目的:分析喉癌及转移淋巴结的细胞亚群分类及功能，探索上皮细胞向肿瘤细胞演化的轨迹。方法:对2019年10月22日至12月16日宁波市医疗中心李惠利医院收治的5例喉癌组织、配对的转移淋巴结及3例癌旁正常组织进行单细胞转录组测序，患者均为男性，年龄53~70岁，使用Seurat软件分析上述组织的细胞亚群，功能富集分析探讨各类细胞亚群的生物学功能。运用拷贝数变异（copy number variation，CNV）情况区分上皮细胞恶性与否，通过拟时序分析揭示正常上皮细胞和肿瘤细胞的演变轨迹，并识别癌变的过渡态细胞。经Seurat软件FindAllMarker函数分析得到过渡态细胞中高表达的基因，并用免疫组化进行验证。结果:通过多重质控，共获得66 969个高质量单细胞，分为9个主要细胞簇：上皮细胞、T细胞、B细胞、成纤维细胞、内皮细胞、髓系细胞、肥大细胞、浆细胞样树突状细胞和神经细胞，前5类细胞簇分别有8、6、4、3和2类亚群。4个上皮细胞亚群（C0、C1、C2、C5）来源于肿瘤组织和转移淋巴结，具有较高的CNV水平和肿瘤细胞含量。拟时序分析发现上皮细胞演变轨迹为正常上皮细胞亚群C4向早期癌变细胞群C0转化，C0继续分化为3个主要恶性肿瘤细胞亚群C1、C3和C5。上皮细胞C0可能代表癌变的过渡态细胞群，功能富集于上皮间质转化、血管生成等生物学过程，其高表达萝卜硫素（sulforaphane， SFN）可能与肿瘤发生发展相关。免疫组化验证发现SFN在肿瘤组织和转移淋巴结中高表达，而在癌旁组织中低表达。 结论:本研究利用单细胞测序技术阐述了喉癌组织及转移淋巴结中细胞和功能的多样性，同时C0在肿瘤细胞演化中起到关键作用。

目的:基于单细胞测序技术解析血小板源性生长因子B(PDGFB)在胃癌组织中的表达及其临床意义。方法:选用3对胃癌及配对的癌旁组织样本进行单细胞转录组测序(scRNA-seq)。CellTypist对过滤后的单细胞表达数据进行亚群分类，使用Wilcoxon rank-sum对测序数据进行拟时序分析，探究不同细胞簇中PDGFB的差异表达。通过癌症基因组图谱(TCGA)及免疫组织化学技术(IHC)分析PDGFB在胃癌组织中的表达。收集68例胃癌患者临床数据，采用单因素和多因素Cox比例风险回归模型确定影响胃癌患者预后的独立因素。结果:scRNA-seq分析发现，PDGFB与4种促血管生成因子(FLT4、FLT1、TEK、KDR)在胃癌组织中均显著高表达(PDGFB与4种胃癌组织中的表达显著高于在癌旁组织中的表达，PDGFB在胃癌组织中的相对表达量为2.907，FLT4的相对表达量为2.293，FLT1的相对表达量为2.049，TEK的相对表达量为1.851，KDR的相对表达量为1.843， F＝19.399， P<0.01)；不同细胞亚群的标记基因分析显示，PDGFB在内皮细胞中显著高表达(PDGFB在内皮细胞中的表达显著高于其他细胞，内皮细胞中相对表达量为2.533，成纤维细胞中相对表达量为0.872，巨噬细胞中相对表达量为1.391，组织干细胞中相对表达量为1.618， F＝8.945， P<0.01)。TCGA和IHC分析表明，PDGFB在胃癌组织中的表达显著高于癌旁组织(PDGFB在胃癌组织中阳性率为66.18%(45/68)，癌旁组织阳性率为17.65%(12/68)， χ2＝32.89， P<0.05)，并且PDGFB高表达的患者术后5年生存率显著低于PDGFB低表达的患者(PDGFB高表达患者中位生存时间为20个月；PDGFB低表达患者中位生存时间为58个月， χ2＝17.64， P<0.05)。多因素Cox回归分析显示，PDGFB的表达在胃癌患者的不同年龄、肿瘤大小、T分期、肿瘤分期均存在显著性相关性[风险系数( HR)＝1.950，95%可信区间( CI)＝1.101～3.455， P<0.05； HR＝5.102，95% CI＝2.566～10.146， P<0.05； HR＝2.645，95% CI＝1.116～6.268， P<0.05； HR＝3.985，95% CI＝1.971～8.058， P<0.05； HR＝6.820，95% CI＝1.552～29.967， P<0.05]，为总生存期相关的危险因素。 结论:PDGFB在胃癌中高表达，并且PDGFB的高表达与胃癌患者的不良预后明显相关。

