脑龄差异的遗传风险位点及与14种脑部疾病的因果关系分析

目的探讨脑龄差异(brain age gap, BAG)作为大脑健康生物标志物的潜力及其与常见脑部疾病的因果关系。方法选取公共数据库英国生物银行(UK Biobank, UKB)、阿尔茨海默病神经影像学倡议(Alzheimer′s Disease Neuroimaging Initiative, ADNI)、帕金森病进展标志物倡议(Parkinson′s Progression Markers Initiative, PPMI)数据库中脑部结构磁共振成像(structural magnetic resonance imaging, sMRI)图像, 输入简单全卷积神经网络(simple fully convolutional network, SFCN)估计脑龄差异;根据有无ICD-10编码和相应脑部疾病标签定义患者组(有相应编码或标签, n=6 796)和健康对照组(无相应编码或标签, n=9 660), 采用双样本t检验比较患者组和健康对照组脑龄差异;使用全基因组关联分析(genome-wide association study, GWAS)分析UKB数据库31 520人中与脑龄...     

基于机器学习方法的肝癌X射线相衬CT图像分类研究

肝癌是我国恶性肿瘤发病率和死亡率较高的癌症之一,传统医学影像设备因成像机制导致成像分辨率不足,对肝癌的检查和诊断具有较大的影响。基于同步辐射的X射线相衬显微CT成像具有极高的灵敏度和分辨率,结合机器学习方法建立肝癌分类模型,为肝癌辅助诊断提供参考。收集弥漫型和溃疡型肝肿瘤X射线相衬图像各500幅,归一化和中值滤波后提取灰度直方图、灰度共生矩阵、灰度-梯度共生矩阵和灰度差分统计等灰度及纹理特征,并组合成融合特征,采用十折交叉验证法进行机器学习方法的训练和分类。使用支持向量机、随机森林和神经网络等3种分类算法对肝癌图像进行分类,灰度共生矩阵特征和神经网络分类算法下分类准确率最高,达到99.5%,取得较好的分类效果,有望帮助医生准确完成肝肿瘤类型的鉴别。     

肝肿瘤微血管网络形态学定量研究

本研究基于同步辐射X射线相衬显微CT的高精度肝肿瘤数据,定量解析肝肿瘤微血管网络结构的灰度和纹理特征变化,探寻其微观病理形态学演化规律。针对肝肿瘤相衬CT三维切片,结合病理分析,提出4种肝肿瘤血管网络演化类型;提取了基于灰度直方图、灰度共生矩阵、灰度-梯度共生矩阵、灰度差分统计及小波能量等49维特征值,构建了肿瘤微血管网络结构特征集。提出曲线下面积(area under curve, AUC)和主成分分析法(principal component analysis, PCA)组合的最优特征筛选法(AUC+PCA),获取能够高效反映图像特征变化的最简特征集;采用Random Forest和决策树C4.5算法挖掘肝肿瘤微血管网络不同演化类型的内涵特征及关联性,并采用参数评估、ROC(receiver operating characteristic,ROC)曲线对分类模型进行定量评价。结果表明,4种肝肿瘤网络结构的内涵特征间均存在组织差异性和分化性,验证了肝肿瘤微损伤分类和演化递进关系。通过肝肿瘤微血管网络形态学特征变化的定量研究具体揭示了肿瘤生长所依赖的炎症微环境与肿瘤浸润发展与转移之间的定量关系,为肿瘤早期检测和治疗策略提供了科学依据。