面向外骨骼的下肢多模态协同量化分析与康复评估方法

针对传统下肢康复量表评估方法费时、费力且难以在外骨骼康复训练中使用的问题，本文基于下肢外骨骼机器人训练提出了一种多模态协同信息融合的下肢步行能力定量评估方法。该方法通过引入定量的协同指标融合电生理和运动学层面信息，显著提高康复评估过程的效率和信度。首先，采集受试者穿戴外骨骼步行训练的下肢肌电和运动学数据。然后，基于肌肉协同理论，使用协同量化算法构造肌电和运动学的协同指标特征。最后，融合电生理和运动学层面信息，建立模态特征融合模型，输出下肢运动功能评分。试验结果表明，本文所构造的肌电、运动学协同特征与临床量表的相关系数分别为0.799和0.825。融合后的协同特征在K近邻（KNN）模型中的结果得到了更高的相关系数（r=0.921,P <0.01）。该方法可以根据评估结果修改外骨骼机器人的康复训练模式，为实现“人在环中”的评估—训练同步模式奠定了基础，也为下肢远程康复训练和评估提供了一个潜在的方法。     

基于生物信息与机器学习分析类风湿关节炎疾病特征基因与免疫细胞的关系

目的：利用生物信息学与机器学习方法探求类风湿关节炎（RA）的发病机制、特征基因与免疫浸润表现，并寻找特征基因与免疫细胞的相关性。方法：从GEO数据库获取RA相关芯片，利用R语言分析基因差异，并对其进行GO与KEGG富集分析；使用机器学习方法，即LASSO回归与SVM-RFE法筛选疾病特征基因，运用ROC曲线与样本芯片检测特征基因准确性，利用CIBERSORT算法分析RA免疫浸润情况，并分析特征基因与免疫细胞的相关性。结果：GSE12021和GSE55235共获得90个差异基因，包含64个上调和26个下调差异表达基因；GO分析共得到主要条目209个，主要涉及机体白细胞激活、淋巴细胞活化、B细胞受体信号通路等；KEGG分析显示趋化因子信号通路、IL-17信号通路、Toll样受体信号通路、PPAR信号通路等通路与RA密切相关；机械学习方法筛选出IGHM、SLAMF8、CXCL10、FNDC4、AIM2、EGR1、AKR1B10等10个关键基因，ROC曲线与样本芯片检测疾病特征基因为IGHM、SLAMF8、CXCL10、AIM2、AKR1B10；免疫浸润结果显示RA滑膜组织与正常组织中的浆细胞...     

分层分析影像组学模型在肺腺癌诊断中的价值

目的:建立并验证可高效鉴别肺腺癌及其浸润程度的预测模型,并根据结节/肿块性质分层分析模型的预测效能.方法:回顾性分析本院2011年10月-2018年12月经病理证实的肺结节/肿块患者2105例.根据肿瘤性质,分为磨玻璃组(A组,1711例)和实性组(B组,394例),组内以2017年10月为界,分为训练集和测试集.收集...     

基于剂量组学预测肺癌患者放射性肺炎发生的研究

目的 探讨剂量组学在预测肺癌根治性放疗患者放射性肺炎发生中的应用潜能。方法 回顾性收集行根治性放疗的314例肺癌患者的临床资料、放疗剂量文件、定位及随访CT图像,根据临床资料及影像学随访资料对放射性肺炎进行分级,提取全肺的剂量组学特征,构建机器学习模型。应用1000次自助抽样法（bootstrap）的最小绝对值收敛和选择算子嵌套逻辑回归（LASSO‐LR）及1000次bootstrap的赤池信息量准则（AIC）向后法筛选与放射性肺炎相关的剂量组学特征,随机按照7∶3划分为训练集及验证集,应用逻辑回归建立预测模型,并应用ROC曲线及校正曲线评价模型的性能。结果 共提取120个剂量组学特征,经LASSO‐LR降维筛选得到12个特征进入“特征池”,再经过AIC向后法筛选,最终筛选出6个剂量组学特征进行模型构建,训练集AUC为0.77（95%CI为0.65~0.87）,独立验证集AUC为0.72（95%CI为0.64~0.81）。结论 利用剂量组学建立的预测模型具有预测放射性肺炎发生的潜力,但仍需继续纳入多中心数据及前瞻性数据进一步挖掘剂量组学的应用潜能。     

不同机器学习算法的社区老年人认知衰弱风险预测模型比较

目的 基于不同机器学习算法构建社区老年人认知衰弱风险预测模型，优选最佳模型，为防范社区老年人认知衰弱提供适宜评估工具。方法 选取苏州市3个社区卫生服务中心体检的1 105名老年人，随机分为训练集773人和验证集332人。基于训练集单因素logistic回归分析结果，使用logistic回归、伯努利朴素贝叶斯、随机森林、极端梯度提升、K邻近算法和支持向量机6种机器学习算法构建6种认知衰弱风险预测模型，并在验证集中进行评价和比较。基于最优算法构建社区老年人认知衰弱评分表，并对评分表进行验证。结果 训练集单因素logistic回归分析共识别出13个危险因素，6种模型ROC曲线下面积0.824～0.889,敏感度0.721～0.849,特异度0.700～0.837,约登指数0.498～0.674;随机森林模型为最佳模型，基于此模型构建的老年人认知衰弱评分表得分范围0～180分，内、外部验证ROC曲线下面积为0.858、0.831,最佳截断值为75分。结论 基于随机森林算法建立的预测模型预测性能最好，基于logistic回归建立的模型效果最差。基于随机森林算法构建的社区老年人认知衰弱评分表可用于...     

