基于MR T2加权成像的影像组学标签预测直肠癌KRAS基因突变的价值

目的 探讨基于MR T₂加权成像(T₂WI)的影像组学标签预测直肠癌KRAS基因突变的潜在价值。方法 回顾性研究。纳入山西省肿瘤医院2017年4月—2019年4月行盆腔MR检查并具有KRAS基因检测结果的304例直肠癌患者的临床和影像资料,其中男175例、女129例,中位年龄59.6岁。按7∶3比例将患者随机分为训练组(213例)和验证组(91例)。选取每例患者的高分辨率T₂WI进行图像分割及影像组学特征提取,使用单变量统计分析为主的“五步法”进行特征降维,并分别采用多变量logistic回归、决策树(DT)以及支持向量机(SVM)三种分类算法构建影像组学标签,用于预测直肠癌KRAS基因状态。受试者操作特征(ROC)曲线、校正曲线、决策曲线分析(DCA)评估影像组学标签的预测性能及临床效益。结果 训练组和验证组患者的基线资料比较以及两组中KRAS突变型与野生型患者的临床特征比较,差异均无统计学意义(P值均＞0.05)。从每位患者的T₂WI中提取960个影像组学特征,经特征筛选后得到7个与直肠癌KRAS基因相关的特征(P值均＜0.05)。采用多变量logistic回归、DT及SVM构建的三个预测模型的ROC曲线下面积,训练组分别为0.677、0.604和0.722,验证组分别为0.626、0.600和0.682,其中SVM模型在预测KRAS基因状态方面效能最好。DCA曲线示三种预测模型均有一定的临床效益,其中SVM预测模型净收益值最大。结论 基于MR T₂WI的影像组学标签在预测直肠癌KRAS基因状态方面有一定的价值。     

基于多特征集成决策树算法的门诊需求预测

目的为了准确预测医疗门诊需求量,以便医院管理者科学分配关键医疗资源,提高服务效率,本文提出一种基于多特征集成决策树的医疗需求预测模型。方法首先引入了机器学习算法中的梯度提升决策树(gradient boosting decision tree,GBDT)和随机森林(random forest,RF)。考虑外部因素对门诊人数的影响,根据宁波市某妇幼保健院的日产前检查人数的历史数据,引入前一天产前检查人数、时间、节假日、天气等特征,建立多特征日检查人数预测模型。预测结果与经典自回归移动平均模型(autoregressive integrated moving average model,ARIMA)模型进行对比。结果GBDT、RF和ARIMA模型预测结果的平均绝对百分比误差(mean absolute percentage error,MAPE)分别是14.95%、17.16%、18.53%。结论集成决策树模型在医疗需求预测中具有有效性和可行性,并且预测精度较传统的ARIMA模型高。     

基于独立成分分析和随机森林判别法的Microarray分析及在分子生物学中的应用

提出基于独立成分分析（ICA）和随机森林判别的Microarray分析方法。该方法先采用独立成分分析获取高阶统计信息,提取Microarray数据特征,达到降维的目的。再应用提取的特征,采用随机森林判别法对样本进行分类。数值分析结果表明,提取5个特征就可以使袋外样本OOB（out of bag）的分类错误率达到7．89％。该方法有效地降低了特征空间维数,具有较高的正确识别率,提高了算法的鲁棒性和灵活性。     

基于集成学习的肿瘤药物敏感性预测研究

肿瘤药物敏感性预测对个性化精准用药具有重要意义。本文基于GDSC数据库通过Boosting集成学习构建了面向RNA-seq基因表达和癌症药物敏感性数据的预测模型。先将183种药物集分别做归一化处理和基因特征降维,接着用AdaBoost集成SVM的方法建模,并采用十折交叉验证。实验结果表明构建的预测模型具有较高的预测精度,13种药物的AUC大于0.95,108种大于0.9,174种大于0.8。对比验证实验中,AdaBoost+SVM相比单学习器模型在整体药物集的综合评价指标中约提高4%,与其他集成模型相比提高2%。同时本文探讨了药物特异性,通过特征选择和富集分析对药物作用通路进行验证,从生物学角度提供了模型可解释性,证明其应用于临床用药指导的价值。     

