基于BP神经网络的冠状动脉临界病变患者证候要素及其常见组合中医辨证诊断模型研究

目的 基于BP神经网络方法,建立冠状动脉临界病变患者证候要素及其常见组合的中医辨证诊断模型.方法 采用临床流行病学研究方法,多中心收集814例冠状动脉临界病变患者中医四诊信息,由专家对证候要素及其组合进行判定,采用二进制位标识数据,"有"赋值为"1","无"赋值为"0",建立数据库.基于BP神经网络构建冠状动脉临界病变...     

良性前列腺增生患者残余尿量过多的影响因素及诊断模型

目的 探讨良性前列腺增生(BPH)患者残余尿量过多的影响因素并构建诊断模型。方法 根据残余尿量将60例BPH患者分为残余尿量<20 mL组28例与残余尿量≥20 mL组32例。比较两组患者的年龄、BPH病程、前列腺体积、最大尿流率、排尿次数、国际前列腺症状评分(排尿不尽感得分、2 h内排尿得分、排尿间断性得分、排尿不能等待得分、尿线变细得分、排尿用力得分、夜尿次数得分)、小腹胀满得分、尿急程度得分。采用多因素Logistic回归模型分析BPH患者残余尿量过多的影响因素。基于获得的影响因素构建诊断模型,采用混淆矩阵计算模型计算总体诊断正确率,采用Hosmer-Lemeshow检验评价拟合度。结果 两组患者的前列腺体积、最大尿流率、排尿次数、排尿不尽感得分、2 h内排尿得分、排尿间断性得分、排尿不能等待得分、尿线变细得分、夜尿次数得分、小腹胀满得分、尿急程度得分比较,差异均具有统计学意义(均P<0.05)。多因素Logistic回归分析结果显示,最大尿流率、排尿间断性得分、小腹胀满得分为BPH患者残余尿量过多的影响因素(均P<0.05)。构建诊断模型：Logit(P)=2...     

念珠菌血症小鼠模型的建立及血清标志物初探题录

目的 建立念珠菌血症小鼠模型,寻找辅助诊断念珠菌血症的差异多肽峰。方法 SPF级ICR雄性小鼠170只,体质量27～30 g,根据随机数字表法将小鼠完全随机分为白色念珠菌感染组(n=80)、近平滑念珠菌感染组(n=80)和对照组(n=10),通过尾静脉注射的方法建立念珠菌血症小鼠模型。利用基质辅助激光解析电离飞行时间质谱检测模型小鼠血清多肽谱,选择差异较为明显的多肽峰建立诊断模型。结果 比较白色念珠菌感染组和对照组共得到65个差异多肽峰,组合质荷比(m/z)为1 100.4、1 581.0、3 808.0这3个差异多肽峰建立诊断模型,敏感度为95.24%(40/42),特异度为90.63%(29/32),准确率为93.24%(69/74),ROC曲线下面积为0.972(95%CI：0.941～1.000);比较近平滑念珠菌感染组和对照组共得到73个差异多肽峰,组合质荷比(m/z)为1 433.2、1 148.5、4 093.5、4 522.2、8 140.9、8 234.6这6个差异多肽峰建立诊断模型,敏感度为95%(38/40),特异度为81.25%(26/32),准确率为88.89%(64/72),ROC曲线下面积为0.953(95%CI：0.903～1.000)。比较白色念珠菌感染组和近平滑念珠菌感染组,共得到78个差异多肽峰,组合质荷比(m/z)为2 736.9、8 091.5、8 153.7这3个差异多肽峰建立诊断模型,区分白色念珠菌感染和近平滑念珠菌感染的准确率为98.78%(81/82)。结论 通过念珠菌血症小鼠模型筛选的差异多肽峰有利于寻找辅助念珠菌血症诊断的血清标志物,为临床早期诊断及合理用药提供了依据。     

基于临床及CT影像特征建立磨玻璃密度浸润性肺腺癌诊断模型的研究

目的 分析肺磨玻璃结节(GGN)肺腺癌中微浸润性腺癌(MIA)与浸润性腺癌(IAC)病例临床及CT影像特征,建立IAC诊断模型并评估其诊断价值.方法 回顾性分析2017年7月至2021年7月本院肺GGN中MIA与IAC病例影像及临床资料,按照7:3的比例随机分为训练组和验证组,训练组中IAC为实验组,MIA为对照组,比较两组临床及影像学特征,采用多因素Logistic回归分析筛选IAC的危险因素并建立IAC诊断模型,采用受试者工作特征(ROC)曲线分析模型的诊断效能,采用列线图量化危险因素.结果 479例GGN病灶纳入研究,其中训练组335例,验证组144例.病灶质量(P=0.001)、深分叶征(P=0.029)和空泡征(P=0.014)是IAC的独立危险因素,训练组曲线下面积(AUC)为0.852,验证组AUC为0.762,IAC列线图诊断模型预测概率的截断值为0.634.结论 基于临床及影像特征建立IAC列线图诊断模型对IAC有较好的诊断价值.     

