RU2011137767A - Способ диагностики рака у больных с дооперационным цитологическим диагнозом "фолликулярная опухоль" щитовидной железы с помощью математического моделирования - Google Patents

Способ диагностики рака у больных с дооперационным цитологическим диагнозом "фолликулярная опухоль" щитовидной железы с помощью математического моделирования Download PDF

Info

Publication number
RU2011137767A
RU2011137767A RU2011137767/14A RU2011137767A RU2011137767A RU 2011137767 A RU2011137767 A RU 2011137767A RU 2011137767/14 A RU2011137767/14 A RU 2011137767/14A RU 2011137767 A RU2011137767 A RU 2011137767A RU 2011137767 A RU2011137767 A RU 2011137767A
Authority
RU
Russia
Prior art keywords
nodular formation
thyroid
diagnosis
thyroid gland
nodular
Prior art date
Application number
RU2011137767/14A
Other languages
English (en)
Other versions
RU2493770C2 (ru
Inventor
Ольга Степановна Олифирова
Николай Николаевич Трынов
Софья Владимировна Кналян
Александр Степанович Ильюшенок
Original Assignee
Государственное бюджетное образовательное учреждение высшего профессионального образования "Амурская государственная медицинская академия" Минздравсоцразвития Российской Федерации
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Государственное бюджетное образовательное учреждение высшего профессионального образования "Амурская государственная медицинская академия" Минздравсоцразвития Российской Федерации filed Critical Государственное бюджетное образовательное учреждение высшего профессионального образования "Амурская государственная медицинская академия" Минздравсоцразвития Российской Федерации
Priority to RU2011137767/14A priority Critical patent/RU2493770C2/ru
Publication of RU2011137767A publication Critical patent/RU2011137767A/ru
Application granted granted Critical
Publication of RU2493770C2 publication Critical patent/RU2493770C2/ru

Links

Landscapes

  • Ultra Sonic Daignosis Equipment (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

Способ диагностики рака щитовидной железы у больных с дооперационным цитологическим диагнозом «фолликулярная опухоль», включающий проведение клинико-анамнестического, цитологического, а также ультразвукового (УЗИ) обследования щитовидной железы, отличающийся тем, что проводят цитологическое исследование узлового образования щитовидной железы и диагностируют «фолликулярную опухоль» щитовидной железы, выполняют УЗИ узлового образования в щитовидной железе и определяют следующие параметры: гипоэхогенность узлового образования - X1, неоднородность узлового образования - Х2, отсутствие ободка «хало» - Х3, неровный контур узлового образования - Х4, кальцинаты в узловом образовании - Х5, интранодулярный кровоток в узловом образовании - Х6; определяют клинико-анамнестические параметры: мужской пол - Х7, размер узлового образования больше 2 см - Х8, быстрый рост узла в щитовидной железе (≤1 года) - Х9, повышенная плотность узлового образования, определяемая при пальпации - X10, увеличенные шейные лимфоузлы - X11, тиреотоксикоз - Х12, анамнез заболевания ≤1 года - Х13, при наличии признака ставят значение «1», при его отсутствии - «0», рассчитывают на основе данных функций значения Y1 и Y2Y1=-15,93+7,10·X1+8,25·Х2+6,12·X3+7,07·Х4+3,97·Х5+5,75·X6+5,63·Х7+4,94·Х8+1,35·Х9+4,52·Х10+5,15·Х11-1,33·Х12+1,72·Х13Y2=-3,48+2,75·X1+1,80·Х2+1,57·X3+2,51·Х4+1,56·Х5+3,55·X6+1,34·Х7+2,54·Х8+0,77·Х9+1,29·X10-2,43·X11+1,40·Х12+1,28·Х13,если значение Y1 больше, чем Y2 устанавливают диагноз рака щитовидной железы, если значение Y2 больше Y1 исключают диагноз рака щитовидной железы.

Claims (1)

  1. Способ диагностики рака щитовидной железы у больных с дооперационным цитологическим диагнозом «фолликулярная опухоль», включающий проведение клинико-анамнестического, цитологического, а также ультразвукового (УЗИ) обследования щитовидной железы, отличающийся тем, что проводят цитологическое исследование узлового образования щитовидной железы и диагностируют «фолликулярную опухоль» щитовидной железы, выполняют УЗИ узлового образования в щитовидной железе и определяют следующие параметры: гипоэхогенность узлового образования - X1, неоднородность узлового образования - Х2, отсутствие ободка «хало» - Х3, неровный контур узлового образования - Х4, кальцинаты в узловом образовании - Х5, интранодулярный кровоток в узловом образовании - Х6; определяют клинико-анамнестические параметры: мужской пол - Х7, размер узлового образования больше 2 см - Х8, быстрый рост узла в щитовидной железе (≤1 года) - Х9, повышенная плотность узлового образования, определяемая при пальпации - X10, увеличенные шейные лимфоузлы - X11, тиреотоксикоз - Х12, анамнез заболевания ≤1 года - Х13, при наличии признака ставят значение «1», при его отсутствии - «0», рассчитывают на основе данных функций значения Y1 и Y2
    Y1=-15,93+7,10·X1+8,25·Х2+6,12·X3+7,07·Х4+3,97·Х5+5,75·X6+5,63·Х7+4,94·Х8+1,35·Х9+4,52·Х10+5,15·Х11-1,33·Х12+1,72·Х13
    Y2=-3,48+2,75·X1+1,80·Х2+1,57·X3+2,51·Х4+1,56·Х5+3,55·X6+1,34·Х7+2,54·Х8+0,77·Х9+1,29·X10-2,43·X11+1,40·Х12+1,28·Х13,
    если значение Y1 больше, чем Y2 устанавливают диагноз рака щитовидной железы, если значение Y2 больше Y1 исключают диагноз рака щитовидной железы.
RU2011137767/14A 2011-09-13 2011-09-13 Способ диагностики рака у больных с дооперационным цитологическим диагнозом "фолликулярная опухоль" щитовидной железы с помощью математического моделирования RU2493770C2 (ru)

