目的:构建循环生成对抗网络(CycleGAN)对模糊、曝光不足、曝光过度等低质量眼底图像进行质量提升，并对其效果进行评估。方法:从EyePACS数据集中分别选取700张高质量和700张低质量眼底图像作为本研究的数据集。对数据集图像进行裁剪并统一缩放至512×512分辨率。采用2个生成模型和2个判别模型构建CycleGAN，生成模型根据输入的低/高质量眼底图像生成匹配的高/低质量图像，判别模型判别原始图像和生成图像。将本研究提出的算法与限制对比度自适应直方图均衡化(CLAHE)、动态直方图均衡化(DHE)、带色彩恢复的多尺度Retinex(MSRCR)3种图像增强算法的结果进行视觉定性评估，并采用清晰度、BRISQUE、色度、饱和度作为定量指标进行评估。应用糖尿病视网膜病变(DR)诊断网络对原图及不同算法增强图像进行诊断；并比较其准确度和特异度。结果:CycleGAN算法对模糊、曝光不足、曝光过度3类低质量眼底图像的增强均取得最优效果，增强后的眼底图像对比度高、色彩丰富，视盘、血管结构清晰。CycleGAN算法增强的图像清晰度仅次于CLAHE算法；BRISQUE质量分数为0.571，比CLAHE、DHE和MSRCR算法分别高出10.2%、7.3%和10.0%；色度和饱和度分别为103.03、123.24，均高于其他算法；该算法增强100张图像仅需35 s，仅次于CLAHE算法，在速度上具有明显优势。CycleGAN算法增强的图像在DR诊断中的准确率和特异度分别为96.75%和99.60%，均较原图有所提高。结论:CycleGAN可有效提升模糊、曝光不足、曝光过度眼底图像的质量，并有效提高计算机辅助DR诊断系统的准确率，可能在眼科临床诊断中有很大的应用价值。

目的:评估采用单一MRI模拟定位实现鼻咽癌光子和质子放疗计划剂量计算的可行性。方法:回顾性分析2020年1月至2021年12月在中国医学科学院肿瘤医院接受放射治疗的100例鼻咽癌患者的T 1加权MRI图像和CT图像。利用深度学习网络模型将MRI转换成伪CT，训练集、验证集和测试集分别包括70例、10例和20例。深度学习方法采用监督学习的卷积神经网络（CNN）和无监督学习的循环一致性生成对抗网络（CycleGAN）两种方法。利用平均绝对误差（MAE）和结构相似性（SSIM）等定量评估图像质量，利用γ通过率和剂量体积直方图（DVH）评估剂量。用Wilcoxon符号秩检验来统计分析伪CT的图像质量。 结果:图像生成方面，CNN和CycleGAN模型的MAE分别为（91.99±19.98）HU和（108.30±20.54）HU，SSIM分别为0.97±0.01和0.96±0.01。剂量学方面，伪CT用于光子剂量计算的准确性高于质子。光子放疗计划的γ通过率（3 mm/3%）分别为：CNN模型99.90%±0.13%，CycleGAN模型99.87%±0.14%，且均大于98%。质子放疗计划分别为：CNN模型98.65%±0.64%，CycleGAN模型97.69%±0.86%。DVH的指标显示，伪CT的光子计划中剂量数值一致性优于质子计划。结论:基于深度学习的模型能从MRI图像生成准确的伪CT，大多数剂量学差异都在光子和质子放疗的临床可接受范围内，只用MRI成像的工作流程对鼻咽癌患者放疗是可行的。但与原始CT相比，伪CT图像在鼻腔区域的CT值误差较大，临床使用时应特别注意。

