探讨五虎汤治疗呼吸道合胞病毒(RSV)诱发哮喘的效应物质及作用机制.使用超高效液相串联高分辨质谱仪确定五虎汤的入血成分;借助数据库对入血成分作用于哮喘的靶点进行京都基因与基因组百科全书(KEGG)富集分析及基因本体论(GO)功能分析.同时将靶点蛋白及代谢物-靶点-通路等信息导入STRING数据库,构建蛋白互作网络,明确五虎汤核心成分及关键通路.体内实验部分使用RSV联合鸡卵清蛋白(OVA)建立哮喘模型,通过肺功能、苏木精-伊红(HE)染色、酶联免疫吸附测定(ELISA)法、蛋白免疫印迹法及免疫组织化学法验证五虎汤对RSV诱导哮喘小鼠的干预作用.结果显示,五虎汤入血成分以黄酮类、苯丙素类、木脂素类、萜类等化合物为主,作用于儿童哮喘的核心成分有(-)-表没食子儿茶素、山柰素、异甘草素、香叶木素、桦木酸、熊果酸、瑞香素、七叶素等,钙信号通路、神经活性配体-受体相互作用、NOD样受体信号通路、T细胞受体信号通路、Toll样受体信号通路等是其靶点主要作用通路.体内实验结果表明,五虎汤能够改善肺功能指标,下调白细胞介素-6(IL-6)、白细胞介素-17((IL-17)及肿瘤坏死因子-α(TNF-α)水平,并且能够降低肺组织中NOD样受体热蛋白结构域相关蛋白3(NLRP3)、丝裂原活化蛋白激酶1(MAPK1)、丝裂原活化蛋白激酶14(MAPK14)、核因子-κB亚基1(NFKB1)等蛋白的表达,减轻中性粒细胞炎症浸润及肺淤血.结果表明,五虎汤通过多组分、多靶点、多途径的协同作用干预病毒诱发哮喘,体内实验证明其能抑制NOD样受体信号通路的激活,减轻哮喘小鼠气道炎症与气道损伤.

目的 构建急性期高血压脑出血患者的症状网络,探索核心症状群,为医护人员开展个体化、精准化症状管理提供参考.方法 2022年12月-2024年1月便利抽取河北省三所三级甲等医院神经外科住院的423例高血压脑出血患者为研究对象.采用一般资料调查表、中文版记忆症状评估量表、美国国立卫生院卒中量表、脑卒中专用生活质量量表收集资料.探索性因子析取症状群,R语言构建症状网络分析中心性指标,并通过分层回归明确对患者生活质量的影响最大的症状群,确定核心症状群.结果 高血压脑出血患者最常见的症状是疼痛(83.5％)、担忧(80.6％)、恶心(75.7％),最严重的症状是疼痛(2.29±0.05),其次是恶心(1.93±0.06)、担忧(1.72±0.06).探索性因子分析出5个症状群,分别是病感症状群、功能障碍症状群、精神情绪症状群、呼吸道症状群和消化道症状群,累计方差贡献率为61.832％.症状网络中预期影响值最大的症状为疼痛(rs=1.17).分层回归分析结果表明,病感症状群的对生活质量影响程度最大(β=-4.677,95％CI:-5.224～-4.131,P＜0.001),对模型解释度为46.5％.结论 病感症状群为高血压脑出血患者急性期的核心症状群,医护人员可基于此采取相应的干预措施开展症状管理,进一步提高症状管理的效率.

医学图像是医生对患者进行病情诊断和治疗规划的有力工具.现今对于医学图像的分割不再局限于手工分割方法,通过传统方法与深度学习方法来实现医学图像分割已经取得更好、更准确的结果.本文基于近年来一些较为出众的医学图像创新分割方法进行综述,通过阐述深度学习方法如SAM、SegNet、Mask R-CNN和U-NET以及传统方法如活动轮廓模型、阈值分割模型创新等,对比各种图像分割方法的异同点,对医学图像分割方法做出总结与展望.以此来帮助学者们更好地了解目前的研究进展与未来的发展趋势.

针对机器学习方法在对脑电特征进行分类时无法同时兼顾脑电信号的时-空域特征的问题,利用添加注意力机制的卷积神经网络提取空间特征和双向门控循环单元提取时间特征,提出一种基于特征融合的运动想象(Motor Imagery,MI)脑电分类算法(Attention-EEGNet-BiGRU,AEBGNet),AEBGNet可将时、空域两类特征相融合,得到更具表征性的时-空域特征,最终构建的AEBGNet分类模型在BCI competition IV 2b数据集上取得80.37%的平均正确率,比标准的EEGNet方法提高6.09%.结果表明,本文方法可以有效提高MI脑电信号的分类正确率,为MI脑电信号的分类提供新的思路.

