基于前列腺影像报告和数据系统第2版的机器学习模型诊断高级别前列腺癌

目的 建立基于前列腺影像报告和数据系统第2版（PI-RADS v2）的支持向量机（SVM）、决策树（DT）和Logistic回归3种机器学习模型,评价上述模型对高级别前列腺癌的诊断价值。方法 回顾性分析于我院接受前列腺多参数MR扫描并取得病理结果的194例患者的资料,其中高级别癌63例,非高级别癌131例。将评价因素（PI-RADS v2评分、年龄、游离前列腺特异抗原、前列腺特异性抗原比值、前列腺特异抗原密度）录入SVM、DT和Logistic回归3种机器学习模型进行诊断,通过ROC曲线评价PI-RADS v2评分和3种机器学习模型诊断高级别前列腺癌的价值。结果 PI-RADS v2、SVM、DT和Logistic回归模型诊断高级别前列腺癌的敏感度分别为72.73%、69.09%、87.27%和70.91%;特异度分别为87.29%、93.22%、93.22%和95.76%。DT模型诊断高级别前列腺癌ROC的AUC（AUC=0.90,P<0.01）最大,且与PI-RADS v2评分、SVM、Logistic回归比较差异均有统计学意义（P均<0.05）。结论 PI-RADS v2评分、SVM、DT和Logistic回归模型诊断高级别前列腺癌的价值均较好。     

基于bp-MRI和VB-Net的临床显著性前列腺癌自动分割和机器学习分类的研究

目的 评价基于双参数MRI的深度学习自动分割与机器学习分类模型,探索其在临床显著性前列腺癌（CSPC）诊断中的应用。方法 纳入409例前列腺患者MRI检查资料,在DWI、ADC和T₂WI中应用VB-Net模型分别进行病灶自动分割和腺体自动分割,生成感兴趣区（ROI）,病灶自动分割时将分割阈值设置为不同数值分别重复进行。分别提取病灶ROI和腺体ROI中的纹理特征,进行Lasso特征选择,建立、训练随机森林、支持向量机和Logistic回归模型并进行验证。结果 病灶分割中分割阈值分别为0.9、0.5、0.1时,假阴性率分别为0.462、0.273、0.182,假阳性率分别为0.134、0.419、0.661;当分割阈值设为0.5,病灶自动分割后进行纹理分析和机器学习分类,3种模型ROC曲线的AUC为0.76～0.792;腺体分割后进行纹理分析和机器学习分类,3种模型ROC曲线的AUC为0.827～0.855。结论 采用基于前列腺bp-MRI的VB-Net模型对CSPC病灶具有一定的自动分割、分类能力,结合进一步的机器学习能较好地诊断CSPC;VB-Net模型对腺体自动...     

深圳市龙华区0～36月龄婴幼儿过敏性疾病的危险因素

目的 分析0～36月龄婴幼儿过敏性疾病的相关危险因素,为后期开展婴幼儿过敏性疾病的干预提供理论依据。方法 对在深圳市龙华区社区健康服务机构体检的0～36月龄婴幼儿家长进行过敏性疾病问卷调查,收集婴幼儿过敏性疾病相关的危险因素,运用χ²或t检验及二项logistic回归分析模型进行统计分析,探讨婴幼儿过敏性疾病的危险因素和保护因素。结果 共收集调查对象399例,男209例,女190例,其中过敏组80例,占比20.05%;正常组319例,占比79.95%。单因素和多因素分析结果显示,父亲过敏史(OR=4.009, 95%CI:1.618～9.930)、家庭装修(OR=5.702, 95%CI:1.247～26.075)、妊娠期疾病史(OR=2.022, 95%CI:1.022～4.000)、婴幼儿服用益生菌(OR=2.214, 95%CI:1.201～4.081)、孕期压力大(OR=5.296, 95%CI:1.298～21.616)可能是婴幼儿过敏性疾病的危险因素(均P<0.05),而孕期补充益生菌(OR=0.427, 95%CI:0.210～0.867)可能...     

剩余电压检测的关键技术研究

剩余电压是指用插头连接电源的设备在拔掉插头的瞬时,由设备内部的储能元件产生的存在于插头上各插脚之间的残余电压。若人体触摸到插头且该电压大于某一限值,就会产生触电危险。制定剩余电压、剩余能量的限值是为了保护患者、操作者或其他人员的人身安全,防止在断电瞬间触及带电部件而发生危险。故准确地检测医疗设备的剩余电压值具有十分重要的意义。本文解决了剩余电压测量的一个关键技术问题,即设计一个零电位检测的关键电路,与可调延时设计配合能使设备在交流峰值处准确断电。这种峰值时刻断电检测系统,用于一种单片机控制的新型剩余电压测量装置,该装置将具有较好的重复性、稳定性,以克服现有的剩余电压测试仪器不能准确地在峰值处断电、测试重复性差等缺陷。该检测电路结构简单,性能稳定,能够在整流波过零的时刻可靠地产生宽度很窄的触发脉冲。采用可调延时设计,能够解决元器件带来的时延。     

