一、胃窦区良性溃疡与腔内肿瘤鉴别诊断的问题（论文文献综述）
周莉函[1]（2020）在《卷积神经网络在胶囊内镜图像自动诊断的应用》文中进行了进一步梳理目的:传统食管胃十二指肠镜（C-EGD）筛查有症状的门诊患者的胃部疾病昂贵且患者依从性较差。我们的目的是探讨在拒绝接受C-EGD的有症状门诊患者中,应用磁控胶囊胃镜（MCCG）作为初筛手段的效能和安全性。方法:我们对2014年1月至2019年10月有症状且存在胃镜检查指征的共76794例门诊患者进行了回顾性研究,通过倾向性匹配法分析了共2318例有症状患者（F/M=1064/1254）的MCCG与C-EGD匹配组各个阳性结果的检出率,以探讨MCCG在有症状且拒绝C-EGD患者中的应用价值。结果:MCCG总体胃部病变的检出率与C-EGD具有可比性,在腹胀、消化道出血中具有一定优势。通过MCCG在功能性消化不良患者胃溃疡检出率为8.14%;具有反酸、烧心的患者中,食管炎和巴雷特食管的检出率高于其他症状组（P<0.01）;腹痛,腹胀,反酸烧心,随访和出血的胃溃疡检出率在统计学上有差异（P=0.015）;有症状患者的胃溃疡总检出率为9.7%。通过MCCG共计检出7例消化道恶性肿瘤。在31例可疑的小肠出血病例中,通过MCCG的获得临床有意义小肠诊断率为54.8%（17/31）。在2318例有症状拒绝C-EGD从而行MCCG检查的患者中,两周的随访中无一人发生胶囊滞留。结论:MCCG具有良好的耐受性,安全性,技术上的可行性,并且具有较高的诊断率。MCCG在胃部局灶性病变的总体诊断率与C-EGD相当。MCCG可对既往C-EGD阴性且拒绝重复C-EGD检查的患者进行补充诊断,提示MCCG在门诊例行常规监测和随访中可以发挥重要作用。目的:我国是消化系统疾病发病大国,深度学习模型中卷积神经网络（convolutional neural networks,CNNs）凭借其出色的图像特征提取性能备受学界关注,本课题旨在基于我中心多年积累的海量内镜图片,将CNN应用于胶囊内镜图片以训练可靠、迅速的智能辅助阅片系统,拟大幅降低内镜医师阅片时间,实现及危急重症患者及时的定位诊断,从而提早干预以期改善患者预后。方法:本研究应用上海交通大学医学院附属瑞金医院消化内科内镜中心数据库收集自2007年8月至2019年7月至上海交通大学附属瑞金医院就诊共1015名OGIB患者及1373名非OGIB就诊患者数据进行模型训练,前瞻性纳入自2020年2月至2020年7月至上海交通大学附属瑞金医院就诊的所有因可疑小肠出血就诊拟行胶囊内镜检查的患者作为验证组。我们训练了基于Res Net50开发的深度卷积神经网络（CNN）系统,计算模型灵敏度、特异度和准确度。分两个阶段验证,第一阶段采用了单张静态图像对于CNN模型的诊断性能进行初步分析并固定模型,第二阶段前瞻性纳入符合入组条件的个体患者的完整影像进行分析。结果:基于深度学习的系统在区分出血小肠内镜图像和非病变（包含粘液、气泡、胆汁等）图像这一任务,在不同PS值下均达到了95%以上的准确度。PS值取0.6时,模型灵敏度为98.46%,特异度为95.83%,准确度为96.04%,仅错误地判断了一张阳性图片为阴性。结论:基于深度学习的系统在区分出血小肠内镜图像和非病变（包含粘液、气泡、胆汁等）较传统可疑血液指示器（SBI,suspected blood indicator）检测性能有优势,单张静态图像验证的结果显示,在不同截止值下CNN模型均达到了非常理想的灵敏度,证明本模型具有较强的临床实用价值,且对小肠出血有较好的筛查价值。
刘新才[2]（1979）在《反复中上腹痛20年、消瘦及食欲减退2月（临床、内窥镜、X线、病理讨论会）——临床病例讨论之五》文中进行了进一步梳理张××,女,55岁,工人（住院号51792,胃镜号k—582,JFB2—599,X光号2045,病理号78583）因中上腹疼痛反复发作20年,伴食欲减退2月,于1978年2月14日入院.中上腹痛无明显节律性,可自行缓解,一般情况良好.近两月来腹痛较前加重,进食可获缓解;食欲下降由
