目的:基于肺癌患者放疗前的CT影像组学特征，综合临床信息与放疗剂量学特征，利用机器学习方法构建症状性放射性肺炎的预测模型。方法:回顾性收集2018年11月至2020年4月在江南大学附属医院接受放疗的103例肺癌患者的临床与剂量学资料。获取这些患者放疗前胸部CT影像，勾画双侧正常肺组织结构，提取250种影像组学特征。用单因素分析研究临床、剂量学特征与放射性肺炎发生的相关性。收集所有影像组学特征、临床和剂量学特征作为潜在预测因子，通过LASSO回归机器学习方法筛选特征，并得到肺炎预测模型。然后根据筛选的特征建立放射性肺炎发生风险的列线图。结果:单因素分析结果表明，症状性放射性肺炎与双侧正常肺组织的平均肺剂量(MLD)、 V20 Gy和 V30 Gy的相关性具有统计学意义( t＝2.20、2.34、2.93， P<0.05)。在综合所有影像组学特征、临床和放疗剂量学特征后，本研究共筛选出4个特征，为肺的剂量体积百分数 V30 Gy，和3个影像组学特征，包括灰度共生矩阵类别的熵特征、小波变换直方图类别的均值及中位数特征。基于这些特征所构建的肺炎预测模型的曲线下面积(AUC)为0.757。绘制了可根据特征值给予个体化的风险预测与提前干预的列线图。 结论:放疗前的CT影像组学结合剂量学特征可用于预测症状性肺炎的发生，可望为临床提前干预提供帮助。

目的:探讨提取腭裂语音中过高鼻音特征性共振峰参数建立的级联声道模型和小波包变换结合线性预测系数(LPC)2种算法模型，在识别腭裂患者高鼻音中的应用效果。方法:选取2015年10月至2018年12月，在四川大学华西口腔医院语音矫治专科就诊的859例腭裂患者，其中男421例，女438例，平均年龄12.1岁。正常语音216例，轻度高鼻音220例，中度高鼻音213例，重度高鼻音210例。按照汉语普通话测试工具收集包括词组、短句的语音样本共62 707份。运用级联声道模型、小波包变换结合LPC的语音信号识别方法提取共振峰参数，采用K近邻分类器，对数据进行分类，判别有无过高鼻音及具体等级。将2种算法模型的分类结果与人工语音评估金标准结果进行对比，运用卡方检验分析其准确性。结果:级联声道模型和小波包变换结合LPC提取共振峰参数这2种方法判断高鼻音有无的正确率分别为80.56%(692/859)和89.99%(773/859)，对高鼻音等级判断的总正确率为72.29%(621/859)和88.13%(757/859)，差异均具有统计学意义( P<0.05)。2种算法对每个高鼻音等级自动判别的正确率均为小波包变换结合LPC优于级联声道模型，且差异具有统计学意义( P<0.05)。2种方法对高鼻音等级类别的识别错误类型中，最严重的错误均为将正常语音判断为轻度高鼻音，小波包变换结合LPC法与级联声道模型分别达到了18.98%(41/216)与14.81%(32/216)，但前者的其余错误率均在5%以下，优于后者。 结论:小波包变换结合LPC的算法与级联声道模型相比，在判断腭裂患者高鼻音有无及等级方面正确率更高，可辅助人工语音师对腭裂患者的语音评估。

目的:探索一种根据呼吸信号对儿童肺炎进行快速准确判别的方法，避免传统诊断时X射线产生的儿童癌症诱导性。方法:采用马赫-曾德光纤传感器搭建儿童肺炎呼吸信号（RSP）检测系统，依据儿童肺部啰音产生的振动信号，提取被监测者的RSP。通过离散余弦变换等预处理方法，进行信号压缩和去噪；通过Hilbert变换、自回归（AR）模型谱估计等信号处理方法，实现RSP的多特征提取；构建支持向量机（SVM）分类模型对采集的RSP进行分类。结果:所提出的方法对患肺炎与未患肺炎儿童RSP的分类准确率为94.41%，较以往方法提升较大。结论:基于光纤传感器的儿童肺炎诊断系统具有较高的检测准确率，有希望在临床中推广使用。

