简介：

简介：摘要目的探讨非小细胞肺癌中E-钙黏蛋白、NET-1的表达及意义。方法采用免疫组织化学SP法，检测65例NSCLC及10例正常肺组织中E-cadherin、NET-1的表达，并探讨其意义。结果（1）E-cadherin在NSCLC中的阳性表达率明显低于癌旁正常肺组织（p=0.000）。NET-1在NSCLC中的阳性表达率明显高于癌旁正常肺组织（p=0.007）。（2）NET-1、E-cadherin在NSCLC中的表达差异与患者性别、年龄、病理类型无关(p>0.05)，但与NSCLC组织的分化程度、临床分期、有无淋巴结转移相关（p<0.05）。结论E-cadherin、NET-1的表达越高，NSCLC的分化程度越低，临床分期越晚，淋巴结转移几率越大，恶性程度越高，可作为临床评估非小细胞肺癌恶性程度的指标，对判断NSCLC患者预后有参考价值。

简介：摘要目的研发一款"酸碱平衡紊乱分析软件"，用于快速判断酸碱平衡紊乱（酸碱失衡）的类型。方法以Henderson-Hasselbalch方程式和代偿公式为基础建立数学模型，确定酸碱失衡分析的重要参数，制定分析流程。使用Visual Basic 2010.NET编程语言完成软件的编译，调试后生成安装程序包。用计算机检索PubMed、万方和中国知网数据库中从1980至2015年发表的酸碱失衡案例文献，详细记录每个案例提供的血气参数〔pH、动脉血二氧化碳分压（PaCO2）、碳酸氢根（HCO3-）和阴离子隙（AG）〕及酸碱失衡类型（文献结果）；使用软件对上述案例的酸碱失衡类型重新进行分析得出判断（软件分析结果），对两种判断结果进行Kappa一致性检验和McNemar配对χ2检验。结果以"四参数-四步骤"程序化分析方法作为判断酸碱失衡类型的分析流程。其中，"四参数"指pH、PaCO2、HCO3-和AG。"四步骤"概述为：①根据pH初步判定血气的酸碱状态，结合HCO3-、PaCO2判断酸碱失衡的原发类型；②根据代偿情况判断是否存在双重混合型酸碱失衡（DABD）；③根据AG判断是否存在三重混合型酸碱失衡（TABD）；④使用ΔAG↑/ΔHCO3-↓比值，判断AG增高型代谢性酸中毒（AG↑型代酸）是否同时伴有代谢性碱中毒（代碱）或AG正常型代酸。"酸碱平衡紊乱分析软件"具备界面简洁、操作方便、判断迅速、分析结果系统而全面的特点，可以判断除"AG正常型代酸合并代碱"以外的所有酸碱失衡类型。应用"酸碱平衡紊乱分析软件"对文献报道的112例酸碱失衡案例进行再次分析，软件分析结果与文献结果的一致率为87.50%，具有较好的一致性（Kappa检验：κ＝0.84，P<0.01；McNemar检验：χ2＝0.87，P＝0.65）。结论"酸碱平衡紊乱分析软件"可以作为判断酸碱失衡类型的重要工具，为临床医生提供诊断参考，具有很高的实用价值和应用前景。

简介：摘要目的在U-net卷积神经网络基础上设计出混合注意力U-net (HA-U-net)网络用于全脑全脊髓临床靶体积(CTV)自动勾画，并与U-net自动分割模型分割结果进行比较。方法研究回顾了110例全脑全脊髓患者数据，选择80例用于训练集，10例用于验证集，20例作为测试集。HA-U-net以U-net为基准网络，在U-net网络输入端加入双注意力模块，同时在跳跃连接中加入注意力门模块来建立全脑全脊髓CTV自动勾画网络模型。评估参数为戴斯相似性系数、豪斯多夫距离和精确率。结果HA-U-net网络得到戴斯相似性系数为0.901±0.041，豪斯多夫距离为(2.77±0.29) mm，精确率为0.903±0.038，结果均优于U-net网络分割结果(均P<0.05)。结论HA-U-net卷积神经网络可以有效提升全脑全脊髓CTV自动分割的精度，有助于医生提高工作效率与勾画一致性。

