静息态脑功能网络分析的假设驱动和数据驱动方法综述

基于功能磁共振成像的研究已发现在脑区之间存在低频波动一致的脑功能网络.脑功能网络有助于认识脑功能和诊断神经精神疾病,而脑功能网络分析方法在其中具有重要地位.本文首先综述了假设驱动和数据驱动进行脑功能网络分析的两类方法,接着对常用的基于感兴趣区、基于体素、基于独立成分分析、基于主成分分析和基于聚类方法的原理、优缺点做了详细介绍,并着重阐述了最近提出的组信息指导的独立成分分析方法,及基于半监督学习技术的感兴趣区选择方法,最后对改进方向进行了展望.     

基于磁共振图像的脑皮层厚度测量方法

基于磁共振图像的脑皮层厚度测量方法,是在图像处理的基础上对脑灰质组织结构进行活体定量估计的一种新的技术.本文介绍了脑皮层厚度测量与分析方法的基本流程,并将现有几种流行的测量方法进行总结和归纳,最后比较分析了这些算法的测量精度和运行速度.     

基于数据科学的脑心同治机制研究

中医"脑心同治"理论对心脑血管疾病治疗的意义重大。尽管"脑心同治"在中医临床应用广泛,但其潜在的机制尚未得到全面的阐释。为了科学揭示"脑心同治"的机制,该研究基于数据科学的思想以心脑血管疾病中最具有代表性的2种疾病——脑中风和冠心病为例,对"脑心同治"机制进行深入挖掘。该研究从药物、靶标、通路、疾病多个角度出发,整合应用各类数据资源,采用文本挖掘、生物网络以及富集分析方法来识别心脑血管疾病间的潜在关联特征以及具有"同治"功能的药物特性,从而从多个水平揭示"脑心同治"的潜在机制。     

基于增强CT影像组学术前预测胃腺癌淋巴结转移

目的 观察增强CT影像组学模型术前预测胃腺癌淋巴结转移（LNM）的价值。方法 回顾性分析193例经术后病理证实的单发胃腺癌的腹部双期增强CT资料,将其分为训练集（n=97）和验证集（n=96）,比较LNM （+）与LNM （－）肿瘤CT表现的差异。分别于增强动脉期和静脉期CT提取病灶影像组学特征,构建相应影像组学标签;将单因素分析有统计学意义的CT参数及其影像组学标签纳入多因素logistic回归分析,筛选胃腺癌LNM的独立预测因素,分别建立临床模型及影像组学列线图。采用受试者工作特征（ROC）曲线评估各模型预测胃腺癌LNM的效能,计算曲线下面积（AUC）,比较其差异。结果 训练集含54例LNM （+）和43例LNM （－）,验证集含58例LNM （+）和38例LNM （－）。LNM （+）患者肿瘤厚度和阳性淋巴结占比均高于LNM （－）者（P均<0.05）。肿瘤厚度及淋巴结状态均为LNM的独立预测因素（P均<0.01）并用于构建临床模型。淋巴结状态和静脉期影像组学标签是胃腺癌LNM的独立预测因素（P均<0.01）,以之构建的影像组学列线图在训练集和验证集中的AUC分别为0.810和0.778,与临床模型AUC差异均无统计学意义（0.772、0.762,Z=1.11、0.27,P=0.27、0.78）。结论 基于增强CT影像组学模型术前预测胃腺癌LNM效能较佳。     

机器学习在调强放疗质量保证中的应用研究进展

近年来随着大数据分析与人工智能技术的发展,机器学习在放疗领域的应用研究逐渐增多。通过既往计划训练,机器学习可预测计划质量及剂量验证结果。机器学习也可以预测MLC位置误差、加速器性能。机器学习用于调强放疗质量保证能提高治疗计划和实施的质量和效率,增加患者获益并降低风险。机器学习用于调强放疗质量保证目前尚存在特征值选择、提取和计算复杂,要求训练样本量大,预测精度不够等问题,阻碍了其临床转化和应用。本文综述其研究进展。     

学术期刊编委会的有效分工与管理

【目的】 探讨发展中的期刊如何通过规范的编委会管理制度来有效地发挥编委在提升期刊影响力中的作用。【方法】以IJAC为例,分析了编委在稿件审理、选题策划和期刊宣传3个方面发挥的主要作用;提出从加强编委会管理和增强编辑部服务意识2个角度来激发编委工作热情和工作积极性。【结果】 实践证明,对于一本处在发展期的期刊,实现对编委会的有效分工和管理对稳步、持续地提升期刊影响力起到重要作用。【结论】 编辑部需要配合主编,通过严格有序的管理制度和良好的服务意识来促进编委会作用的发挥。     

基于体内ADME过程和网络药理学的中药现代研究思路

网络药理学应用到中药研究中,有利于阐释中药药效物质基础和作用机制,提高中药新药的研发水平,但是,鉴于中药有效物质的复杂性特点,进行体内过程分析,明确进入体内的成分,是将网络药理学应用于中药研究的前提。为此,提出体内ADME过程与网络药理学相结合的中药现代研究思路。     

中医传承辅助系统软件开发与应用

目的:在全面客观地对中医药传承模式及方法特点进行分析的基础上,开发中医传承辅助系统.方法:该系统基于个性化需求的自助式服务平台的构建思路进行架构,以人工智能、数据挖掘、网络科学等学科的方法和技术为支撑,围绕临床诊疗和中医传承工作中的继承、发展、传播和创新4个方面的核心需求,分别构建面向临床数据的中医诊疗信息采集模块、面向中医药本体的知识管理和服务模块、面向传承创新的隐性知识挖掘模块等几大功能模块,有效地解决了中医传承过程中的非标准化、个性化等问题.结果:通过该系统的使用,能够辅助名老中医经验传承,医师个体经验总结、青年医师学习以及新药处方发现等应用.结论:该系统丰富了传承模式,有效满足了中医传承和发展的需求.     

基于高噪声深度图像的树木模型重建

对现实世界中的植物模型进行真实准确的重建一直是计算机图形学的一个重要目标。基于激光扫描仪提供的深度图像的树木重建近年得到越来越多的关注。当扫描距离过远或者扫描精度较低的情况下深度图像带有较大的噪声,这给重建带来了很大的困难。本文提出了一种针对高噪声深度图像的树木自动重建技术,本算法以主曲率分析为基础,首先通过二次曲面拟合计算各个点对应的主曲率方向,之后利用各个点云与周围点云的主曲率相似度将噪声点云去除,利用点云分割技术将属于不同树枝的点云初步分离,最后从分割数据中提取树枝的骨架点以及半径,完成重建。利用本方法 ,我们对一个具有高噪声的深度图像进行了处理,从中提取出了树木的三维模型。本算法能够利用之前算法无法处理的高噪声的深度图像重建树木模型,降低了树木重建算法对输入数据精度的要求,同时减少了手工交互。