基于影像组学预测肺癌放射治疗疗效

目的:探讨基于影像组学特征和机器学习方法预测肺癌放射治疗近期疗效.方法:回顾性搜集安徽理工大学附属肿瘤医院经病理证实的135例肺癌患者的影像及病例资料,按RECIST标准将患者分为缓解组(85例)和未缓解组(50例).全部样本按照7:3比例随机划分训练集和验证集,在训练集中采用方差选择法和Lasso算法筛选特征,进行机器学习(逻辑回归、决策树、AdaBoost和支持向量机),构建预测模型并内部验证.结果:筛选出8个与疗效相关的影像组学特征,支持向量机分类器训练组的AUC、准确率、诊断敏感度和特异度分别为0.901、0.80、0.91和0.98,验证组的AUC、准确率、诊断敏感度和特异度分别为0.782、0.73、0.76和0.77.结论:基于治疗前CT影像组学特征可对肺癌的放疗近期疗效作出评估.     

Bmi-1蛋白在食管鳞状细胞癌中表达及临床意义

目的:观察Bmi-1蛋白在食管鳞状细胞癌组织中的表达,探讨Bmi-1与食管鳞状细胞癌的相关性.方法:应用免疫组织化学法检测南京医科大学附属淮安第一医院2005年1月至2006年2月间168例食管鳞状细胞癌组织和30例正常食管黏膜组织Bmi-1蛋白的表达.结果:食管鳞状细胞癌组织和正常食管黏膜组织中Bmi-1蛋白的阳性表达率分别为66.1%(111/168)、23.3%(7/30),Bmi-1蛋白阳性表达率在食管鳞状细胞癌组织和正常食管黏膜组织中差异具有统计学意义(P<0.001),Bmi-1蛋白表达与食管鳞状细胞癌组织学分级、TNM分期和淋巴结转移具有相关性(P=0.016,P=0.004,P<0.001),Bmi-1阴性组的5年生存率显著优于Bmi-1阳性组(P<0.001).结论:Bmi-1表达异常在食管鳞状细胞癌发生发展中具有重要作用,检测Bmi-1的表达对判断食管鳞状细胞癌的预后具有重要意义.     

基于ResNet模型的甲状腺SPECT影像诊断

为了降低医生利用SPECT影像对甲状腺疾病进行临床诊断时的误诊率,提高深度学习算法在核医学影像辅助诊断中识别交叉影像特征的准确率,提出了基于ResNet模型的甲状腺SPECT影像诊断方法。利用深度卷积生成对抗网络(DCGAN)和高分辨率生成对抗网络(SRGAN)生成影像并提高分辨率,弥补训练数据的不足。同时,将残差块输出信息加上具有交叉特征影像信息的x_i,在保留已学习影像特征的基础上增加对交叉特征的学习,改进了模型。对于交叉影像特征,使用交叉训练集对经过单一特征影像训练完成的改进ResNet神经网络模型进行再训练。实验结果表明,经过100轮迭代,交叉训练集训练的改进ResNet神经网络模型验证精度高达0.963 3,验证损失降到0.118 7,并趋于稳定;识别结果,召回率、精确率、特异度和F_1分数都在93.8%以上。经过改进的神经网络模型和新的训练方法对甲状腺SPECT影像表现出的典型症状识别率较高,优于其他基于卷积神经网络(CNN)的方法,对临床影像诊断具有参考价值。     

肺肉瘤样癌脑转移的高危因素及预后分析

为探索肺肉瘤样癌临床特征与脑转移之间的关系,建立预测肺肉瘤样癌脑转移发生风险的预测模型,并分析肺肉瘤样癌脑转移的预后。研究纳入监测、流行病学和最终结果(SEER)数据库中816例肺肉瘤样癌患者,收集其临床特征与预后数据。根据是否出现脑转移将患者分为两组,组间比较采用卡方检验或Fisher精确检验。采用单因素和多因素Logistic回归分析脑转移发生的高危因素,并构建预测列线图,使用C指数、校正曲线和决策曲线分析(decision curve analysis, DCA)来衡量列线图的检验效能。采用单因素和多因素COX回归进行肺肉瘤样癌脑转移患者的预后分析。结果表明：年龄、是否接受根治性手术为肺肉瘤样癌患者发生脑转移的独立预测因素。基于此构建了肺肉瘤样癌脑转移的概率预测列线图,C指数为0.768,DCA显示净收益率高,模型临床效能较好。脑转移患者的预后影响因素方面,研究发现,在脑转移基础上合并肺内转移的患者相较于合并其他部位转移的患者OS和CSS明显更差。     

GCLM和GPX4在食管鳞癌组织中的表达及临床意义

探讨谷氨酰半胱氨酸连接酶调节亚基(GCLM)和谷胱甘肽过氧化物酶4(GPX4)在食管鳞状细胞癌(ESCC)组织中的表达及临床意义。采用免疫组化SP法检测50例食管鳞癌患者癌组织(实验组)及20例正常人食管组织(对照组)中GCLM及GPX4的表达水平,分析两者与食管鳞癌患者临床病理特征间的关系及两者之间是否具有相关性。GCLM在食管鳞癌组织中的表达水平(84%)明显高于正常食管组织(45%),GPX4在食管鳞癌组织中的表达水平(82%)明显高于正常食管组织(25%),差异具有显著性(P0.05),GCLM的表达水平与食管鳞癌的分化程度、淋巴结转移情况及临床分期密切相关,GPX4的表达水平与食管鳞癌的浸润深度、淋巴结转移情况及临床分期密切相关(P0.05)。在食管鳞癌组织中GCLM与GPX4的表达水平成正相关(r=0.506, P0.05)。GCLM及GPX4可为食管癌的诊断提供参考价值。     