基于随机森林算法的阿尔茨海默症医学影像分类

为实现阿尔茨海默症(AD)的医学影像分类,辅助医生对患者的病情进行准确判断,本研究对采集的34名AD患者、35名轻度认知障碍患者和35名正常对照组成员的功能磁共振影像进行特征提取和分类,具体思路包括:首先利用皮尔逊相关系数计算脑区之间的功能连接,然后采用随机森林算法对被试不同脑区之间的功能连接进行重要性度量及特征选择,最后使用支持向量机分类器进行分类,利用十倍交叉验证估算分类准确率。实验结果显示,随机森林算法可以对功能连接特征进行有效分析,同时得到AD发病过程的异常脑区,基于随机森林和SVM建立的分类模型对AD、轻度认知障碍的识别具有较好的效果,分类准确率可达90.68%,相关结论可以为AD的早期临床诊断提供客观参照。 【关键词】阿尔茨海默症;功能磁共振成像;随机森林;特征选择     

基于PCA多导联的癫痫脑电信号分类及致痫灶定位研究

为了更好的对致痫灶进行准确定位,提出了一种基于PCA(主成分分析)的定位方法.针对非线性动力学方法从不同角度提取癫痫脑电信号特征,首先采用主成分分析对高维特征向量进行降维处理,用随机森林进行分类;随后利用医学参考值范围找出各导联的差异变化,进而实现对致痫灶的初步定位.     

一种生物相关性优先的两步卵巢癌化疗疗效敏感基因选取方法

作为卵巢癌主要诊疗手段之一的化疗,费用昂贵,副作用大,且患者反应的个体差异很大。本文提出一种首先依据诊断结果(卵巢癌化疗疗效)相关性进行特征选择,然后利用蒙特卡洛方法对特征基因排序,最终建立预测化疗反应模型的方法,克服了过度依赖分类率的弊端。首先利用奇异值分解,基于散点图和Kolmogorov-Smirnovtest(K-S test)的定性和定量分析非生物因素对基因表达谱的影响,结合化疗反应样本的聚类图进行基因筛选;然后采用基于信息增益的随机森林方法精选基因,得到与化疗相关的敏感基因。实验结果表明,此方法与经典方法(SVMRFE、T-test)相比,所选取出的特征基因具有较好的分类能力且保持稳定;从生物学角度分析显示,此方法所得到的敏感基因与化疗疗效的联系更加紧密,50个基因中,有4个(NR2F2、CLDN3、PURA、C1ORF38)直接与卵巢癌相关;17个(USO1、TCF7L2、NR2F2等)与肿瘤或癌症直接相关,或与肿瘤密切相关的生物过程(例细胞生长与繁殖、新陈代谢、细胞循环、DNA修复等)相关。     

基于机器学习的骨质疏松性骨折预测研究

复杂疾病的预测是遗传学研究的一个重要课题。本文引入机器学习的方法,将临床变量与遗传变量作为特征,对骨质疏松性骨折进行预测研究。对临床表型和遗传变异数据进行特征选择后分别使用Logistic回归分析法、XGBoost算法对临床因子特征变量、临床因子+遗传因子特征变量进行预测;最后,使用十折交叉验证法,对预测结果进行验证。实验结果表明,相较单独使用临床因子进行预测,加入遗传因子变量,XGBoost、Logistic方法的预测准确率均得到提高;另外,XGBoost方法较Logistic回归模型预测效果更好。     

