基于计划复杂度参数利用机器学习预测容积弧形调强验证通过率研究

目的 采用随机森林和支持向量机两种机器学习算法建立预测模型,实现容积弧形调强(VMAT)验证γ通过率(GPR)的数值预测和分类预测。方法 回顾性选取2019年4月至2020年8月于温州医科大学附属第一医院放疗中心接受VMAT放疗的258例患者资料,其中头颈部38例,胸腹部220例。对所有患者VMAT计划提取13个复杂度参数,收集计划验证在3%/3mm和2%/2mm评估标准下的GPR。用随机种子数方法将患者队列分为70%训练队列和30%验证队列,采用随机森林和最小冗余最大相关性(mRMR)的方法分别筛选数值预测和分类预测的相关性参数,利用随机森林和支持向量机两种算法结合计划靶区(PTV)体积,子野宽度,平滑度因素分别建立复杂度模型和混合模型。分析比较两种模型的预测性能。结果 对GPR数值预测,在3%/3 mm、2%/2 mm评估标准下,验证队列中基于随机森林和支持向量机复杂度模型预测误差的均方根误差(RMSE)和平均绝对误差(MAE)分别为1.788%和1.753%、5.895%和5.444%、1.415%和1.334%、4.644%和4.255%;基于随机森林和支持向量机的混合模型预测误差的RMSE和MAE分别为1.760%和1.815%、5.693%和5.590%、1.386%和1.319%、4.523%和4.310%。GPR分类预测中,在3%/3 mm、2%/2 mm评估标准下,验证队列中基于随机森林和支持向量机的复杂度模型的受试者工作特征(ROC)曲线下面积(AUC)分别为0.790和0.793、0.763和0.754;在验证队列中基于随机森林和支持向量机的混合模型的AUC结果分别为0.806和0.859、0.796和0.796。结论 开发了基于随机森林方法和支持向量机方法的复杂度模型和混合预测模型,能够实现在3%/3 mm和2%/2 mm两种评估标准下对VMAT放疗计划GPR的数值预测和分类预测,混合模型较经典复杂度模型提高了预测精度。     

多频电阻抗扫描的Cole-Cole模型分析

目的研究适合于多频电阻抗扫描测量数据的分析方法,为深入研究电阻抗扫描技术打下基础。方法根据传统的阻抗形式Cole—Cole模型经验公式,推导出与电阻抗扫描测量结果匹配的导纳形式Cole-Cole公式。依据最小二乘原理,估计导纳形式Cole—Cole模型的各个参数。结果人体实测数据的导纳形式Cole-Cole轨迹图与最小二乘估计圆弧吻合良好。同一电极阵列上的测量数据可以按照电极位置生成导纳形式Cole—Cole模型4个参数的三维分布图。结论导纳形式Cole—Cole轨迹图能清晰地反映不同电极处的传输导纳随激励频率改变而引起的差异。导纳形式Cole—Cole模型的参数分布图,可从不同的物理含义上解释多频电阻抗扫描测量的结果。两者都有助于准确诊断疾病。     

肿瘤标志物检测结合支持向量机模型在胃癌诊断中的应用

目的探讨肿瘤标志物检测结合支持向量机算法在胃癌诊断中的应用价值。方法收集262例胃癌、156例胃良性病变患者及149例健康对照者的癌胚抗原（CEA）、糖类抗原（CA）125、CA19-9、甲胎蛋白（AFP）、CA50五项肿瘤标志物检测结果，选择最优核函数，应用网格搜索和交叉验证的方法优化支持向量机算法参数，建立支持向量机分类模型，进行算法测试，并与5种肿瘤标志物联合测试、Logistic回归和决策树3种常见分类算法的结果进行比较。结果对胃癌诊断数据集，联合测试、Logistic回归、决策树、支持向量机算法的分类准确性分别为46．2％、64．5％、63．9％和95．1％。与其他算法相比，支持向量机算法可以提高胃癌诊断的准确性。结论肿瘤标志物检测结合支持向量机模型在胃癌的诊断上有较大应用价值。     

