目的:描述新型冠状病毒肺炎（COVID-19）聚集性疫情病例的基本特征。方法:收集15起COVID-19聚集性疫情病例的基本信息，采用伽马分布拟合病例代际间隔时间（Tg），使用基于SEIR模型计算基本再生数（ R0）。 结果:15起聚集性疫情中共有确诊病例52例、涉及5例核酸阳性无症状感染者。病例发病时间主要集中在1月23日至2月4日，以女性为主，潜伏期为（6.11±3.38）d。Tg为（6.93±3.70）d，在<60岁、≥60岁组及男、女性之间，Tg差异无统计学意义（ P=0.551）。按照本研究估算的Tg计算，宁波市新冠肺炎感染的 R0为3.06（95 %CI：2.64~3.51）；按照文献报告的病例Tg为7.5 d计算， R0为3.32（95 %CI：2.51~9.38）。 结论:COVID-19聚集性疫情病例的Tg在不同年龄、性别间差异不大，COVID-19早期致病和传播力较高。

目的:估算新型冠状病毒Omicron变异株感染者的潜隐期和潜伏期并分析其相关因素。方法:以2022年1月1日至6月30日在我国五起Omicron变异株感染疫情中的467例感染者和其中335例确诊病例为研究对象，采用对数正态分布和伽马分布模型估计潜隐期和潜伏期，采用加速失效时间模型（AFT）分析其相关因素。结果:467例Omicron变异株感染者中位年龄 M（ Q1， Q3）为26（20，39）岁，男性253例（54.18%）；无症状感染者132例（28.27%），确诊病例335例（71.73%）。467例感染者的潜隐期均值为2.65（95% CI：2.53~2.78）d，98%的感染者在感染后6.37（95% CI：5.86~6.82）d内核酸检测阳性。335例确诊病例的潜伏期均值为3.40（95% CI：3.25~3.57）d，97%的确诊病例在感染后6.80（95% CI：6.34~7.22）d内出现症状。AFT模型分析结果显示，与18~49岁年龄组相比，0~17岁感染者的潜隐期［exp（ β）值为1.36（95% CI：1.16~1.60）， P<0.001］和潜伏期［exp（ β）值为1.24（95% CI：1.07~1.45）， P=0.006］均有所延长，50岁及以上感染者的潜隐期［exp（ β）值为1.38（95% CI：1.17~1.63）， P<0.001］和潜伏期［exp（ β）值为1.26（95% CI：1.06~1.48）， P=0.007］也有所延长。 结论:大部分Omicron变异株感染者的潜隐期和潜伏期在7 d之内；年龄可能是潜隐期和潜伏期的影响因素。

目的:基于卷积神经网络(convolutional neural networks, CNN)对多视角闪烁光处理，重建放射治疗中三维相对剂量分布。方法:利用互补金属氧化物半导体(CMOS)成像传感器捕获正交三视角的荧光图像，将荧光图像转化为三维图像，输入已训练的卷积神经网络中进行剂量重建，分别评估不同射野重建剂量的伽马通过率、均方误差(MSE)、百分深度剂量(PDD)曲线和横向剂量分布(CBP)曲线。卷积神经网络模型为3D-Unet，其预先在虚拟数据集上进行训练。结果:以50%最大剂量为阈值，3%/3 mm为标准，所有射野重建分布中心层面伽马通过率和立体平均伽马通过率均超过90%，均方误差维持在1%以下。所有射野重建分布的PDD曲线均方误差在1‰以下，CBP曲线均方误差在1%以下。结论:本研究实现了一种基于深度学习的三维闪烁光重建方法，完善了基于塑料闪烁体的瞬时三维相对剂量验证。

目的:分析新型冠状病毒肺炎（COVID-19）病程和相关流行病学参数。方法:利用对数正态、威布尔、伽马分布模型对广东省2020年1月1日至3月15日密切接触者中感染者的病程频率分布进行拟合，并对感染者基本特征和病程及相关流行病学参数进行描述性分析。结果:11 580名密切接触者中515人被感染，续发率为4.4%，其中449例为确诊病例，66例为无症状感染者。确诊病例潜隐期、潜伏期、症状前传染期和无症状感染者传染期以对数正态分布拟合最优，确诊病例传染期和临床症状期以伽马分布拟合最优，而无症状感染者潜隐期以威布尔分布拟合最优。确诊病例的潜隐期、潜伏期、症状前传染期、传染期和临床症状期（95% CI）分别为4.50（3.86~5.13）、5.12（4.63~5.62）、0.87（0.67~1.07）、11.89（9.81~13.98）和22.00（21.24~22.77）d，无症状感染者的潜隐期、传染期（95% CI）分别为8.88（6.89~10.86）和6.18（1.89~10.47）d。 结论:所估计COVID-19病程和相关流行病学参数与既有数据相近。

