的主要疾病。
此外, 先心病介入技术的不断成熟, 亦促使心脏外科手术向更加微创发展, 甚至提出了针孔式进胸路径, 在胸腔镜辅助下完成先心病手术[49]。融合传统外科手术和心导管介入治疗技术特点的食管超声引导下经胸微创封堵VSD技术, 既避免了体外循环手术创伤和潜在并发症, 又避免了放射线辐射以及患儿年龄和体质量的限制。据不完全统计, 目前国内已有2万余例VSD患者接受了该手术并得以治愈, 为该技术迅速推广应用积累了丰富经验。
4. 小结与展望
历经几十年栉风沐雨, 我国先心病介入治疗实现了从零起步, 逐渐发展、成熟, 乃至创新的整体变革, 取得了一系列显著成就。当然, 在先心病诊断与治疗达到国际领先水平的同时, 我国目前仍缺乏统一、规范的流行病学数据库, 无法准确获得中国先心病人群的发病率、诊断/治疗、术后随访情况, 这将严重影响我国先心病事业的发展。因此, 未来应建立我国注册登记数据库以及完整的长期随访制度, 并将临床应用的经验进行科学总结, 以保证先心病介入治疗的长期安全性及可持续性发展, 在此基础上, 我国先心病介入治疗必将取得更大突破, 更好地造福患者。
作者贡献：刘兆睿和张漪澜负责研究实施和论文撰写；刘洁和谢凤英负责研究设计和论文审校。利益冲突：无刘兆睿、张漪澜对本文同等贡献 -
![]()
表 1 CNN二分类模型交叉验证评估结果(x±s)
网络结构 阳性似然比 阴性似然比(%) 灵敏度(%) 特异度(%) 准确度(%) 阳性预测值(%) 阴性预测值(%) AlexNet 4.59±2.62 40.51±5.84 66.72±3.62 82.60±6.52 75.82±4.59 75.25±6.69 76.42±4.19 VGG16 3.59±1.06 38.55±8.77 69.58±6.12 79.36±5.74 75.02±4.60 72.26±4.51 77.30±5.78 ResNet18 4.03±2.16 32.25±8.45 74.76±7.49 77.92±8.80 76.60±4.44 73.06±7.10 80.36±5.36 SENet 3.41±1.14 52.24±11.18 57.36±8.17 81.94±5.06 71.26±5.04 70.76±6.90 71.68±5.45 DenseNet121 3.00±0.80 44.21±8.04 65.88±8.31 76.40±8.66 71.98±3.16 68.76±4.01 74.94±4.50 EfficientNet-B0 4.48±2.40 33.47±5.84 72.82±5.54 80.96±6.96 77.48±3.57 75.18±6.54 79.68±3.97 CNN：同图 2 
下载: 导出CSV
表 2 CNN二分类模型与皮肤科医师诊断结果比较[均值(95% CI)]
指标 皮肤科医师(n=27) CNN二分类模型 按图像分类(n=187) 按病例分类(n=27) 阳性似然比 NA 4.32(3.61~5.02) NA 阴性似然比(%) 31.87(20.46~43.28) 30.52(24.56~36.48) 17.54(8.34~26.77)# AUC / 0.87(0.84~0.89) 0.97(0.95~0.99) 灵敏度(%) 70.19(59.68~80.70) 75.02(70.19~79.85) 87.50(78.55~96.45)# 特异度(%) 94.74(91.77~97.71) 82.02(79.30~84.87)# 93.85(88.93~98.77) 准确度(%) 87.46(83.32~91.60) 79.52(76.87~82.16) 91.98(88.52~95.44) Kappa值 0.677(0.566~0.789) 0.563(0.507~0.620) 0.920(0.884~0.954)# 阳性预测值(%) 85.83(77.57~94.09) 70.60(67.09~74.11)# 87.43(78.55~96.45) 阴性预测值(%) 88.68(85.07~92.29) 85.23(82.77~87.70)# 94.93(91.43~98.44) CNN：同图 2；AUC: 曲线下面积；NA：诊断结果中存在特异度为100%的情况，未能估计阳性似然比；/: 无AUC; #与皮肤科医师诊断结果比较差异有统计学意义
下载: 导出CSV
-
[1] 刘洁, 邹先彪. 实用皮肤镜学[M]. 北京: 人民卫生出版社, 2021: 1-249. [2] Olsen E, Vonderheid E, Pimpinelli N, et al. Revisions to the staging and classification of mycosis fungoides and Sezary syndrome: a proposal of the International Society for Cutaneous Lymphomas (ISCL) and the cutaneous lymphoma task force of the European Organization of Research and Treatment of Cancer (EORTC)[J]. Blood, 2007, 110: 1713-1722. DOI: 10.1182/blood-2007-03-055749
[3] Krizhevsky A, Sutskever I, Hinton G. ImageNet Classifica-tion with Deep Convolutional Neural Networks[C]. Advances in Neural Information Processing Systems, 2012, 25: 1097-1105.