基于MRI预测肿块型肝内胆管细胞癌分化程度的研究价值

目的:探讨磁共振成像(MRI)定性、定量参数在肿块型肝内胆管细胞癌细胞分化程度的预测价值。方法:回顾性分析2016年3月-2022年3月81例经手术病理证实为肿块型肝内胆管细胞癌(MICC)患者临床、病理、MRI资料。将患者分为中分化组(29例)和低分化组(52例),采用t检验或χ²检验比较两组在临床、MRI定性以及定量参数方面的差异，将单因素分析中具有统计学差异的变量纳入Logistic回归进行分析用来建立MRI模型。受试者操作特征(ROC)曲线被用于分析模型的诊断效能。结果:单因素分析显示两组间肝内转移灶、动态强化模式、肝胆期强化模式、扩散加权成像(DWI)、直径的差异有统计学意义(P值分别为0.032、<0.001、0.035、0.017、0.001)。动态强化模式、直径是预测MICC分化程度的独立预测因子，所得MRI模型ROC曲线下面积0.806,敏感度71.2%,特异度79.3%。结论:动态强化模式、直径是预测MICC分化程度的独立危险因素，MRI模型具有良好的诊断效能。     

Logistic回归模型对不明位置妊娠患者早期异位妊娠的预测价值

目的:初步建立预测不明位置妊娠患者(PUL)早期异位妊娠(EP)的Logistic回归模型,评价该模型的应用价值。方法:对妊娠试验阳性的受检者常规进行经阴道能量多普勒超声检查(TV-PDU),对子宫内膜形态学及内膜下血流动力学参数进行测定,联合临床、生化资料行单变量非条件Logistic回归分析,筛选出有意义的变量,在此基础上行多变量Logistic回归,对有意义的研究因素采用逐步法,经优化组合后建立预测EP的Logistic回归模型并进行模型稳定性验证。利用ROC曲线确定诊断阈值和评估各单项指标及其不同指标组合的诊断价值。结果:最终197例(28.8%)为PUL患者,184例资料完整,62例(33.7%)确诊为EP,90例(48.9%)为宫内早孕,32例(17.4%)为宫内早孕流产。多变量Logistic回归分析显示只有4种超声参数对于鉴别EP有统计学意义(P<0.001),以此而建立了三个Logistic回归模型,Youden指数分别为81.2、95.2和97.6,以内膜形态 内膜厚度 对称性 内膜下动脉血流(M3)这一指标组合最优,联合评价诊断价值最高,模型稳定性较好,其ROC曲线下面积(AUC)最大,灵敏度98.4%,特异度99.2%,阳性预测值98.4%,阴性预测值99.2%。结论:Logistic回归分析为研究子宫内膜形态学、血流动力学与EP之间的关系提供了有效的方法,TV-PDU检查早期PUL患者子宫内膜的多变量Logistic回归模型可更早期地估测EP,在临床上无创性预测早期妊娠结局的危险性是可行的。     

起搏器更换时原心脏电极参数的变化及临床意义

目的　总结 18年来更换心脏起搏器时对电极参数测定结果 ,以判断电极能否继续使用提供临床经验。临床资料　 1986年 3月～ 2 0 0 3年 5月 ,38例在起搏器置入术及更换术时 ,用起搏器分析仪直接测量电极参数。心室电极在体内埋置时间为 4～ 11年 (平均 8.4年 )。置入时起搏阈值为 0 .6 4± 0 .37(0 .3～1.5 )V ,更换起搏器时起搏阈值为 1.78± 0 .73(1.0～ 3.6 )V ,更换起搏器时起搏阈值明显高于置入时的 2 .4 5倍 (P <0 .0 0 1) ,增加绝对值为 0 .1～ 2 .6V。置入时和更换时电极阻抗分别为 (6 47.5 2± 178.4 1) (35 0～980 )Ω和 (72 3.2 2± 10 3.30 ) (4 5 2～ 130 0 )Ω ,两者相比P >0 .0 5。本组更换新电极 6例 ,均为阈值明显升高 (>3.5V) ,或 /和电极阻抗过高或过低。结论　①本组电极置入后平均 8.4年 ,更换起搏器时 ,起搏阈值为 (1.78± 0 .73) (1.0～ 3.6 )V ,为置入时的 2 .4 5倍 ,但 30例 (80 % )的起搏阈值 <2 .5V。②起搏器更换时 ,原电极阻抗与首次置入时相比 ,总体上略有升高 ,但无统计学意义 ,近 90 %的电极阻抗在正常范围内 ,2例阻抗 >12 5 0Ω ,进行了电极更换。③更换起搏器时 ,电极参数如起搏阈值在 2 .5V以下 ,电极阻抗在 30 0～ 10 0 0V内 ,自主心律的R波振幅 >2 .5V ,原电极可继     

