我国青年女性乳腺癌的临床和病理特点

目的 探讨我国青年女性乳腺癌的临床和病理特点.方法 全面收集国内关于青年女性乳腺的临床研究论文.青年女性(≤35岁)乳腺癌患者为研究组,＞35岁以上女性乳腺癌患者为对照组.结果 共检索符合纳入标准及排除标准的论文8篇,包括4881例病例,研究组发病至就诊时间明显长于对照组.采用随机效应模型进行meta分析,两组的TNM分期、腋窝淋巴结转移、免疫组化有显著差异,病理分型、5年生存率无明显差异.结论 青年女性乳腺癌虽然更多发生腋窝淋巴结转移,TNM分期较晚,ER阳性率低,但经积极治疗,可能取得与中老年女性乳腺癌一样的效果,年龄不是影响预后的独立因素.     

我国青年女性乳腺癌的临床和病理特点

目的探讨我国青年女性乳腺癌的临床和病理特点。方法全面收集国内关于青年女性乳腺的临床研究论文。青年女性(≤35岁)乳腺癌患者为研究组,>35岁以上女性乳腺癌患者为对照组。结果共检索符合纳入标准及排除标准的论文8篇,包括4881例病例,研究组发病至就诊时间明显长于对照组。采用随机效应模型进行meta分析,两组的TNM分期、腋窝淋巴结转移、免疫组化有显著差异,病理分型、5年生存率无明显差异。结论青年女性乳腺癌虽然更多发生腋窝淋巴结转移,TNM分期较晚,ER阳性率低,但经积极治疗,可能取得与中老年女性乳腺癌一样的效果,年龄不是影响预后的独立因素。     

基于改进AlexNet和注意力机制的乳腺癌自动检测

乳腺癌是女性中最常见的癌症类型,如果能在乳腺癌的早期确诊和治疗,可以显著提高患者生存率.组织病理学检查是癌症确诊的黄金标准,针对医生很难在乳腺癌病理组织切片上精确快速的描绘出患病区域,给出一种基于改进AlexNet和注意力机制的网络模型用于IDC的自动检测,首先将全视野数字病理切片按照坐标信息进行不重复切片,然后将小切...     

基于隐含主题和语义树的医学文本自动批注

针对医学文本缺乏可量化数据结构,基于关键词模型的文本处理方法不适用的问题,在研究词之间潜在语义关联和关键词树结构的基础上,构造了一种基于潜在语义树的语义分析模型用于医学文本的数据挖掘。进一步地将隐含主题与潜在语义的研究相关联,设计出一种基于潜在狄利克雷分配和潜在语义树模型的文本处理方法,可针对不同类型的医学文本生成有一定可读性的自动批注。该方法形成的自动批注主观性低,其准确度和可读性均高于关键词模型的处理结果,可辅助医生进行医学文本的批注和分类,从而减轻其工作量。程序结果表明,该方法目前可应用于对医学图像所见形成诊断意见、对病人病历进行摘要形成和对病症描述给出对症处方等方面,批注的语义匹配度可达67.7%,文本的平均可读性为60.02%。     

合并第二原发癌的乳腺癌患者的病理特征及预后

目的:分析患第二原发癌的乳腺癌患者的临床病理特征及预后因素.方法:将19例患第二原发癌的乳腺癌患者作为试验组,选取同期19列单纯乳腺癌患者作为对照组,对比两组患者年龄、TNM分期、增殖细胞相关核抗原(Ki-67)、雌激素受体(ER)、孕激素受体(PR)、表皮生长因子受体-2(HER-2)表达及生存率间的差异.结果:实验组中6例(31.58%)再发妇科系统恶性肿瘤.实验组与对照组比较诊断年龄更大(P=0.02),实验组比对照组乳腺癌TNM分期更晚(P=0.008).对照组比实验组的存活率更高(P=0.017).结论:老年乳腺癌患者更易再发恶性肿瘤,第二原发癌患者的原发乳腺癌的TNM分期较高.患第二原发癌的患者比单纯乳腺癌患者预后差,多原发肿瘤患者的预后取决于第二原发肿瘤的类型.     

基于自然语言处理的中文产科电子病历研究

电子病历中蕴含着大量的医疗知识和患者的健康信息,而产科电子病历的结构化及信息抽取对临床决策支持及提高人口的生育健康水平具有重要意义.首先对中文产科电子病历的结构特点及内容进行了分析,并采用基于规则的方法对电子病历数据进行了清洗和结构化;其次采用最大熵(ME)模型及基于规则方法按治疗类型对电子病历进行分类,分类的F值达到88.16%;最后,为了进一步利用电子病历进行信息抽取和知识挖掘,以短句为单位,相似度为衡量标准,采用支持向量机(SVM)模型对首次病程记录进行去重处理及自动差异化分析,从分析的结果中筛选出68.6%的重复及相似短句.     