前列腺癌(prostate cancer,PCa)是全球男性中患病最多、致死率第二高的癌症.PCa神经微环境与肿瘤进展、手术根治程度及术后复发密切相关,但具体机制尚不明确.神经微环境中的神经密度(neural density,ND)、神经周围侵袭(perineural invasion,PNI)以及神经内分泌特征(neuroendocrine features,NEF)与TMPRSS2 ERG基因、单胺氧化酶A(monoamine oxidase A,MAOA)、核因子κB,神经营养因子以及神经肽Y(neuropeptide Y,NPY)等的表达密切相关.挖掘与该基因组学及蛋白组学相关的影像标志物可以早期识别PCa神经微环境从而影响临床诊疗方案.基于多参数磁共振成像(multiparameter magnetic resonance imaging,mp-MRI)影像组学特征可以识别PNI及NEF的潜在影像标志物.基于磁粒子成像技术(magnetic particle imaging,MPI)、深度神经网络(deep neural network,DNN)图像分类模型可以进行神经可视化.新兴神经影像技术弥散张量成像(diffusion tensor imaging,DTI)、扩散频谱成像(diffusion spectrum imaging,DSI)、神经突定向扩散与密度成像(neurite orientation dispersion and density imaging,NODDI)以及基于吩噁嗪的近红外荧光团的设计合成与神经成像技术,在显示及预测ND、PNI、NEF也蕴含着独特的价值.本文就PCa患者神经微环境潜在影像标志物的研究现状进行综述,以进一步揭示PCa神经微环境的神经生理机制,为后续诊疗过程及改善患者预后提供影像学依据.

提出一种基于卷积神经网络的X线片下肢关节角度识别算法,首先在X线片中使用Yolov5目标检测模型来识别特定类别的感兴趣区域,并使用U-Net模型进行热图回归来识别关键特征点,最后进行下肢关节角度的计算.研究结果表明,本文提出的算法相比于之前的算法精度更高,结果准确可靠,为临床研究和实践提供参考.

目的 分析并构建新生儿缺血缺氧性脑病(hypoxic-ischemic encephalopathy,HIE)竞争性内源RNA(competing endogenous RNA,ceRNA)的调控网络,筛选预测缺血缺氧性脑病诊治的潜在靶点.方法 通过TCGA和GEO数据库获取HIE的非编码RNA高通量测序数据,并进行差异基因分析.根据ceRNA理论构建出circRNA(circular RNA)-miRNA-mRNA网络,进行京都基因与基因组百科全书(Kyoto Encyclopedia of Genes and Genomes,KEGG)信号通路和基因本体理论(Gene Ontology,GO)分享,探索和功能注释具有ceRNA潜在功能的circRNA.结果 对GSE121178数据集进行筛选,获得差异circRNAs165个,其中上调59个,下调106个;对GSE181127数据集进行筛选,获得差异miRNAs 63个,其中上调60个,下调3个.用miRecords、miRTarBase、TarBase数据库对获得差异miRNAs进行靶点mRNA预测,并对3个数据库预测结果取交集,共获得11个靶点mRNA(PIK3R1、BACE3、VEGFA、PPP2R2A、LATS2、WDR82、VEZT、TUBA1A、THBS1、SLC7A6、CDK6).经阈值筛选,筛选了10个共表达circRNAs、4个共表达miRNAs和11个共表达mRNAs,构建circRNA-miRNA-mRNA网络.KEGG富集分析显示:HIE涉及的20个交集蛋白在信号通路中,较为靠前的10条信号通路包括T细胞受体信号通路、Ras信号通路、Rap1信号通路、PI3K-Akt信号通路、MAPK信号通路、FoxO信号通路、ErbB信号通路、胰岛素抵抗、酪氨酸激酶抑制作用、细胞衰老和细胞周期等靶点.说明这些信号通路或与HIE的发生有关.动物实验表明:模型组大鼠神经功能缺损评分高于空白组(P<0.001).模型组miR-31-5p的mRNA表达水平明显低于空白组(P<0.05),模型组中miR-520g-3p,miR-30a-5p,miR-29a-3p表达水平明显高于空白组(P<0.05);WB显示,模型组中CDK6、THBS1和TUBA1的表达水平明显高于空白组(P<0.05),模型组中VEZT和WDR82的表达水平明显低于空白组(P<0.05).结论 构建了HIE的circRNA-miRNA-mRNA调控网络,找到了疾病的潜在治疗靶点,为HIE的诊治提供了新方向.

