【摘 要】
：
目的:宫颈癌是妇科最致命的恶性肿瘤之一,主要由持续的高危型人乳头瘤病毒（high-riskhumanpapillomavirus,HR-HPV）感染引起,近年来宫颈癌的发展趋势逐步趋于年轻化,严重影响着患者的生活质量及身心健康。早已有研究表明,宫颈病变过程需长达10余年的时间,所以治疗和预防宫颈癌的最好方法就是阻断和干预HPV感染,寻找到一种转阴率高、副作用小、复发率低的治疗方法已经成为当前预防宫
论文部分内容阅读
目的:宫颈癌是妇科最致命的恶性肿瘤之一,主要由持续的高危型人乳头瘤病毒（high-riskhumanpapillomavirus,HR-HPV）感染引起,近年来宫颈癌的发展趋势逐步趋于年轻化,严重影响着患者的生活质量及身心健康。早已有研究表明,宫颈病变过程需长达10余年的时间,所以治疗和预防宫颈癌的最好方法就是阻断和干预HPV感染,寻找到一种转阴率高、副作用小、复发率低的治疗方法已经成为当前预防宫颈癌的关键。派特灵是由中科院研制的由多种药材经过多道程序提炼而成的一种纯中药制剂,在治疗同样是由HPV病毒引起的尖锐湿疣方面取得了不错的疗效。为了改变宫颈病变发展的结局,现应用派特灵阻断HR-HPV感染及治疗低级别鳞状上皮内病变（low-grade squamous intraepithelial lesion,LSIL）。本次研究分析了派特灵对HR-HPV的清除率及影响转阴率的相关因素,为预防及治疗宫颈病变提供思路及依据。方法:收集2017年1月至2018年6月于吉林省派特灵服务中心诊治的宫颈HR-HPV感染的152例患者的临床资料,其中包括姓名、年龄、HR-HPV型号、TCT、宫颈活检病理结果、使用派特灵周期、使用药物期间的不适症状、复查HPV结果。采用SPSS22.0统计软件进行相关数据分析。结果:（1）HR-HPV感染转阴率为92.2%,HR-HPV+LSIL转阴率为66.7%,两组比较的差异有统计学意义（P＜0.001）。（2）单一型感染转阴率为83.7%,混合型感染转阴率为91.7%,两组比较差异无统计学意义（P=0.183＞0.05）。（3）单一 16型感染转阴率为70.7%,混合16型感染转阴率为90%,两组比较差异有统计学意义（P=0.049＜0.05）。（4）单一 18型感染转阴率为83.3%,混合18型感染转阴率为100%,两组比较差异有统计学意义（P=0.046＜0.05）。（5）单一 16型感染转阴率为70.7%,单一 18型感染转阴率为83.3%,混合16+18型感染转阴率为100%,单一 16型分别与单一 18型、混合16+18型比较差异有统计学意义（P=0.042＜0.05）。（6）根据患者不同年龄阶段分为4组,≤30岁、31-40岁、41-50岁、≥50岁,经派特灵治疗后转阴率分别为73.3%,89.6%,100%,76.5%,41-50岁组分别与其他3组比较差异有统计学意义（P=0.003＜0.05）。（7）HR-HPV感染合并支原体感染转阴率86.9%,HR-HPV感染转阴率100%,两组比较的差异有统计学意义（P=0.003＜0.05）。结论:（1）派特灵对高危型HPV感染转阴效果显著。（2）子宫颈鳞状上皮内瘤变、支原体感染对派特灵治疗效果有影响。（3）派特灵治疗混合型感染效果优于单一型感染。
其他文献
当前,工程实践领域中的许多问题都可以转化为多模态优化问题,即要求同时找到问题的多个或全部最优解,以供决策者进行选择。进化算法因其具有全局选择和随机搜索的特点,常用于解决优化问题。然而,传统的进化算法的目的是找到问题的一个解,在处理多模态优化问题时,难以稳定地同时收敛到多个最优解。为了提高进化算法处理多模态优化问题的能力,需要保留种群的多样性,小生境技术的加入能够很好地实现这个效果。差分进化算法是进
