目的:探讨淋巴结淋巴浆细胞淋巴瘤/华氏巨球蛋白血症（n-LPL/WM）的临床病理学特点及预后。方法:收集郑州大学第一附属医院2009年5月至2020年1月诊断的n-LPL/WM 19例，分析其临床、形态学、免疫组织化学及免疫球蛋白（Ig）基因重排情况（BIOMED-2法），用Sanger测序法检测MYD88 L265P基因突变情况，并随访患者。结果:患者男性15例，女性4例，中位年龄61岁（年龄范围43~82岁）；华氏巨球蛋白血症（WM）14例，淋巴浆细胞淋巴瘤（LPL） 5例；临床表现最多见乏力、疲倦（9/19）及B症状（11/19），多数（16/18）患者全身多发淋巴结肿大；18例临床均处于进展期；血清M蛋白：IgM型15例、IgG及IgA型各1例、无分泌型2例；17例（17/18）骨髓受累及。形态学分为典型组（9例）及不典型组（10例），典型组淋巴结结构保留，以浆样淋巴细胞增生为主或小淋巴细胞、浆样淋巴细胞及浆细胞混合增生，无滤泡树突细胞（FDC）网增生及滤泡植入；不典型组可见淋巴结结构破坏（5例）、小淋巴细胞增生为主（6例）、FDC网增生和（或）滤泡植入（6例）、边缘带细胞分化（4例）及弥漫性淀粉样变性（1例），两组均可见含铁血黄素沉积（19例）、结外脂肪组织浸润（19例）及间质条带状硬化（9例）。免疫组织化学：肿瘤性B细胞均表达CD20、CD79α，肿瘤性浆细胞均表达CD38、CD138及MUM1，8例（8/8）轻链限制，7例中5例表达IgM、2例分别表达IgG及IgA，4例CD23弱阳性，Ki-67阳性指数10%~30%；两组临床病理学特征及预后差异均无统计学意义（ P>0.05）；18例（18/18）MYD88 L265P突变。中位随访时间61个月，11例存活，8例死亡，5年存活率21.1%。 结论:n-LPL/WM少见，临床分期常较高，形态学易与其他小B细胞淋巴瘤伴浆样分化混淆，结合临床表现、血清M蛋白值、免疫组织化学、骨髓活检、流式细胞学及MYD88 L265P突变检测等综合分析可明确诊断。n-LPL/WM患者可能预后不良，有待扩大样本进一步研究。

有关统计学符号的使用,请按国家标准GB3358-829《统计名词及符号》规定.样本的算术平均数用小写(x),不用大写X,也不用M(以免与中位数M混淆);标准差用s,而不用SD;标准误用s(x),不用SE,也不用SEM;t检验用小写t;F检验用大写F;卡方检验用希腊文小写x2;相关系数用英文小写r;自由度用希腊文小写u;样本数用英文小写n;相对危险度用OR;概率用大写P;概率数值用小数表示,不用百分数.请作者在投稿时注意.

目的:建立一种基于深度学习的胆结石分类方法，并对其进行验证。方法:收集同济大学附属东方医院618例胆结石样本，拍摄1 023张高清结石剖面图像，构建胆结石剖面图像数据集。以传统胆结石八分类法为基础，利用深度学习与迁移学习的方法，训练轻量化网络模型MobileNet V3实现胆结石的快速精准分类，使用混淆矩阵评估模型通过准确率、精确率、F1分数和召回率等指标评估模型的分类性能，并通过准确率和损失值对改进的MobileNet V3模型进行验证。结果:改进的MobileNet V3模型的准确率（94.17%）、精确率（94.03%）、F1分数（92.96%）和召回率（92.99%）均优于其他网络。改进的MobileNet V3模型在胆结石剖面分类中取得了最高的准确率（94.17%），并通过测试集验证。混淆矩阵图显示各类别胆结石的加权平均后的准确率为92.0%，精确率为92.6%，F1分数为92.2%。结论:建立了一种基于深度学习的胆结石分类方法，具有较高的识别准确率，为胆结石的智能化识别提供了新的思路。