目的 胸部X线是临床实践中常见的胸部疾病筛查和诊断方式.由于放射科医生长时间阅片容易视觉疲劳以及医疗资源分配不均衡的问题,导致误诊和漏诊的情况时有发生.针对这一问题,本研究运用深度学习技术,提出了一个基于ConvNeXt模型的胸部X线图像的疾病检测方法,旨在提高胸部疾病诊断准确度、减轻误诊风险并提高医生工作效率.方法 利用大规模公开胸部X线图像数据集ChestX-ray14训练ConvNeXt模型,该模型在ResNet模型的基础上,融合了视觉Transformer结构的优势,可以有效提高模型的特征提取和识别能力,同时以AUC(ROC曲线下方的面积)作为模型性能的评价指标,与已有的分类模型CheXNet、ResNet及Swin Transformer进行了对比.此外,通过引入Grad-CAM可视化方法,利用卷积神经网络特征图的梯度信息生成胸部X线图像的类激活热力图,实现对病灶区域的定位,从而提高医生的诊断效率.结果 基于ConvNeXt模型的诊断方法在识别14种胸部疾病时平均AUC值可达0.842,特别在识别积液(AUC值为0.883)、水肿(AUC值为0.902)和疝气(AUC值为0.942)等疾病时表现较为令人满意.结论 本文提出的方法在胸部X线图像的疾病检测中具有较好的性能,是一种对胸部X线图像进行胸部疾病诊断进而协助医生提高工作效率的有益尝试.

目的 运用网络药理学及实验验证探讨补阳还五汤治疗脊髓损伤的潜在靶点及机制.方法 通过网络药理学相关数据库筛选补阳还五汤和脊髓损伤相关靶点并进行映射,将共有靶点进行PPI网络分析、GO和KEGG富集分析.构建大鼠脊髓损伤模型,并将造模成功的 24 只大鼠随机分为假手术组、模型组和补阳还五汤组,每组 8 只探索和验证补阳还五汤治疗脊髓损伤的相关通路和靶点.结果 获得 214个补阳还五汤靶点、2 647 个脊髓损伤相关靶点,取交集的 58个共有靶点.PPI网络筛选得到两个核心子网络,其中ALB、Akt1、HIF-1α、VEGFA和JUN为关键靶点.GO分析得到 1 583 个条目.KEGG分析表明补阳还五汤治疗脊髓损伤与PI3K-Akt、NF-κB、P53 等多条通路密切相关.补阳还五汤组Basso-Beattie-Bresnahan(BBB)评分高于模型组(P<0.01,P<0.0001).补阳还五汤上调脊髓损伤后关键蛋白HIF-1α、ALB、VEGFA和JUN水平(P<0.05,P<0.01);补阳还五汤下调脊髓损伤后通路蛋白p-PI3K/PI3K、p-Akt1/Akt1、p-NF-κB p65/NF-κB p65、P53水平(P<0.05).结论 补阳还五汤能够抑制脊髓损伤后SD大鼠脊髓损伤节段PI3K-Akt、NF-κB、P53 等通路和促进HIF-1α、ALB、VEGFA和JUN等关键蛋白表达,从而促进神经功能恢复,发挥治疗脊髓损伤的作用.

目的 探索一种在小数据量条件下提高医学诊断神经网络模型准确率和泛化能力的方法,解决在指甲病图像计算机辅助诊断中由于训练数据量小而导致神经网络模型性能不佳的问题.方法 提出融合实例分割与细粒度特征分类的双模型策略,采用第一届全国数字健康创新应用大赛健康医疗大数据主题赛基于图像的指甲病智能诊断模型任务数据集训练基于双模型策略的神经网络模型,该任务数据集涵盖甲母痣、甲沟炎、银屑病甲、甲真菌病、甲下出血、甲黑线、甲周疣、甲黑素瘤8类指甲病,各类别不平衡.评估双模型策略的诊断性能,并与相同软、硬件训练条件下单模型策略[图像分类模型(ResNet50、Swin Transformer)和基于快速区域卷积神经网络(Faster R-CNN)的目标检测模型]进行比较.结果 纳入任务数据集包括甲母痣210例、甲沟炎186例、银屑病甲69例、甲真菌病203例、甲下出血149例、甲黑线71例、甲周疣93例、甲黑素瘤67例共1 048例样本,其中90％的样本用于训练不同策略的模型,10％用于评估模型.基于ResNet50的图像分类模型的micro F1值为0.324,基于Swin Transformer的图像分类模型为0.381,基于Faster R-CNN的目标检测模型为0.572,基于双模型策略的Mask R-CNN+Swin Transformer模型为0.714.双模型策略预测各指甲病的准确度为甲母痣80.95％(17/21)、甲沟炎89.47％(17/19)、银屑病甲100.00％(7/7)、甲真菌病70.00％(14/20)、甲下出血73.33％(11/15)、甲黑线14.29％(1/7)、甲周疣55.56％(5/9)、甲黑素瘤42.86％(3/7).双模型策略在该任务1 000例测试集中的micro F1值为0.844.结论 双模型策略可以有效结合功能不同的模型,更好地完成小数据量训练条件下的指甲病图像智能诊断任务.