近年来，食管胃结合部腺癌（AEG）的发病率逐渐升高，由于该肿瘤具有独特的解剖学位置和不同于食管癌和胃癌的生物学特征，其在定义、分类、治疗方法等方面仍存在较多争议，不可简单等同于食管癌或胃癌，因此，对AEG的研究愈发受到重视。笔者采用文献计量学方法，以“食管胃结合部腺癌”为关键词，检索Web of Science核心合集数据库自建库至2022年12月31日相关英文文献，使用EndNote和Excel软件进行文献管理和统计分析，利用VOSviewer和CiteSpace进行国家、研究机构、作者和关键词的社会网络和时序，以及作者共被引和突现关键词分析，系统梳理国际AEG的研究文献，总结该领域的研究状况和热点趋势，期望为未来研究提供参考。

目的:基于单细胞测序技术解析微管相关蛋白1轻链3β(LC3B)在胃癌中的表达及其与患者预后的关系。方法:选用3对胃癌及配对的癌旁组织样本行单细胞转录组测序(scRNA-seq)。CellTypist对过滤后的单细胞表达数据进行亚群分类，使用Wilcoxon rank-sum对测序数据进行拟时序分析，探究不同细胞簇中LC3B的差异表达。通过癌症基因组图谱(TCGA)及免疫组织化学技术(IHC)分析LC3B在胃癌组织中的表达。采用单因素和多因素Cox比例风险回归模型确定影响胃癌患者预后的独立因素。实时定量反转录聚合酶链反应(RT-qPCR)技术分析胃癌细胞中LC3B的表达水平，采用细胞计数试剂盒(CCK-8)、克隆形成、Transwell检测LC3B表达改变后，胃癌细胞增殖、迁移、侵袭能力的变化。两组间比较采用两独立样本 t检验。 结果:scRNA-seq分析结果显示，LC3B在胃癌组织中的表达量高于癌旁组织(2.001±2.706比1.010±1.634， t＝44.094， P<0.01)且LC3B在内皮细胞、单核细胞中表达量高于其余细胞亚群(3.610±3.294，3.214±3.889， F＝1 039.267， P<0.01)。通过TCGA和IHC分析结果显示，LC3B在原发性胃癌组织中的表达高于正常组织[67.983(53.874，83.827)比48.114(39.147，78.174)， P<0.01；60.3%比19.1%， χ2＝9.299， P<0.01]。生存分析显示，LC3B高表达的胃癌患者总体生存时间短于LC3B低表达的患者[风险比( HR)＝4.143，95%可信区间( CI)：2.352～7.298， P<0.05]。多因素Cox回归分析显示，LC3B为总生存期相关的危险因素( HR＝4.966，95% CI：2.241～11.005， P<0.01)。CCK-8、Transwell迁移及侵袭实验、克隆形成实验检测分析发现，过表达LC3B后胃癌细胞的活力、迁移、侵袭、增殖能力高于空载体组[(1.837±0.057)比(1.287±0.091)、(338.000±39.950)个比(152.333±4.509)个、(287.667±44.230)个比(148.667±27.465)个、(202.333±12.503)个比(104.667±11.240)个， t＝8.883、7.999、4.624、10.062， P<0.05]，抑制LC3B表达后，胃癌细胞的活力、迁移、侵袭、增殖能力低于空载体组[(0.810±0.064)比(1.460±0.058)、(129.667±37.859)个比(389.667±43.822)个、(126.000±60.531)个比(290.000±70.682)个、(54.667±16.166)个比(109.667±3.055)个， t＝12.963、7.776、3.052、5.790， P<0.05]。 结论:LC3B在胃癌中高表达，并且促进胃癌细胞的增殖和转移。

目的:对室间隔缺损、房间隔缺损、动脉导管未闭和卵圆孔未闭合并肺动脉高压4种常见先天性心脏病(简称先心病)心音信号进行分析，提出一种基于深度学习的智能听诊算法，实现心音信号的自动分类。方法:基于数字信号处理技术，将一维时序信号分类问题转换为二维图像分类问题，利用深度神经网络实现心音的自动分类。采用该算法对浙江大学医学院附属儿童医院采集的941例心音数据进行训练、验证和测试，按照8∶1∶1的比例分为训练集、验证集和测试集。此外，本研究还收集了107例基于临床筛查环境的心音数据，用于验证智能听诊算法在实际临床应用中的效果。结果:本文采用离散小波变换法对心音信号进行降噪处理，观察到降噪处理对模型性能的显著改善。与未经降噪处理的模型相比，经过降噪处理的模型在测试集上的准确率、灵敏度、特异度和F1分数分别提高了15.8%、32.6%、11.1%和27.3%。比较5种通用分类神经网络模型(Swin_transform、Vit、Mobilenet、Resenet和Vgg)的性能，F1分数分别为0.905、0.842、0.687、0.814和0.864。使用Swin_transform模型对107例外部数据集进行测试，得到0.833的准确率、0.872的灵敏度和0.801的特异度。结论:先心病心音信号的自动分类模型性能受噪声与神经网络结构的影响较大。通过应用离散小波变换法对心音信号进行降噪处理，模型性能显著改善。比较多种通用分类神经网络模型发现Swin_transform模型展现出了最佳的分类性能。智能听诊算法在实际临床应用中有良好的有效性、准确率、灵敏度和特异度。基于深度学习的智能听诊算法在先心病心音信号自动分类方面具有潜在应用价值。

