目的 探讨基于最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)回归分析构建Nomogram模型预测原位腺癌(AIS)、微浸润腺癌(MIA)及浸润性腺癌(IAC)的价值.方法 选取本院 97 例经手术病理证实且病理亚型明确的肺腺癌患者,将AIS和MIA归为第 1 组,IAC为第 2 组,比较两组患者年龄、性别、吸烟史、长径、短径及免疫组化Ki-67 等临床医学特征差异,采用 3D Slicer软件进行图像分割,特征提取与选择,通过LASSO算法对特征进行降维,筛选影像组学特征构建预测模型.再采用R软件的rms工具包构建Nomogram模型,计算ROC曲线下面积(AUC),以评价Nomogram模型鉴别肺磨玻璃结节病理亚型的效能.结果 1)性别、吸烟史、长径、短径及免疫组化Ki-67 等临床医学特征均差异无统计学意义(P>0.05);2)筛选 7 个 CT 影 像 组 学 特 征:平面度、大依赖低灰度强调、小波变换LHL第十百分位、小波变换HLL第十百分位、小波变换最小值、小波变换均值及小依赖低灰度强度比较,差异均有统计学意义(P均<0.05);3)基于CT影像组学特征建立预测肺磨玻璃结节病理亚型的Nomogram模型,训练集中AUC为 0.863,准确率为 87.9%,灵敏度为 67.9%,特异度为 91.1%;验证集中 AUC为 0.792,准确率为 75.0%,灵敏度为66.7%,特异度为 90.5%,可见此Nomogram模型具有较好的预测效能.结论 对于预测肺腺癌浸润程度,Nomogram 模型具有明显优势,可作为一种鉴别手段.

目的:探讨基于多参数MRI及临床特征的融合模型在术前预测宫颈癌患者淋巴结转移的价值。方法:回顾性分析山西省肿瘤医院2016年6月—2019年3月经病理证实为宫颈鳞癌并于术前行MRI检查的168例患者的资料。按照7∶3的比例，采用完全随机法将所有患者分为训练组115例和验证组53例。由两名影像科医师在MRI图像上手动勾画三维容积感兴趣区(VOI)，并进行一致性分析。根据临床手术病理结果将所有患者分为淋巴结转移阴性(LN－)和阳性(LN＋)，临床及影像资料也对应分组。分别基于每例患者的T 2WI、表观扩散系数(ADC)和增强T 1WI(cT 1WI)序列图像上均提取3 111个影像组学特征，然后对训练组采用以最大相关最小冗余(MRMR)和最小绝对收缩与选择(LASSO)回归为主的四步法进行特征选择和影像组学标签的构建，并进行分层分析。通过多变量逻辑回归筛选独立临床危险因素并联合影像组学标签构建影像组学融合模型，并制作列线图。采用ROC曲线、校正曲线、决策分析曲线(DCA)评估列线图的预测性能及临床效益。 结果:训练组和验证组患者基线资料差异均无统计学意义( P值均>0.05)。基于T 2WI、ADC和cT 1WI合并特征降维后共得到6个影像组学特征( P值均<0.05)，其中包括3个小波类特征参数和3个LoG类特征参数，均与淋巴结转移显著相关。单序列影像组学标签在训练组中ROC曲线下面积(AUC)值为0.763和0.829，显示具有良好的预测效能，合并上述序列构建的影像组学标签对应的AUC值0.859，其诊断效能优于其中任意单一序列，并在验证组得到验证。联合影像组学标签和MRI评价淋巴结状态构建的列线图在训练组和验证组中均显示出良好的鉴别能力和校正性能，对应的AUC分别为0.865和0.861。在独立验证组中的决策曲线示，当风险阈值>10%时，采用影像组学方法预测LN＋的净收益优于将所有患者都看作LN＋或LN－，也优于MRI评价淋巴结状态。 结论:通过联合基于多参数MRI的影像组学标签和MRI评价淋巴结状态建立的融合模型可作为术前评估宫颈癌淋巴结转移的一种辅助方法。

目的:探讨基于CT平扫的放射组学特征在胸腺瘤与其他前纵隔病变鉴别诊断中的价值。方法:回顾性分析2018年1月至2021年1月江苏大学附属医院收治的128例前纵隔病变患者资料。以病理结果为金标准，将患者分为胸腺瘤组（67例）、非胸腺瘤组（61例）。采用基于MATLAB平台的放射组学分析模块对CT平扫图像进行分析，提取整个病变的组学特征，依次采用组间差异分析、Boruta算法以及共线性检测进行特征筛选。根据最终被选择特征，绘制其单独及联合诊断胸腺瘤的受试者工作特征（ROC）曲线，并计算曲线下面积（AUC），分析所选特征的诊断效能。结果:共提取851个病变的组学特征。经过多步骤降维后，最终选择4个差异有统计学意义的组学特征，分别为鲁棒平均绝对偏差、灰度不均匀性、游程方差（小波-LLH）以及依赖不均匀性（小波-HLL）。ROC曲线分析显示，上述4个组学特征单独诊断时的AUC分别为0.712、0.634、0.660、0.699，特异度分别70.2%、61.2%、61.2%、61.2%，灵敏度分别为60.7%、60.6%、68.8%、70.5%；四者联合检测的AUC为0.881，灵敏度和特异度分别为75.4%、89.6%，诊断效能明显提升。结论:基于CT平扫的放射组学特征对于胸腺瘤及其他前纵隔病变的鉴别诊断有一定的价值及应用潜力。