长时间静坐条件下的下肢多频率电阻抗参数分析

目的 研究长时间静坐下小腿的电阻抗参数随着时间的变化情况。方法 以系统优化设计思想为目标,构造出了能够实现长时间地监测组织电阻抗特性变化情况的双CPU硬件系统。7个正常人腿部不动地静坐1h,基于四电极法测出左小腿的电阻抗谱。依据被测组织的Ri-Cm-Rc等效电路模型,根据复平面上的阻抗轨迹,利用迭代式最小二乘法曲线拟合,得到细胞内和细胞外的阻抗以及细胞膜的膜电容。结果 对于静坐条件下工作负荷加重时,细胞内液电阻Ri增加较大,细胞外液电阻Re有微小增加。结论 这些实验结果与利用下肢阻抗的模型描述的理论解释非常吻合,因而电阻抗的模型参数是一项定量地区分组织处于不同生理状态下的重要指标。     

动态增强扫描CT征象对鉴别原发性腹膜后肿瘤良恶性价值的分析

目的 探讨动态增强扫描CT征象对原发性腹膜后肿瘤良恶性鉴别诊断价值。方法 选取322例经病理证实为原发性腹膜后肿瘤患者CT增强检查资料，对临床资料与影像学征象进行单因素分析，对差异有统计学意义的参数行Logistic回归分析，基于全部参数建立模型1（综合模型），基于内部成分与强化特征建立模型2（密度模型），基于形态学特征建立模型3（形态学模型），分析评价模型预测价值。结果 综合模型对腹膜后肿瘤良恶性预测性能最佳，其敏感度、特异度、准确度分别为81.3%、86.4%、83.2%,ROC曲线下面积为0.905。预测准确度及AUC高于密度模型（74.5%和0.799）和形态学模型（75.8%和0.849）。结论 综合临床与CT增强征象有利于提高良恶性肿瘤鉴别能力。鉴别腹膜后肿瘤良恶性的最佳参数组合为性别、不明显-轻度强化、脂肪密度、周围肿大淋巴结、周围器官推压以及血管侵犯。     

基于影像的临床决策用于支持经直肠超声诊断前列腺癌:比较多重逻辑回归、人工神经网络和支持向量机

<正>目的探讨利用多重逻辑回归模型、人工神经网络(ANN)和支持向量机(SVM)模型预测前列腺活检结果并比较各模型的准确率。方法1077例病人行经直肠超声(TRUS)导向下前     

基于CT图像影像组学模型在糖尿病患者胰腺功能分析中的应用

目的探讨基于CT图像影像组学模型在糖尿病患者胰腺功能分析中的应用价值。资料与方法回顾性分析2015年9月—2019年12月重庆医科大学附属永川医院收治的52例糖尿病、35例糖耐量调节受损及53例正常人群的胰腺CT图像。由2名放射科医师独立提取整个胰腺CT图像纹理特征,选择最有价值的特征,将样本随机分为训练集与测试集,建立K-邻近、支持向量机、逻辑回归3种机器学习模型,并获得受试者工作特征曲线及曲线下面积、敏感度、特异度,以评估模型效能。结果提取得到1 395个纹理特征,经降维得到与3组胰腺功能鉴别相关的特征参数14个;K-邻近、支持向量机、逻辑回归3种机器学习模型诊断效能良好,曲线下面积均>0.81。结论基于CT图像影像组学模型鉴别糖尿病患者、糖耐量调节受损者和正常人群的胰腺功能具有较高的价值。     

