目的:提出可应用于图像质量差、多叶准直器（MLC）遮挡和非刚性变形的兆伏级图像的无标记射束方向观（BEV）肿瘤放疗跟踪算法。方法:采用窗口模板匹配、图像结构转换和demons非刚性配准方法，解决兆伏级图像中的配准问题。在模体中生成质量保证（QA）计划并在加速器上手动设置治疗偏移后执行，收集治疗过程中的682幅电子射野影像装置（EPID）图像作为固定图像；同时采集计划系统中对应射野角度的数字重建影像（DRR）图作为浮动图像，验证算法的准确性。此外收集21例肺部肿瘤治疗患者的共533对图像进行肿瘤跟踪研究，提供治疗过程中肿瘤位置变化定量结果。图像相似度用于跟踪结果的第三方验证。结果:算法可应对不同程度（10%~80%）的图像缺失，模体验证中86.8%的跟踪误差在3 mm以下，80%在2 mm以下。配准前后归一化互信息（NMI）变化为（1.182±0.026）~（1.202±0.027）（ P<0.005），豪斯多夫距离（HD）变化为（57.767±6.474）~（56.664±6.733）（ P<0.005）。病例结果以平移为主（-6.0~6.2 mm），但非刚性形变仍存在。配准前后NMI变化为（1.216±0.031）~（1.225±0.031）（ P<0.005），HD变化为（46.384±7.698）~（45.691±8.089）（ P<0.005）。 结论:本文算法可应对不同程度图像缺失，且在数据缺失图像的非刚性配准中表现较好，适用于不同放疗技术，为多模态、部分数据及图像质量较差的兆伏级图像处理提供了参考思路。

目的:基于机器学习提出可应用于低图像质量、多叶准直器(MLC)遮挡和非刚性变形兆伏级(MV)图像的无标记射束方向观(BEV)肿瘤放疗跟踪算法。方法:采用窗口模板匹配法和Voxelmorph端到端无监督网络，处理MV图像中的配准问题。使用动态胸部模体，验证肿瘤跟踪算法的准确性。将模体质量保证(QA)计划在加速器上手动设置治疗偏移后执行，收集治疗过程中的682幅电子射野影像系统(EPID)图像作为固定图像；同时采集计划系统中对应射野角度的数字影像重建(DRR)图作为浮动图像，进行靶区跟踪研究。收集21例肺部肿瘤放疗的533对EPID和DRR图像进行肿瘤跟踪研究，提供治疗过程中肿瘤位置变化定量结果。图像相似度用于算法的第三方验证。结果:算法可应对不同程度(10%~80%)的图像缺失，且对数据缺失图像的非刚性配准表现较好。模体验证中86.8%的跟踪误差<3 mm，<2 mm的比例约80%作用。配准后标准化互信息(NMI)由1.18±0.02提高到1.20±0.02( t＝－6.78， P＝0.001)。临床病例肿瘤运动以平移为主，平均位移3.78 mm，最大位移可达7.46 mm。配准结果显示存在非刚性形变，配准后NMI由1.21±0.03增至到1.22±0.03( t＝－2.91， P＝0.001)。 结论:肿瘤跟踪算法跟踪精度可靠且鲁棒性好，可用于无创、实时、无额外设备和辐射剂量的肿瘤跟踪。

目的:提出基于结构信息和直觉模糊集的图像相似度测度法，并对放疗计划定位CT图与CBCT图进行相似性测度以客观定量衡量摆位误差。方法:选取鼻咽癌和盆腔部肿瘤患者各1例，提取其计划CT图像及CBCT图像，在鼻咽癌患者横截面与矢状面、盆腔部患者横截面与冠状面上，人为模拟了5种不同程度的摆位误差，同时运用相关系数、均方误差、图像联合熵、互信息以及本文相似度测度法对误差进行比较测量。结果:5种方法都可以在一定程度上描述误差。对比其他方法，相似度测度法随着误差增大表现出更强烈的变化趋势：鼻咽癌横截面5种误差递增结果归一化后为0.553、0.683、1.055、1.995、5.151，矢状面为1.171、1.618、1.962、1.790、3.572；而其他方法结果归一化后为0~2间，且同一方法不同误差的结果变化较小。另外，该方法对软组织误差更敏感。结论:基于结构信息和直觉模糊集的图像相似度测度法衡量结果与人眼感知更一致，可一定程度上客观量化了包括骨性标记与软组织的误差，其反映的软组织偏差对个体化精准放疗有意义。

