简介:摘要,将神经网络深度学习算法应用于皮肤癌医学影像领域,使用DenseNet密连卷积神经网络模型并通过大量皮肤癌医学影像数据集对网络模型进行训练后得到具有皮肤癌识别能力的网络模型。研究实验结果表明,DenseNet密连卷积神经网络模型对皮肤癌医学影像数据分析能力较强,识别精度较高,能够高效快捷地对各类皮肤癌进行识别分析。,关键词,DenseNet,皮肤癌,深度学习,卷积神经网络
简介:摘要:目的:探讨晚期肿瘤癌痛患者应用疼痛护理与心理护理的效果。方法:本次研究选择近一年(2021年2月-2021年2月)在我院治疗的84例晚期肿瘤癌痛患者为观察对象,数据参考随机原则进行分组,对照组42例;观察组42例。其中,对照组护理方法为疼痛护理;观察组护理方法为疼痛护理与心理护理,比较护理结束后两组护理效果的差异。结果:护理后两组患者的VAS评分存在较大的差异,有统计学意义;两组生活质量(生理状态、社会状况、情感状况、功能状况)对比差异相当明显,有统计学意义。结论:晚期肿瘤癌痛患者接受心理护理与疼痛护理可降低疼痛度,且生活质量更好,具有推广意义。
简介:摘要 目的:探讨血清甲胎蛋白(AFP)、癌胚抗原(CEA)、糖链抗原153(CA153)、糖链抗原125(CA125)联合检测在卵巢癌中的诊断价值。方法:随机选取天津静海鹏海医院2022年9月至2023年2月收治的70名早期卵巢癌患者为实验组,另取同期于本院体检的卵巢功能正常的健康人员70名作为对照组。对所有研究对象进行甲胎蛋白、癌胚抗原、糖链抗原153、糖链抗原125检测,然后对结果进行对比统计分析,得出结论。结果:实验组的甲胎蛋白、癌胚抗原、糖链抗原153、糖链抗原125的水平高于对照组(P
简介:摘要: 目的:探究血清肿瘤标志物HE4、CA125、AFP、CEA在卵巢癌诊断中的临床意义,并进一步探究HE4、CA125、AFP、CEA联合检测对卵巢癌的诊断临床价值,从而进一步运用于临床。方法:在2022年1月至12月期间,对于在福建省某医院确诊为卵巢癌的60例患者,我们选取为卵巢癌组,而对于健康组,我们则选取60名来医院体检的患者作为健康对照组。采用化学免疫分析仪分别测定两个组HE4、CA125、AFP、CEA的血清浓度,比较单一肿瘤标志物和联合检测的特异度和敏感度,以此评估单一检测和联合检测在卵巢癌诊断中的价值。结果:与正常对照组相比,全部卵巢癌患者的血清中肿瘤标记物的浓度均较高(P
简介: 摘要:通过血清CEA、CA125、CA19-9和HE4四项肿瘤标志物的联合检测,可以更准确地识别卵巢癌,从而更好地评估卵巢癌的发展情况,而且这种方法的准确性也得到了前期的临床实践的证实。