Digitaalinen kuva-analyysi endoskooppinen ultraääni on hyödyllinen diagnosoinnissa mahalaukun mesenkymaalisten tumors

Digitaalinen kuva-analyysi endoskooppinen ultraääni on hyödyllinen diagnosoinnissa mahalaukun mesenkymaaliset kasvaimet
tiivistelmä
tausta
Endoskooppinen ultraääni (EUS) on arvokas kuvantamisen välineen arvioida epiteelinalaisella leesioita vatsassa. On kuitenkin olemassa muutamia tutkimuksia erottelu ruuansulatuskanavan tukikudosten kasvaimet (GIST) ja hyvänlaatuiset mesenkymaaliset kasvaimet, kuten leiomyooma tai schvvannooma, jossa käytetään EUS. Lisäksi, on olemassa rajoituksia analyysi ominaispiirteet tällaisten kasvainten heikon interobserver sopimuksen seurauksena tulkita subjektiivisesti EUS kuvia. Siksi Tämän tutkimuksen tarkoituksena oli arvioida roolia digitaalisen kuvan analyysin erottaa piirteitä GIST niiltä hyvänlaatuisia mesenkymaaliset kasvainten EUS. Tool Menetelmät
Me otettiin 65 potilasta, joilla histopatologisesti todettu mahan GIST, sileälihaskasvain tai schwannoma on kirurgisesti resektoitiin yksilöt, joille tehtiin EUS tutkimus meidän endoskooppinen yksikkö tammikuusta 2007 syyskuuhun 2010. Kun standardointi EUS kuvien kirkkaus arvoja, kuten keskiarvon (T keskiarvo), joka osoittaa kaikuominaisuuksia, ja keskihajonta (T SD), joka osoittaa heterogeenisyys, kasvaimissa analysoitiin.
tulokset
T tarkoittaa ja T SD olivat merkittävästi korkeammat GIST kuin sileälihaskasvain ja schwannoma (p < 0,001 ). Kuitenkin, ei ollut merkittävää eroa T tarkoittaa tai T SD välillä hyvän- ja pahanlaatuisten GIST. Herkkyys ja spesifisyys olivat lähes optimoitu erottamiselle GIST peräisin sileälihaskasvain tai schwannoma kun kriittiset arvot T tarkoittaa ja T SD olivat 65 ja 75, tässä järjestyksessä. Läsnäolo vähintään 1 näistä 2 havaintojen tietyllä kasvain johti herkkyys 94%, spesifisyys 80%, positiivinen ennustearvo 94%, negatiivinen ennustearvo 80% ja tarkkuus 90,8% ennustamiseen GIST.
Johtopäätökset
Digitaalinen kuva-analyysi antaa objektiivista tietoa EUS kuvia; Näin se voi olla hyötyä diagnosoinnissa mahalaukun mesenkymaaliset kasvaimet.
avainsanat
Vatsa Endoskooppinen ultraääni mesenkyymikasvaimia kasvain Kuva-analyysi Tausta
mesenkyymikasvaimia kasvain mahassa on tavallisesti löydettiin sattumalta aikana ylempi tähystykseen liittymättömän kunnossa, ja on huomattava, koska yritys, ulkoneva epiteelinalaisella vaurio; kuitenkin suurempia kasvaimia joskus voi aiheuttaa verenvuotoa [1]. Histopatologisesti, useimmat näistä kasvaimista on kokonaan tai osittain koostuu karan solujen ja näyttää sileän lihaksen tai hermo tuppi erilaistumista. Useimmat mahalaukun mesenkymaaliset kasvaimet ovat ruuansulatuskanavan tukikudosten kasvaimet (GIST) johdettu interstitiaalinen solujen Cajal [1-3]. GIST on riski Etäpesäkkeisen uusiutumisen, erityisesti vatsakalvon ja maksassa, jopa leikkauksen jälkeen paikallinen tauti [4, 5]. Siksi kaikki GIST, pidetään mahdollisesti pahanlaatuisten ja voivat vaatia resektio, jopa pienet sisäiset vaurioita mahan [5, 6].