随机森林非对称步态质量评价模型的敏感因子分析

背景:非对称步态质量评价对康复训练有指导作用,但步态质量与步态运动学动力学参数关联尚不清楚。目的:构建基于步态参数的机器学习步态质量评价模型,提取非对称步态参数的质量敏感因子,探讨步态参数与步态质量的关系,用于指导非对称步态相关的训练和康复。方法:设置非对称因子,建立非对称步态模型数据库。开展步态试验采集8位青年和8位老年受试者(均为男性,右侧优势人群)的运动学、动力学数据,依据对称性指标对每组试验数据进行步态质量分析,建立步态参数-步态质量数据集;通过随机森林学习建立步态质量评价模型,使用因子重要性分析方法识别步态质量关键影响因子;使用关键因子更新步态质量评价模型。经10折交叉验证评估模型表现,使用交叉验证数据集来验证模型的评价效果。结果与结论:①设计了非对称步态质量梯度试验,得到梯度步态质量数据库,其中759组最优步态质量数据,329组次优数据,133组中间质量数据,125组较差步态质量数据;②探讨了随机森林算法在步态质量评价方面的应用方法,建立了步态质量与步态参数的关系模型,随机森林步态质量模型预测精度为95.99%;③对随机森林模型进行特征重要性排序,得到影响非对称步态质量的13个主要参数;④对上述13个主要参数进行步态质量敏感因子分析,筛选出5个步态质量敏感因子,使用敏感性因子建立的随机森林模型预测精度为94.20%。     

基于增强CT门静脉期影像组学模型对局部进展期结直肠癌新辅助化疗疗效的预测研究

目的 探讨基于CT图像的影像组学模型预测局部进展期结直肠癌（LACRC）患者新辅助化疗（NAC）疗效的潜在价值。方法 回顾性分析。纳入2014年1月—; 2019年9月山西省肿瘤医院接受手术治疗、术前均行NAC的局部进展期结直肠腺癌患者181例,其中男96例、女85例,年龄23~85岁。181例患者按7∶; 3的比例随机分为训练集（127例）、验证集（54例）,依据肿瘤退缩分级（TRG）标准分为疗效反应良好组（TRG 0~1级,81例）、反应不良组（TRG 2~3级,100例）。所有患者在治疗前均行增强CT检查。提取门脉期CT图像的1 037个影像组学特征,通过以最小绝对收缩与选择算子算法（LASSO）为主的四步法进行特征降维,然后采用多因素logistic回归对筛选出的特征构建影像组学模型;在训练集中,通过单因素及多因素logistic回归筛选预测LACRC患者NAC疗效的临床病理独立危险因素并构建临床模型;联合临床病理独立危险因素及影像组学特征构建融合模型并绘制列线图。绘制受试者工作特征曲线（ROC曲线）、校正曲线和决策曲线分析（DCA）,评估各模型对LACRC患者NAC疗效的预测性能、校准性能及其临床效益。结果 验证集患者的年龄大于训练集,差异有统计学意义（Z=-3.47,P<; 0.05）;两组患者性别分布,肿瘤临床T分期、N分期、病理分化程度,以及TRG级别等基线资料比较,差异均无统计学意义（P值均>; 0.05）。训练集中,疗效反应良好组（57例）和反应不良组（70例）患者的性别以及肿瘤临床T分期、N分期、病理分化程度的差异均有统计学意义（P值均<; 0.05）;验证集中的反应良好组（24例）和反应不良组（30例）患者的肿瘤临床T分期、N分期的差异均有统计学意义（P值均<; 0.05）。基于门脉期CT图像降维选择后共得到4个关键影像组学特征（P值均<; 0.05）,用于构建影像组学模型。临床模型包括临床T分期和病理分化程度2个独立危险因素（P<; 0.05）。影像组学模型、临床模型和融合模型在训练集的ROC曲线下面积（AUC）分别为0.822、0.702、0.850,验证集对应的AUC分别为0.757、0.706、0.824。校正曲线分析显示,影像组学模型和融合模型均有良好的校准性能。DCA 曲线分析显示,3种预测模型均有一定的临床效益,其中融合模型净收益值最大。结论 基于增强CT图像的影像组学特征结合相关临床因素构建的融合模型在预测LACRC患者NAC疗效方面有一定的价值。     

