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: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。

目的:探讨基于CT检查影像组学在术前鉴别诊断胰腺浆液性囊腺瘤（SCA）和黏液性囊腺瘤（MCA）中的临床价值。方法:采用回顾性病例对照研究方法。收集2012年1月至2019年12月浙江大学医学院附属第一医院收治的154例胰腺囊性肿瘤病人的临床病理和影像资料；男24例，女130例；年龄为（50±13）岁。154例病人中，99例为SCA，55例为MCA。154例病人术前均行胰腺CT平扫联合增强扫描检查。收集所有病人临床特征、影像特征、影像组学特征，构建临床特征模型、影像特征模型、影像组学模型和融合模型。绘制各个模型的受试者工作特征（ROC）曲线，并以曲线下面积（AUC）、准确度、灵敏度、特异度、阳性预测值和阴性预测值等指标评价构建模型。基于最优模型，构建列线图。观察指标：（1）临床特征模型建立及验证。（2）影像特征模型建立及验证。（3）影像组学模型建立及验证。（4）融合模型建立及验证。（5）融合模型的列线图。正态分布的计量资料以 x± s表示，组间比较采用Mann-Whitney U检验。计数资料以绝对数和（或）百分比表示，组间比较采用 χ2检验和Fisher确切概率法。 结果:（1）临床特征模型建立及验证：通过多元逻辑线性回归分析，筛选出年龄、临床症状、术前血清CA19-9 3个临床特征用于构建临床特征模型，多元逻辑线性回归结果以公式①表示：临床模型得分=0.635-0.007×年龄+0.054×临床症状+0.108×术前血清CA19-9。绘制临床特征模型测试集ROC曲线。临床特征模型训练集和测试集的AUC、准确度、灵敏度、特异度、阳性预测值、阴性预测值分别为0.611（95%可信区间为0.488~0.734， P<0.05）和0.771（95%可信区间为0.624~0.919， P<0.05）、56.6%和77.8%、66.7%和63.1%、56.3%和88.5%、41.5%和80.1%、78.4%和76.7%。（2）影像特征模型建立及验证：通过多元逻辑线性回归分析，筛选出肿瘤位置、肿瘤数目、肿瘤横断面最大径、肿瘤分叶、肿瘤多囊（≥6个）5个影像特征用于构建影像特征模型，多元逻辑线性回归结果以公式②表示：影像特征模型得分=-0.034+0.300×肿瘤位置+0.202×肿瘤数目+0.014×肿瘤横断面最大径-0.251×肿瘤分叶-0.170×肿瘤多囊（≥6个）。绘制影像特征模型测试集ROC曲线。影像特征模型训练集和测试集的AUC、准确度、灵敏度、特异度、阳性预测值、阴性预测值分别为0.862（95%可信区间为0.791~0.932， P<0.05）和0.853（95%可信区为0.713~0.994， P<0.05）、78.8%和88.9%、81.8%和89.4%、77.5%和88.5%、62.8%和85.0%、90.2%和92.0%。（3）影像组学模型建立及验证：本研究在154例胰腺囊性肿瘤病人中共提取4类1 067个影像组学特征，其中一阶直方图统计特征7个、纹理特征53个、小波特征848个、局部二值模式特征159个。在组内相关系数>0.9的条件下，共保留896个稳定性较好的影像组学特征用于构建模型。经过方差阈值与相关系数阈值筛选后，保留350个影像组学特征。为获得深层次的影像组学特征，在原特征基础上构建50个合成影像组学特征，总特征数为400个。采用五折递归特征消除后，最终筛选出22个影像组学特征，包括13个小波特征，7个合成影像组学特征和2个局部二值模式特征。采用支持向量机算法构建影像组学模型，模型惩罚系数“C”=35.938，模型参数“γ”=0.077，核函数为“径向基函数核”。绘制影像组学模型五折交叉验证的ROC曲线。影像组学模型的平均AUC、准确度、灵敏度、特异度、阳性预测值、阴性预测值分别为0.870（ P<0.05）、83.1%、81.8%、83.8%、73.8%、89.2%。（4）融合模型建立及验证：选取影像特征的肿瘤位置、肿瘤分叶和影像组学得分构建融合模型。融合模型的多元逻辑线性回归结果以公式③表示：融合模型得分=-0.154+0.218×肿瘤位置-0.223×肿瘤分叶+0.621×影像组学得分。绘制融合模型测试集ROC曲线。融合模型训练集和测试集的AUC、准确度、灵敏度、特异度、阳性预测值、阴性预测值分别为0.893（95%可信区间为0.828~0.958， P<0.05）和0.966（95%可信区间为0.921~0.999， P<0.05）、83.7%和91.1%、81.8%和84.2%、84.5%和96.2%、71.1%和94.1%、90.9%和89.3%。（5）融合模型的列线图：绘制融合模型的列线图，模型约登指数为0.416。 结论:基于术前CT检查影像组学标签和影像特征的预测模型可鉴别诊断胰腺SCA和MCA。