基于增强CT影像组学预测胰腺导管腺癌病理分化程度的研究

目的 探讨基于增强CT影像组学预测模型在术前预测胰腺导管腺癌(PDAC)病理分化程度可行性及价值。方法 选取术后病理证实为PDAC患者138例，分为高-中分化组和低分化组。分别在术前增强CT的动脉期和静脉期图像对肿块进行手动全层勾画，并提取纹理特征。采用最小冗余最大相关算法(mRMR)、最小绝对收缩和选择算子(LASSO)逐步回归算法进行特征的降维、筛选，分别构建支持向量机、随机森林、Logistic回归和K最邻近四种机器学习预测模型，以5折交叉验证的方法对四种预测模型进行验证，并对模型进行外部验证。绘制ROC曲线评价四种预测模型的预测效能。结果 临床及常规CT特征对PDAC分化程度无预测意义。基于筛选最优影像组学特征，分别构建预测PDAC分化程度的Logistic回归模型、K最邻近模型、支持向量机模型与随机森林模型，绘制ROC曲线评价四种预测模型预测效能，训练组其曲线下面积(AUC)分别为0.89、0.67、0.87、0.95,外部验证组AUC分别为0.70、0.54、0.65、0.63。结论 基于增强CT影像组学预测模型可用于术前预测PDAC病理分化程度，其中Logistic回归预...     

基于不同机器学习算法的影像组学模型预测浸润性乳腺癌Ki-67表达的价值

目的：基于动态增强磁共振成像（DCE-MRI）探究不同机器学习算法的影像组学模型预测浸润性乳腺癌Ki-67表达状态的价值。方法：回顾性分析于本院行双乳磁共振检查患者,按照纳入排除标准最终纳入患者156例,按照7∶3比例分为训练集和测试集。通过单因素分析、最小绝对收缩和选择算子法和递归特征消除进行特征筛选,筛选出不同数量特征分别通过5种机器学习算法建立影像组学模型来预测浸润性乳腺癌Ki-67表达状态。比较不同模型的受试者工作特征曲线下面积（AUC）并计算准确率和F1度量值评估其性能,校准曲线评估模型拟合度,并应用DeLong检验比较不同模型间的差异性。结果：同一分类器在不同的特征数下预测性能不同。在基于DCE-MRI提取的3个特征下,5种模型的预测性能相对较好,其中支持向量机的整体性能最优,AUC、准确率和F1度量值在训练集分别为0.95、0.95、0.90,在测试集分别为0.88、0.79、0.74。DeLong检验显示,在基于3个特征的5个模型中,支持向量机与逻辑回归的性能差异有统计学意义（P<0.001）,与其余3个模型无统计学差异。结论：基于DCE-MRI所构建的影像组学模...     

基于放射组学的机器学习预测盆腔调强放疗剂量验证的γ通过率

目的利用放射组学特征构建不同的机器学习分类模型, 预测盆腔肿瘤调强放疗剂量验证的γ通过率, 并探讨最佳预测模型。方法回顾性分析196例盆腔肿瘤调强放疗计划, 采用基于模体测量方式的三维剂量验证结果, γ通过率标准为3%/2 mm、10%剂量阈值。提取基于剂量文件的放射组学特征构建预测模型。分别采用随机森林、支持向量机、自适应增强和梯度提升决策树4种机器学习算法, 计算曲线下面积(AUC)值、敏感度和特异度, 评估4种预测模型的分类性能。结果随机森林、支持向量机、自适应增强、梯度提升决策树模型的灵敏度和特异度分别为0.93、0.85, 0.93、0.96, 0.38、0.69, 0.46、0.46。随机森林模型和自适应增强模型的AUC值分别为0.81和0.82, 支持向量机和梯度提升决策树模型的AUC值为0.87。结论针对盆腔肿瘤调强放疗计划, 可以采用基于放射组学特征的机器学习方法来构建γ通过率的预测模型。支持向量机模型和梯度提升决策树模型的分类性能要优于随机森林模型、自适应增强模型。     