建立乙型肝炎患者肝纤维化无创诊断模型的现状

对慢性肝病患者肝纤维化程度的评估和监测是判断病情、决定治疗及随访疗效的关键环节,尤其对慢性乙型肝炎（CHB）患者,存在显著性肝纤维化（METAVIR,F≥2或 Ishak,≥3）建议开始抗病毒治疗,存在肝硬化（METAVIR,F4或 Ishak,5-6）则应积极监测门脉高压相关并发症和肝癌。肝穿活检目前仍是判断肝纤维化程度的金标准,但因其有创性和潜在的出血风险使肝穿活检难以重复进行。另外取样误差和判读误差也影响病理诊断的准确性。AASLD 肝穿指南［1］提出合格的肝组织标本至少2 cm 长,包含11个完整的汇管区,但目前临床肝穿标本很难达到这一标准,因此肝纤维化无创诊断模型得以发展。由于肝纤维化无创诊断模型大多在丙型肝炎（CHC）患者中建立和验证,因 CHC 和 CHB 患者的组织学和血液学指标都存在一定差异,如丙型肝炎肝硬化多为小结节性肝硬化,而乙型肝炎肝硬化多为大结节性肝硬化,且转氨酶波动较丙型肝炎明显,近年来,亚洲学者以乙型肝炎患者建立了无创诊断模型,现就这些无创诊断模型作一综述。     

纳入血浆脂蛋白(a)的家族性高胆固醇血症改良诊断模型的探索性研究

目的:本研究旨在建立纳入血浆脂蛋白(a)[Lp(a)]的家族性高胆固醇血症(FH)的改良诊断模型,并将其诊断性能与荷兰脂质诊所网络(DLCN)标准、中国人群FH简化诊断标准(CSCFH)进行比较。方法:选取2011年5月至2018年1月期间接受冠状动脉造影的受试者10320例用于FH改良诊断模型的建立(7740例为建模人群,2580例为外部验证人群),在DLCN标准的基础上得到改良诊断模型。结果:FH改良诊断模型的诊断项目包括未经治疗的低密度脂蛋白胆固醇(LDL-C)水平、Lp(a)、早发冠心病、肌腱黄色瘤和早发冠心病家族史或高胆固醇血症家族史,并给以上指标确定分值,将总分≥6分时可诊断为临床FH。改良诊断模型与DLCN标准一致性良好,在建模人群中κ=0.766,在外部验证人群中κ=0.721(P均<0.001),与CSCFH的一致性一般(κ=0.495)。结论:纳入Lp(a)的新型改良诊断模型具有较好的诊断效能,可以为中国人群的FH诊断提供新的见解。     

酒精性肝病患者中医证型与无创肝纤维化诊断模型、凝血功能的相关性研究

目的：探讨酒精性肝病患者中医证型与无创肝纤维化诊断模型及凝血功能之间的相关性。方法：收集159例酒精性肝病患者的临床资料,完善各患者外周血细胞、肝功能及凝血功能等指标检测,并对其进行中医证候辨证分型,分为肝胃气滞型、肝胆湿热型、肝肾阴虚型、脾肾阳虚型、痰瘀阻滞型5种证型。依据文献建立天冬氨酸氨基转移酶和血小板比率指数(APRI评分)、基于4项因素的肝纤维化指数(FEIB-4)2种无创肝纤维化模型。采用SPSS 17.0统计软件分析数据。结果：APRI模型结合凝血功能评估痰瘀阻滞型的诊断价值更优于FIB-4模型,FIB-4模型评估ALD患者肝肾阴虚型诊断价值高于APRI模型。结论：APRI、FIB-4肝纤维化无创诊断模型及凝血功能与酒精性肝病患者的中医证型具有一定相关性,可为病情评估、治疗提供参考依据。     