随着移动互联网技术的迅速普及,个人以及服务器上的图像资源已经越来越丰富,这个巨大的图像数据库中蕴藏着大量有价值的信息。视觉模式挖掘技术致力于对海量图像数据自适应分析并处理,以此获取有意义的规律并加以利用,该任务也是近年来多媒体数据挖掘领域的热点研究方向之一。视觉模式是指通常出现在图像中的基本元素,并且往往比原始像素传达更高级别的语义信息。它们可以捕捉视觉对象或者场景的本质内容,并代表了对象在视觉世
大多数机器学习问题可以描述为数据项加约束项的形式。当约束项是稀疏约束,即需要求解的稀疏或在某个域内稀疏时,则问题转变为稀疏约束问题。稀疏约束问题具有广泛的研究意义,如图像去噪、信号恢复、超分辨率、压缩感知和神经网络剪枝等任务都属于稀疏约束问题。稀疏约束问题的求解越来越受到学者的重视。本文的目的是寻找性能优良的解决稀疏约束问题的方法,重点研究以下三个具体问题:1.近年来,可学习迭代收缩阈值算法（Le
随着人流量的不断增大,出行需求的不断加深,出于安全的考虑,安检X光危险物检测方法需要不断更新不断改进才能满足人民日益增长的出行需求和安全保障,但目前的安检工作还是主要依托于人工检测,以人为主,智能检测为辅,安检的效率和速率一定程度上取决于安检人员的精力和经验,这样很容易发生错检和误检,安全隐患很大。如何实现高效快速的自动化检测是本文研究的重点。本文探索了YOLOV4目标检测方法在安检X光危险物检测
遥感目标检测技术旨在对遥感图像的目标实现定位和识别,在民用和军事等领域发挥着重要的作用。然而,实际场景下的遥感目标检测面临着诸多问题和挑战。比如,如何解决由于样本标记工作专业性强、成本高导致的标记样本缺失的问题;如何有效挖掘遥感图像中复杂场景下的目标特征,在不影响检测效率的情况下提高检测精度;如何更高效地训练检测器,让特征层提取出的特征更好地发挥作用。针对上述问题,本文深入分析了人脑高效认知目标的
[目的]分析慢性鼻窦炎患者的变应原谱、血清总IgE和血清特异性IgE的特点,探讨变态反应在慢性鼻窦炎中的作用机制。[方法]收集2016年7月-2018年10月期间收入本院耳鼻咽喉头颈外科的变应原检测阳性的慢性鼻窦炎患者160例,根据《慢性鼻-鼻窦炎诊断和治疗指南（2012）》分为79例慢性鼻窦炎伴鼻息肉组（CRSwNP组）和81例慢性鼻窦炎不伴鼻息肉组（CRSsNP组）,同期91例变应原检测阳性的
高光谱图像相比于自然图像具有更加丰富的空间信息和光谱信息,能够用于对地物目标进行更准确的识别,近年来得到了越来越广泛的研究和应用。高光谱图像数据丰富,但是标记样本难以获取,因而应用更少的标记样本得到更高的分类精度是重要的研究方向。随着深度学习技术的发展,许多基于神经网络的高光谱图像分类方法取得了很好的分类效果。但是这些分类方法大多从邻域块内提取特征信息,忽视了地物目标在空间上更大区域内的匀质性。图
随着高光谱遥感成像技术的不断发展,高光谱图像在现实世界中的应用已经成为遥感领域中的重点研究方向并受到越来越多学者们的关注。区别于自然图像和多光谱图像,高光谱图像具有更多的光谱波段和更多的光谱信息,便于研究者对地物目标进行更好的分类。深度学习方法可以有效提取高光谱数据中的光谱-空间信息,已经在高光谱图像分类任务中取得了很好的效果。但是,现实世界中的高光谱数据集往往是开放集,即由于时间成本和人力成本等
视觉目标跟踪是计算机视觉中一个基础而又具有挑战性的研究课题,应用场景越来越广泛,主要包括视频监控、人机交互、自动驾驶以及军事制导等。视觉目标跟踪的主要任务是,给定视频第一帧图像中待跟踪目标的位置,通过跟踪器推断出该目标在后续帧图像中的位置。近年来,越来越多的研究人员致力于基于深度神经网络的视觉目标跟踪研究,跟踪的性能也在不断地被优化,但是由于存在背景相似干扰、目标形变、光照变化、尺度变化、运动模糊
随着虚拟现实、自动驾驶和机器人等智能技术的发展,在相关的定位、建图与导航任务中,视觉SLAM（Simultaneous Localization And Mapping）成为了其理论的核心支持技术。目前大多数落地的视觉SLAM方案,主要由传感器、视觉里程计、后端优化、回环检测和建图几个模块组成,其用于视觉跟踪的视觉里程计模块依赖于手工设计的特征点而非真正的地标,这将导致SLAM系统在光照变换等复杂