Käytännössä erilaistumisen GIST hyvänlaatuisesta mahalaukun mesenkymaaliset kasvaimet, kuten leiomyooma tai schwannooma, on välttämätöntä tehokkaan kliinisen hoidon. Endoskooppinen ultraääni (EUS) on arvokas kuvantamisen välineen arvioida mesenkymaaliset kasvaimet, koska se mahdollistaa osoittaminen hypoechoic massa, joka on viereinen neljäs hypoechoic kerroksen normaalin suolen seinämän [7-9]. Tästä huolimatta on olemassa muutamia tutkimuksia eriyttäminen GIST ja hyvänlaatuiset mesenkymaaliset kasvaimet käyttämällä EUS [9, 10]. Lisäksi on olemassa rajoituksia analysoinnissa ominaispiirteet tällaisten kasvainten heikon interobserver sopimuksen seurauksena subjektiivisen tulkinnan EUS kuvien [11, 12].
Digital kuvia koostuvat pikseliä (kuvaelementtiä), joka ovat peruselementtejä, jotka muodostavat 2-ulotteinen kuva. Digitaalisessa kuva-analyysi, jakeluun ja alueellista vaihtelua pikselien lasketaan käyttämällä tekstuurianalyysiin jotta saadaan hyödyllistä tietoa. Äskettäin hyödyllisyyttä digitaalisen kuva-analyysin erottamaan hyvänlaatuista pahanlaatuisia epiteelinalaisella vaurioita EUS on raportoitu [13]. Siksi Tämän tutkimuksen tarkoituksena oli arvioida roolia digitaalisen kuvan analyysin erottaa piirteitä GIST niiltä hyvänlaatuisia mesenkymaaliset kasvainten EUS. Tool Menetelmät
aiheet
potilastiedot kaikista potilaista, joilla histopatologisesti todistettu mahalaukun GIST, sileälihaskasvaimen tai schwannoma on kirurgisesti resektoitiin yksilöt, joille tehtiin EUS tutkimus meidän endoskooppinen yksikkö tammikuusta 2007 syyskuuhun 2010 on takautuvasti uudelleen. Me otettiin 65 potilasta (27 miestä ja 38 naista), joiden keski-ikä oli 55 vuotta (vaihteluväli 28-81 vuotta), joista 50 oli GIST, 6 sileälihaskasvaimen ja 9 schwannoma. Tämä tutkimus tarkasteli ja hyväksynyt Institutional Review Board at Pusan ​​National University Hospital.
Histopatologia
kasvaimia histopatologisesti osoittautunut mahalaukun mesenkymaaliset kasvaimet ja luokiteltiin immunohistokemiallisesti kuin sileälihaskasvaimen schwannoma tai GIST [3]. Leiomyooma määriteltiin desmiiniä-positiivisia ja c-kit (CD117) -negatiivinen kasvain, schwannoma kuin S-100-positiivisia ja c-kit-negatiivinen kasvain, ja GIST kuten c-kit-positiivinen kasvain. GIST jaettiin 4 ryhmään mukaisesti yksimielisyyttä Kokousraportin National Institutes of Health [6].
Endoskooppinen ultraääni
EUS suoritettiin käyttäen radial-skannaus ultraääni endoskooppia (GF-UM2000, Olympus, Tokio, Japani) 7,5 MHz, ja kaikki tutkimukset tehtiin alle laskimoon perussedaatiossa (midatsolaamin kanssa tai ilman meperidine). Kasvain skannattiin täytön jälkeen vatsa kanssa 400-600 ml poistettu ilma vettä. Ainakin 10 vielä EUS kuvia saatiin joka vaurion, ja nämä kuvat olivat tallennettu digitaalisesti Windows bittikarttamuodossa.
