简介：背景：有经验的皮肤科医师使用临床诊断标准（通常为ABCD规则）早期诊断黑色素瘤的正确率可达64％～80％，诊断黑色素瘤的自动化系统仍被认为是一种实验性方法，只能作为肉眼诊断的辅助措施。为帮助早期诊断黑色素瘤，作者开发了一种图像处理系统帮助鉴别黑色素瘤与黑色素细胞痣，并建立了一种明确黑色素瘤发生率的数字模式。方法：分析132处黑色素细胞皮损（23处黑色素瘤及109处黑色素细胞痣）的数字图像特征，包括几何特征、颜色、颜色纹理。共分析了所有皮损的43个特征变量：几何形状、颜色纹理、边界锐度、颜色变量等。由于任何多阶式变量选择法中存在变量多重共线性均可导致严重错误，因此采用单变量logistic回归分析法及“-2loglikelihood”检测和Spearman秩相关系数，以排除不适当的变量。最初“-2loglikelihood”和非参数Spearmanp选择了5个变量进入多变量预测模式，随后5变量模式被削减为3变量模式，且验证了每种模式的性能。用“jackknife”法验证3变量模式，并通过受试者工作特性（ROC）曲线图比较其与5变量模式的精确度，结论表明3变量模式的鉴别能力未受影响。结果：并非全部变量均对此模式有用，故逐渐剔除至剩下3个有意义的协变量。合并几何形状、颜色、颜色纹理等独立协变量参数，计算预测性公式，用于黑色素瘤的预测。此模式诊断黑色素瘤的灵敏度为60．9％，特异度为95．4％，总精确度达89．4％（概率水平O．5），有8％的假阴性结果。结论：通过数字图像处理系统和发展数字预测模式，采用多变量logistic回归分析法高精度地鉴别黑色素瘤与黑色素细胞痣是可行的。此模式早期诊断黑色素瘤具有可行性。为预测组织学确诊前未能诊断的黑色素瘤，没有必要使用昂贵或复杂的设备，仅使用价格合适的便�

简介：

简介：

简介：17例已达到所谓的神经毛囊性错构瘤诊断标准(明确的S100+除外)的孤立性鼻肿瘤,与7例来自类似医疗机构的典型毛盘状瘤进行组织病理学和免疫组化比较。S100-的神经毛囊性错构瘤样肿瘤和毛盘状瘤都表达同样的CD13+/CD34+纤维细胞性免疫表型,而不共同表达神经性/神经周围性的(S100、神经微丝、上皮膜抗原)、肌原性的(结合素、钙结合蛋白、肌肉特异性的肌动蛋白和α平滑肌肌动蛋白)或黑素细胞性的(S100、HMB45、NKI/C3、MelanA)表位。除外后者具有高度特征性的束状组织细胞性的纤维细胞基质外,组织病理学上,毛盘状瘤与S100-的神经毛囊性错构瘤样肿瘤在形态学上具有明显的相似之处。作者推论纤维毛囊瘤/毛盘状瘤和神经毛囊性错构瘤样肿瘤是一种单一的错构瘤实体在形态学上的异型,其中神经毛囊性错构瘤样肿瘤占据了这种形态学谱的一端。这种疾病既往被认为是神经毛囊性错构瘤,仅仅除了独特的伴有由CD34+的纤维细胞组成、明显组织基质的细胞性毛盘状瘤。作者因此提议以新的术语———梭形细胞主导的毛盘状瘤(SCPT)命名形态学上的纤维毛囊瘤/毛盘状瘤病谱中这一特殊的变异型。梭形细胞主导的毛盘状瘤:一种既往考虑为...