基于病理穿刺切片组织形态学分析的乳腺癌新辅助化疗疗效预测

目的 利用深度学习的方法对乳腺癌患者接受新辅助化疗(NAC)前的穿刺切片进行肿瘤区域和细胞核的自动分割,提取肿瘤区域细胞群特征,从而对乳腺癌NAC病理缓解程度进行预测.方法 收集在江苏省人民医院接受NAC治疗前的68位乳腺癌患者的术前穿刺HE染色切片,两位病理医生对其中12张穿刺切片进行了肿瘤区域的标记,其中8张作为训...     

基于MRI-T2WI影像组学列线图鉴别卵巢交界性与恶性上皮源性肿瘤

目的 建立基于MRI-T2WI影像组学列线图并评价其鉴别卵巢交界性上皮源性肿瘤（boderline epithelial ovarian tumors, BEOTs）及恶性上皮源性肿瘤（malignant epithelial ovarian tumors, MEOTs）的效能及临床应用价值。材料与方法 回顾性分析2016年1月至2021年5月间南京医科大学附属淮安第一医院经病理证实的上皮源性卵巢肿瘤患者的临床及影像资料,共计192例,其中BEOTs 72例,MEOTs 120例,按8∶2比例随机分为训练集（n=153）及测试集（n=39）,从每个患者的轴位T2WI图像中手动勾画感兴趣区并提取影像组学特征。使用Mann-Whitney U检验、相关性分析及最小绝对收缩选择算子（least absolute shrinkage and selection operator, LASSO）回归进行特征选择,并构建影像组学模型及计算影像组学评分Radscore。结合临床因素及Radscore,采用多元logistic回归模型构建影像组学列线图模型。最后通过ROC曲线、校准曲线及决策曲线分析评...     

基于机器学习的药物血浆蛋白结合率的预测

预测药物在血浆中的蛋白结合率,有助于了解药物的药代动力学特征,对药物发现的早期研究有重要的参考价值.本研究收集了 2452个临床药物的血浆蛋白结合率信息,用Molecular Operating Environment(MOE)和Mordred两种软件计算分子描述符,将算得的分子描述符作为模型的输入特征.使用极端梯度提...     

非酒精性脂肪性肝病及动脉粥样硬化的基因串扰综合分析

目的]使用生物信息学的方法寻找非酒精性脂肪性肝病(NAFLD)和动脉粥样硬化(As)的共同转录特征,通过两种疾病的基因串扰分析,挖掘NAFLD相关As新的潜在机制和关键靶点,并进一步在动物组织和人血清样本中验证关键靶点的表达水平。 [方法]GEO数据库下载NAFLD(数据集GSE89632)和As(数据集GSE43292)的基因表达谱,进行差异基因分析和加权基因共表达网络分析,筛选两种疾病的共享基因。通过String数据库、蛋白质互作分析和R软件等工具对共享基因进行富集分析。利用Cytoscape软件计算、外部数据集(GSE100927)验证及机器学习方法(LASSO回归)筛选出核心基因。最后,通过构建高脂饮食非酒精脂肪肝和As小鼠模型以及收集NAFLD合并冠心病患者的外周血清,验证重要的核心基因。 [结果]识别出两种疾病的75个共享基因,发现共享基因的主要富集通路,包括细胞因子-细胞因子受体相互作用、IL-17信号通路、脂质和As、NF-κB信号通路等。综合多种生物信息学方法,最终筛选出2个重要的核心基因(MMP-9和CCL3)。动物实验验证结果表明,高脂饮食组小鼠肝脏和主动脉窦组织的MMP-9和CCL3含量都明显升高,高脂饮食组小鼠肝脏组织的MMP-9和CCL3含量分别为对照组的2.43倍(P＜0.001)和1.35倍(P＜0.01),高脂饮食组小鼠主动脉窦组织的MMP-9和CCL3含量分别为对照组的2.10倍(P＜0.001)和1.58倍(P＜0.01)。人血清样本验证结果表明,NAFLD合并冠心病患者血清中的MMP-9和CCL3含量分别为单纯冠心病患者的1.21倍(P＜0.01)和1.29倍(P＜0.01)。 [结论]本研究基于生物信息学分析发现MMP-9和CCL3可能是NAFLD相关As中发挥关键作用的核心基因,为研究NAFLD相关As提供一定的靶点参考。     