EUS kuvat oli arvostellut yksi kokenut endosonographer (G.H.K.) joka pidettiin sokaissut lopulliseen diagnoosiin. Vain 1 vielä EUS kuvan korkealaatuisia valittiin kunkin vaurion edelleen digitaalinen kuva-analyysi, joka suoritettiin tavallisella pöytätietokoneella.
Digitaalinen kuva-analyysi
EUS voi näyttää eri kuvan ominaisuudet mukaisesti eri kontrasteja aikana todellinen tutkimus. Minimoida nämä erot, standardointi prosessi suoritettiin käyttäen kirkkaus arvot kaiuttomassa keskustan ja ulompi hyperechoic reunan EUS laajuus, joilla on vähiten vaihtelua. Kuvio 1 esittää standardoinnin tässä tutkimuksessa käytetyt. Kuvio 1 vuokaavio, joka kuvaa standardointiin ja EUS kuvan.
Image tarkistusta histogrammin tasoitus on myös tarpeen saada paremman kontrastin koska alkuperäinen EUS kuva voi olla vääristynyt kirkkautta histogrammin ja siksi ei voi olla hyödyllinen analysoitaessa kasvaimen alueelle. Sitten me soveltaa reunasta yhdistää menetelmää kaikkiin reunapikselit toistuvasti tuottaakseen reunasta. Edge-linkitystä liitetty ja tallennettu kaikki arvot, jotka täyttävät kaavan (1) on 3 x 3 alue nykyisen pikselin. ∇
G
x
,
y
-
∇
G
x
'
,
y
'
≤
Th
(1) kynnysarvo (Th
) kaavan (1) asetettiin 130, perustuu meidän alustavan tutkimuksen (tuloksia ei ole esitetty). Sitten kaiuttomassa keskellä EUS laajuus uutettiin objektina high-density pikselin jälkeen soveltamalla binarization, leimausta Grassfire algoritmin, ja melunpoisto käyttämällä morfologista tietoa. Ulomman hyperechoic vanteen soveltamisalan uutettiin koska alue, joka oli kirkkaampi kuin naapuripikseleistä, kuten on esitetty kuviossa 2. Kuvio 2 uuttaminen prosessi kaiuttomassa keskustan ja ulomman hyperechoic reunan EUS soveltamisalaan. (A) harmaa kuva. (B) pehmennys menetelmällä. (C) Edge-Linkitysmetodina. (D) Binarization. (E) Leimaaminen Grassfire algoritmilla. (F) poistaminen melun käyttäen morfologisia tietoja. (G) uuttaminen kaiuttomassa keskustan soveltamisalaan. (H) uuttaminen ulomman hyperechoic vanteen soveltamisalaan.
Lopuksi kaavan (2) levitettiin loppuun standardisointiprosessiin: StandardGray
=
255
-
RimGray
x
1
+
255
-
RimGray
CenterGray
Jos
CenterGray
<
X
<
StandardGray
,
Sitten
X
=
StandardGray
StandardGray
-
CenterGray
x
X
-
StandardGray
Else
Jos
StandardGray
<
X
<
EdgeGray
,
sitten
X
=
StandardGray
+
255
-
StandardGray
RimGray
-
StandardGray
x
X
-
StandardGray
(2) missä CenterGray ja RimGray tarkoittavat kirkkautta arvot kaiuttomassa keskus ja ulomman hyperechoic vanteen laajuus, vastaavasti, kun taas StandardGray tarkoittaa kirkkautta arvo erottaa kaiuttomassa keskustan ulomman hyperechoic vanteen.
alkaen standardoitu kuva, kiinnostuksen kohteena olevan alueen (ROI) valittiin kokenut endosonographer (GHK) kasvainten analyysiä. Edellä Menetelmä tarjoaa kirkkausinformaatio, kuten minimi, maksimi, keskiarvo (T keskiarvo), keskihajonta (T SD), mediaani, ja neljännespisteiden arvot (kuva 3). Kuva 3 Esimerkki digitaalisen kuva-analyysi. Vuodesta standardoitu kuvan, kiinnostuksen kohteena olevan alueen (ROI) valitaan kokenut endosonographer kasvainten analyysiä. Lopulliset tulokset ROI ilmaistaan ​​pohjaan histogrammissa. Keskiarvo (Tmean) ja keskihajonta (TSD) kirkkauden arvot ovat 81,53 ja 180,50, vastaavasti.