影像组学在膀胱癌精准诊疗中的研究进展

膀胱癌(BC)是危害我国中老年男性最常见的恶性肿瘤之一, 早期诊断和治疗对改善患者预后有着重要意义, 手术、放化疗和免疫治疗是BC的主要治疗方式。由于BC具有明显的异质性, 导致患者的疗效往往不尽如人意。影像组学作为一种重要的图像分析方法, 它能够将医学图像转换为高维数据, 从而无创地定量描述肿瘤的异质性, 广泛应用于各类疾病, 尤其是疾病的诊断、治疗以及预后等各个方面的研究, 为疾病的精准治疗提供了丰富信息。近年来, 影像组学逐渐应用于膀胱癌, 在鉴别肿瘤分期、分级以及预测肿瘤复发等方面发挥着重要作用, 本文就影像组学的概述及其在BC诊疗中的相关研究进展进行综述。     

糖尿病母亲婴儿低阿氏评分的影响因素分析

目的 探讨基于机器学习的糖尿病母亲婴儿（infant of diabetic mother, IDM）低阿氏评分的影响因素。方法选取2019年1月1日至2021年12月31日首都医科大学附属北京妇产医院孕期诊断为妊娠期IDM 6 187例，根据新生儿出生后1 min的阿氏评分，分为低评分组（70例）及正常评分组（6 117例），以新生儿体重和身长为混淆因素，采用倾向性得分1∶1的比例进行匹配，匹配成功后，采用过4种机器学习方法筛选低阿氏评分的影响因素，同时对筛选出的危险因素采用多因素logistic回归方程进行验证。结果 倾向性得分成功匹配65例。产妇年龄、分娩次数和胎儿宫内窘迫（胎心型）是4种机器学习方法中共有的影响因素。多因素logistic回归分析结果显示，产妇年龄≥35岁（OR=0.456, 95%CI:0.252～0.824, P=0.009），分娩多次（OR=0.225, 95%CI:0.057～0.898, P=0.035）是IDM低阿氏评分保护因素，有胎儿宫内窘迫（胎心型）（OR=4.840, 95%CI:1.770～13.232, P=0.002）是IDM低阿氏评分的...     

机器学习方法辅助诊断牙隐裂的研究

目的 基于牙根尖X线片建立计算机人工智能诊断模型，辅助口腔医生对牙隐裂进行有效诊断。方法 收集182例患者的牙根尖影像数据。其中，确诊牙隐裂77例，未确诊105例。通过蟒蛇编程从牙根尖X线片中提取影像特征，采用套索算法（LASSO）对特征进行筛选，并建立机器学习模型判断牙齿是否患有牙隐裂。结果 筛选出3个高维度纹理特征，机器学习模型在测试集上的受试者操作特性曲线下面积、特异度和灵敏度分别为0.805、0.727和0.815。结论 基于牙根尖X线片建立的机器学习模型能够对牙隐裂进行比较有效的诊断。     

基于双参数MRI机器学习模型对前列腺癌和临床显著性前列腺癌的诊断价值

目的探讨基于双参数MRI机器学习模型对前列腺癌和临床显著性前列腺癌(csPCa)的诊断价值。方法回顾性收集2015年5月至2020年12月江苏省内3个医疗中心共1 368例行术前MRI且经病理证实的前列腺疾病患者的影像资料, 其中csPCa 412例, 无显著临床意义的前列腺癌(ciPCa)242例, 良性前列腺病变714例, 年龄30～92(69.4±8.2)岁。采用Python内嵌random工具包将中心一和中心二数据按照7∶3比例进行无放回随机数法采样划分为训练组和内部测试组, 中心三数据设为独立外部测试组, 其中训练组包括243例csPCa、135例ciPCa和384例良性病变, 内部测试组包括104例csPCa、58例ciPCa和165例良性病变, 外部测试组包括65例csPCa、49例ciPCa和165例良性病变。分别提取T2加权成像、弥散加权成像和表观扩散系数图的影像组学特征, 采用Pearson相关系数分析、方差分析筛选影像组学特征, 分别使用随机森林(RF)和支持向量机两种算法构建机器学习模型, 并在内部测试组和外部测试组对模型进行测试。最后, 选取诊断效能较高的机器...     

人工智能在脊柱畸形诊疗中的应用

脊柱畸形是一种高致畸致残性疾病，其发病年龄可覆盖全生命周期。随着计算机技术的快速发展，人工智能有了显著的进步。目前人工智能在疾病的诊疗方面有着巨大的应用潜能，也逐渐被应用于脊柱畸形的筛查、诊治、手术决策、术中操作和并发症预测等多个方面。近年来，许多研究对此方向进行了探索，提出了很多具有优秀表现和广阔应用前景的方案与模型，本文就此做一综述。