扩张-伸缩式机器人在肠道中的力学特性研究

目的肠道机器人内镜是新一代肠道疾病诊疗设备,为了提高这类设备在肠道内自主运动的效率,本文研究了机器人运动机构与肠道之间的相互作用力对设备自主运动的影响。方法针对扩张-伸缩式机器人的运动原理提出了两个模型,分别是扩张机构与肠道之间的力学模型、机器人机身与肠道之间的力学模型,并在猪体外肠道环境下开展了实验验证。结果机器人机身与肠道之间的阻力在0. 1～0. 4 N之间;扩张机构与肠道之间的阻力在0. 1～1. 8 N之间,且与扩张直径成正比。扩张机构的扩张直径大于肠道直径超过10 mm后,扩张机构受到的肠道阻力将明显大于0. 1～0. 4 N,有利于有效驻留的产生。结论这种利用腿式结构在肠道内产生力学差使机器人实现在肠道内自主运动的方式,以及腿式结构与肠道之间的力学可以为能对胃肠道机器人的设计提供参考。     

高三酰甘油血症对BGGI孕妇妊娠结局和并发症的影响

目的评价高三酰甘油(TG)血症对交界性糖耐量受损(BGGI)孕妇妊娠结局和并发症,以及对孕妇产后恢复和新生儿生长的影响。方法216例合并高TG血症的BGGI孕妇作为高TG组,184例TG正常的孕妇作为对照组。比较两组孕妇妊娠结局和新生儿结局,比较产后6周时的FPG、2hPG、HbA1c、TC、低LDL和HDL水平,比较产后6周时的孕妇体重增加、糖尿病发生率和新生儿体重。结果与对照组比较,高TG组的孕妇体重增加和新生儿体重明显偏高,APGAR评分明显偏低,产后出血、剖宫产、GDM和巨大儿发生率上升,差异均具有统计学意义(P<0.05)。产后6周时高TG组的FPG、2hPG、HbA1c、TC和LDL明显高于对照组,差异具有统计学意义(P<0.05)。产后6周时高TG组糖脂代谢异常率、糖尿病发生率、孕妇及新生儿体重均显著高于对照组,差异具有统计学意义(P<0.05)。Pearson相关分析显示产后6周时孕妇体重增加、糖尿病和新生儿体重与FPG、2hPG、HbA1c、TC和LDL呈正相关关系(P<0.05)。结论合并高TG血症的BGGI孕妇不良母婴结局的发生率相对偏高,并且产后糖、脂恢复较慢;糖、脂水平与产后孕妇恢复和新生儿生长发育具有一定的相关性。     

叶轮式连续型血泵血栓评价方法及关键因素分析

血栓的产生会影响血泵运转,同时也可能给患者带来栓塞或卒中等不良并发症。新一代叶轮式连续型血泵体积小、各部件之间间隙小,这些特点使其更易形成血栓,从而导致设备故障。因此血栓评价对考察叶轮式连续型血泵的安全性和有效性具有重要意义。本文从血泵运转中血栓形成的过程及血栓的种类入手,首先对比了研发过程中血栓评价的3种方法,即数值模拟、体外试验、体内试验,分析发现体内试验评价血栓更具有说服力。然后从血泵设计、材料选择及加工、抗凝三大主要因素分析对血栓形成的影响。血泵设计决定血液流场分布,材料选择及加工影响其抗凝血程度,抗凝不足或过度也将产生不良影响。最后对叶轮式连续型血泵血栓评价方法进行了总结和展望。     