Tilastollinen analyysi
Kaikki tiedot ilmaistaan ​​keskiarvona ± SD. Ero T tarkoittaa ja T SD joukossa 3 ryhmään (GIST, leiomyooma ja schwannoma) arvioitiin käyttäen yksisuuntaista varianssianalyysi (ANOVA). Vastaanotin toimii (ROC) käyrä levitettiin löydettäisiin paras herkkyys ja cut-off-arvot T tarkoittaa ja T SD erottamiselle GIST peräisin sileälihaskasvain tai schwannoma. Laskeminen herkkyys, spesifisyys, positiiviset ja negatiiviset ennustearvot, ja tarkkuus erottamiselle GIST peräisin sileälihaskasvain tai schwannoma suoritettiin myös. P-arvo < 0,05 katsottiin tilastollisesti merkitsevä. Tilastolliset laskelmat tehtiin käyttäen SPSS versio 12.0 for Windows-ohjelmisto (SPSS Inc., Chicago, IL, USA).
Tulokset
Kaikkiaan EUS kuvat, T tarkoittaa ja T SD laskettiin onnistuneesti post-standardoitu kuva-analyysi. T keskiarvo, joka ilmaisee kaikuominaisuuksia, oli merkitsevästi korkeampi GIST kuin sileälihaskasvain ja schwannoma (82,8 ± 22,5, 39,8 ± 18,9, ja 47,0 ± 12,0, vastaavasti; p < 0,001) (taulukko 1). Lisäksi T SD, joka ilmaisee heterogeenisyys, oli myös merkitsevästi suurempi GIST kuin sileälihaskasvain ja schwannoma (83,5 ± 14,4, 54,3 ± 21,7, ja 58,3 ± 17,5, vastaavasti; p < 0,001). Kuitenkin, ei ollut merkittävää eroa T tarkoittaa tai T SD välillä sileälihaskasvain ja schwannoma.Table 1 Mean (T keskiarvo) ja keskihajonta (T SD) kirkkauden arvojen jälkeen digitaalinen kuva-analyysi mahalaukun mesenkymaalisten kasvaimet mukaan histopatologisten diagnoosin
GIST (n = 50)
leiomyooma (n = 6)
schwannooma (n = 9)
(s -arvo) *
Tmean (keskiarvo ± SD) B 82.8 ± 22.5
39,8 ± 18,9
47,0 ± 12,0
0,000
T †

b
b
TSD (keskiarvo ± SD) b 83,5 ± 14,4
54,3 ± 21,7
58,3 ± 17,5
0,000
T †

b
b
GIST
gastrointestinaalisen stroomakasvaimen.
* tilastollinen merkitsevyys testattiin käyttämällä yksisuuntaista varianssianalyysiä.
† sama kirjaimet tarkoittavat ei-merkitsevää eroa ryhmien välillä käyttämällä Tukeyn monivertailukoetta .
Kun GIST luokiteltiin hyvän- tai pahanlaatuinen ryhmiin histologisia riskiluokitteluun 31 tapauksessa ryhmiteltiin hyvänlaatuinen GIST (erittäin pieni riski, 7 tapausta; alhainen riski, 24 tapausta) ja 14 tapausta pahanlaatuinen GIST (väli riski, 10 tapausta, korkea riski, 4 tapausta). Ei ollut eroa T tarkoittaa tai T SD välillä hyvän- että pahanlaatuisia GIST (88,2 ± 21,7 vs. 82,1 ± 23,0, p = 0,395; 86,9 ± 12,2 vs. 83,3 ± 13,1, p = 0,373, tässä järjestyksessä).