基于血清小分子核糖核酸的阿尔茨海默病诊断模型构建与验证

目的 基于血清小分子核糖核酸（microRNA,miRNA）构建阿尔茨海默病（Alzheimer′s disease,AD）预测诊断模型。 方法 从高通量基因表达数据库下载1 021例AD患者和288名健康对照者血清miRNA芯片数据,共1 309个样本。按年龄匹配AD患者和健康对照者,筛选出494例样本用于训练和验证诊断模型。将miRNA表达值从高到低排序选取前1 000个探针进入下一步研究。按照7∶3的比例将494例样本分为训练组和验证组。采用LASSO回归筛选miRNA,结合性别、载脂蛋白E4基因型和miRNA数据,采用逐步回归进一步筛选自变量并构建多因素诊断模型。采用受试者工作特征曲线（receiver operating characteristic,ROC）和校准曲线,在训练组、验证组、训练组+验证组以及1 309例总样本中验证模型的准确性,并绘制诺莫图进行实际案例预测。 结果 多因素诊断模型在训练组、验证组、训练组+验证组以及1 309例总样本的ROC曲线下面积分别为0.870、0.831、0.842和0.826,具有较高的预测效力。诺莫图显示,1例男性患者的预测值总分521分（ P=0.022 8）,提示该样本为AD,和实际结果一致。 结论 基于11个血清miRNA、性别以及载脂蛋白E4 基因型的诊断模型能较好地预测AD。     

深度学习模型在乳腺癌组织病理学图像预测HER2亚型中的应用

目的：探讨深度学习模型在利用组织病理学图像预测乳腺癌人表皮生长因子受体2(HER2)亚型中的应用价值。方法：纳入癌症基因组图谱（TCGA）收集的乳腺癌患者病理图像,其中包括214例HER2低表达患者和56例HER2阳性患者。采用随机抽样法,以约8:2的比例将患者分为训练集（216例）和测试集（54例）,同时纳入2020年1月至2022年12月温州医科大学附属第一医院50例患者的病理图像作为验证集。通过PaSegNet提取每位患者病理图像在不同放大倍率下的特征向量,并通过数字编码融合不同倍率下的特征向量。采用五折交叉验证方法,构建了四种深度学习模型：VGG模型、DenseNet模型、ResNet模型以及CNN+Transformer的改进深度学习模型。通过ROC曲线评估各模型的预测效能,并进一步使用多种评价指标分析不同放大倍率的病理图像融合对模型预测效果的影响。结果：在测试集上进行五折交叉验证后,VGG模型、Dense Net模型和ResNet模型的AUC值分别为0.681、0.780和0.863,集成CNN和Transformer的改进模型在测试集和验证集中则分别获得了0.929和0.905的AUC值。此外,通过在测试集上分析不同倍率病理图像的组合结果,发现40倍+20倍+5倍的组合获得了最高的AUC值,进一步证明了结合多倍率图像提取局部与全局特征能够获得更好的预测性能。结论：基于组织病理学图像的深度学习模型能够有效预测乳腺癌患者的HER2亚型,其中CNN与Transformer的改进模型在测试集和验证集上表现出较高的AUC值。多倍率图像的结合为模型提供了更全面的信息,从而提升了预测的准确性。该模型有望为临床治疗决策提供有力支持。     

基于数据挖掘技术构建孤立性肺结节诊断模型

目的基于分类与回归决策树（CART）与人工神经网络（ANN）技术建立孤立性肺结节良恶性的诊断模型,探讨数据挖掘技术在孤立性肺结节影像学诊断中的应用。方法收集经病理学证实的58例孤立性肺结节（SPN）患者资料,分别提取12个临床指标和22个影像学指标作为鉴别SPN良恶性的输入指标,将各指标结果输入CART和ANN诊断模型。采用ROCKIT统计学软件绘制三组影像科医生、CART和ANN的受试者操作特征（ROC）曲线。结果CART对SPN良恶性诊断正确率最高,其次为ANN、高年资医生、中等年资医生和低年资医生。以上各组ROC曲线下面积分别为0．931、0．878、0．845、0．778和0．658。CART、ANN与高年资医生相比无显著性差异（P〉0．05）;但三组与中、低年资组医生相比有显著性差异（P〈0．05）;CART对SPN具有决策意义的诊断指标为年龄,其次为结节的毛刺征和咯血症状。结论数据挖掘的CART和ANN两种算法对评估孤立性肺结节的良恶性具有较高的准确性。