往复式电磁铁驱动搏动式血泵的可行性研究

目的为了得到更适合血液循环的动力装置,提出一种用于体外膜肺氧合(extracorporeal membrane oxygenation,ECMO)系统由电磁铁驱动的搏动式血泵,并研究其可行性。方法首先利用电磁原理设计出电磁驱动机构,主要部件包括对称的两个电磁铁和压簧,两个电磁铁交替通电下使得动铁芯往复运动;利用容积控制原理,泵腔在动铁芯的驱动下收缩舒张;然后根据上述原理设计出血泵模型,包括电磁驱动部件和泵腔;最后建立包括血泵、电路控制部分、示波器、加速度传感器、输入输出管路和储液池的试验台,对血泵模型进行驱动力和流量输出测试。结果血泵模型在通电电压7～12 V时动铁芯的初始驱动力为2. 97～8. 00 N。血泵模型产生的初始驱动力与工作电压呈正相关非线性关系,当通入电压12 V时血泵模型初始驱动力满足要求。当前压与后压为0、频率80次/min、工作电压7～12 V时的流量输出为0. 97～3. 81 L/min。当前压与后压为0,工作电压12 V、频率60～90次/min时的流量输出为3. 1～3. 8 L/min。当工作电压12 V、频率80次/min、前压0～40 cm H2O和后压50～110 cm H2O时的流量输出为0. 55～3. 59 L/min。血泵流量与工作电压和频率呈正相关,与后压呈负相关,与前压无显著性相关。结论往复式电磁铁驱动搏动式血泵基本满足ECMO临床要求,具有广泛的应用前景,对体外循环血泵的发展具有重要意义,但仍需进一步研究和改进。     

基于规则和机器学习的中文电子病历患者隐私保护算法

目的针对医疗数据发布和共享中患者隐私泄露风险以及人工去标识效率低的问题,本文提出了一种基于规则和机器学习结合的算法,以有效去除电子病历中的患者隐私信息。方法根据美国健康可携行与责任性法案和中文电子病历的表达习惯,将隐私数据分为数字、日期及命名实体三大类,利用正则表达式识别数字以及日期隐私数据,引入隐马尔科夫模型识别命名实体。最后使用上海市第六人民医院的出院小结作为测试数据,利用留出法测试了隐私数据识别的召回率和精确率。结果该模型总体得到了超过90%的召回率,其中数字和日期类型的隐私数据召回率都超过96%,中文人名的识别效果也超过了单人识别的效果。结论规则和机器学习结合的模型有效地识别了患者的隐私数据,有助于医疗数据的共享。     

基于伺服电机的上肢康复机器人力矩 交互控制系统

目的为了实现上肢康复机器人主动训练中力矩控制的精确性,设计一种基于伺服电机的上肢康复机器人力矩交互控制系统。方法首先利用三自由度中央驱动式上肢康复机器人实验平台建立由运动意图采集模块和伺服力矩控制模块组成的力矩交互系统;再通过建立上肢动力学模型提出上肢助力训练算法;最后通过力矩响应实验、运动意图检测实验。结果依据在一定电流输入范围内,输出力矩能够保持稳定,验证了基于直流伺服电机实现助力训练方法的可行性。采用伺服力矩控制模块在目标力矩设定后,输出力矩在1 ms时间内能够达到设定的目标值并能够保持稳定,目标力矩响应的实时性良好,由此可以得出力矩交互控制方法达到了人机力矩交互稳定的结果。结论采用上肢康复机器人力矩交互控制方法可以在主动训练中实现较为精确的力矩控制。     

帕金森病冻结步态的实时监测系统

目的由于帕金森病冻结步态的突发性,临床上对其进行评估存在一定困难,为此本文研究了一种用于实时监测冻结步态的系统。方法该系统由可穿戴设备和配套的APP两部分构成,其中设备通过惯性传感器和超声波传感器采集患者腿部运动的加速度和抬脚高度数据,并传输至APP软件中,通过软件中的冻结步态识别模型进行分析。系统为构建冻结步态识别模型,首先通过实验采集12位患者的运动数据,然后经过信号预处理、特征提取和机器学习算法训练出模型,最后通过对数据集采用十折交叉验证来评估模型的准确度和精确度。结果系统对冻结步态的识别准确率可达98.6%,精确率达97.2%。结论该系统能够实时监测帕金森病患者日常生活中的冻结步态发作情况,为医生的诊疗提供定量、可靠的参考依据。     