ROC-käyrä luotiin tunnistaa parhaat herkkyys ja cut-off-arvot T tarkoittaa ja T SD erottamiselle GIST peräisin sileälihaskasvain tai schwannoma (kuva 4). Herkkyys ja spesifisyys olivat lähes optimoitu kun kriittiset arvot T tarkoittaa ja T SD olivat 65 ja 75, tässä järjestyksessä. Taulukko 2 esittää arvot T keskiarvon ≥ 65 ja T SD ≥ 75 ennustamiseen GIST. Läsnäolo vähintään 1 näistä 2 havaintojen tietyllä kasvain johti herkkyys 94%, spesifisyys 80%, positiivinen ennustearvo 94%, negatiivinen ennustearvo 80% ja tarkkuus 90,8% ennustamiseen GIST. Kuva 4 Receiver operating (ROC) käyrä erottamiselle ruuansulatuskanavan stroomakasvain (GIST) ei-GIST mesenkymaaliset kasvaimet. ROC käyrä (A) keskiarvo (Tmean) ja (B) keskihajonta (TSD) on kirkkaus arvot, jotka erottavat GIST ulkopuolisista GIST mesenkymaaliset kasvaimia mahassa.
Taulukko 2 Herkkyys, spesifisyys, positiivinen ja negatiivinen ennustearvo arvot, ja tarkkuus keskiarvon (T keskiarvo) ja keskihajonta (T SD) on kirkkaus arvot, jotka erottavat ruuansulatuskanavan stroomakasvain (GIST) ei-GIST mesenkymaaliset kasvaimia mahassa
ennustaminen GIST
herkkyys,% (95% CI)
spesifisyys,% (95% CI)
PPV,% (95% CI)
NPV,% (95% CI)
Tarkkuus,% (95% CI)
Tmean ≥ 65
86,0 (72,6-93,7) B 93,3 (66,0-99,7) B 97,7 (86,5-99,9)
66,7 (66,7-43,1) B 87,7 (76,6-94,2)
TSD ≥ 75
90,0 (77,4-96,2)
80,0 (51,4-94,7) B 93,8 (81,8-98,4 )
70,6 (44,0-88,6) B 87,7 (76,6-94,2) B edellä mainituista 2 piirteet
≥ 1
94,0 (82,5-98,4) B 80,0 (51,4-94,7)
94,0 (82,5-98,4)
80,0 (51,4-94,7) B 90,8 (80,3-96,2) B Molemmat
82,0 (68,1-91,0) B 93,3 (66,0-99,7)
97,6 (86,0-99,9)
61,0 (38,8-79,5) B 84,6 (73,1-91,2) B PPV
positiivinen ennustearvo, NPN
negatiivinen ennustearvo, CI
luottamus välein.
keskustelu
Aiemmissa tutkimuksessa arvioimme ominaisuuksista, jotka voivat erottaa GIST alkaen sileälihaskasvain on EUS; heterogeenisyys, hyperechogenic paikkoja, marginaalinen halo, ja korkeammat kaikuominaisuuksia verrattuna ympäröivän lihaksen kerros olivat hyödyllisiä ennustettaessa GIST [9]. Kuitenkin, tuomio Näiden havaintojen on EUS kuvien on subjektiivinen; Tämä voi johtaa huonoon interobserver sopimuksessa [11, 12]. Tämän rajoituksen voittamiseksi, yritimme johtaa enemmän objektiivisia löydöksiä EUS kuvia.
EUS kuva muodostuu pikseleistä, ja sen kaiku tiheys ilmaistaan ​​kirkkaus arvot 0 (musta) ja 255 (valkoinen). Analyysi kirkkaus on periaatteessa menetelmää arvioida tasoa kaikuominaisuuksia (ilmaistuna T keskiarvo) ja homogeenisuusaste (ilmaistuna T SD). Lisäksi EUS kuvia voi näyttää erilaisia ​​ominaisuuksia keksinnön eri kontrastit käytetty tutkimus. Siksi minimoida nämä erot, valitsimme kirkkautta kaiuttomassa keskustan ja ulompi hyperechoic reunan EUS laajuus, joilla on vähiten vaihtelua, ja myös standardoitu EUS kuvia.