目的:研究截至2020年1月31日新型冠状病毒肺炎疫情的早期流行动态，估计该疫情的基本再生数（ R0）、潜伏期和世代间隔等流行病学参数。 方法:使用威布尔、伽马和对数正态分布拟合从报告病例信息中获取的潜伏期和世代间隔数据的概率分布，采用Akaike信息准则确定最优模型。考虑到疫情还在流行中，应用指数增长模型拟合了2020年1月15-31日的疫情数据，并利用指数增长法、最大似然法和SEIR模型估计 R0。 结果:截至2020年1月26日早期疫情遵循指数增长模式，随后增长趋势有所减缓。平均潜伏期为5.01（95 %CI：4.31~5.69）d；平均世代间隔为6.03（95 %CI：5.20~6.91）d。3种方法估计的 R0分别为3.74（95 %CI：3.63~3.87），3.16（95 %CI：2.90~3.43）和3.91（95 %CI：3.71~4.11）。 结论:世代间隔和潜伏期都更符合伽马分布，世代间隔均值比潜伏期均值长1.02 d； R0较高，疫情形势较为严峻；1月26日是疫情动态的一个转折点，之后疫情增长趋势有所减缓。

目的 探讨基于国产联影URT-Linac 506c加速器的容积弧形调强放射治疗(Volumetric Modulated Arc Therapy,VMAT)计划复杂度参数与患者计划质量保证(Patient Specific Quality Assurance,PSQA)间的关系,并建立机器学习模型对PSQA结果进行评估和预测.方法 随机选取150例在URT-Linac 506c加速器上行VMAT治疗计划的患者为研究对象,在该加速器上对所有计划进行基于机载电子射野影像系统探测器的PSQA剂量验证.对剂量验证结果进行阈值为10%、标准为2%/2 mm的伽马通过率分析.同时对每个计划基于多叶准直器位置和跳数,提取其中的11个复杂度参数.分析复杂度参数和PSQA结果间的关系,并建立机器学习模型对PSQA结果进行预测.结果 计划复杂度参数与PSQA结果的相关性分析表明二者并不严格呈线性相关,但计划的复杂程度越高,PSQA通过率相对越低.梯度提升决策树(Gradient Boosting Decision Tree,GBDT)模型和随机森林(Random Forest,RF)模型对基于复杂度参数的PSQA结果预测水平相当,GBDT模型和RF模型的平均预测误差分别为0.55%和0.54%.由于PSQA结果分布严重不平衡,更改过权重后的模型对低通过率部分的预测能力有所提升.结论 对于国产加速器URT-Linac 506c,这2种基于决策树结构的机器学习模型对PSQA结果的预测可提供一定的帮助,建立更精准的模型需要进一步完善采集患者的样本量.

目的 针对呼吸机使用过程中存在的故障率高、危害性强等问题,分析呼吸机传感器系统故障关联,探究呼吸机传感器系统的失效率和可靠性,为呼吸机预防性维护提供参考.方法 选取2010-2022年间我院及原厂工程师提供的单一型号呼吸机传感器系统相关维修工单为研究对象,使用伽马分布模型和参数估计方法,选取拟合优度检验、K-S检验,拟合优度评价指标包括均方误差、均方根误差、平均绝对误差对模型进行验证分析.结果 呼吸机6种故障点K-S检验统计量D值分别为1.99×10-2、2.98×10-2、4.03×10-2、4.06×10-2、3.13×10-2、6.22×10-2,拟合优度检验统计量χ2 分别为396.95、601.01、23.25、13.94、52.35、5.55.除气体混合压力传感器故障外,各故障点模型计算值与实际值分布相同,差异具有统计学意义(P<0.05).6种故障点平均故障间隔时间、可靠性均值时间以及极值时间均与实际结果基本保持一致.结论 基于伽马理论的故障分布模型,可对呼吸机传感器系统的故障分布、失效率以及可靠性进行有效分析,为制定有针对性的预防性维护方案提供循证依据.