喜勒可吸收生物修复膜治疗下颌角区骨缺损实验研究

目的 本研究旨在对比喜勒可吸收生物修复膜与市售生物修复膜修复骨缺损的效果。方法 12只兔子分为2组：喜勒可吸收生物修复膜组6只（左侧植入自体骨覆盖喜勒可吸收生物膜,右侧不植骨不覆膜）,市售生物膜组6只（左侧不植骨不覆膜,右侧植入自体骨覆盖市售生物膜）,在生理盐水充分冷却的条件下,采用直径为6 mm的球钻在兔下颌骨左右两侧下颌角区分别制备直径6 mm洞穿性的骨缺损。覆盖生物膜,需超出缺损边缘2 mm,分层缝合创口。术后3 d每天皮下注射抗生素。分别于术后1个月、3个月采用空气栓塞法处死实验兔,取整个下颌骨。结果 X线及组织学检查结果显示,术后1个月覆膜的动物骨缺损有不同程度修复,而不覆盖膜的骨缺损均明显存在,且骨缺损内有肌肉长入,但喜勒可吸收生物修复膜组具有完整的生物膜结构。术后3个月覆膜的骨缺损区均有新骨形成,而不覆膜缺损区被结缔组织填充,没有新骨形成。结论 喜勒可吸收生物膜与市售生物修复膜均能有效阻挡软组织长入骨缺损区,作为骨细胞载体促进骨修复,但喜勒可吸收生物修复膜有较强的抗降解能力。     

胸膜下肺腺癌脏层胸膜侵犯CT及临床风险因素

【摘要】目的：分析肿瘤-胸膜最小距离（DLP）≤1cm且肿瘤直径≤3cm肺腺癌CT特征、临床及病理资料,建立风险评分模型量化分析脏层胸膜侵犯风险因素。方法：分析大连市2家三甲医院共计356例DLP≤1cm且直径≤3cm肺腺癌患者CT特征、临床及病理资料,分为胸膜侵犯组（VPI）、非胸膜侵犯组（N-VPI）。将单因素分析中有统计学意义因素纳入多因素logistic回归分析,据胸膜侵犯独立危险因素优势比（OR）值建立预测胸膜侵犯风险评分模型,绘制受试者工作特征曲线（ROC）评估其预测效能。结果：经病理确诊356例肺腺癌中VPI组94例（26.4%）,N-VPI组262例（73.6%）。多因素logistic回归分析发现术前CEA、肿瘤直径、肿瘤实性成分长径及DLP是脏层胸膜侵犯独立危险因素（P＜0.05）,建立风险评分模型=3（术前CEA≥5ng/mL）+8（肿瘤实性成分长径≥0.8cm）+2（肿瘤直径≥1.6cm）+7（DLP≤0.6cm）,该评分模型预测VPI cut-off值11,ROC曲线下面积（AUC）0.819,敏感度、特异度分别为89.4%,68.7%。结论：术前CEA、肿瘤直径、实性成分长径及DLP是胸膜下肺腺癌脏层胸膜侵犯独立危险因素,其风险评分模型＞11时提示很可能存在脏层胸膜侵犯。     

基于临床、能谱CT及影像组学构建胃癌神经侵犯的预测模型

目的 探讨基于临床资料、能谱CT参数及影像组学特征的模型术前预测胃癌神经侵犯的价值。资料与方法 回顾性分析2021年1月—2022年8月新乡医学院第一附属医院80例行术前能谱CT检查的胃癌患者,根据病理结果分为神经侵犯阳性组和阴性组。收集患者临床病理资料,测量胃癌原发病灶能谱参数,进行单因素分析;从双期混合能量图像中提取214个影像组学特征,使用单因素分析及支持向量机对组学特征进行筛选;将差异有统计学意义的变量纳入Logistic回归分析构建预测模型。使用受试者工作特征曲线评价模型的性能。结果 两组患者性别、糖类抗原199、肿瘤厚度、Lauren分型、Borrmann分型差异有统计学意义(P均<0.05);能谱参数中,两组动脉期单能量值(CT_{60 keV}～CT_{110 keV})差异有统计学意义(P均<0.05),门静脉期CT值、碘基值、标准化碘基值和除CT_{80 keV}外的单能量值差异有统计学意义(P均<0.05);影像组学分析选出曲线下面积最大的支持向量机模型,其曲线下面积、敏感度、特异度、准确度、P值及...     