基于关联规则分析治疗2型糖尿病临床用药规律

通过对医院临床糖尿病电子处方原始资料进行处理后,得出病人的症状与使用相关药物的信息,进行数据 挖掘分析,从不同年龄、性别、证型方面得出某症状与药物使用之间存在的规则以及隐藏在所使用药物与药物之间 的深层规律,可以帮助医生在大量临床数据分析中归纳出辅助诊疗决策,为临床用药和基础研究提供思路.     

一种基于不确定数据的频繁模式分布式挖掘算法研究

大多数真实世界的数据都是局部收集,分区组织的,因此真实数据一般具有分布式特性.通过挖掘这些数据将提供决策者辅助决策信息.提出了一种基于不确定数据的频繁模式分布式挖掘算法,该算法在构建不确定数据生成交易决策树的基础上,提出了在分布式环境下,顺序执行和并行执行分别处理决策树的方法和技巧.实验结果表明,该算法可节省大量的处理时间,提供可靠的辅助决策信息.     

基于CIBERSORT预测乳腺癌浸润性免疫细胞比例及亚型预后分析

乳腺癌是目前女性最常见的癌症,在乳腺癌患者治疗的过程中,确定浸润性的免疫细胞比例最有可能成为药物的靶标来提高患者的生存率,对乳腺癌患者后续的治疗和预后分析具有重要的意义和价值.反卷积的目的就是试图从复杂组织中推断免疫细胞的比例信息,进而准确刻画肿瘤样本中免疫细胞的浸润情况.因此应用CIBERSORT反卷积算法预测不同免疫细胞在乳腺癌样本中所占的比例,基于此数据应用一致聚类分析对乳腺癌样本进行了亚型分类,最后根据分类的结果进行预后分析.结果表明不同的亚型对肿瘤预后存在着显著的差异(p值为0.008 2,小于0.05),应用CIBERSORT算法和一致聚类分析对患者进行预后分析具有一定的合理性,可为临床诊断及治疗提供一定的帮助.     

基于多属性决策理论的文本信息挖掘技术研究简

针对电子商务网络消费的文本信息挖掘问题,构建了一个基于多属性决策理论的挖掘方法.首先设置指标集合和方案集合,进而根据这2个集合生成决策矩阵,再根据分项属性指标的归一化处理、权重配置,最终形成基于决策判断的文本挖掘.实验结果表明,LG品牌电视在显示属性方面更优,SONY品牌电视具有综合优势,长虹品牌电视也有自己的优势所在.     

基于多属性决策理论的文本信息挖掘技术研究

针对电子商务网络消费的文本信息挖掘问题,构建了一个基于多属性决策理论的挖掘方法.首先设置指标集合和方案集合,进而根据这2个集合生成决策矩阵,再根据分项属性指标的归一化处理、权重配置,最终形成基于决策判断的文本挖掘.实验结果表明,LG品牌电视在显示属性方面更优,SONY品牌电视具有综合优势,长虹品牌电视也有自己的优势所在.     

基于WEB文本挖掘的证券投资系统的分析与设计

本文在对我国证券投资市场发展趋势进行分析的基础上,结合在证券信息分析方面所做的一些实践工作,从理论上分析了WEB文本投资信,包对投资者决策的影响,并对基于WEB文本挖掘的证券投资系统的实现目标、整体架构、软件体系结构和功能进行了探索,提出了利用数据挖掘技术对WEB文本投资信息进行分析处理的系统的设计思路.     

乳腺癌患者细胞免疫指标的检测及意义

目的检测乳腺癌患者外周血T淋巴细胞总数及CD4~+T细胞、CD8~+T细胞、CD45RA~+T细胞、CD45RO~+T细胞等T淋巴细胞亚群的百分率,用以评价患者的免疫状态.方法选择女性原发性乳腺肿瘤患者50例为病例组,并以病理检查的TNM分期结果做进一步分组,其中乳腺癌Ⅰ期27例,乳腺癌Ⅱ+Ⅲ期23例;选择女性健康体检者40例为健康对照组.应用流式细胞仪,分别检测各组外周血T淋巴细胞亚群的数量,统计分析各组检测结果的差异性.结果乳腺癌Ⅱ+Ⅲ期组CD3~+T细胞和CD4~+T细胞百分率明显低于正常对照组和乳腺癌Ⅰ期组,差异具有统计学意义(P0.05);乳腺癌Ⅰ期组CD45RA~+T细胞明显低于正常对照组,乳腺癌Ⅱ+Ⅲ期组CD45RA~+T细胞明显低于乳腺癌Ⅰ期组,差异具有统计学意义(P0.05);乳腺癌Ⅰ期组CD45RO~+T细胞明显高于正常对照组,乳腺癌Ⅱ+Ⅲ期组CD45RO~+T细胞明显高于乳腺癌Ⅰ期组,差异具有统计学意义(P0.05).结论T细胞亚群检测是评价肿瘤患者细胞免疫功能的重要指标,具有重要的临床应用价值.乳腺癌患者免疫功能与肿瘤恶变的发生、发展、临床分期有一定相关性,随着病情的进展,机体免疫功能呈现下降趋势.     