目的:基于cycleGAN建立双任务循环网络，实现基于单角度投影的三维CT合成模型用于胸部肿瘤的自适应放疗，并评估图像生成质量和剂量精度。方法:收集南京医科大学附属常州第二人民医院收治的胸部肿瘤容积弧形调强放射治疗（VMAT）患者45例，并筛选公共数据集图像991例作为预训练数据集，使用ASTRA算法获取多角度投影图像。公共数据集划分为训练集800例、验证集160例和测试集31例，医院患者数据划分为训练集40例、测试集5例。分别输入合成CT模型和多角度投影预测模型，实现双任务的训练。最终测试仅使用合成CT模型获取预测CT图像进行图像生成质量［包括平均绝对误差（MAE）、峰值信噪比（PSNR）和结构相似性指数（SSIM）］以及剂量学评估。结果:合成CT的图像质量评估指标显示，图像合成精度较高，MAE为0.05±0.01，PSNR为19.08±1.69，SSIM为0.75±0.04。基于合成CT计算的放疗剂量分布也与真实分布接近，3%/3 mm标准下γ通过率平均为93.1%。结论:由cycleGAN修改的双任务循环网络，可以快速准确地从单角度投影预测三维CT，可以应用于胸部肿瘤自适应放疗的工作流程。图像生成质量和剂量学的评估均显示合成CT质量可以满足放疗的临床要求。

目的:研究在常规剂量扫描情况下模拟低剂量CT图像的方法，以此生成训练数据集中与常规剂量CT具有对应关系的低剂量CT图像，并建立深度学习模型，用于低剂量CT图像的降噪。方法:使用Philip Brilliance CT Big Bore模拟定位机，其不同算法重建的CT图像具有不同的噪声水平，其中iDose4算法噪声较大，而全模型迭代重建技术(iterative model reconstruction，IMR)噪声较小。提出一种以等价噪声水平重建图像替代低剂量CT图像的方法。常规剂量和低剂量CT的曝光量分别采用250和35 mAs。分别扫描CTP712均匀模块，用IMR算法重建低剂量CT图像，用不同降噪水平的iDose 4算法重建常规剂量CT图像，并根据噪声分布从中找出低剂量CT的噪声等价图像。随后，用常规剂量和噪声等价CT图像配对训练循环一致性生成对抗网络(cycle-consistent adversarial networks，CycleGAN)，使用模体测试该方法对真实低剂量CT噪声的改善程度。 结果:用iDose 4 level 1重建的常规剂量CT图像可替代IMR重建的低剂量CT图像。低剂量扫描可降低86%的辐射剂量。使用CycleGAN模型降噪后，对于均匀模块，降噪幅度为45%；对于CIRS-SBRT 038模体的脑、脊髓和骨等处，噪声值分别降低了50%，13%和7%。 结论:等价噪声水平重建图像可用于替代低剂量CT图像训练深度学习网络，在避免受检者受照剂量增加的同时，减少图像噪声，提高图像质量。