Jälkeen post-standardoitu kuva-analyysin, niin T tarkoittaa ja T SD olivat merkittävästi korkeammat GIST kuin sileälihaskasvain ja schwannoma. Nämä tulokset ovat yhdenmukaisia ​​aiempien tutkimusten jotka ovat raportoineet suurempia kaikuominaisuuksia verrattuna ympäröivän lihaksen kerros, ja heterogeenisuus on hyötyä diagnosoinnissa GIST [9, 10, 14]. Toisin sanoen, uskomme, että on sopivaa ilmaista joitakin EUS havainnot tavoitteena arvoista, digitaalinen kuva-analyysi.
Erään ROC käyrä, arvot T tarkoittaa ja T SD kiinnitettävää herkkyyden ja spesifisyys GIST olivat 65 ja 75, tässä järjestyksessä. Jos jompikumpi T tarkoittaa ≥ 65 tai T SD ≥ 75 oli läsnä, herkkyys ja spesifisyys ennustamiseen GIST olivat 94% ja 80%, vastaavasti, yhdenmukaisia ​​aiempien tulosten [9].
Seuraavaksi yritimme erottamaan hyvän- että pahanlaatuisia GIST pohjalta kuva-analyysin jälkeen jakamalla GIST 2 ryhmään (hyvän- tai pahanlaatuinen) mukaan histologisia riskiluokitus. Emme kuitenkaan löytäneet mitään eroa T tarkoittaa tai T SD välillä hyvän- ja pahanlaatuisten GIST. Aiemmat tutkimukset ovat osoittaneet, että suuri koko, exogastric kasvu, haavaumia, kystinen muutoksia, hyperechogenic pesäkkeet, ja epäsäännölliset marginaalin hyväksi diagnoosin ruoansulatuskanavan pahanlaatuisten mesenkymaalisten kasvain [7, 8, 15, 16]. Meidän edellisessä raportissa, vain koko oli itsenäinen ennustaja monimuuttuja regressioanalyysimme [9]. Näin ollen on edelleen olemassa rajoitus ennustaa pahanlaatuistumisriskin GIST käyttämällä kuva-analyysiin.
Tämä tutkimus on useita rajoituksia. Ensinnäkin, tämä oli retrospektiivinen tutkimus, jossa verrattiin EUS varustelu välillä GIST ja hyvänlaatuiset mesenkymaaliset kasvaimet käyttämällä digitaalista kuva-analyysiä. Siksi olisi ollut mahdollinen harhaa, kun jälkikäteen tarkastellaan EUS kuvia. Aikana EUS tutkimus, saimme ainakin 10 endosonographic kuvien ominaisuuksien määrittämiseksi mahalaukun mesenkymaaliset kasvaimet; toivoimme tämä korvaisi jossain määrin, että rajoitus tämä on retrospektiivinen tutkimus. Toiseksi vaikka EUS tutkimukset tehtiin, potilaat valittiin kirurgian mukaan kliinisen lausunnot ja päätökset lääkärit. Kolmanneksi potilaiden määrä sileälihaskasvain tai schwannoma mukana tässä tutkimuksessa oli pieni suhteessa määrä, joilla on GIST. Tämä rajoitus saattaa johtua siitä, että yleisin mesenkymaaliset kasvain mahassa on GIST ja että muut kasvaimet, kuten leiomyooma tai schvvannooma, käytetään harvoin klinikoilla. Lopuksi vaikka olemme analysoineet vasta EUS kuvia saatu 7,5 MHz vähentämiseksi eroja kuvien, jotka voivat johtua eri taajuuksia, todellinen asetukset EUS, kuten voitto ja kontrasti, oli erilainen kussakin tapauksessa, mikä on rajoitus ominainen retrospektiivinen tutkimus. Emme yritä yhtenäistää EUS kuvien perusteella kirkkauden arvojen kaiuttomassa keskustan ja ulompi hyperechoic vanteen soveltamisalaan. Tämä yritys kuitenkin yhtenäistää EUS kuvat eivät täysin korjata puutteet retrospektiivinen tutkimus. Siksi mahdollisille tutkimuksiin perustuva, jotka käyttävät samoja edellytyksiä asetuksia, kuten taajuus, vahvistus, ja kontrasti.