简介：摘要目的基于三维(3D)U-net深度学习模型，建立预测CT引导下宫颈癌近距离治疗计划的3D空间剂量分布。方法2021年4－9月收集114例宫颈癌患者三维近距离放疗计划(处方剂量6 Gy)组成数据集，按84∶11∶19划分为训练集、验证集、测试集。利用3D U-net模型进行500次(epoch)训练，分别评估测试集病例体素级的平均剂量偏差(MDD)与绝对剂量偏差(MADD)、等剂量面包围体积的戴斯系数(DSC)、处方剂量适形度指数(CI)、高危临床靶区(HRCTV)的D90和平均剂量Dmean、膀胱、直肠、小肠、结肠的D1 cm3与D2 cm3剂量学参数。结果测试集中19例患者的3D剂量矩阵MDD与MADD分别为－0.01±0.03和(0.04±0.01)Gy。50%到150%处方剂量的DSC在0.89到0.94之间，处方剂量CI为0.70±0.04。HRCTV的D90的平均偏差为2.22%，Dmean的偏差为－4.30%。膀胱、直肠、小肠、结肠的D1 cm3与D2 cm3最大偏差分别为2.46%和2.58%。模型预测平均耗时2.5 s。结论本研究实现了一种基于3D U-net的预测宫颈癌3D剂量分布的深度学习模型，为宫颈癌近距离治疗自动化设计奠定基础。

简介：摘要目的探讨基于nnU-Net的临床影像组学模型对胆囊癌预后的预测价值。方法采用回顾性队列研究方法。收集2012年1月至2020年12月西安交通大学第一附属医院收治的168例行胆囊癌意向性根治术患者的临床病理资料；男61例，女107例；年龄为（64±11）岁。168例患者通过随机数字表法按3∶1随机分为训练集126例和测试集42例。168例患者术前均行增强CT检查。对于门静脉期图像，2位影像学医师手动勾画感兴趣区。应用nnU-Net三维全分辨率模型自动分割图像，采用5折交叉验证及Dice相似系数评估模型泛化能力和预测效能。应用Python软件（3.7.10版本）及Pyradiomics工具库（3.0.1版本）提取影像组学特征，应用R软件（4.1.1版本）筛选影像组学特征，应用方差法、Pearson相关性分析、单因素COX分析及随机生存森林模型筛选重要的影像组学特征并计算影像组学评分（Radscore）。应用X-tile软件（3.6.1版本）确定Radscore最佳截断值，COX比例风险回归模型分析患者预后的独立影响因素。将训练集数据导入R软件（4.1.1版本）构建胆囊癌生存预测临床影像组学列线图模型。基于Radscore风险、影响患者预后的独立临床因素分别构建胆囊癌生存预测Radscore风险模型、临床模型。采用一致性指数（C-index）、校准曲线及决策曲线评估不同胆囊癌生存预测模型的预测效能。观察指标：（1）胆囊癌CT检查门静脉期图像分割结果。（2）影像组学特征筛选及Radscore计算。（3）影响胆囊癌意向性根治术后患者预后因素分析。（4）不同胆囊癌生存预测模型的构建及评价。正态分布的计量资料以x±s表示。计数资料以绝对数或百分比表示，组间比较采用χ2检验。单因素及多因素分析采用COX比例风险回归模型。采用寿命表法计算术后总生存率。结果（1）胆囊癌CT检查门静脉期图像分割结果。基于手动分割和nnU-Net模型自动分割的感兴趣区在训练集Dice相似系数为0.92±0.08，在测试集为0.74±0.15。（2）影像组学特征筛选及Radscore计算。168例患者共提取1 502个影像组学特征，经方差法、Pearson相关性分析、单因素COX分析和随机森林生存模型筛选影像组学特征共13个（形状特征3个、高阶特征10个）。根据随机生存森林模型与X-tile软件分析结果显示：Radscore最佳截断值分别为6.68和25.01，训练集126例患者中Radscore低危（≤6.68）41例、中危（>6.68且<25.01）72例、高危（≥25.01）13例。（3）影响胆囊癌意向性根治术后患者预后因素分析。168例患者1、2、3年总生存率分别为75.8%、54.9%、45.7%。单因素分析结果显示：术前合并黄疸，血清CA19-9，Radscore风险（中危、高危），手术切除范围，病理学T分期，病理学N分期，肿瘤分化程度（中分化、低分化）是影响训练集患者预后的相关因素（风险比=3.28，3.00，3.78，6.34，4.48，6.43，3.35，7.44，15.11，95%可信区间为1.91~5.63，1.76~5.13，1.76~8.09，2.49~16.17，2.30~8.70，1.57~26.36，1.96~5.73，1.02~54.55，2.04~112.05，P<0.05）。多因素分析结果显示：术前合并黄疸，血清CA19-9，Radscore风险（高危），病理学N分期是训练集患者预后的独立影响因素（风险比=2.22，2.02，2.89，2.07，95%可信区间为1.20~4.11，1.11~3.68，1.04~8.01，1.15~3.73，P<0.05）。（4）不同胆囊癌生存预测模型的构建及评价。基于患者预后独立影响因素构建临床影像组学模型、Radscore风险模型、临床模型，其在训练集的C-index分别为0.775、0.651、0.747，在测试集的C-index分别为0.759、0.633、0.739。校准曲线显示：Radscore风险模型、临床模型及临床影像组学模型对患者生存的预测能力良好。决策曲线显示：临床影像组学模型对患者预后的预测能力优于Radscore风险模型及临床模型。结论基于nnU-net的临床影像组学模型对胆囊癌预后具有良好的预测效能。