目的 建立蒙特卡罗剂量计算模型,模拟计算Leksell 4C伽马刀单源高分辨率剂量分布.方法 搭建基于MPI环境的蒙特卡罗程序MCNPX并行计算平台,使用环形探测器和经过事先验证的2种降方差技术(源出射方向偏倚采样和部分结构内终止电子跟踪)模拟计算Leksell 4C伽马刀单源高分辨率高精度剂量场分布数据.比较不同光子和电子截止能量设置对模拟计算结果准确性的影响.结果 模拟计算得到的Leksell 4C伽马刀单源剂量场分布数据空间分辨率更高,径向分辨率为0.1 mm,统计误差<1％,模拟计算用时约24 h.对于直径为4、8、14、18 mm的准直器,其焦平面Profile半影宽度和单侧半高宽分别为1.0、1.1、1.2、1.3 mm和2.2、4.3、7.3、9.3 mm.光子的截止能量分别为1 keV和10 keV时模拟计算结果与既往研究符合的较好,但电子的截止能量分别为1 keV和521 keV时模拟计算结果与既往研究符合的较差.结论 基于MPI环境的蒙特卡罗程序MCNPX并行计算平台能在可接受的计算时间内获得高分辨率高精度的剂量场分布数据.在模拟时需谨慎设定光子和电子的截止能量.

目的 分析乳腺浸润性导管癌患者的临床病理特征与乳腺专用伽玛显像(BSGI)中99Tcm-甲氧基异丁基异腈(MIBI)摄取之间的关系.方法 回顾性分析2014年3月至2018年3月就诊于威海市立医院行BSGI检查、未接受新辅助治疗及穿刺活组织检查及术前无肿瘤远处转移的浸润性导管癌患者244例的临床资料.分析患者的BSGI数据,计算病灶的放射性计数与正常组织的比值(T/N),从而评估肿瘤对99Tcm-MIBI的摄取量.T/N为偏态分布数据,用M(P25～P75)表示.用Wilcoxon秩和检验分析患者临床病理特征与T/N之间的关系,用多元线性回归模型分析患者临床病理特征对T/N的影响.结果 全部244例患者BSGI中的T/N范围为1.0 ～7.5.Wilcoxon秩和检验结果显示T/N与T分期、N分期、组织学分级及Ki67表达有关(Z=-6.852、5.198、-3.931,P均＜0.001;Z=-3.059,P=0.002),而与ER、PR、HER-2、P53、EGFR表达及三阴性乳腺癌无关(Z=-0.730、-1.526、-1.137、-1.175、-1.224、-1.556,P均＞0.050).多元线性回归分析表明T分期及N分期是T/N的影响因素(t=5.100,95％CI:0.414 ～0.935,P＜0.001;t=2.819,95％CI:0.118 ～0.668,P=0.005).结论 乳腺浸润性导管癌的T分期和N分期可能影响BSGI中肿瘤对99Tcm-MIBI的摄取,因此,可以通过术前测定BSGI的T/N,对肿瘤的恶性程度进行初步评估.

针对现有的技术难以实现硼浓度在线分布实时监测,提出一种基于康普顿相机的双能瞬发γ硼浓度在线监测方法,并利用蒙特卡罗模拟对其可行性进行验证,实现了利用生成对抗网络算法快速提升康普顿相机重建图像质量的方法,训练后的网络可在0.83 s内优化原始图像,与反投影重建图像相比更接近真实的瞬发伽马分布图像;搭建双能瞬发γ硼浓度监测系统模型实现了基于新方法的硼浓度分布计算,肿瘤区域平均硼浓度计算结果为86.91 ppm,正常组织区域硼浓度为18.37 ppm,肿瘤区域硼浓度与正常组织区域的硼浓度比值平均为4.75,硼浓度比值的计算误差为5.00％,该结果验证了双能瞬发γ硼浓度监测新方法的可行性,为硼中子俘获治疗硼浓度在线监测方法提供了新的思路和理论指导.