列线图预测中国老年人2型糖尿病患病风险

为建立国内老年人2型糖尿病(type 2 diabetes mellitus, T2DM)患病风险的预测模型并加以验证,基于瑞慈医疗集团在中国建立的一个健康筛查项目的数据库,纳入了24 804名基线检查时无T2DM的老年人,随访时间为3年和5年。以7∶3的比例分成训练集和验证集,单变量和多变量Cox回归分析用于确定独立危险因素,构建列线图预测中国老年人T2DM的3年和5年的发病率。采用C指数、校准图、临床决策曲线(decision curve analysis, DCA)方法评估列线图在验证集中的准确性。最终发现年龄、空腹血糖(fasting plasma glucose, FPG)、体重指数(body mass index, BMI)、收缩压(systolic blood pressure, SBP)、甘油三酯(triglyceride, TG)、谷丙转氨酶(Alanine aminotransferase, ALT)和尿素氮(urea nitrogen, UN)是T2DM的独立危险因素,并将其纳入列线图。在训练集和验证集中,C指数分别为0.827 8(95%CI:0.812 5～0...     

胃癌患者术前BMI及血脂水平在评估预后及个体化医疗中的意义

为了探讨胃癌患者术前体质指数(BMI),甘油三酯(TG),总胆固醇(TC),高密度脂蛋白胆固醇(HDL-C)、低密度脂蛋白胆固醇(LDL-C)水平与临床特征及生存预后的关系,本研究收集本院病理科121例胃癌患者的临床资料并随访80个月。经统计学分析临床病理特征与BMI、甘油三酯等指标两两之间相关性采用Spearman等级相关分析;生存曲线和生存期描述采用Kaplan-Meier法;胃癌单因素及多因素危险因素分析采用Cox比例风险回归模型。结果显示:(1)BMI分别与肿瘤浸润深度(T)和临床分期(TNM)呈负相关,TG水平与肿瘤浸润深度(T)呈负相关;(2)与BMI正常及以上体重患者比较,低体重患者预后最差(P0.001),术前TG水平较低者预后比较高者差(P=0.005);(3)Cox分析结果表明,BMI(hazard ratio,HR=0.462,P=0.021)和细胞分化(HR=3.733,P=0.008)分别是预测胃癌患者生存预后的独立因素。由此可知,术前BMI指数和TG水平与癌浸润深度和/或远处转移、临床TNM分期呈负相关并影响胃癌患者生存预后。     

非瓣膜性心房颤动住院患者抗凝治疗的 单中心调查分析

目的:调查分析非瓣膜性心房颤动(NVAF)住院患者抗凝治疗情况,为规范化抗凝治疗提供参考.方法:将NVAF患者按入院时间分为3组:2007～2010年(A组)、2011～2014年(B组)和2015～2017年(C组).调查3组患者抗凝及抗血小板药物使用情况,并进行栓塞及出血风险评估,对比分析不同栓塞风险、出血风险及不同组别间患者的抗凝治疗情况.结果:NVAF患者抗凝治疗率由4.15%(A组)上升至29.00%(C组),C组患者的抗凝治疗率较前显著增加(χ~2=133.31,P0.001).结论:NVAF患者的抗凝治疗较前有所改善,临床上应加强有效干预措施以提高抗凝治疗规范化程度.     

云模型优化径向基函数神经网络算法研究

径向基函数(RBF)神经网络广泛用于各类医学预测模型中,针对RBF神经网络隐含层高斯径向基函数的参数确定困难,影响癌症预后模型的因素具有多样性和模糊性等问题。利用云模型优化RBF神经网络算法,通过高维云变换确定RBF隐含层神经元,优化RBF神经网络结构。用来自美国国家癌症研究所监测、流行病学和最终结果(SEER)数据库的4 771例食管鳞状细胞癌患者数据建模仿真与传统的仿真对比,证明该模型预测生存期的C-index为0.705,远高于肿瘤等级、列线图和RBF神经网络(0.598、0.627和0.632),能更好更准确地对食管鳞状细胞癌患者进行预后预测。     

基于深度学习的CT影像预测胃癌HER2状态

目的:构建并验证一个深度学习模型，旨在全自动流程地对胃癌病灶进行检出并预测胃癌患者人表皮生长因子受体(HER2)状态。方法:回顾性收集经手术病理证实为胃癌及明确HER2状态的135例胃癌患者CT及临床数据(HER2阴性88例；HER2阳性47例),随机分为训练集(n=95)和验证集(n=40)。基于级联nnUNet神经网络建立胃分割模型和胃癌自动检出模型，选择合适区域，以此建立基于ResNet网络的HER2状态预测模型，并验证模型的预测性能。结果:胃分割模型五折交叉验证的Dice系数为91.4%。胃癌检出模型在训练集和验证集中检出率分别为96.8%和97.5%。HER2预测模型敏感度训练集为78.1%,95%置信区间(CI)(61.2%,88.9%);验证集为71.4%,95%CI (45.4%,88.3%)。特异性训练集为67.9%,95%CI (54.8%,78.6%);验证集为69.2%,95%CI (50.0%,83.5%)。ROC曲线下面积(AUC)训练集为84.0%,95%CI (76.4%,90.7%);验证集为78.6%,95%CI (65.9%,90.0%)。结论:本...