简介：目的探讨肝癌衍生生长因子(HDGF)、NET-1、组蛋白脱乙酰基酶1(HDAC1)在肺癌患者肺癌组织中的表达情况及临床意义。方法收集126例肺癌患者的肺癌组织及对应的癌旁正常组织,采用免疫组织化学法检测肺癌组织和癌旁正常组织中HDGF、NET-1和HDAC1的阳性表达情况,分析HDGF、NET-1和HDAC1阳性表达与肺癌患者临床特征的关系;分析肺癌组织中HDGF、NET-1和HDAC1阳性表达与肺癌发展的相关性;分析肺癌组织中HDGF、NET-1和HDAC1表达的相关性。结果肺癌组织中HDGF、NET-1和HDAC1的阳性表达率均明显高于癌旁正常组织(P﹤0.01);吸烟、分化程度为高中分化、TNM分期为Ⅲ~Ⅳ期、有远处转移肺癌患者肺癌组织中HDGF、NET-1、HDAC1的阳性表达率均明显高于未吸烟、分化程度为低分化、TNM分期为Ⅰ~Ⅱ期、无远处转移肺癌患者(P﹤0.01);肺癌组织中HDGF、NET-1和HDAC1的阳性表达率与肺癌患者的TNM分期、分化程度及远处转移情况均呈正相关(P﹤0.05);肺癌组织中,HDGF的阳性表达率与NET-1和HDAC1的阳性表达率呈正相关(P﹤0.05),NET-1的阳性表达率与HDAC1的阳性表达率呈正相关(P﹤0.05)。结论肺癌组织中HDGF、NET-1和HDAC1的阳性表达率与肺癌的发生、发展关系密切,可为临床上肺癌的诊断和治疗提供理论依据。

简介：摘要目的基于全卷积网络U-Net预测宫颈癌近距离治疗(BT)感兴趣区(ROI)三维剂量分布，并评估其预测精度。方法首先选取100例宫颈癌腔内结合组织间插植病例作为整个研究数据集，并将其划分为训练集(72例)、验证集(8例)、测试集(20例)；然后利用U-Net建立模型，将是否包含宫腔管及插针作为区分因素训练两个模型；最后对20例测试集病例进行预测，并进行对比分析。模型的性能通过、以及平均绝对离差共同评估。结果包含与未包宫腔管与插植针的模型相比，直肠的上升了(16.83±1.82) cGy (P<0.05)，其余ROI的或均相近(均P>0.05)；高危靶区、直肠、乙状结肠、小肠、膀胱平均绝对离差分别上升了(11.96±3.78)、(11.43±0.54)、(24.08±1.65)、(17.04±7.17)、(9.52±4.35) cGy (均P<0.05)；中危靶区的下降了(120.85±29.78) cGy (P<0.05)；6个ROI的平均绝对离差的平均值下降了(7.8±53) cGy (P<0.05)，更接近实际计划。结论利用全卷积网络U-Net可以实现宫颈癌患者BT的三维剂量分布预测；结合宫腔管与插植针作为输入参数，比单一使用ROI结构作为输入能得到更准确的预测结果。

