目的:探讨腺癌与非腺癌脑转移的位置分布差异，为制定更优化的治疗方案提供参考。方法:回顾性分析2020年1月至2023年7月共283例在浙江省肿瘤医院接受放疗的非小细胞肺癌患者的资料。其中腺癌患者191例，平均年龄62.04岁；非腺癌患者92例，平均年龄63.85岁。患者的CT图像及脑转移肿瘤区同步形变配准至标准模板，以获取标准脑模板中的脑转移分布区域。使用Dice系数分析两者相似性，并在SPM与Dpabi软件上分别对腺癌和非腺癌脑转移的分布进行双样本 t检验以确保结果的一致性。对于脑转移灶数目(BMs)≥4的脑区，统计2 mm × 2 mm × 2 mm体素的数量。 结果:非腺癌倾向于侵犯小脑后叶、楔前叶、小脑前叶、楔叶、枕中回与颞中回，体素在对应脑区的分布个数分别为2 577、2 291、1 947、1 550、1 200、600；腺癌脑转移更倾向于发生在顶下小叶、小脑后叶、中央额回、中央前回、颞中回、楔前叶，体素在对应脑区的分布个数分别为211、201、194、186、137、84。结论:腺癌与非腺癌的脑转移空间分布存在差异，两种亚型均存在偏好于侵犯特定脑区的现象。

目的:研究基于多任务学习轻量级卷积神经网络(MTLW-CNN)在肺部危及器官(OAR)自动分割中的应用。方法:MTLW-CNN包含多个特征共享层和OAR的对应勾画分支。收集497例肺癌病例，以同时包含肺、心脏和脊髓的CT及医生勾画的轮廓为样本，随机划分300例用于训练与验证，197例用于测试。在测试集应用MTLW-CNN计算OAR的戴斯相似性系数(DSC)，与Unet、DeepLabv3+的DSC、训练及测试时长、空间复杂度(S)进行对比。为研究多任务学习对模型泛化性能的影响，按照MTLW-CNN结构建立3个OAR的单任务学习模型(STLW-CNN)，使用相同数据训练与测试，统计并对比两者DSC。结果:MTLW-CNN的肺、心脏、脊髓DSC平均值分别为0.954、0.921、0.904。与Unet、DeepLabv3+的DSC差距<0.020，训练与测试时长是Unet、DeepLabv3+的1/3~1/30，S分别为Unet、DeepLabv3+的1/42、1/1220。STLW-CNN的肺、心脏DSC平均值、标准差与MTLW-CNN差距约为0.005、0.002，脊髓平均值相差0.001，但标准差却比MTLW-CNN高0.014。结论:MTLW-CNN以更小的时间、空间代价实现肺部OAR的高精度自动勾画，不仅可以提高模型应用效率，还有利于提高模型的泛化性能。

目的:开发一种多尺度融合与注意力机制结合的头颈部肿瘤放疗危及器官图像分割方法。方法:基于U-Net卷积神经网络，为增强分割模型的特征表达能力，将空间和通道注意力模块与U-Net模型相结合，提高与分割任务相关性更大的特征通道权重；在网络模型编码阶段引入本文提出的多尺度特征融合算法，补充模型下采样过程中损失的特征信息。使用戴斯相似性系数（DSC）和95%豪斯多夫距离（HD）作为不同深度学习模型之间比较的性能评估标准。结果:在医学图像计算和计算机辅助干预国际会议（MICCAI）StructSeg 2019数据集上进行头颈部22个危及器官的分割。相比于已有方法，本文提出的分割方法平均DSC提升了3%~6%，22种头颈部危及器官的分割平均DSC为78.90%，平均95%HD为6.23 mm。结论:基于多尺度融合和注意力机制的U-Net卷积神经网络对头颈部危及器官达到了更好的分割精度，有望在临床应用中提高医生的工作效率。

