面向肺部CT影像的双3D-CNN结节诊断模型

为了捕获肺部CT影像中结节的三维不规则性并提高其诊断精度，本文设计了一种由筛到诊的双三维卷积神经网络（d3D-CNN）结节诊断模型.首先，构建了一个轻型3D-CNN网络，且将它与全卷积运算相结合，利用卷积运算的高优化性，完成结节筛选并生成疑似区域；然后，利用空间-切片注意力机制自动学习疑似区域在空间和切片序列上的偏移量，设计可变形3D卷积模块，且将它与ResNet101相结合而构造成一个高精度3D-CNN结节诊断网络，用于对筛选出的疑似区域进行最终判决.对比实验结果表明，所提模型在误报率为1的情况下，召回率达到88.9%，有效地提高了肺结节良恶性诊断精度.     

真菌感染防控及真菌细胞壁靶标的研究进展

全球有超过10亿人患有真菌感染，每年有超过160万人因此而死亡，且真菌感染病例正呈激增趋势。此外，真菌病害不仅严重影响作物的生长，还会产生毒素影响农作物的质量，对农业生产带来严重影响。真菌的细胞壁结构在哺乳动物中不存在，且与植物细胞壁组分完全不同，因此成为开发抗真菌药物的理想靶标。本文详细阐述病原真菌对人类、动物和植物的风险，临床和农业上使用的抗真菌药物，以及真菌细胞壁不同组分在药物研发中的研究进展，并展望基于广西的天然资源在抗真菌药物研发中的潜在前景。     

融合改进变分自编码器与影像组学的X光片肺部疾病筛查算法

计算机辅助技术在肺部疾病筛查方面已经取得显著成效，然而现有研究大多面向已知类型的疾病进行建模，对未知类型疾病极易带来误诊及漏诊风险，且主要以追求高准确率为目标，对误诊及漏诊未加以约束，导致其难以应用于实际临床场景。针对以上问题，该文提出更适用于临床的计算机辅助肺部疾病筛查目标，即保证零漏诊率的同时降低误诊率。为完成上述肺部疾病筛查目标，该文基于单类别分类思想提出改进变分自编码网络对肺部疾病初筛，并提取X光片图像的深度编码特征，接着，融合基于医生经验的影像组学特征以及深度学习特征之间的互补优势，构建一个集成学习模型，最终完成肺部疾病的筛查。在仅有正常X光片图像参与训练的情况下，提升了所构建模型的分类效果，降低了模型的漏诊率。实验结果AUC值为0.984 8±0.002 3,漏诊率为0时，误诊率降低至0.149 8±0.005 7,证明该方法可以有效达到该文的肺部疾病筛查目标。与此同时，对比了所构建的集成模型以及单独的深度学习模型的筛查效果，发现集成模型明显优于深度学习模型，进一步凸显了融合医生经验的有效性。