目的:基于知识可视化分析，探讨2000至2019年休克和脓毒症微循环领域研究进展。方法:收集2000至2019年科学网（Web of Science）及万方数据收录的休克和脓毒症微循环研究领域相关文献。应用Excel软件对数据进行整理并绘制文献增长柱状图和曲线图；应用CiteSpace 5.0 R1软件对国家、研究机构、作者信息进行提取及整理并生成相关共现网络，分析该领域主要研究力量分布及合作关系；应用CiteSpace 5.0 R1软件对关键词及相关引文进行分析并绘制共被引文献网络，分析该领域前沿及热点信息。结果:共收集中文"期刊论文"与"学位论文"2 000篇，英文"article"及"review"1 823篇，中文文献只进行发文量、研究机构及作者的统计描述，所有英文文献均纳入可视化分析。在发文量方面，2009至2019年休克和脓毒症微循环研究领域英文文献数量呈稳步上升趋势，中文文献于2011年呈现下滑趋势；而在发文质量方面，该领域文章影响因子大多集中在6以下，高影响因子文章数量较少，且每年数量保持稳定。英文文献分析显示，全球发文量排名前3位的国家依次为德国（430篇）、美国（401篇）、荷兰（223篇）。从研究机构上看，荷兰阿姆斯特丹大学以113篇位列Web of Science首位；国内发文最多的研究机构为南方医科大学（71篇）。作者共现网络分析显示在全球形成了三大科研团体，其中以Can Ince、Daniel De Backer及Jean-Louis Vincent对该领域贡献最大。中文发文量最多的前3位作者分别是牛春雨（20篇）、赵自刚（18篇）、段美丽（13篇）。关键词共现分析显示，该领域的研究热点主要围绕在"血流""一氧化氮""失血性休克""灌注"，而"心源性休克""急性肾损伤""液体复苏""舌下微循环""病死率""氧化应激"和"重症患者"等突增关键词则体现了研究前沿。共被引文献网络分析显示，"舌下微循环"和"斑点阴影分数"相关文献最为活跃，表明微循环检测技术不但是休克和脓毒症微循环研究领域的热点，更可被视为未来的新兴话题，这也与突增关键词分析结果相吻合。结论:通过知识可视化分析可以直观显示，微循环领域一直是休克和脓毒症治疗与科研的重点，其主要研究力量大多集中于欧洲发达国家，未来研究趋势多偏向于微循环监测技术。

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。

经前期综合征(PMS)缺乏与中西医临床诊疗标准吻合度高、可行性好且表现稳定的动物模型,导致其发病机制、药效药理的相关研究缺乏可靠的实验载体.该研究旨在从"病-证-症"关联视角,系统解析PMS的生物内涵,在此基础上建立黄体酮撤退与情志刺激结合诱导型PMS动物模型,并对其进行客观评价.首先通过GeneCards、DisGeNET、MalaCards和中医证候本体及多维定量关联计算平台(SoFDA)数据库与已发表文献,收集PMS现代医学与中医诊疗标准中肝郁气滞与气滞血瘀证型相关的临床症状基因集,并依据基因间相互作用信息,建立PMS的"病-证-症"关联网络.基于数据挖掘结果,在经典黄体酮撤退模型基础上,结合慢性束缚刺激,模拟临床发病过程中由外部环境刺激引起的情绪抑郁,从生理与情志2个维度引起病理损伤,制备PMS大鼠模型,评价2种造模条件下的模型在旷场实验得分,脏器指数,卵巢病理变化,血清雌二醇(E2)、促卵泡激素/促黄体生成素(FSH/LH)、5-羟色胺(5-HT)、多巴胺(DA)、去甲肾上腺素(NE)水平及凝血四项、血流变指标.通过计算"病-证-症"关联网络节点在网络中的度值、介度和接近度,筛选出163个具有网络拓扑重要性的核心基因.进一步的生物功能挖掘结果表明,PMS核心基因主要参与"神经-内分泌-免疫"系统与血液循环障碍相关通路的调控;临床表型症状基因集映射分析提示,PMS核心基因与抑郁症状及血瘀所致肿痛症状显著相关.与单纯的黄体酮撤退模型相比,注射与束缚双重刺激的大鼠在旷场实验水平得分与总分,卵巢组织病理变化,血清神经递质5-HT与DA水平,血清性激素E2与FSH/LH水平的异常改变均更为显著,且注射加束缚条件加剧了模型大鼠血液流变性、凝血功能和红细胞形态的病理改变,证实了该大鼠模型能够表征PMS发生、进展中的"神经-内分泌-免疫"系统紊乱与血液循环系统障碍,与该疾病的中西医临床诊疗标准相符.黄体酮撤退与情志刺激结合诱导型PMS大鼠模型的建立能够为PMS发病机制的阐释、治疗药物的发现与药效评价提供可靠的实验载体,也为客观化反映PMS中西医临床表征与精准治疗提供参考.