简介：摘要目的研究北京永新医疗设备有限公司的NET632型SPECT与德国西门子公司的Symbia T16型SPECT/CT在全身骨骼显像中的等效性。方法选取2018年3月至9月于内蒙古医科大学附属医院行Symbia T16型SPECT/CT全身骨骼显像结果为阳性病灶的患者32例，其中男性21例、女性11例，年龄（60.87±12.25）岁。32例患者均使用NET632型SPECT行全身骨骼显像。将两种仪器的显像图像采用图像评分标准进行评分，比较阳性病灶累及区域和病灶数量。结果Symbia T16型SPECT/CT的图像质量评分为5分的患者有18例、4分的有14例，无3分及以下的患者；NET632型SPECT的图像质量评分为5分的患者有16例、4分的有16例，无3分及以下的患者。Symbia T16型SPECT/CT全身骨显像共发现阳性病灶累及区域数为84个，累及部位为胸部、脊柱、骨盆、四肢和颅骨，病灶数量分别为19、24、20、16、5个；NET632型SPECT在相同位置发现与其数目相等的病灶。结论永新医疗的NET632型SPECT与西门子公司的Symbia T16型SPECT/CT在全身骨骼显像探测病灶方面具有等效性。

简介：＂VB.NET程序设计＂和＂SQLServer数据库技术＂是医学信息管理专业非常重要的两门基础课。传统教学采用分别授课的办法,这无形中切断了两者在实际应用中的天然联系。分析了目前两课程教学中存在的问题,并提出了一种对两课程优化整合的方案。教学实践表明,此方案一定程度上提高了两课程的教学质量。

简介：目的研究三元复合因子Net转染人胰腺癌细胞株BxPC后的表达状态及对原癌基因c—fos表达的影响。方法采用脂质体2000将重组人pEGFP—Net质粒和空质粒pEGFP转染人胰腺癌BxPC3细胞株，建立稳定高表达Net的细胞系。应用MTT、流式细胞仪等方法检测胰腺癌细胞的增殖，应用实时定量PCR和Westernblotting检测Net及c—fosmRNA和蛋白的表达。结果BxPC3细胞低表达Net，转染pEGFP-Net后稳定高表达Net，并抑制c-fos的表达。转染pEGFP—Net的细胞生长缓慢，转染后第3、5、7天的抑制率分别为38．8％、55．3％、56．9％，显著高于空质粒转染组的5．1％、12．4％、8．6％（P〈0．05）；G0／G1期细胞占（61．8±5．7）％，显著高于空质粒转染组的（45．1±3．4）％。结论三元复合因子Net能抑制人胰腺癌BxPC3细胞的增殖，其机制可能与抑制c—fos表达有关。

简介：目的：探讨三元复合因子Net对人胰腺癌裸鼠移植瘤生长的抑制作用。方法：以聚合酶链反应（PCR）扩增Net基因全长片段,应用基因重组技术构建Ad5/F35-Net重组腺病毒载体。建立24只人胰腺癌裸鼠移植瘤模型,并随机分为PBS组、绿色荧光蛋白（GFP）组和Net组,3组分别注射0.1mL的PBS、Ad5/F35-GFP（1×108PFU）和Ad5/F35-Net（1×108PFU）,干预3周后,测定各组的移植瘤体积和质量,并应用免疫组化法检测各组移植瘤增殖细胞核抗原（PCNA）表达及移植瘤组织原位细胞凋亡情况。结果：本研究成功构建了表达Net的重组腺病毒载体。与PBS组及GFP组相比,Net组裸鼠移植瘤体积和质量明显减小（P均〈0.05）,而其PCNA表达显著降低（P〈0.01）,原位细胞凋亡明显增加（P〈0.01）。结论：Net可明显抑制人胰腺癌裸鼠移植瘤的生长,抑制移植瘤细胞的增殖,促进移植瘤细胞原位凋亡。