目的:探讨改进互信息与图像金字塔相结合的二维-三维配准方法的价值。方法:将3次B样条曲线的连续图像表示与Parzen直方图估计融合到该算法中，以胸腔作为研究对象，通过数字重建放射影像生成的正交位的模拟X线图和与其本身进行一定变换后的图像进行配准实验，观察配准精度和时间。结果:经过50组对照试验得出本方法相较于传统配准方法在 x、 y轴向上的位移精度分别提高了53.39%、21.33%，配准时间缩短了91.93%。相较于近几年的改进算法在 x、 y轴向上的位移精度分别提高了17.65%、13.79%，并将配准时间进一步提高了19.64%。 结论:该方法可以有效提高二维-三维图像的配准精度和效率，且均符合手术过程中图像配准2 mm以内的要求。该方法的高效、准确为临床诊断和放疗自动化提供了有利的信息，同时也为肿瘤位置误差校正和医用机械臂自动摆位奠定了基础。

目的:分析老年急性心肌梗死患者的血浆代谢组学特征，探索其潜在的代谢标志物。方法:横断面研究，入选苏州大学附属第二医院急性心肌梗死老年患者30例(心肌梗死组)，于体检中心筛选30例符合纳入标准的老年人为对照组，利用UHPLC-QTOF/MS技术检测其血浆中代谢物，在京都基因与基因组(KEGG)数据库中搜索整理所有代谢物的信息。通过主成分分析(PCA)和正交偏最小二乘法-判别分析(OPLS-DA)对比两组样本代谢物的总体趋势，利用 Mann- Whitney U检验初步筛选差异代谢物。联合 Mann- Whitney U检验、互信息和随机森林模型进一步分析差异代谢物的重要性，运用靶向代谢组学检测重要差异代谢物在两组样本中的含量，对两组数据进行 t检验比较其差异。 结果:心肌梗死组和对照组患者中，高血压、高脂血症及糖尿病患病率比较，差异无统计学意义(均 P>0.05)，心肌梗死组患者血浆肌钙蛋白T(2.16±0.36)μg/L含量高于对照组(0.26±0.03)μg/L( t＝5.17， P<0.05)。两组样本的总体趋势在PCA得分图和OPLS-DA模型中得到明显区分，样本中有32个差异代谢物符合初步筛选标准。进一步分析得出重要差异代谢物包括儿茶酚和4种氨基酸组成的小肽段，其与分组关系密切，且预测分组准确性的能力强。靶向代谢组学检测结果显示，儿茶酚在心肌梗死组的浓度为(310.3±40.0)ng/L，对照组为(2 607.0±758.1)ng/L，两组比较差异有统计学意义( t＝5.34， P<0.01)。 结论:血浆儿茶酚具有成为老年急性心肌梗死患者代谢标志物的潜力，可能与该病的发生及预后密切相关。

目的:挖掘分析治疗心力衰竭的中药复方专利的用药规律及组方特点。方法:检索国家知识产权局中国专利公布公告网站（http://epub.sipo.gov.cn/）中治疗心力衰竭的中药复方专利，运用中医传承辅助系统软件（V 2.5)录入方剂信息，建立数据库，运用软件中的关联规则、改进的互信息法、复杂系统熵聚类等数据挖掘方法，分析治疗心力衰竭的中药复方专利中出现的高频药物、处方组合规律，利用数据挖掘方式得出的核心组合及所演算出的新处方。结果:共纳入治疗心力衰竭中药复方专利101项，涉及处方101首，药物316味，常用中药有黄芪(59.41 %)、茯苓(41.58%)、丹参（40.59%)、葶苈子（34.65%)、附子（33.66%）等；药性以温为主，药味以甘、苦、辛为主，归经以肝、脾、心、肺、肾经为主；常用药物组合多为益气、活血化瘀、温阳、利水等功效药物的不同搭配。并总结新处方核心组合12个，演算新方6个。结论:中药复方专利治疗心力衰竭治法以益气活血、温阳化湿、健脾利水为主，同时应重视滋阴、袪浊、固阳，可为临床治疗提供参考，以提高疗效，规范处方用药。