目的:为克服现有中文言语测听材料在成年耳蜗植入者中的天花板效应，依照英文AzBio句表的开发流程，开发一套更难的、更贴近现实生活的中文普通话语句测听表，并在成人耳蜗植入者验证其等价性。方法:选取成人日常生活口语素材，邀请2男2女播音专业学生在本底噪声低于20 dB（A）的隔声室内录音1 020句，以声码器技术仿真成5通道人工耳蜗的音效，编撰成51张表，以拉丁方设计在17名听力正常人中进行言语识别率测试，从均值±1标准差（ xˉ±1s，61.9%至92.2%）的范围内挑选出同质性良好的600句（每个播音人150句，识别率均值78.0%），编撰成每表20句共30张CMnBio句表。另行招募30例使用年限12个月~12年不等的成年人工耳蜗植入者，在65 dBSPL声级下依序测试30张表的言语识别率。采用拉丁方设计方案，每张测试表都有同样的机会成为首张测试表，以避免练习效应和疲劳效应的干扰。使用SPSS 18.0统计软件进行数据分析。 结果:（1）30例人工耳蜗植入者的言语识别率呈现出较大的个体间差异，但每例植入者对30张表的言语识别率相对稳定。（2）对言语识别率进行合理化的反正弦变换后，计算每例植入者每表识别率与其30张表平均识别率的差值；以30张CMnBio表作为考察对象，对30例植入者的上述差值进行重复测量的方差分析， F=3.503 1， P<0.001；进而采用 Post Hoc Tukey两两比较，除第4、5、10、29号表外，其余26张表之间差异无统计学意义（ P>0.05）。（3）26张等价CMnBio句表在30例成年人工耳蜗植入者中的识别率为（65.4±13.3）%，呈良好的正态分布。（4）采用 n=65的二项分布模型可最好地反映表间的变异性。 结论:本研究建立了面向成年人工耳蜗植入者、具有良好等价性的26张普通话CMnBio句表，并提供了使用单张表和二张表时识别率得分95%置信度下的临界差值。为普通话成人人工耳蜗临床实践及开展跨语种成效对比研究，提供了一个可避免天花板效应的实用工具。

目的:探讨基于卷积神经网络（CNN）的人体行为识别在新一代院前急救中的应用。方法:从蒙特利尔跌倒视频数据集获取60份视频，按5∶1比例分为模型训练数据和评价测试数据。①数据模型训练：利用奇异值分解对图片进行清晰化处理，通过目标检测与傅里叶变换识别图片中人体的目标边界，将人体曲线描绘出来；利用OpenCv计算机视觉和机器学习软件库人体姿态估计将人体的重要部位（如臀部、膝盖）标出，计算重要部位连线与水平方向的夹角及检测框架的长宽比例，识别人体是否具有异常行为。②评价测试：从模型训练数据集中随机提取6个视频，每个视频抽取10个1帧，将每帧看成一张图片，对每帧进行CNN行为识别，计算正常行为和异常行为的识别率。结果:数据模型训练过程中，对每帧进行人为的标签化，训练CNN人体行为识别模型。评测结果显示，正常行为识别率为（90.33±3.03）%，异常行为识别率为（87.74±2.88）%。结论:在路人发生危险行为时，通过CNN识别人体行为可判断其是否处于危急状态，并及时发出预警，对院前急救起到至关重要的作用。

手术患者由于术中持续受压无法变换体位、使用手术器械辅助治疗、麻醉状态、术中失血以及局部持续潮湿等多种因素的作用，是院内压力性损伤的高危人群。本文就围术期患者压力性损伤的危险因素、评估工具、预防措施等进行综述。

目的:结合图像自动分割技术和机器学习方法对乳腺钼靶X线图像进行准确分类识别。方法:以数字钼靶X线图像数据库（DDSM）中的BI-RADS4类的簇状分布多形性钙化钼靶图像为研究对象，自动切分图像的感兴趣区域（ROI）。对小波变换、Gabor滤波和灰度共生矩阵法所提取的特征参数进行融合，并基于灵敏度分析对融合后的特征参数进行筛选。使用基于集成学习的方法，对多项式核支持向量机（SVM）、随机森林和逻辑（logistic）回归分类器进行投票集成，构成用于乳腺钼靶X线图像自动分类的分类器。投票集成方法为软投票。结果:提出的集成分类器可高效地识别与分类乳腺钼靶X线图像，其分类的灵敏度、特异度和准确率分别为99.1%、99.6%和99.3%。结论:所提出的乳腺钼靶X线图像处理与分类识别方法能为医生的临床判断提供辅助检测的依据，并为细分BI-RADS4类图像提供技术基础。

心搏骤停是心脏性猝死的第4个时期，特征是心电活动停止，循环呼吸迅速衰竭，往往预后不佳。如何有效预测心搏骤停是诊疗环节中的重点和难点。近些年早期预警评分系统在心搏骤停中应用的研究不断突破，从最初根据一定数量的样本制定出仅包含基本生命体征指标的传统评分系统，发展到不断增减变换参考指标、增加样本量制定出敏感度和特异度更高的改良评分系统。如今，电子信息技术不断发展，评分系统的制定过程中引入了机器学习技术，突破了既往评分系统的局限性，在临床上取得了不错的效果。本文分析并比较了国内外不同早期预警评分系统的相关研究和前沿进展，总结了研究成果、空白点及存在的不足；同时结合我国分级诊疗政策，论述了心搏骤停早期预警评分系统未来在我国的发展应用方向。