简介：摘要目的探讨级联VB-Net深度学习网络对扩散加权成像（DWI）中急性缺血性脑卒中缺血核心检出和分割的价值。方法回顾性分析2016年12月至2018年12月在河南省人民医院就诊的1 500例急性缺血性卒中患者的MRI资料。将1 500例患者的2 456个病灶依据采集时间按8∶1∶1分为训练集、验证集和测试集。首先在脑DWI图像（b=1 000 s/mm2）上对所有病灶的缺血核心进行手工分割，然后，构建级联VB-Net分割模型，并在测试集对缺血核心进行自动检出、分割和缺血核心体积计算。采用组内相关系数（ICC）评价手工分割与级联VB-Net分割模型测得缺血核心体积的一致性。将样本分为缺血核心体积较大组（缺血核心体积≥10 ml）与缺血核心体积较小组（缺血核心体积<10 ml），采用Mann-Whitney U检验比较两者Dice系数差异。结果测试集中，级联VB-Net分割模型对缺血核心的检出率为94.6%（234/257），Dice系数为0.76（0.68，0.84）。级联VB-Net分割模型［4.19（1.21，14.13）ml］与手工分割缺血核心体积［4.08（1.19，17.92）ml］的一致性高（ICC=0.97，P<0.001）。缺血核心体积较大组与缺血核心体积较小组Dice系数差异无统计学意义［分别为0.76（0.69，0.85），0.76（0.67，0.84），Z=-0.44，P=0.657］。结论级联VB-Net深度学习网络实现了急性缺血性脑卒中缺血核心的自动检出、分割及体积计算，与手工分割的一致性高，能够为治疗方案的选择提供辅助决策工具。

简介：摘要目的探讨使用U-Net深度学习网络对MRI表观扩散系数（ADC）图像中前列腺癌（PCa）自动分割及定位的可行性。方法回顾性搜集2017年6月1日至2019年3月31日北京大学第一医院因临床怀疑PCa拟行前列腺穿刺的男性患者的临床和影像资料。共纳入245例患者，根据病理结果将所有患者分为PCa组（n=184）与非PCa组（n=61），并随机分为训练集（PCa 129例，非PCa 19例）、验证集（PCa 18例，非PCa 3例）和测试集（PCa 37例，非PCa 39例）。由1名放射科医师依据病理结果在ADC图上勾画PCa癌灶，并通过前列腺腺体分割模型将测试集前列腺腺体自动划分6分区。经过前列腺腺体自动分割等预处理后，采用U-Net深度学习网络进行PCa分割模型的训练。以医师标记结果为金标准，用Dice相似系数（DSC）评价AI模型对测试集PCa癌灶的分割效果。并分别以患者及病灶为单位评价模型对PCa的检出效能，以6分区法评价模型对癌灶自动定位的准确性。结果测试集中，医师标注癌灶51个，最大径线为（1.9±0.7）cm，6分法癌灶分区456个（PCa区122个、非PCa区334个）。以病灶为单位，AI模型对测试集PCa的分割DSC为（70.2±21.7）%，检出癌灶的灵敏度94.1%（48/51）。以患者为单位，AI模型检出PCa患者灵敏度为97.3%（36/37），特异度为66.7%（26/39），准确度为81.6%（62/76）。AI模型对PCa癌灶定位分区的准确度为90.8%（414/456），对癌区检出的灵敏度为95.1%（116/122），特异度为89.2%（298/334）。结论U-Net深度学习模型对MRI ADC图像中PCa的检出具有较高的灵敏度，对PCa 6分区定位具有较高的准确度，预测结果可自动填写入结构化报告，进一步提高了临床工作效率。

简介：摘要目的探讨基于U-Net神经网络的肥厚型心肌病（hypertrophic cardiomyopathy ，HCM）与高血压性左心室肥厚（hypertensive left ventricular hypertrophy，HLVH）的磁共振图像定量分析与鉴别。材料与方法回顾性分析2017年国际医学图像计算和计算机辅助干预协会（Medical Image Computing and Computer Assisted Intervention Society，MICCAI)一项心脏疾病自动诊断挑战项目中包含的100例心脏疾病患者以及2014年7月至2019年3月上海交通大学医学院附属仁济医院确诊的45例HCM与48例HLVH患者。MICCAI数据集作为训练集和验证集，随机挑选5例HCM病例和5例HLVH病例作为测试集，得到一个基于U-Net的心脏自动分割神经网络。对所有入组的HCM与HLVH患者的心脏磁共振图像进行自动分割并提取多项量化参数，采用独立t检验比较各项量化参数在HCM组与HLVH组间的差异，采用多因素logistic回归法对有统计学差异的变量进一步分析建模，使用4折交叉验证方法结合ROC法对模型的分类性能进行验证。结果55项量化参数中有13项在HCM组与HLVH组之间存在显著性差异，有3项指标对两者的鉴别分类具有显著性影响。4折交叉验证得到的ROC曲线下面积分别为0.939、0.984、0.972和0.963，其中最佳模型对应的测试集准确率为86.96% (20/23)。结论U-Net神经网络分割心脏磁共振影像可以提供更多量化信息，有助于鉴别肥厚型心肌病与高血压性左心室肥厚。