双酚F暴露后对小鼠肝脏神经递质代谢的影响

目的：探讨双酚F（bisphenol F,BPF）对肝脏中色氨酸（tryptophan,TRP）及酪氨酸（tyrosine,TYR）代谢的影响,阐明其代谢稳态扰乱后神经递质的代谢特点。方法：SPF级C57BL/6J小鼠经灌胃给予不同浓度的BPF[40、400、4 000 μg/（kg·d）],连续灌胃30 d,通过超高效液相色谱-串联质谱（ultra-high-performance liquid chromatography-tandem mass spectrometry,UHPLC-MS/ MS）法观察BPF暴露后小鼠肝脏TRP、TYR来源神经递质代谢特点及水平的改变。结果：BPF暴露后引起小鼠肝脏TRP、TYR 水平下降,其中 TRP 代谢途径的神经递质 5-羟色胺（5-hydroxytryptamine,5-HT）水平明显下降,相反,犬尿氨酸（kynurenine, KYN）水平显著上升;TYR代谢途径中,TYR及其代谢产物多巴胺（dopamine,DA）水平显著下降;其他兴奋性神经递质如谷氨酸（glutamate,GLU）、γ-氨基丁酸（γ-aminobutyric acid,GABA）、天冬氨酸（aspartic acid,ASP）、甘氨酸（glycine,GLY）水平亦明显降低。结论：BPF暴露可抑制TRP、TYR及多个兴奋性神经递质的代谢,促进TRP通路中5-HT向KYN代谢转化,对肝脏神经递质代谢的探讨可为BPF持续暴露导致的肝脏及神经精神性病变提供依据。     

基于复杂网络的《新针灸学》与《经络腧穴学》比较分析研究（英文）

提取《新针灸学》《经络腧穴学》中穴位名称、主治病症信息,基于复杂网络建立穴-症网络,分析两者穴位数量、相互关联程度及主治规律变化,借助拓扑学数据解释变化原因,为传统针灸知识体系的结构化、标准化研究提供具体思路和方法。共纳入《新针灸学》386穴、773种症状、形成152163个穴位配伍对,《经络腧穴学》403穴、253种症状、28755个穴位配伍对。两本教材的穴-症网络存在丰富的差异性,其所载的病症结构化程度随医学知识的更新而提升。《新针灸学》模型具有更加典型的小世界效应,或因其以病症为主要分类手段的优势体现。两本教材穴位定位与主治方面发生许多变化,学科发展、时代背景等方面是变化的主要原因。     

消化内镜清洗消毒闭环管理系统构建与应用

结合消化内镜图文系统,根据消化内镜中心工作实际,构建并应用消化内镜清洗消毒闭环管理系统。实施后,清洗消毒错误事件从2017年2 973例下降至663例,工作效率从2017年30条/天提升至40条/天,差异均具有统计学意义（P<0.05)。消化内镜清洗消毒闭环管理系统提高了清洗消毒质量,提高了人力资源使用效率,提升了消化内镜中心质量管理水平。     

纳米碳与吲哚菁绿导航腹腔镜胃癌根治术淋巴结清扫的对比性研究

目的对比纳米碳与吲哚菁绿(ICG)在腹腔镜胃癌根治术淋巴结清扫方面的优劣性。方法回顾性分析2016年1月至2019年12月接受腹腔镜胃癌根治术的167例患者资料,根据所使用的示踪剂种类,分为纳米碳组130例、ICG组37例,应用GraphPad Prism 8.0统计软件进行分析,围术期指标及淋巴结清扫数目等计量资料以(±s)表示,采用独立t检验;术后并发症、二次手术率等计数指标比较采用χ²检验,P<0.05为差异有统计学意义。结果两种示踪剂对不同病理分期胃癌的淋巴结清扫效果差异无统计学意义。在各种胃癌根治术式中,淋巴结分拣均有助于提高淋巴结总检出数。纳米碳组较ICG组更有助于提高根治性全胃切除术第5站淋巴结的清扫数目(P=0.02)、根治性近端胃切除术第1站淋巴结的清扫数目(P=0.03)以及根治性远端胃淋巴结的总清扫数目(P=0.03)。在提高淋巴结检出率方面,两种示踪剂差异无统计学意义。结论纳米碳与吲哚菁绿在不同病理分期中的总体淋巴结清扫效果差异无统计学意义。无论使用何种示踪剂,均提倡淋巴结分拣。纳米碳较吲哚菁绿更有助于提高根治性全胃第5站淋巴结的清扫数、根治性近端胃第1站淋巴结的清扫数以及根治性远端胃淋巴结的总清扫数目。     

基于U-Net结合改进算法对放疗危及器官自动勾画研究

目的：面向放疗危及器官自动勾画构建基于U-Net的模型并针对肝脏分割构建3种改进模型。方法：采集共计184例肝癌患者和183例头部放疗患者的计算机断层扫描（CT）图像及组织结构信息,并结合公开数据集Sliver07用于模型的训练与评估。通过搭建U-Net模型并针对肝脏分割分别结合空洞卷积、SLIC超像素算法、区域生长算法进行训练并得到预测模型,利用预测模型对自动勾画结果进行预测。采用交并比（Io U）和平均交并比（MIo U）评价预测结果的精确性。结果：测试集头部放疗危及器官自动勾画预测结果MIo U为0.795～0.970,肝脏分割使用U-Net预测结果MIo U约为0.876,使用改进后模型预测结果MIo U约为0.888,并很好地约束了预测偏差较大结果的出现,使得测试样本中Io U结果小于0.8的数量占比从16.67%降至7.5%。直观勾画方面结合改进算法的模型比U-Net更能捕捉到复杂、混淆性的边界区域。结论：构建U-Net模型能够在头部放疗危及器官和肝脏自动勾画上表现良好,3种改进的模型能够在肝脏分割上具有更优的表现。