Priority Applications (1)

Application Number Priority Date Filing Date Title
RU2011137767/14A RU2493770C2 (ru) 2011-09-13 2011-09-13 Способ диагностики рака у больных с дооперационным цитологическим диагнозом "фолликулярная опухоль" щитовидной железы с помощью математического моделирования

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
RU2011137767/14A RU2493770C2 (ru) 2011-09-13 2011-09-13 Способ диагностики рака у больных с дооперационным цитологическим диагнозом "фолликулярная опухоль" щитовидной железы с помощью математического моделирования

Publications (2)

Publication Number Publication Date
RU2011137767A true RU2011137767A (ru) 2013-03-20
RU2493770C2 RU2493770C2 (ru) 2013-09-27

Family

ID=49123477

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2011137767/14A RU2493770C2 (ru) 2011-09-13 2011-09-13 Способ диагностики рака у больных с дооперационным цитологическим диагнозом "фолликулярная опухоль" щитовидной железы с помощью математического моделирования

Country Status (1)

Country Link
RU (1) RU2493770C2 (ru)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2713945C1 (ru) * 2019-11-19 2020-02-11 Любовь Анатолиевна Тимофеева Способ прогнозирования вероятности рака щитовидной железы на основе соноэластографии

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2293524C2 (ru) * 2005-04-28 2007-02-20 Государственное учреждение Научный центр клинической и экспериментальной медицины Сибирского отделения Российской академии медицинских наук (ГУ НЦКЭМ СО РАМН) Способ дифференциальной диагностики фолликулярной аденомы и фолликулярного рака щитовидной железы
RU2407427C2 (ru) * 2009-02-02 2010-12-27 Государственное Образовательное Учреждение Высшего Профессионального Образования Амурская Государственная Медицинская Академия Росздрава Способ диагностики опухолей щитовидной железы с помощью математического моделирования
RU2398289C1 (ru) * 2009-02-02 2010-08-27 Государственное Образовательное Учреждение Высшего Профессионального Образования Амурская Государственная Медицинская Академия Росздрава Способ прогнозирования послеоперационного рецидива многоузлового зоба с помощью математического моделирования
CA2798562A1 (en) * 2010-05-07 2011-11-10 Ranju Ralhan Methods and compositions for the diagnosis and treatment of thyroid cancer

Also Published As

Publication number Publication date
RU2493770C2 (ru) 2013-09-27

Similar Documents

Publication Publication Date Title
Kim et al. Multiparametric photoacoustic analysis of human thyroid cancers in vivo
Genders et al. Methods for calculating sensitivity and specificity of clustered data: a tutorial
CN112542247B (zh) 乳腺癌新辅助化疗后病理学完全缓解概率预测方法及系统
Gu et al. Minimum-intensity projection for in-depth morphology study of mesiobuccal root
WO2009019617A3 (en) 3d tissue model formation from non-parallel 2d images
Fujima et al. Prediction of the human papillomavirus status in patients with oropharyngeal squamous cell carcinoma by FDG-PET imaging dataset using deep learning analysis: a hypothesis-generating study
Suomi et al. Nonlinear 3-D simulation of high-intensity focused ultrasound therapy in the kidney
Berraho et al. Direct costs of cervical cancer management in Morocco
Pan et al. Multi-class deep learning segmentation and automated measurements in periodontal sonograms of a porcine model
Lukic et al. Are we facing a new colposcopic practice in the HPV vaccination era? Opportunities, challenges, and new perspectives
RU2011137767A (ru) Способ диагностики рака у больных с дооперационным цитологическим диагнозом "фолликулярная опухоль" щитовидной железы с помощью математического моделирования
Woradet et al. Factors affecting survival time of cholangiocarcinoma patients: a prospective study in Northeast Thailand
RU2407427C2 (ru) Способ диагностики опухолей щитовидной железы с помощью математического моделирования
Reginelli et al. Peritoneal Carcinosis: What the Radiologist Needs to Know
Mazza et al. Gestational diastolic hypertension with gene mutation-related pheochromocytoma positive at (18) F-DOPA PET/CT: Diagnostic and therapeutic implications.
Rajinikanth et al. Extraction of fetal head section from ultrasound images using a soft-computing based image mining system—a study with Kapur’s thresholding and segmentation
Almeida et al. The Lymphatic System—A Surgeon’s Point of View
RU2616172C1 (ru) Способ проведения эластографии сдвиговых волн селезенки
Chibisova et al. Protocols for radiological diagnosis of various clinical forms of pathological tooth resorption using cone-beam computed tomography
Xi et al. A reliable deep-learning-based method for alveolar bone quantification using a murine model of periodontitis and micro-computed tomography imaging
Ebadi Personalized screening policies for cervical cancer prevention
Feliz et al. The Case for a Portable Open-Source 3D Ultrasound: Issues, Benefits, and Challenges
RU2012127159A (ru) Способ дифференциальной диагностики генеза гиперактивности мочевого пузыря у мужчин
Saritha et al. Acute pancreatitis in pregnancy: a case report
GELARDI Image mining and ctDNA for improved risk stratification and outcome prediction in NSCLC by application of artificial intelligence

Legal Events

Date Code Title Description
MM4A The patent is invalid due to non-payment of fees

Effective date: 20130914