[4] Simonyan K, Zisserman A. Very deep convolutional networks for large-scale image recognition[J]. arXiv preprint arXiv, 2014: 1409.1556V6.
[5] He K, Zhang X, Ren S, et al. Deep residual learning for image recognition[C]. Proceedings of the IEEE Confer-ence on Computer Vision and Pattern Recognition, 2016: 770-778.
[6] Huang G, Liu Z, Van Der Maaten L, et al. Densely connected convolutional networks[C]. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, 2017: 4700-4708.
[7] Hu J, Shen L, Sun G. Squeeze-and-excitation networks[C]. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, 2018: 7132-7141.
[8] Tan M, Le Q. Efficientnet: Rethinking model scaling for convolutional neural networks[C]. International Confer-ence on Machine Learning, 2019: 6105-6114.
[9] Hunt RJ. Percent agreement, Pearson's correlation, and kappa as measures of inter-examiner reliability[J]. J Dent Res, 1986, 65: 128-130. DOI: 10.1177/00220345860650020701
[10] Lallas A, Apalla Z, Lefaki I, et al. Dermoscopy of early stage mycosis fungoides[J]. J Eur Acad Dermatol Venereol, 2013, 27: 617-621. DOI: 10.1111/j.1468-3083.2012.04499.x
[11] Ghahramani GK, Goetz KE, Liu V. Dermoscopic characterization of cutaneous lymphomas: a pilot survey[J]. Int J Dermatol, 2018, 57: 339-343. DOI: 10.1111/ijd.13860
[12] Xu C, Liu J, Wang T, et al. Dermoscopic patterns of early-stage mycosis fungoides in a Chinese population[J]. Clin Exp Dermatol, 2019, 44: 169-175. DOI: 10.1111/ced.13680
[13] Bilgic SA, Cicek D, Demir B. Dermoscopy in differential diagnosis of inflammatory dermatoses and mycosis fungoides[J]. Int J Dermatol, 2020, 59: 843-850. DOI: 10.1111/ijd.14925
[14] 谢凤英, 刘洁, 崔勇, 等. 皮肤镜图像计算机辅助诊断技术[J]. 中国医学文摘(皮肤科学), 2016, 33: 45-50. https://www.cnki.com.cn/Article/CJFDTOTAL-ZYXW201601011.htm Xie FY, Liu J, Cui Y, et al. Computer aided diagnosis of dermoscopic images[J]. Zhongguo Yixue Wenzhai(Pifu Kexue), 2016, 33: 45-50. https://www.cnki.com.cn/Article/CJFDTOTAL-ZYXW201601011.htm
[15] Schindewolf T, Stolz W, Albert R, et al. Classification of melanocytic lesions with color and texture analysis using digital image processing[J]. Anal Quant Cytol Histol, 1993, 1: 1-11. http://europepmc.org/abstract/MED/8471104
[16] 谢斌, 何小宇, 黄伟红, 等. 基于卷积神经网络的基底细胞癌和色素痣的临床图像鉴别[J]. 中南大学学报(医学版), 2019, 44: 113-120. https://www.cnki.com.cn/Article/CJFDTOTAL-HNYD201909019.htm Xie B, He XY, Huang WH, et al. Clinical image identification of basal cell carcinoma and pigmented nevi based on convolutional neural network[J]. Zhongnan Daxue Xuebao (Yixueban), 2019, 44: 113-120. https://www.cnki.com.cn/Article/CJFDTOTAL-HNYD201909019.htm
[17] Serener A, Serte S. Keratinocyte carcinoma detection via convolutional neural networks[C]. 2019 3rd International Symposium on Multidisciplinary Studies and Innovative Technologies (ISMSIT), 2019: 1-5.