原发性肝癌患者外周血自然杀伤细胞受体NKG2D的表达及意义

目的 探讨原发性肝癌患者外周血自然杀伤(NK)细胞受体NKG2D表达的变化,并分析其对NK细胞杀伤活性的影响.方法 用流式细胞仪分析20例原发性肝癌、23例乙型肝炎后肝硬化、20例慢性乙型肝炎及20名健康者的外周血NK细胞数量及其NKG2D的表达情况,并用酶标仪检测各组样本NK细胞的细胞毒活性.结果 原发性肝癌患者的NK细胞杀伤率、NK细胞NKG2D的表达率(中位数)、NKG2D+NK细胞数(中位数)、NK细胞中NKG2D的表达水平(中位数)及NK细胞数[(25±7)%、6%、0.7×107/L、15、(1.1±0.6)×108/L]均明显低于正常组[(63±7)%、36%、8.3×107/L、116、(27±1.1)×108/L]和乙肝组[(41±8)%、16%、2.8×107/L,49、(1.9±1.1)×108/L],差异均有统计学意义(均P＜0.05);与肝硬化组[(29±10)%、7%、0.6×107/L、29、(1.5±1.2)×108/L]比较也略低,但只有NK细胞NKG2D的表达水平两组差异有统计学意义(P＜0.05),其余两组间差异均无统计学意义(均P＞0.05).NK细胞的活性与NK细胞数、NK细胞NKG2D的表达率、NKG2D+NK细胞数、NK细胞NKG2D的表达水平均呈正相关关系(r=0.657、0.770、0.927、0.734,均P＜0.01).结论 原发性肝癌患者外周血NK细胞活性及其细胞表面NKG2D的表达明显降低,NKG2D的表达与NK细胞的活性密切相关,提高NK细胞表面NKG2D的表达水平可为原发性肝癌的过继免疫治疗开创新的思路.     

人外周血NK细胞亚群的生物学特性

目的 探讨人外周血NK细胞亚群的生物学特征.方法 利用多种荧光标记抗体进行细胞表面和细胞内细胞毒效应分子染色,再利用流式细胞仪在单个细胞水平上分析NK细胞亚群的多样性和生物学特征.结果 根据CD56和CD16分子表达与否将NK细胞分为CD56+、CD56+CD16+和CD16+三个亚群.CD56+、CD56+CD16+和CD16+NK细胞亚群表面CD95、NKG2D及细胞内穿孔素和颗粒酶B的表达存在明显差异,CD56+NK细胞亚群明显低于CD56+CD16+和CD16+NK细胞亚群,差异有统计学意义(P<0.05),而CD56+CD16+和CD16+NK细胞亚群之间则差异无显著性(P>0.05).结论 NK细胞乃异质性群体,随着CD56表达减少和CD16表达增加,其生物学功能逐渐成熟.     

升结肠癌合并早期胃癌同时性双原发癌1例报道

多原发癌(multiple primary carcinomas,MPC)发病率低,近期我们诊断1例升结肠癌合并早期胃癌同时性双原发癌,并成功施行根治性外科手术治疗,术后无复发,避免了误诊和漏诊,结合国内外相关文献进行复习,以此提高临床医师对MPC的认识。     

人外周血NK细胞亚群生物学特性的研究

目的：探讨人外周血NK细胞亚群的生物学特征。方法:利用多种荧光标记抗体进行细胞表面和细胞内细胞毒效应分子染色,再利用流式细胞仪在单个细胞水平上分析NK细胞亚群的多样性和生物学特征。结果: 根据CD56和CD16分子表达与否将NK细胞分为CD56+、CD56+CD16+和CD16+三个亚群。CD56+、CD56+CD16+和CD16+NK细胞亚群表面CD95、NKG2D及细胞内穿孔素和颗粒酶B的表达存在明显差异, CD56+NK细胞亚群明显低于CD56+CD16+和CD16+NK细胞亚群,差异有统计学意义（P<0.05）,而CD56+CD16+和CD16+NK细胞亚群之间则差异无显著性（P>0.05）。结论:NK细胞乃异质性群体,随着CD56表达减少和CD16表达增加,其生物学功能逐渐成熟。     

新生儿肺部疾病的胸部CT与X线表现的比较

目的:探讨新生儿肺部疾病采用CT、X线检查的临床效果。方法:指定一名具有专业知识及丰富经验的临床医学影像检查医师完成43例肺部疾病患儿的X线片及CT医学影像检查,将不同方法诊断结果与病理确诊结果进行对比。结果:CT与病理诊断符合率高达97.67%,显著高于X线片与病理诊断符合率69.77%(P<0.05)。结论:对疑似肺疾病新生儿进行诊断时,CT医学影像检查可提供更为准确的诊断结果,利于临床医生及时确定治疗方案,保障疗效及预后,提高患儿生活质量及生命安全,值得推广应用。     

基于深度神经网络的机会性CT骨质疏松筛查和骨密度预测研究

目的 建立并评价基于机会性CT检查的骨质疏松筛查分类和骨密度值预测的深度学习神经网络模型。方法 以定量计算机断层扫描（Quantitative Computed Tomography,QCT）骨密度测定为标准,将199例机会性CT检查数据用于建立密集卷积网络的深度学习神经网络的骨密度二分类模型和骨密度值预测回归模型,以五折交叉验证和随机分组的方法进行测试,并以来自不同设备的42例机会性CT检查病例进行独立测试,计算和评价模型的性能参数。结果 受试者工作特征（Receiver Operating Characteristic,ROC）曲线显示：骨密度二分类模型的测试集和独立测试集的ROC曲线下面积均值分别为0.974、0.938,测试集的F1得分、召回率、精准度、特异性、准确度均≥0.91,独立测试集的上述评价参数均>0.862。在训练集、测试集和独立测试集上,骨密度值预测回归模型的平均绝对误差分别为1.42、8.52和13.89,均方根误差分别为1.93、10.80、20.36,预测值与QCT骨密度值呈极强正相关。结论 基于机会性CT检查的深度学习神经网络模型对骨密度正常和降低具...