目的:分析广州市青年学生艾滋病相关危险性行为的发生情况及影响因素。方法:2021年9-11月采用方便抽样方法在广州市5所不同类型大学开展横断面调查，每个年级至少抽取1个班级，每所学校样本量为600人。采用R 4.2.2软件进行数据整合、清洗和分析。以是否曾经发生过性行为为分层变量，同时构建logistic回归模型和决策树模型，每层通过受试者工作特征曲线下面积和混淆矩阵对两种模型预测性能进行评价，保留预测性能较高的模型。结果:共调查青年学生7 346人。自报曾经发生性行为者占9.08%（667/7 346），其中近1年发生危险性行为者占26.24%（175/667）。对于近1年是否发生危险性行为，决策树模型各项预测性能较高，当复杂度系数值为0.018，决策树生长层数为4，即有5个叶子结点时，树的交叉误差最小。决策树模型第一个最佳分组变量是首次性行为是否正确使用安全套，如果正确使用安全套但近1年发生男男性行为则发生危险性行为概率增加，如果近1年未发生男男性行为，但首次性行为年龄<18岁且开始接受艾滋病宣传教育的文化程度是高中及以上，发生危险性行为概率也会增加。结论:青年学生艾滋病相关危险性行为问题值得关注，首次性行为的经历、是否接受过艾滋病相关健康教育是后续发生危险性行为的重要预测因素。决策树模型对于预测和筛选HIV潜在风险人群具有一定适用性。

研究制订国际标准化组织(International Organization for Standardization, ISO)中草药国际标准已成为中药国际化和标准化的新热点，国际标准化组织/中医药技术委员会(ISO/TC249)为制定中草药标准提供了国际平台。青风藤作为疗效确切且在国际范围内有一定应用的传统中药材，也应通过制订国际标准的形式在全球层面建立统一的质量与安全控制标准。现有文献研究显示，青风藤存在较多别名，品种混淆与掺伪问题较严重。以青藤碱为主的生物碱是其主要药理活性成分。通过分析中国、日本、韩国及欧洲药典发现，中国、欧洲药典均以青藤碱作为青风藤的质量控制指标；日本、韩国药典对青风藤的质控要求较为相似，但韩国药典更偏重对安全性的要求。建议收集青风藤全球贸易数据和样本进行质量与安全性研究来制订青风藤ISO国际标准。

目的 利用COI序列对中药材蝉蜕Cicadae Periostracum及其混淆品进行DNA条形码鉴定研究,为蝉蜕药材的快速准确鉴定提供新的技术手段.方法 收集全国市售蝉蜕药材、基地自采蝉蜕及其混淆品总45份样本,同时采集江苏徐州黑蚱养殖基地不同树种中蝉卵样品5份作为对照.提取DNA,进行PCR扩增及双向测序,测序结果采用DNAMAN和SnapGene进行拼接校对,运用MEGA11.0进行比对分析,计算种内及种间Kimura2-Parameter(K2P)遗传距离并构建邻接法(neighbor-joining,NJ)系统发育树.结果 黑蚱种内遗传距离远小于种间最小遗传距离,NJ树结果显示,黑蚱蝉蜕样品全部聚集为独立的一支,支持率为99％.混淆品样品分别聚集为单独的一支,支持率均大于90％,表明基于COI序列的DNA条形码技术可以有效鉴别蝉蜕药材真伪.结论 应用COI序列作为DNA条形码能够准确有效地鉴别蝉蜕及其混淆品.

目的 构建基于视频目标检测的中药饮片调剂预警系统,降低中药饮片调剂混淆事件发生率,保障用药安全.方法 设计基于人工智能的中药饮片调剂预警系统开发方案,分为视频采集、目标检测、文字识别和预警四个模块.预警系统可以驱动监控视频实时检测药剂师中药饮片调剂内容,与处方实时比对,对漏配、错配和多配等错误调剂信息进行语音和图文信息预警.本文以小柴胡汤加减方为基础,采购3 个批次中药饮片样本,采集并标注 1 524 张饮片图像,制作中药饮片数据集,基于Faster R-CNN算法训练目标检测模型并进行系统构建.结果 经测试Faster R-CNN 模型均值平均精度(mean average precision,mAP)达到了 95.10%,利用训练好的目标检测模型结合文字识别和预警算法构建预警系统,对中药饮片调剂过程进行识别,系统能对调剂错误行为进行准确自动报警.结论 该系统可实时、主动进行中药饮片调剂检测和预警,为中药饮片调剂智能化提供新思路,提高中药饮片调剂科技水平,促进中医药与人工智能相结合.