Bonfield R.E.,王庆仁[3]（1976）在《胃窦区良性溃疡与腔内肿瘤鉴别诊断的问题》文中指出良性溃疡由于其形态学的特征，X线诊断一般并不困难。例如，这种溃疡伴有一增厚的，放射性胃粘膜皱裂。但有时由于周围水肿较突出而缺乏或难于发现这种征象，在侧位也不能很好证明，则容易与一个有溃疡龛影或凹陷的腔内肿瘤相混淆。作者分析了经外科手术证实或X线追踪观察直到痊愈的7个病例，提出与腔内肿瘤鉴别的要点。
二、胃窦区良性溃疡与腔内肿瘤鉴别诊断的问题（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、胃窦区良性溃疡与腔内肿瘤鉴别诊断的问题（论文提纲范文）
（1）卷积神经网络在胶囊内镜图像自动诊断的应用（论文提纲范文）
| 主要缩略语中英文对照 |
| 第一章 磁控胶囊内镜对拒绝胃镜有症状患者的临床应用价值 |
| 摘要 |
| Abstract |
| 一、背景 |
| 1.传统胃镜的局限性 |
| 2.磁控胶囊胃镜的优势 |
| 3.磁控胶囊内镜在临床上应用的场景 |
| 二、材料与方法 |
| 1.研究设计及研究对象 |
| 2.磁控胶囊内镜技术 |
| 3.检查前准备 |
| 4.操作步骤 |
| 5.数据收集 |
| 6.统计学分析 |
| 三、结果 |
| 1.受检者的临床特征 |
| 2.总体阳性发现 |
| 3.非呕血性消化道出血的患者病变检出情况 |
| 4.各年龄段胃部局灶性溃疡糜烂病变检出情况 |
| 5.检出胃恶性肿瘤患者情况 |
| 6.胃溃疡在各症状亚组中的检出情况 |
| 7.肠镜阴性的可疑IBS患者小肠阳性检出情况 |
| 8.MCCG的安全性及不良事件发生情况 |
| 四、讨论 |
| 1.磁控胶囊内镜较C-EGD的优势 |
| 2.磁控胶囊内镜在局部隆起性病变上检出的应用 |
| 3.磁控胶囊内镜在非呕血性消化道出血患者中的应用 |
| 4.磁控胶囊内镜对胃溃疡、胃癌的筛查作用 |
| 5.磁控胶囊内镜在可疑IBS/FD中的应用 |
| 6.局限性 |
| 五、小结 |
| 第二章 卷积神经网络(CNN)在胶囊内镜图像自动诊断的应用 |
| 摘要 |
| Abstract |
| 一、背景 |
| 1.人工智能在医学上的应用 |
| 2.机器学习技术简要介绍及发展历程 |
| 3.AI在WCE应用的价值 |
| 4.CNN在 OGIB上的应用 |
| 5.CNN在小肠寄生虫上的诊断性能 |
| 6.CNN在克罗恩病上的诊断性能 |
| 7.CNN实现多分类自动诊断 |
| 8.目前相关研究的缺陷及本研究拟改进内容 |
| 二、材料与方法 |
| 1.研究设计及研究对象 |
| 2.胶囊内镜技术 |
| 3.检查前准备 |
| 4.操作步骤 |
| 5.观察指标 |
| 6.统计学分析 |
| 三、结果 |
| 1.回顾性纳入训练组患者临床特征 |
| 2.CNN对WCE静态图像是否为出血鉴别能力 |
| 四、讨论 |
| 1.CNN较传统SBI的优势 |
| 2.CNN黑箱的破局思路 |
| 3.通过设计训练前图像标注方式提升模型临床实用性 |
| 4.本研究的局限性和未来展望 |
| 五、小结 |
| 致谢 |
| 攻读硕士学位期间已发表的论文 |
| REFERENCES |
| 附件 |
四、胃窦区良性溃疡与腔内肿瘤鉴别诊断的问题（论文参考文献）
- [1]卷积神经网络在胶囊内镜图像自动诊断的应用[D]. 周莉函. 上海交通大学, 2020(10)
- [2]反复中上腹痛20年、消瘦及食欲减退2月（临床、内窥镜、X线、病理讨论会）——临床病例讨论之五[J]. 刘新才. 重庆医药, 1979(01)
- [3]胃窦区良性溃疡与腔内肿瘤鉴别诊断的问题[J]. Bonfield R.E.,王庆仁. 重庆医药, 1976(S1)
标签：胶囊内镜;