因果推断中，时序（或方向性）的概念尚未完全明确。本文从因果思维出发，以真实因和真实果的发生时间将大自然时间轴划分为3个时域和2个时点，从而锚定了因果推断只能实现于第3时域。测量时序可分为5种类型：跨第1和3时域纵向时序（实验性时序）、跨第2和3时域纵向时序、同时域纵向时序、同时域逆纵向时序和同时域横向时序（观察性时序）。这种分类法适用于首次或多次测量、及时和延后测量等所有测量策略。除了实验中真实因的测量（或干预措施）在其发生之前（第1时域）或观察和实验中真实因的测量在真实果发生之前（第2时域）的情形外，所有其他测量策略类似于历史重建或"考古"，测量时序的重要性次于测量的准确性。从研究设计应整合偏倚设计的观点来看，本文提出基于大自然时间轴的测量时序五分类法，概念清楚并将有助于判断研究过程中可能出现的偏倚，为正确进行因果推断研究奠定基础。

目的:建立甲状腺超声造影血流灌注相似性度量学习方法，对临床常见的甲状腺结节进行分类诊断。方法:收集2017年1月至2020年12月南京鼓楼医院145例甲状腺结节超声造影病例，经手术病理明确诊断，包括20例结节性甲状腺肿，33例甲状腺滤泡状腺瘤，68例甲状腺微小乳头状癌和24例甲状腺乳头状癌。引入时序约束最优传输构建甲状腺超声造影度量学习（TCSML）方法，自动对齐局部造影增强模式并量化为动态血流灌注差异，并与已有的12种度量学习或多视图学习方法比对并辅助甲状腺结节进行分型鉴别。结果:在与已有的12种度量学习或多视图学习方法的对比中，该TCSML模型的平均诊断准确度75.14%，灵敏度68.85%，精准度78.85%和 F1分数69.79%，高于其他学习方法（均 P<0.05）。模型的最优输入序列长度为7，最佳时序正则系数为0.05，最优特征投影维度为40，最优结构化范数约束为0.004。 结论:该模型能够有效辅助临床医生初步判断甲状腺分型类别，并提供主要的局部增强模式，为超声医生提供直观地诊断参考。

目的 开发并评估一种基于数据驱动的重症监护病房脱机拔管预测模型.方法 收集重症监护病房有创机械通气患者的非时序数据、低频生命体征时序数据和高频机械通气时序数据,采用决策树、朴素贝叶斯、支持向量机、分类集成、广义线性模型和神经网络等算法构建预测模型,并进行性能评估.结果 共纳入204例患者,其中脱机成功患者122例,失败患者82例.含有163例高频机械通气时序数据的深度神经网络模型在预测脱机拔管成功率方面表现最佳,准确度94.2％,AUC值0.81,灵敏度100％,特异性80％.其他模型表现相对逊色,分类集成模型的准确率75％,AUC值0.76,灵敏度83.3％,特异性62.5％.结论 利用远程高频时序数据建立的深度神经网络模型在预测重症监护病房患者脱机拔管成功率上展现出卓越性能,明显超越未采用此类数据的模型.

针对手工睡眠分期过程繁琐,自动睡眠分期模型存在精度不足或难以解释分类结果的问题,本研究提出了一种基于混合智能的自动睡眠分期模型,结合数据智能和知识智能以实现睡眠分期精度、可解释性和泛化性的平衡.首先,基于典型脑电(electroencephalography,EEG)和眼电(electrooculography,EOG)通道的任意组合,建立了基于U-Net架构的时序全卷积网络和多任务特征映射结构;其次,通过组合不同睡眠图校正方法,探究了知识智能对粗睡眠图的不同作用方式.本模型在ISRUC和Sleep-EDFx数据集上的F1指标分别为 0.804、0.780.此外,本研究利用知识智能解决了模型得到的粗睡眠图跳变过多、睡眠阶段转换不合理的问题.结果表明,本研究能够为睡眠医师提供有效的判读辅助,在提高临床睡眠分期效率上具有巨大潜力.

目的 提出一种基于实时荧光聚合酶链式反应(Polymerase Chain Reaction,PCR)时序数据的深度神经网络知识蒸馏的阴阳性识别技术.方法 通过使用神经网络进行时序分类,在增加鲁棒性的同时减少异常值对模型结果的影响;结合知识蒸馏技术压缩深度神经网络,降低神经网络对算力资源的需求,以适应较低的计算资源运行环境.结果 收集全自动核酸提纯及实时荧光PCR分析系统AutoMolec 3000数据302260条,将数据集按80%和20%的比例分成训练集和测试集,在测试集上验证知识蒸馏后的全卷积神经网络(Fully Convolutional Networks,FCN)模型与长短时记忆结构(Long Short-Term Memory,LSTM)模型,在准确度、敏感度、特异性和F1均高于0.999的前提下,FCN模型可缩小21.3倍,LSTM模型参数可降低12.8倍;60452条样本的预测时长分别为5.6900、2.2516 s.结论 模型可保证整体的准确度性能,满足对部署环境的算法要求低的需求.