目的 随着当前医院肿瘤患者放疗数量的日益增长,对放疗设备持续稳定治疗的要求越来越高.放疗直线加速器是放射治疗的主要设备,多叶准直器(multileaf collimator,MLC)是调强放疗最为频繁的系统之一,但其故障发生率较高,一旦发生故障宕机,不仅影响患者治疗效果,还会给医院带来经济损失.因此,快速准确识别并排除故障,对保障MLC系统的正常运行具有重要意义.本文提出一种基于概率神经网络(probabitistic neural network,PNN)的MLC系统故障识别诊断方法,为MLC系统的不同故障现象和类型提供维修依据.方法 结合复旦大学附属肿瘤医院医科达放疗加速器故障维修经验及日常报错记录,整理分析MLC系统构成及常见故障现象共 140 例,统计研究常见故障下设备状态的各项参数数据.选取能够表征故障特征的信息作为输入向量和故障分类输出向量,用不同特征输入向量的组合代表不同的故障类型.数据归一化乱序处理后,创建PNN神经网络模型并进行训练.最后对比分析故障的实际分类和预测分类结果.结果 通过分类结果对比和混淆矩阵可知,训练集样本一共98个,预测对比精确度为100%;测试集样本一共42 个,预测对比精确度为97.619%,训练总时间为4.626 s.结论 基于PNN概率神经网络的MLC系统故障识别诊断模型具有训练速度快、容错性好、识别诊断精准度高等优势.

目的 基于机器学习方法中的随机森林和决策树模型,实现在医疗与健康应用场景下的恶意流量检测.方法 以CIC-IDS2017样本集作为模型的训练集与验证集,对将该样本集通过Python预处理后的共1708979条数据进行模型训练.预处理后的样本集中训练集占比80%(1367183条),验证集占比20%(341795条),在sklearn中进行随机森林和决策树模型参数调整训练,再将在医疗与健康应用场景下捕获到的500条网络流量作为测试集进行模型泛化能力评估.结果 由决策树和随机森林混淆矩阵图可知,决策树模型对于慢速拒绝服务攻击以及跨站脚本攻击的预测准确率为95%,尤其是决策树模型对慢速拒绝服务攻击进行预测时,会将其与跨站脚本攻击混淆.随机森林模型对于慢速拒绝服务攻击预测准确率为99%,能够正确预测大多数慢速拒绝服务攻击.随机森林模型在医疗与健康应用场景下整体表现良好.结论 两种模型对于在医疗与健康应用场景下的恶意流量检测准确率效果较好,但传统的决策树模型准确率低于随机森林模型.随机森林模型更适合在医疗健康场景下的恶意流量检测,可为医疗健康应用场景中的网络安全研究提供参考.

卷积神经网络可以通过树木年轮样本构造特征图像实现物种识别的自动化.本研究通过建立树木年轮样本构造特征图像集,选用LeNet、AlexNet、GoogLeNet和VGGNet 4 个卷积神经网络模型,实现基于树木年轮横切面的计算机自动化树种精准识别,进而确定各模型的树种识别准确率,明晰不同树种在自动识别中的混淆情况,探测不同模型识别结果的差异.结果表明:本研究训练的用于树种识别的卷积神经网络模型具有较好的可信度;4 个模型中GoogLeNet模型树种识别准确率最高,为 96.7%,LeNet模型识别准确率最低(66.4%);不同模型对于所选树种的识别结果具有一致性,表现为对蒙古栎识别准确率最高(AlexNet模型识别率达到100%),对臭冷杉的识别准确率最低.本研究中也存在类似结构树种的识别混淆情况.模型在科和属水平的识别准确率高于种水平;阔叶树种因其显著的结构差异容易区分,阔叶树树种的识别准确率高于针叶树.总体上,通过卷积神经网络,探测了树木年轮特征的深层信息,达到树种的精准识别,提供了一种快速便捷的自动树种初筛鉴定方法.