Mahalaukun mesenkymaaliset kasvain on usein oireeton, ja on yleensä löydetty sattumalta aikana ruoansulatuskanavan yläosan tähystykseen liittymättömän kunnossa. Suurin ongelma oireettomilla potilailla, on määrittää, onko kasvain on pahanlaatuinen potentiaalia. Koska GIST on pahanlaatuinen potentiaalia, mahalaukun mesenkymaaliset kasvaimia ei pidä jättää huomiotta, vaikka ne ovat pieniä, jos EUS piirteet viittaavia GIST. Siksi, jos digitaalinen kuva-analyysi osoittaa korkea mahdollisuus GIST, se olisi parempi pyrkimykset saada kudosta (esimerkiksi EUS-ohjattu hienoksi neula toive tai biopsia) tai resect kasvain (kuten endoskooppinen tai kirurgiset resektio). Edelleen suuri mahdollinen tutkimuksia tarvitaan vahvistamaan meidän tulokset EUS kuva-analyysin mahalaukun mesenkymaaliset kasvaimia.
Päätelmä
Lopuksi digitaalinen kuva-analyysi antaa objektiivista tietoa EUS kuvia; Näin se voi olla hyötyä diagnosoinnissa mahalaukun mesenkymaaliset kasvaimia. Tulokset EUS kuva-analyysiin, kuten T tarkoittaa ≥ 65 tai T SD ≥ 75, voi auttaa erottamaan GIST peräisin sileälihaskasvain tai schwannoma.
Suostumuksen
kirjallinen suostumus saatiin potilaasta että raportin julkaisemiseen ja mukana kuvia.
Huomautuksia
Gwang Ha Kim, Kwang Baek Kim vaikutti yhtä tähän työhön.
julistukset
Kiitokset
tutkimuksessa tukivat avustusta National R &D Program for Cancer Control terveys-, sosiaali- ja perheasiain, Korean tasavalta (0920050).
kirjoittajien alkuperäinen toimitti asiakirjat kuville
Alla linkkejä kirjoittajien alkuperäisen toimitti asiakirjat kuville. 12876_2013_1039_MOESM1_ESM.tif Kirjoittajien alkuperäinen tiedosto kuvio 1 12876_2013_1039_MOESM2_ESM.tif Kirjoittajien alkuperäinen tiedosto kuvio 2 12876_2013_1039_MOESM3_ESM.tif Kirjoittajien alkuperäinen tiedosto kuvio 3 12876_2013_1039_MOESM4_ESM.tif Kirjoittajien alkuperäinen tiedosto kuvio 4 12876_2013_1039_MOESM5_ESM.tiff Kirjoittajien alkuperäisen tiedoston luku 5 kilpailevat kiinnostus
kirjoittajat ilmoittavat, että heillä ei ole kilpailevia etuja.
Tekijät osuudet
Study suunnittelu ja muotoilu - GHK, GBK, ja DYP; Hankinta näytteiden - GHK, DYP, ja HKJ; Analyysi ja tulkinta tietojen - GHK, SHL, TYJ, ja DHK; Laatiminen käsikirjoituksen - GHK ja DYP; Tilastollinen analyysi - GHK ja GAS; Saanut rahoitusta - DYP; Co-vanhempi kirjailija ja tutkimus valvonta - GAS. Kaikki kirjoittajat luettu ja hyväksytty lopullinen käsikirjoitus.

• A case of enteropatian liittyvän T-solulymfooma (tyyppi I) syntyvät mahan tulenkestävä keliakia
• Vertailu potilasryhmät, prognoosi, hoitomuodot, ja selviytyminen mukaan ikäryhmässä mahasyöpäpotilaista