目的:评价脑电小波指数(WLI)监测患儿丙泊酚镇静深度的可行性。方法:本研究为前瞻性观察性试验。选择本院2016年7月至12月需行气管插管或喉罩全麻的择期手术患儿165例，年龄>1～12岁，ASA分级Ⅰ或Ⅱ级，按年龄分为11组( n＝15)：>1～2岁组、>2～3岁组、>3～4岁组、>4～5岁组、>5～6岁组、>6～7岁组、>7～8岁组、>8～9岁组、>9～10岁组、>10～11岁组、>11～12岁组。静脉注射丙泊酚3 mg/kg，注射时间>30 s。于给药前即刻、给药结束后30、40、50、60、90、120、180、240 s时记录WLI值与BIS值。如年龄组之间存在差异，则合并差异无统计学意义的年龄组，重新分组。WLI值与BIS值的相关性采用Pearson线性相关分析，WLI值与BIS值的一致性分析采用Bland-Altman法。 结果:实际入组患儿149例。>1～5岁的4组之间、>5～12岁的7组之间BIS值比较差异无统计学意义( P>0.05)。根据上述结果重新分组，>1～5岁的4组患儿合并为>1～5岁组( n＝60)，>5～12岁的7组患儿合并为>5～12岁组( n＝89)。与给药前即刻比较，2组给药结束后各时点WLI值和BIS值降低( P<0.05)。2组BIS值均于给药结束后60 s时最低，WLI值于给药结束后120和180 s最低( P<0.05)。>1～5岁组给药结束后90和240 s时WLI值与BIS值比较差异无统计学意义( P>0.05)，其余时点比较差异有统计学意义( P<0.05)；>5～12岁组给药结束后180和240 s时WLI值与BIS值比较差异无统计学意义( P>0.05)，其余时点比较差异有统计学意义( P<0.05)。>1～5岁组和>5～12岁组WLI值与BIS值Pearson相关系数分别为0.61和0.56( P<0.001)。Bland-Altman一致性分析：>1～5岁组和>5～12岁组95%一致性区间界限分别为－48.4%～62.1%、－55.1%～101.5%，分别有4.6%(23/504)、5.1%(40/777)的点在95%一致性界限之外，2组95%一致性区间界限均超出临床可接受范围。 结论:WLI可监测>1～12岁患儿丙泊酚镇静深度，但相比BIS，其准确性较低。

目的:探讨CT影像组学定量特征在预测肺癌表皮生长因子受体（EGFR）突变中的价值。方法:回顾性分析2013年9月至2018年10月在苏州大学附属第一医院确诊的144例有EGFR基因检测结果的肺癌患者的资料，男75例、女69例，中位年龄54（25~68）岁。其中，EGFR突变型81例，男39例、女42例，中位年龄52（25~64）岁；EGFR野生型63例，男36例、女27例，中位年龄56（32~68）岁。按照2∶1的比例随机分配为训练组和验证组。利用MaZda软件提取影像组学特征包括灰度直方图（GLH）、绝对梯度（GRA）、灰度共生矩阵（GLCM）、灰度游程矩阵（GLRLM）、自回归模型（ARM）和小波变换（WAV）等特征。采用费希尔参数法（Fisher）、分类错误率联合平均相关系数法（POE+ACC）和相关信息测度法（MI）3种特征选择方法对提取的定量特征进行筛选，分别选择10个相关的最优特征，得到最优特征子集。然后用线性判别分析法（LDA）和非线性判别分析法（NDA）对三组最优特征子集进行分析，计算出其鉴别肺癌EGFR突变型与野生型的准确度、敏感度和特异度，利用人工神经网络（ANN）对训练组准确度最高的最优特征子集建立预测模型，并利用建立的预测模型，对验证组肺癌EGFR突变型与野生型进行鉴别诊断。结果:MaZda软件提取训练组肺癌EGFR突变型与野生型图像定量特征，一共301个。Fisher-NDA和（POE+ACC）-NDA法选择的最优特征子集鉴别肺癌EGFR突变型与野生型的准确度最高，为93.8%。Fisher-NDA法最优特征子集预测模型鉴别验证组中肺癌EGFR突变型与野生型的准确度、敏感度和特异度分别为83.3%、86.7%和77.8%。结论:CT影像组学最优特征子集在预测肺癌EGFR突变中有较高的准确度，为预测肺癌基因表达提供了一种新的方法。