系统性硬皮病患者血小板参数分析

目的观察系统性硬皮病(systemic scleroderma,SSc)患者的血小板分布宽度(platelet distribution width,PDW)、血小板计数(platelet count,PLT)、血小板平均体积(mean platelet volume,MPV)、血小板比率(platelet ratio,P-LCR)的水平,探讨PLT、PDW、MPV、P-LCR与SSc的关系。方法用全自动血液分析仪EX2100测定97例确诊的SSc患者的PLT、PDW、MPV、P-LCR参数,同等条件下与正常人作对照,并进行方差分析。结果 SSc患者治疗前PLT明显低于正常对照组(P <0.01),而PDW、MPV和P-LCR均显著高于正常对照组(P <0.01)。SSc患者治疗后的PLT与治疗前差异无统计学意义(P>0.05),而PDW、MPV和P-LCR均较治疗前显著下降(P <0.01)。结论 SSc患者治疗前PLT水平较低,PDW、MPV、P-LCR水平较高。通过SSc患者的血液常规检查有助于SSc发病机制的探讨及为临床诊治后的疗效提供实验室依据。     

多囊卵巢综合征患者血清相关性腺激素结果分析

目的本文主要探讨血清总睾酮(total testosterone,TT)、雄烯二酮(androstendione,AND)以及促黄体生成素(luteinizing hormone,LH)/促卵泡刺激素(follicle stimulating hormone,FSH)比值对多囊卵巢综合征(PCOS)的诊断灵敏度,PCOS患者血清AND与TT、LH、FSH浓度及LH/FSH比值是否具有相关性,以及探究不同年龄段PCOS患者血清各相关生化指标是否有显著差异。方法回顾性地分析了121例PCOS患者血清生化指标,包括 LH、FSH、AND、TT和计算出的 LH/FSH 比值。PCOS 患者经临床表现、体格检查、血清 TT 测定结合卵巢彩超结果确诊,根据年龄以20岁为界将患者分为青春期和成年期两组。结果经统计,PCOS 患者血清 TT 阳性率为59%,AND 阳性率为62%,有33%的患者LH/FSH比值大于2。TT联合AND检测可以提高PCOS的诊断灵敏度至74%。TT 与 AND 经Pearson 相关性分析, P =0.006(<0.05 ),有线性相关关系,且为正相关,LH、FSH 和 LH/FSH 比值与 TT、AND 均无线性相关关系。经 t 检验分析,在青春期与成年期两组 PCOS 患者间,青春期组患者的血清 TT 水平与成年期组相比,青春期组明显高于成年期组,差异有统计学意义, P =0.002(<0.05)。两组的AND、LH、FSH 水平和 LH/FSH 比值差异均无统计学意义。结论本研究表明血清TT 联合AND 检测可以提高PCOS 患者的诊断灵敏度,PCOS 患者血清AND浓度与TT 呈线性正相关,与LH、FSH浓度及LH/FSH比值均不具有线性相关关系。青春期患者血清TT明显高于成年期组,AND、LH、FSH浓度及LH/FSH比值差异无统计学意义。     

医院内外双网通环境下的文档云系统

目的针对医院内外网间文档安全传输、共享和保密等问题,本文提出一种云端模块化、可扩展的解决方案。方法在防火墙后面建立一个文档云服务器,利用Node.js和Mongodb等技术,通过自动分析电脑的位置属性、文档属性、标签属性等,对文档应用杀毒、审计、归属分组、销毁、全局备份等策略。结果版本1.0在基于外网的行政部门和基于内网的临床部门间进行了试运行,效果良好。版本1.0界面较简洁,用户操作也很简单。由于取代了USB和共享方式,切断了蠕虫、病毒传播的途径;智能文档模式让用户日常文档操作更简单、效率更高。结论该系统较好地满足了医院对文档管理的技术、管理、效率等层面的要求,实用价值较高。