乳腺癌发病电压门控钠离子通道作用机制研究进展

研究发现,电压门控钠离子通道在多种实体肿瘤中高表达,并且其表达水平和活性与肿瘤的侵袭、转移能力密切相关.乳腺癌作为全球女性最常见的癌症之一,通常因发生远处转移而无法治愈,致使每年大于50万的女性死亡.对乳腺癌细胞中的电压门控钠离子通道进行深入研究有助于揭示乳腺癌的发展及转移机制,同时可能为临床治疗乳腺癌提供新的分子靶点...     

基于本体知识库的服务决策机制的设计方法

提出一种基于家庭本体知识库的服务决策机制的设计方法.首先,围绕网络中存储的与家庭服务相关的半结构化文本信息初步构建训练数据集.其次,基于与家庭服务相关的本体知识库构建信息提取机制,针对初步数据集包含的物品信息提取知识库中对应的服务物品属性信息;基于长短时记忆网络(LSTM)设计一种学习模型并命名为服务决策机制,该机制利用知识库作为常识部分进行辅助推理,生成与服务请求对应的决策信息.最后,针对决策信息进行对比实验.实验结果表明:将本体知识库作为常识部分辅助推理,能够提高决策信息的准确性.     

基于LDA模型与语义网络对评论文本挖掘研究

通过主题模型与语义网络对旅游电商中的评论文本进行挖掘,从而引导消费者与商家对评论信息作出重要决策;提出一种基于LDA(Latent Dirichlet Allocation,LDA)主题聚类与语义网络模型(LDA topic clustering and semantic network model,LTC-SNM)的方法对酒店在线评论文本进行研究;获取在线评论文本进行数据预处理,使用Word2vec生成词向量,利用机器学习算法对评论文本进行情感分类;通过LDA主题模型对分类后的文本进行聚类,生成酒店的特征主题词;通过ROSTCM将特征主题词与所修饰的情感词生成语义网络,缓解了挖掘文本信息的复杂性;实验结果表明:提出的LTC-SNM文本挖掘方法使得在线用户评价的主题更具表达性。     

基于神经网络和因子分解机的儿童脓毒症辅助诊断系统

脓毒症是感染引起的全身炎症反应综合征。是患者死亡的主要原因之一。由于严重脓毒症和脓毒性休克来势凶猛,病情发展迅速,给临床救治工作带来极大挑战。因此, 尽早明确脓毒症的诊断,及时治疗是改善其预后、降低病死率之关键。针对当前脓毒症临床诊断困难和对医生的临床经验有着较高要求,以及隐藏在大量电子病历中的信息没有得到充分利用的现状, 本文依据脓毒症临床数据特点提出了一种基于神经网络和因子分解机的数据挖掘算法结构,能够充分利用电子病历信息,辅助医生进行临床诊疗服务,快速准确地进行脓毒症诊断。     

神经网络和因子分解机的儿童脓毒症辅助诊断系统

脓毒症是感染引起的全身炎症反应综合征。是患者死亡的主要原因之一。由于严重脓毒症和脓毒性休克来势凶猛,病情发展迅速,给临床救治工作带来极大挑战。因此,尽早明确脓毒症的诊断,及时治疗是改善其预后、降低病死率之关键。针对当前脓毒症临床诊断困难和对医生的临床经验有着较高要求,以及隐藏在大量电子病历中的信息没有得到充分利用的现状,依据脓毒症临床数据特点提出了一种基于神经网络和因子分解机的数据挖掘算法结构,能够充分利用电子病历信息,辅助医生进行临床诊疗服务,快速准确地进行脓毒症诊断。     

基于文本聚类的LSI文本分类模型

文本自动分类是文本挖掘的基础,可广泛地应用于信息检索,web挖掘等领域.在分类前首先要将文本表示成计算机能处理的形式,提出了一种将隐含语义索引(LSI)与文本聚类相结合的中文文本自动分类的方法.在挖掘文本的语义信息,提高分类速度上均取得了较好的效果.通过实验验证了方法的有效性.     

NLR、SII与乳腺癌患者新辅助化疗后病理完全缓解的关系

目的 分析乳腺癌患者(BC)接受新辅助化疗(NACT)后达到病理完全缓解(pathological complete response, pCR)与淋巴细胞比值(NLR)、系统免疫炎症指标(SII)的关系.方法 回顾性分析85例接受NACT的乳腺癌患者的临床资料,根据术后病理Miller-Payne(MP)分级标准判定患者的化疗疗效,即pCR与non-pCR,分析NLR、SII与乳腺癌患者新辅助化疗疗效间的关系.结果 85例符合标准的患者19例(22%)患者获得pCR;NLR与淋巴结转移显著相关(P<0.05),与患者年龄、肿瘤直径、HER-2、ER、PR、Ki-67、P53、分子分型、TNM分期无明显相关性(P>0.05);SII与患者年龄、肿瘤直径、淋巴结转移、HER-2、ER、PR、Ki-67、P53、分子分型、TNM分期无明显相关性(P>0.05).相比NLR≥1.99组患者,NLR<1.99组患者有更高的pCR率(P<0.05);相比于SII≥486.8组患者,SII<486.8组患者有更高的pCR率(P<0.05).结论 NLR、S...