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。

针对传统去心电信号(ECG)干扰算法处理异常ECG信号效果欠佳的问题,提出一种基于小波双阈值滤波算法的膈肌肌电(EMGdi)信号降噪方法.该方法以小波系数为基础,构造QRS群波中R峰的检测阈值,进而准确定位R峰位置.在此基础上,采用干扰区间两侧小波平均能量作为干扰区间阈值计算依据,对干扰区间进行平滑处理.通过临床EMGdi信号去ECG干扰实验,结果表明本文方法在去干扰性能上优于传统算法,尤其针对弱EMGdi信号去干扰优势更加明显.

参考作物蒸散(Reference crop evapotranspiration,ET0)是生态水文过程中的关键因子,研究ET0在干旱绿洲区的演变,不仅有助于理解气候变化背景下的绿洲水文过程响应,亦对绿洲水土资源高效配置和生态系统稳定性维持有指导意义.以宁夏沿黄绿洲为例,基于 1960-2019 年的气象资料和Penman-Monteith模型计算ET0,利用Mann-kendall突变检验、相对敏感系数和Morlet小波分析等方法,对宁夏沿黄绿洲近60a的ET0演变特征及其归因进行研究.结果表明:(1)宁夏沿黄绿洲ET0年内呈单峰形态,ET0在5-7月间较高,累积ET0占年总ET0的43.6%;近60a的ET0年均值为1226.38 mm,并以1.66 mm/a(P＜0.01)幅度上升,但年际波动特征明显,其中在 1988 年突变之前,ET0无显著变化趋势,而突变之后则以每 10a左右的周期显著增加或降低.(2)年ET0主要以 20-40 a和 50-60 a周期振荡,且有多重时间尺度的复杂嵌套现象,不同季节的周期振荡差异较大,夏、秋季振荡幅度较强,其周期接近于年ET0规律,而冬、春季振荡幅度较弱.(3)虽然ET0与 6 种气象因子均存在显著相关性,但ET0对不同气象因子的敏感性存在差异,其中对最高温度和相对湿度的敏感性较高,敏感系数分别为 11.58%和 8.40%.(4)宁夏沿黄绿洲ET0与区域气候变化特征有较强的耦合性,区域气候的持续升温和相对湿度持续降低、以及由此引发的饱和水汽压亏缺持续增强是推动ET0上升的重要原因,而气候由湿润向干旱的突变和平均风速的异常波动是诱发ET0突变的原因.

提出一种基于时空图卷积神经网络的精神分裂症患者分类方法,与过往仅分析脑电中的时频特征而忽略各脑区之间空间特征的主流方法不同,模型主要通过用不同通道之间小波相干系数构成的邻接矩阵和脑电序列进行图卷积的方式获取其中的空频特征,再通过一维时间卷积获取其中的时频特征,经过多次卷积后将处理过的矩阵扁平化后输入分类模型.实验结果表明本文方法在公开数据集Zenodo上的分类准确率达96.32%,证明本文方法的有效性,也证明融合时频、空频特征对精神分裂症诊断的优势.