目的 探究十二味疏肝利胆颗粒(Twelve-Flavor Shugan Lidan Granule,TSLG)降低胆固醇累积预防结石生成的分子机制.方法 基于药理学数据分析获取TSLG的活性成分与靶点;从Genebass数据库获取与胆囊结石疾病相关的基因,通过Cytoscape软件构建TSLG调控网络并进行核心基因鉴定;采用GO与KEGG通路富集分析对TSLG调控网络中的核心基因及肝组织转录组差异基因进行生物功能与通路注释;利用分子对接方法模拟关键生物标志物与TSLG核心成分的对接模式.采用油酸构建胆固醇累积的细胞模型,应用Western blot法、免疫荧光法检测磷酸化腺苷酸活化蛋白激酶(phosphorylated AMP-activated protein kinase,p-AMPK)、肝脏X受体α(liver X receptorsα,LXRα)、ATP结合盒转运蛋白(ATP-binding cassette sub-family G member,ABCG)5、ABCG8、胆固醇调节元件结合蛋白2(sterol regulatory element-binding protein 2,SREBP2)、磷酸化蛋白激酶B(phosphoryla-ted protein kinase B,p-AKT)、磷酸化叉头盒蛋白O1 a(phosphorylated forkhead box O1 a,p-FOXO1 A)的表达水平;Seahorse细胞能量代谢仪检测细胞线粒体耗氧率和细胞外酸化率;RT-qPCR检测三羧酸循环(tricarboxylic acid cycle,TAC)关键酶的mRNA表达水平.结果 网络药理学分析获得了41个TSLG调控疾病的相关靶点.分子生物学实验结果表明,TSLG抑制p-AMPK、LXRα、ABCG5、ABCG8、SREBP2的表达,增强p-AKT、p-FOXO1 A的表达,TSLG抑制糖酵解并增强氧化磷酸化,TSLG抑制TAC循环酶活性,改善肝脏糖脂代谢,从而预防胆固醇结石的生成.结论 TSLG中主要成分可能通过靶向AMPK、AKT及Hippo信号通路调节肝脏代谢,以达到降低胆固醇累积、预防结石生成的作用.

目的:开发一种基于深度学习神经网络的方法将宫颈癌MVCT图像转换为具有高信噪比和高对比度的伪kVCT图像,从而提供宫颈癌自适应放疗需要的患者三维解剖图像和定位信息,引导加速器实现精确放疗.方法:收集54例宫颈癌患者的MVCT和kVCT图像组成数据集,随机选择44例样本作为训练集,并将剩下的10例样本作为测试集.采用加入门控机制和多通道数据输入的循环生成对抗网络(CycleGAN)基于MVCT合成伪kVCT图像.采用平均绝对误差(MAE)、峰值信噪比(PSNR)和结构相似度指数(SSIM)等影像学成像质量评估参数,评估网络训练效果.结果:5通道MVCT-5通道kVCT图像与MVCT图像对比,MAE从(24.9±0.7)HU降至(17.8±0.3)HU,PSNR从(29.8±0.2)dB升至(30.7±0.2)dB,SSIM从0.841±0.007升至0.898±0.003.结论:该方法生成的伪kVCT在降噪和增强对比度方面具有优势,同时能够减少剂量计算中对额外MV-kVCT电子密度校准的需求.伪kVCT的剂量计算能力与MVCT相当,为伪kVCT影像应用于图像引导自适应放疗提供了可能.

目的/意义 改善中文电子病历命名实体识别模型的性能,更好地开展医疗信息的组织和挖掘.方法/过程 构建ERNIE-BiGRU-Attention-CRF中文电子病历命名实体识别模型,首先采用ERNIE1.0 预训练模型生成具有语义特征的词向量,然后利用BiGRU捕获全局语义特征与语法结构特征,通过Attention机制进一步增强语义特征的捕获,最后连接CRF解码层输出全局概率最大的标签序列.结果/结论 在公开的医疗文本数据集CCKS2017 开展对比实验、消融实验,利用生成的模型进行实例分析,取得较好的识别效果.