目的:比较不同神经网络由磁共振成像(MRI)图像生成伪CT图像的本领，探讨伪CT用于临床放疗计划的可行性。方法:选取29例同时具有计划CT和诊断MRI的脑癌患者，23例用于训练，6例用于测试。分别采用循环生成对抗网络(cycleGAN)、对比学习非配对图像转换网络(CUT)以及本研究提出的改进网络denseCUT由MRI生成伪CT，并将伪CT导入治疗计划系统中验证其用于放疗计划的可行性。结果:CycleGAN、CUT和denseCUT生成的伪CT与真实CT之间的平均绝对误差分别为(72.0±6.9)、(72.5±8.0)和(64.6±7.3)HU，结构相似性分别为0.91±0.01、0.91±0.01和0.93±0.01，峰值信噪比分别为(28.5±0.7)、(28.5±0.7)和(29.5±0.7)dB，放疗计划剂量计算γ通过率(2%/2 mm)分别为98.05%、97.92%、98.31%。结论:denseCUT能更准确地生成伪CT，伪CT能满足调强放疗计划剂量计算的需求。

目的:探讨基于动态增强MRI影像组学模型术前鉴别非肝硬化背景下乏脂肪型肝血管平滑肌脂肪瘤（fp-AML）和甲胎蛋白阴性肝细胞癌（n-HCC）的价值。方法:回顾性分析2010年10月至2020年7月广东省人民医院、中山大学肿瘤防治中心、复旦大学附属中山医院经手术病理证实的121例肝fp-AML和n-HCC患者完整资料，其中男75例，女46例，年龄23~80（55±12）岁。按入组时间顺序，将复旦大学附属中山医院（ n=93）的患者划分为训练集（ n=75）和内部测试集（ n=18），广东省人民医院、中山大学肿瘤防治中心的患者作为外部测试集（ n=28）。基于术前三期增强图像提取影像组学特征，使用联合互信息最大化（JMIM）特征选择算法提取最优特征子集，运用支持向量机（SVM）建立影像组学模型，绘制受试者工作特征（ROC）曲线评价模型诊断效能，并与2名放射科医生进行比较。 结果:影像组学模型鉴别肝fp-AML和n-HCC的曲线下面积（AUC）在内部测试集中为0.819（准确度72.2%），优于诊断经验10年的医生1（AUC=0.542， P=0.029）及2年的医生2（AUC=0.375， P=0.004）；在外部测试集中AUC为0.772（准确度71.4%），与医生1表现相当（AUC=0.661， P=0.442），优于医生2（AUC=0.400， P=0.008）。 结论:基于动态增强MRI影像组学模型对于术前鉴别非肝硬化背景下肝fp-AML和n-HCC准确度高。

目的:分析《中医方剂大辞典》治疗不孕症方剂的组方配伍规律。方法:收集《中医方剂大辞典》中治疗不孕症的内服方剂，采用中医传承辅助系统(V2.5)的关联规则分析、改进的互信息法、复杂系统熵聚类及无监督的熵层次聚类等方法进行分析。结果:共收集明确治疗不孕症的内服处方302首，涉及中药352味，药性以温性为主，药味以甘味多见，其次是辛、苦二味，主要归肝、脾、肾、心经，使用频次>30次的有37味，排名前十的分别是当归、川芎、茯苓、熟地黄、白芍、人参、香附、白术、肉桂、生地黄；频次>60次的常用药物组合40个，排名前四的分别是当归-川芎、当归-白芍、熟地黄-当归、川芎-白芍；复杂系统熵聚类得到3～5味药的核心组合13组，进一步聚类形成13个新方。结论:《中医方剂大辞典》中治疗不孕症的方剂用药以调补气血、滋养五脏为主，适当配以理气开郁、燥湿化痰、温经通滞之品。