目的:探讨阻塞性睡眠呼吸暂停综合征(OSAS)患儿和原发鼾症患儿的脑电活动及其与多导睡眠监测参数的相关性。方法:采用前瞻性观察性研究，收集2019年7月1日至12月31日因睡眠时打鼾来首都医科大学附属北京儿童医院睡眠中心行多导睡眠监测的6~12岁患儿的临床资料。对所有患儿采集临床资料、多导睡眠监测及6 min脑电活动测量，根据多导睡眠监测结果分为原发鼾症组及不同程度OSAS组。基于脑电小波分析通过对脑电同步化及复杂度分析得出的脑损伤指数用于反映安静状态下儿童的脑电活动的变化。对各组脑损伤指数及脑电波各频段功率所占百分比进行差异性检验，单因素和多因素线性回归方法分析影响脑电活动的危险因素。结果:共纳入149例儿童，其中男110例，女39例。原发鼾症组与各程度OSAS组之间α、θ、β、δ波占比的差异均无统计学意义(均 P>0.05)。原发鼾症组、轻度OSAS组、中度OSAS组和重度OSAS组脑损伤指数分别为0(0，3)、14(9，16)、26(24，28)、34(30，44)，各组脑损伤指数差异有统计学意义( H＝129.70， P<0.01)，从原发鼾症组至重度OSAS组脑损伤指数呈逐渐上升趋势。多因素线性回归分析显示，阻塞性呼吸暂停低通气指数(OAHI)、平均血氧饱和度和最低血氧饱和度与脑损伤指数独立相关(均 P<0.05)。 结论:α、θ、β、δ波比率在不同程度OSAS之间差异无统计学意义，脑电复杂度及同步性在不同严重程度的OSAS患儿之间存在差异；随着OAHI增高，脑损伤指数也逐渐升高，脑损伤指数与OAHI、平均血氧饱和度及最低血氧饱和度独立相关。

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。

癫痫是一种严重的慢性神经系统疾病，可通过分析由脑神经元产生的脑电信号对其进行检测，因此脑电图成为诊断癫痫的关键工具。应用特异性方法对脑电信号进行处理和分析，在探索大脑工作机制和脑神经系统疾病的诊断方面具有重要意义。本文通过对脑电图信号的特征提取、特征分类等相关分析方法（如主成分分析、独立成分分析、小波变换、线性判别分析、支持向量机、人工神经网络和决策树等）进行总结，阐述了其在癫痫治疗中的应用，概括展示了近年来的研究进展。为癫痫发作的检测和分类以及未来的研究方向提供了一定的借鉴和参考。

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:探讨MRI影像学特征联合纹理分析技术在术前预测肾透明细胞癌（ccRCC）WHO/国际泌尿病理学会（ISUP）核分级的价值。方法:回顾性分析2016年7月至2020年7月福建医科大学附属第一医院78例经手术病理确诊为ccRCC患者的术前肾脏MRI图像，根据WHO/ISUP分级系统，分为低级别组（49例，Ⅰ级2例，Ⅱ级47例）和高级别组（29例，Ⅲ级25例，Ⅳ级4例），并以随机数表法按照7∶3的比例将患者分配到训练集（ n=63）与验证集（ n=15）。评价MRI影像学特征并提取图像纹理特征。选取横断面图像病灶的最大层面，分别在T 2WI及皮髓质期（CMP）图像上勾画ROI。使用MaZda软件提取纹理特征，包括灰度直方图、灰度共生矩阵、游程矩阵、梯度、自回归模型及小波变换6种类型。联合Fisher法、分类错误概率结合平均相关系数、交互信息3种方法对提取的纹理特征进行初步筛选，并对筛选出的纹理参数或影像学特征进行两组间独立样本 t检验、Mann-Whitney U检验或χ2检验，差异有统计学意义的参数构建多因素二元logistic回归模型，建立ROC曲线，分析其术前预测ccRCC核分级的效能。 结果:训练集中，低、高级别ccRCC组间肿瘤长径、形状与边界、CMP强化程度、静脉瘤栓和47个纹理特征差异有统计学意义。在训练集中，构建7个多因素二元logistic回归模型，包括影像学特征模型（M1）、T 2WI纹理特征模型（M2）、CMP图像纹理特征模型（M3）、影像学特征联合T 2WI纹理特征模型（M4）、影像学特征联合CMP图像纹理特征模型（M5）、T 2WI纹理特征联合CMP图像特征模型（M6）以及联合所有特征模型（M7）。其中M7预测ccRCC核分级的ROC曲线下面积最大，在训练集和验证集中，曲线下面积分别为0.901（95%CI 0.828~0.974）、0.820（95%CI 0.564~0.974）。 结论:基于MRI纹理分析联合影像学特征有望成为术前无创预测ccRCC WHO/ISUP核分级的有效方法。