基于脉搏波信号的无创血压测量的研究进展与展望

脉搏波蕴含着许多人体生理与病理的重要信息,大量研究通过光电容积描记法(photoplethysmography, PPG)来利用脉搏波特征参数进行无创血压监测。为此,我们总结了脉搏波的特征参数及利用其进行血压测量的基本原理。然后,我们对利用脉搏波特征参数进行血压测量的有线性回归(linear regression, LR)模型、随机森林(random forest, RF)模型、支持向量机(support vector machines, SVM)模型和神经网络模型及不同模型的优缺点和研究进展进行综述。最后,对基于脉搏波信号的无创血压测量的研究进行展望。     

基于机器学习的阿尔兹海默症初期行为辨识方法

本研究基于机器学习的阿尔兹海默症初期行为辨识方法,及时发现患者大脑的早期病变,把握最佳治疗机会.从ADNI公共数据库获取阿尔兹海默症、轻度认知障碍以及正常对照组的结构性磁共振成像(sMRI)图像,将其通过Freesurfer软件执行图像平滑、分割、时间层校正等操作,转换为sMRI数据,使用内核局部Fisher判别分析算...     

冠状动脉不同阻塞程度冠心病患者的中医脉图特征参数分析

目的 基于脉图特征等信息建立冠心病患者冠状动脉不同阻塞程度评估模型,探讨中医脉图特征的临床诊断价值。方法 采用Smart TCM-I型脉象仪采集脉象信息。根据冠状动脉造影检查报告,将531例冠心病及疑似冠心病患者按照冠状动脉不同阻塞程度分为冠状动脉非阻塞组、冠状动脉轻度阻塞组、冠状动脉中/重度阻塞组3组。运用时域分析法和多尺度熵(MSE)分析法提取不同组别脉图的时域特征和多尺度熵特征,并运用非参数检验的方法比较冠状动脉不同阻塞程度患者脉图特征参数的组间差异;基于脉图特征参数,运用随机森林(RF)机器学习算法建立冠状动脉不同阻塞程度评估模型。结果 与冠状动脉非阻塞组相比,冠状动脉轻度阻塞组和冠状动脉中/重度阻塞组脉图时域特征主波峡/主波幅值比(h2/h1)、重博前波/主波幅值比(h3/h1)增大,差异具有统计学意义(P<0.05)。与冠状动脉非阻塞组及冠状动脉轻度阻塞组相比,冠状动脉中/重度阻塞组多尺度熵特征MSE1、MSE2、MSE3、MSE4、MSE5均减小,差异具有统计学意义(P<0.01)。本研究基于531例样本的脉图特征等信息建立了冠状动脉不同阻塞程度评估识别模型,...     

机器学习在放射治疗中的临床应用

放射治疗是癌症的主要治疗手段之一,以机器学习为代表的人工智能飞速发展,可应用于放射治疗临床实践的各个环节,包括临床决策支持、自动勾画靶区、预测疗效和副反应等,提高准确性与效率.尽管面临着结构化数据缺乏、模型可解释性差等挑战,机器学习在放射治疗中的应用将日趋深刻而广泛.本文从机器学习简介、在放射治疗中的临床应用研究进展和...     

机器学习在心血管疾病影像学诊断中的应用

影像学资料是心血管疾病的临床诊疗的重要参考数据,临床检验师可根据患者的影像学资料对患者的临床信息进行判定,为进一步的临床干预提供指导。但在实际使用的过程中,限于人员临床经验及获得影像学资料的主观性,其临床利用率较低。如何提升影像学资料的价值,以机器学习为代表的人工智能手段提出了新的解决思路。文章总结了机器学习在心血管疾病影像学诊断方法中的应用,对已经获得的方法进行了对比,为后续机器学习在临床诊断、小样本的深度分析及临床应用提供了参考。     

人工智能在甲状腺超声诊断中的应用进展

甲状腺疾病近年来呈高发趋势,超声作为一种便捷、无创的诊断方法,是甲状腺疾病的首选影像学检查方法.近年来人工智能(AI)成为了研究热点,AI被引入医学领域并广泛应用于各类疾病的超声诊断,尤其在甲状腺良恶性结节的鉴别诊断及甲状腺弥漫性病变中已显示出良好的应用前景.文章就AI在甲状腺超声诊断中的应用及研究进展进行综述.