目的:比较视觉显示终端上不同色光产生冲突的刺激对近视眼和正视眼调节反应及调节微波动的影响，探讨色光、调节与近视发生和发展之间可能的关系。方法:采用非随机对照研究设计，纳入2020年1—5月于浙江大学医学院附属第一医院就诊的22~30岁受试者41人41眼，其中近视组22人22眼，正视组19人19眼，受试者色觉正常且无眼部器质性疾病。干预措施为不同色光屏幕，共有7种色光类型，分别是3种单色光(红、绿、蓝)、3种双色光(红+绿、红+蓝、绿+蓝)和1种混合光(白色：红+绿+蓝)。受试者持续注视33 cm处可视性视频终端上的黑色E视标20 s以上，随机变换屏幕背景颜色，用Grand Seiko WAM-5500开放视野自动验光仪每0.2 s自动检测1次，记录受试者调节反应，调节微波动以调节反应的标准差计算，比较各组受试眼不同色光条件下调节反应值和调节微波动。结果:近视组与正视组调节反应值总体比较差异无统计学意义( F分组＝2.626， P＝0.113)，不同色光条件下调节反应值总体比较差异有统计学意义( F色光＝39.070， P<0.01)。各种色光对近视组和正视组的影响趋势相似，均为红光单色光调节反应值最大，其次为含红光的混合光，而蓝光单色光最小，差异均有统计学意义(均 P<0.05)。正视组红、绿、蓝、红+蓝、红+绿、蓝+绿和白色光条件下调节微波动值分别为(0.142±0.033)、(0.128±0.038)、(0.131±0.043)、(0.139±0.039)、(0.127±0.034)、(0.131±0.043)和(0.139±0.042)D，近视组分别为(0.178±0.043)、(0.164±0.043)、(0.159±0.039)、(0.174±0.042)、(0.166±0.036)、(0.159±0.031)和(0.174±0.035)D，总体比较差异均有统计学意义( F分组＝12.146， P<0.01； F色光＝2.782， P<0.05)，其中每种色光下近视组调节微波动值均高于正视组，差异均有统计学意义(均 P<0.05)；近视组红光调节微波动最大，显著大于蓝光，蓝绿混合光最小，差异均有统计学意义(均 P<0.05)；双色光的调节微波动与组成该光的2种单色光的调节微波动比较差异无统计学意义( P>0.05)，混合光(白光)与组成该光的3种单色光的调节微波动差异亦无统计学意义( P>0.05)；正视组不同色光条件下调节微波动差异均无统计学意义(均 P>0.05)。 结论:近视者调节微波动比正视者大；包含长波长色光的刺激引起的调节微波动更大，但混合色光提供冲突的调节刺激并不会显著增加调节微波动。

目的:构建诊断颈动脉斑块内微钙化的影像组学模型并分析其诊断价值。方法:纳入苏州大学附属第三医院神经内科自2017年5月至2019年11月收治的52例大动脉粥样硬化型脑梗死患者进入研究。所有患者均行颈动脉常规超声检查明确存在颈动脉斑块，同时采用Micropure ?超声技术检测斑块内微钙化情况。若颈动脉斑块内存在微钙化，取微钙化密度最高的斑块横断面；若无微钙化则取斑块最大横断面。所有图像经Photoshop软件进行归一化处理后，通过MaZda 4.6软件勾画斑块为感兴趣区，自动提取斑块283个纹理特征。通过不同观察者间观察一致性分析[组内相关系数(ICC)>0.75)、两样本 t检验、Lasso回归筛选出诊断效果最强的纹理特征，并通过随机森林(RF)和支持向量机(SVM)分类器构建模型，以7∶3划分训练集和验证集，通过受试者工作特征曲线(ROC)计算曲线下面积(AUC)评估模型的诊断效果，并采用Delong检验比较两种模型对验证集诊断能力的差异。 结果:共纳入52例患者148个斑块图像，其中斑块内有微钙化104个，无微钙化44个。最终筛选出9个纹理特征，包括5个图像灰度直方图特征：均值、方差、斜度、峰值、第99百分位数值；1个自回归模型特征：θ 3；3个小波变换特征：WavEnLH_s-3、WavEnLH_s-4、WavEnLH_s-6。RF分类器构建的模型诊断斑块微钙化的准确率为0.93，AUC为0.92；SVM分类器构建的模型诊断准确率为0.91，AUC为0.90。Delong检验显示两种模型对斑块内微钙化的诊断能力差异无统计学意义( Z=1.000， P=0.320)。 结论:通过RF和SVM构建的影像组学模型能准确诊断颈动脉斑块内微钙化情况，且RF和SVM两种模型诊断能力接近。