[18] Pangti R, Mathur J, Chouhan V, et al. A machine learning‐based, decision support, mobile phone application for diagnosis of common dermatological diseases[J]. J Eur Acad Dermatol Venereol, 2021, 35: 536-545. DOI: 10.1111/jdv.16967
-
期刊类型引用(19)
1. 马青. 椎管内阻滞在分娩镇痛中的应用研究进展. 中国城乡企业卫生. 2025(02): 15-18 . 
百度学术
2. 孙晓伟. 围术期干预联合大黄、芒硝外敷对剖宫产产妇术后切口愈合情况及并发症的影响分析. 中国实用医药. 2025(04): 144-146 . 百度学术
3. 余可，孙慧，孙思华，江金霞，许琪. 1484例顺产转剖宫产孕妇的硬膜外分娩镇痛时间与剖宫产麻醉方式相关性分析. 中国药物滥用防治杂志. 2024(01): 18-22 . 百度学术
4. 玛荷芭·玉素甫江，林丽. 硬膜外分娩镇痛的实施时长对中转剖宫产时硬膜外麻醉效果影响的研究. 现代医药卫生. 2024(07): 1122-1125+1129 . 百度学术
5. 郎秀伟. 脉冲泵椎管内分娩镇痛失败中转剖宫产的最佳麻醉方式选择. 中国实用医药. 2024(07): 123-126 . 百度学术
6. 任伟伟，郝银丽，杨奇星，梁勇. 超声引导下竖脊肌平面阻滞麻醉与硬膜外麻醉用于无痛分娩的效果和安全性比较. 河北医学. 2024(09): 1496-1499 . 百度学术
7. 曾望，黄海兰，韦稚. 罗哌卡因复合舒芬太尼地佐辛硬膜外麻醉对分娩镇痛产妇麻醉效果及疼痛程度的影响. 中外医疗. 2023(16): 101-105 . 百度学术
8. 吴伟情. 手术室护理干预对剖宫产手术患者切口愈合效果及并发症的影响分析. 婚育与健康. 2023(15): 112-114 . 百度学术
9. 邓扬，尚云海，刘志慧，袁翔，罗力，郭丹，吴胜祖，徐闯. 低剂量腰麻联合超声引导腹横肌平面阻滞在高危产科手术的应用. 中国病案. 2023(09): 106-109 . 百度学术
10. 邓艳娜，王寿平. 硬膜外分娩镇痛中转剖宫产时硬膜外麻醉失效的相关因素分析及其预测模型的构建及验证. 广州医科大学学报. 2023(06): 11-17 . 百度学术
11. 黄杰，李玉. 小剂量罗哌卡因蛛网膜下腔麻醉对剖宫产术镇痛效果及血清瘦素、LIF水平的影响. 检验医学与临床. 2022(09): 1205-1208 . 百度学术
12. 姜健. 腰硬联合麻醉与硬膜外麻醉在分娩镇痛中的应用效果对比. 基层医学论坛. 2022(16): 123-125 . 百度学术
13. 闫钰尧，赵娜，徐铭军. 分娩镇痛中转剖宫产麻醉研究进展. 中国医刊. 2022(07): 705-708 . 百度学术
14. 朱思颖，魏大源，张丹，贾飞，刘波，张健. 硬膜外分娩镇痛时间对分娩镇痛中转剖宫产麻醉方式的影响. 南方医科大学学报. 2022(08): 1244-1249 . 百度学术
15. 唐珮瑜，贾杰. 椎管内分娩镇痛中转剖宫产的麻醉策略. 实用医学杂志. 2022(15): 1975-1979 . 百度学术
16. 缪凡，刘忠，张承民，赵鸿雁，刘娟，路峰，苏丹妮. 不同麻醉方式对顺转剖产妇镇痛效果及产后凝血和应激反应的影响. 川北医学院学报. 2022(09): 1179-1183 . 百度学术
17. 魏大源，张健. 椎管内分娩镇痛对胎盘合成分泌功能影响的研究进展. 临床麻醉学杂志. 2022(10): 1111-1115 . 百度学术
18. 王雪银，范孝美，张文琴，王进，姚金翠. 硬膜外麻醉在分娩镇痛中的临床效果和对分娩结局的影响. 中外医疗. 2022(28): 10-14 . 百度学术
19. 李红霞，宋淑红. 硬膜外麻醉分娩镇痛对产妇会阴侧切 疼痛及新生儿的影响. 基层医学论坛. 2021(34): 5017-5019 . 百度学术
其他类型引用(4)
计量
- 文章访问数: 846
- HTML全文浏览量: 92
- PDF下载量: 75
- 被引次数: 23