目的:探讨基于双期增强CT检查影像组学胆囊癌淋巴结转移预测模型构建及其应用价值。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194例胆囊癌患者的临床病理资料；男70例，女124例；年龄为（64±10）岁；均行胆囊癌意向性根治切除术。194例患者通过R软件随机数法以8∶2比例随机分为训练集156例和测试集38例。训练集用于构建诊断模型，测试集用于验证诊断模型。患者进行CT检查后，行图像分析、提取影像组学特征、影像组学模型建立；根据临床病理因素构建列线图预测模型。观察指标：（1）淋巴结清扫及组织病理学检查结果。（2）影像组学预测模型构建及特征分析。（3）胆囊癌淋巴结转移的影响因素分析。（4）列线图淋巴结转移预测模型构建。（5）影像组学及列线图淋巴结转移预测模型的预测能力比较。正态分布的计量资料以 x±s表示，偏态分布的计量资料以 M（范围）表示。计数资料以绝对数表示，组间比较采用 χ2检验。单因素分析采用 χ2检验，多因素分析采用Logistic回归模型前进法。绘制受试者工作特征（ROC）曲线，以曲线下面积（AUC）、决策曲线、混淆矩阵进行预测模型的效能评价。 结果:（1）淋巴结清扫及组织病理学检查结果。194例患者中，行淋巴结清扫182例，淋巴结清扫数目为8（1~34）枚/人，阳性淋巴结清扫数目为0（0~11）枚/人。194例患者术后组织病理学检查结果显示：N0期122例，淋巴结清扫数目为7（0~27）枚/人；N1期48例，淋巴结清扫数目为8（2~34）枚/人，阳性淋巴结清扫数目为1（1~3）枚/人；N2期24例，淋巴结清扫数目为11（2~20）枚/人，阳性淋巴结清扫数目为5（4~11）枚/人。（2）影像组学预测模型构建及特征分析。提取194例患者107个影像组学特征，其中一阶特征18个、形状特征14个、纹理特征75个。通过各影像组学特征组内相关系数及绝对中位差和使用互信息法、Select K-Best、最小化绝对收缩和选择算子回归降维后的数据分别拟合至随机森林、梯度提升树、支持向量机（SVM）、K-近邻法及Logistic回归5种不同机器学习算法中，经分析Select K-Best_SVM模型预测性能最佳，测试集的AUC为0.76。（3）胆囊癌淋巴结转移的影响因素分析。单因素分析结果显示：全身炎症反应指数、癌胚抗原、CA19-9、CA125、影像学T分期、影像学淋巴结状态是影响胆囊癌患者淋巴结转移的相关因素（ χ2 =4.20，11.39，5.68，11.79，10.83，18.58， P<0.05）。多因素分析结果显示：癌胚抗原，CA125，影像学T分期（T3期比T1~2期、T4期比T1~2期），影像学淋巴结状态是胆囊癌淋巴结转移的独立影响因素［风险比=2.79，4.41，5.62，5.84，3.99，95%可信区间（ CI）为1.20~6.47，1.81~10.74，1.50~21.01，1.02~33.31，1.87~8.55， P<0.05］。（4）列线图淋巴结转移预测模型构建。基于CEA、CA125、影像T分期、影像学淋巴结状态4项胆囊癌淋巴结转移的独立影响因素建立列线图预测模型。列线图模型训练集和测试集的一致性指数分别为0.77（95% CI为0.75~0.79）和0.73（95% CI为0.68~0.72）。（5）影像组学及列线图淋巴结转移预测模型的预测能力比较。ROC曲线显示：Select K-Best_SVM影像组学模型训练集和测试集的AUC分别为0.75（95% CI为0.74~0.76）和0.76（95% CI为0.75~0.78），列线图训练集和测试集的AUC分别为0.77（95% CI为0.76~0.78）和0.70（95% CI为0.68~0.72）。决策曲线显示：Select K-Best_SVM影像组学模型及列线图预测淋巴结转移能力较为接近。混淆矩阵显示：Select K-Best_SVM影像组学模型训练集和测试集的灵敏度分别为64.29%和75.00%，特异度分别为73.00%和59.09%，列线图训练集和测试集的灵敏度分别为51.79%和50.00%，特异度分别为80.00%和72.27%。 结论:成功构建基于双期增强CT检查影像组学胆囊癌淋巴结转移预测模型，其预测能力良好与列线图预测能力一致。