基于MRI定量参数预测侵袭性胎盘植入及不良临床结局的可行性研究

目的:探讨基于MRI定量参数的二元logistic回归预测侵袭性胎盘植入及不良临床结局的可行性。方法:本回顾性研究选择武汉大学人民医院确诊的80例胎盘植入患者，记录各患者MRI图像上胎盘内异常增生血管直径、胎盘及子宫壁厚度、胎盘内T₂低信号带面积、子宫外突度、膀胱子宫间隙低信号带不连续长度、宫颈受侵长度。采用二元logistic回归分析分别预测胎盘植入类型和不良临床结局独立风险因素，并构建鉴别模型。采用受试者操作特征(ROC)曲线模型诊断效能评估曲线下面积(AUC)、敏感度、特异度、约登指数。回归模型稳定性采用Bootstrap进行内部验证，所得AUC值与原回归模型AUC值进行DeLong检验。结果:80例患者中位年龄为33岁(20～44岁),中位分娩孕周为36.1周(28.0～39.4周)。粘连型胎盘18例(22.5%),侵袭性胎盘植入62例(77.5%)。二元logistic回归分析结果显示，流产次数[OR:4.271(95%CI:1.226～14.876)]、胎盘内增生血管直径[OR:3.789(95%CI:1.367～10.501)]、子宫外突度[OR:1...     

尾吊大鼠血液细胞电阻抗谱的Cole-Cole模型分析

目的利用Cole-Cole数学模型研究尾吊大鼠血液细胞电阻抗频谱的变化。方法通过非线性数值计算,对血液细胞的Bode图,Nyquist图和Nichols图进行Cole-Cole方程的曲线拟合,比较对照组(Con)与尾吊组(SUS)Cole-Cole模型参数。结果尾吊60 d大鼠血液细胞电阻抗频谱Cole-Cole模型参数变化显示:阻抗高频极限值(R∞)和阻抗增量(ΔR1,ΔR2)减小;特征频率(fC1,fC2)和β驰豫散射角(α1,α2)增加。结论可以通过Cole-Cole数学方程参数表达尾吊大鼠血液细胞电阻抗频谱特性变化。     

联合CT特征和病理预测结直肠癌脉管侵犯的初步研究

目的：探讨联合CT特征和常规病理指标预测结直肠癌（CRC）脉管侵犯（LVI）的价值。方法：回顾性收集310例CRC患者资料,按照6∶4的比例纳入训练组（186例）和验证组（124例）。对可能影响LVI的因素采用单因素分析和多因素logistic回归分析,以明确影响LVI阳性的独立危险因素,并建立回归模型。采用受试者工作特征曲线评估训练组和验证组的预测效能。结果：单因素分析发现训练组中肿瘤T分期、N分期、肿瘤分化程度、肿瘤沉积、肠梗阻、瘤周脂肪浸润类型在LVI阳性与阴性组间差异具有统计学意义（P<0.05）。多因素logistic回归分析发现训练组中T3、T4期、N2期、线样及结节样瘤周脂肪浸润类型是脉管侵犯的独立危险因素。训练组logistic回归模型预测LVI阳性的灵敏度为79.7%、特异度为61.7%,曲线下面积为0.787。该模型在验证组中预测LVI阳性的灵敏度为82.2%、特异度为67.1%,曲线下面积为0.783。结论：T分期、N分期及瘤周脂肪浸润类型有助于预测CRC患者LVI是否阳性。     

预测肾透明细胞癌病理分级的影像基因组学研究

目的 探究CT影像组学特征与mRNA的关联性,说明CT影像组学模型预测肾透明细胞癌(ccRCC)病理分级的潜在基因组学机制。方法 利用影像组学分析队列筛选影像组学特征并构建影像组学模型预测肾癌病理分级。利用基因组学分析队列识别病理分级相关基因模块,筛选前30个关键节点(Hub)基因并使用Hub基因构建基因模型预测病理分级,将结果映射至影像基因组学拓展队列并将基因与影像组学特征关联。结果 筛选出4个与病理分级相关的影像组学特征,其构建的支持向量机模型在测试集中曲线下面积为0.938。WGCNA分析得到5个基因模块与病理分级相关,影像基因组学分析发现5个基因模块中有271个基因相关,332个基因与组学特征不相关,前30个Hub基因有8个与影像组学特征相关,22个Hub基因不相关,两者所富集的通路不一致。从30个Hub基因筛选得到的5个Hub基因组成的逻辑回归基因模型在测试集中预测效能为0.736,用于构建模型的5个基因中有2个基因与影像组学特征相关,3个基因与影像组学特征不相关。结论 CT影像组学模型较基于mRNA构建的基因模型的预测效能高。CT影像组学特征与病理分级相关的mRNA之间的关...