目的:开发一种基于3D-CNN的脑部多发性硬化症（MS）病灶图像的自动分割方法。方法:该分割方法分为两个阶段，包括2个CNN卷积层和池化层。第一阶段初步筛选出病灶体素，第二阶段进一步限定条件，从第一阶段得到的病灶体素中挑选出最终的分割结果。在MICCAI2016公共数据集上，对所提出的方法进行实验验证，并与其他的基线方法进行比较。结果:对于15位MS患者的MRI图像，所提出方法得到的平均相似性系数（DSC）为0.59，相比于3个基线方法，分别提高了2%、3%和4%。结论:所提出基于3D-CNN的图像分割方法在3D空间上对MRI图像进行分割，相比2D图像分割，对于临床诊断更具意义。

为了解高黎贡山地区不同海拔蝗虫和螽斯类群落多样性及其与环境因子之间的关系,采用样线法于2020年和2021年9-10月对该地区海拔1200～2400 m范围内的蝗虫和螽斯2个类群进行了调查,整个调查区域划分为3个海拔段:分别为海拔段Ⅰ(1200～1600 m)、海拔段Ⅱ(1600～2000 m)和海拔段Ⅲ(2000～2400 m).结果表明:调查共采集蝗虫和螽斯741头,隶属于7科35属52种,其中海拔段Ⅰ有7科24属30种426头,海拔段Ⅱ有4科12属15种201头,海拔段Ⅲ有2科12属13种114头;螽斯科(Tettigoniidae)、斑腿蝗科(Catantopidae)和驼螽科(Rhaphidophoridae)为该地区的优势类群,山地吟螽(Phlugiolopsis montana)为该地区的优势种;在海拔段Ⅰ,物种丰富度、多样性指数、丰富度指数和优势集中性指数均最高;相似性分析表明,3个海拔段间的相似性系数位于0～0.1026;其中海拔段Ⅱ与海拔段Ⅲ的相似性系数最高为0.1026.相关性分析表明,环境因子显著影响蝗虫和螽斯类多样性,但不同测度之间存在一定差异;温度与物种丰富度呈显著负相关,与Pielou均匀度指数呈显著正相关;降水量与多样性指数、个体数和物种丰富度均呈显著负相关;温度和降水因子是影响高黎贡山地区蝗虫和螽斯类多样性空间分布格局的主导因子,生境异质性有助于提高2个类群的物种丰富度.

为阐明关帝山垂直海拔梯度上昆虫功能群变化特征及环境因子对其空间分布格局的影响,本研究在关帝山林区海拔1,600-2,800m范围内设置7个样地,于2020年和2021年的7-8月采用扫网法和陷阱法采集昆虫标本,通过单因素方差分析比较不同海拔昆虫群落多样性和功能群特征差异,利用三维主成分分析和Jaccard相似性系数比较不同海拔昆虫功能群相似性,运用Pearson相关系数分析和冗余分析以明确环境因素对昆虫群落功能群垂直分布格局的影响.研究结果表明:在关帝山不同海拔样地中共调查到9,321头昆虫,隶属11目89科198种,不同功能群种群的数量在海拔梯度上具有明显的分化特征;海拔梯度亦可显著导致昆虫群落物种多样性分化,这种差异性可能源于海拔引起的生境异质性;不同海拔样地间昆虫群落Jaccard相似性系数为0.13-0.41,均表现为极不相似或中等不相似;此外,本研究选取的19个环境因子均会影响昆虫功能群的空间分布,其中环境温度和土壤P/N(速效磷与速效氮的比值)是决定昆虫功能群空间分布格局的最重要环境因子.本研究结果可为关帝山昆虫群落及功能群的监测和保护提供理论依据.

道地药材指经过中医临床长期应用优选出来的,产在特定地域,受到特定生产加工方式影响,较其他地区所产同种药材品质佳、疗效好且质量稳定,具有较高的知名度的药材.道地药材是我国几千年悠久文明史、中医中药发展史形成的特有概念,根据道地药材的定义,可以看出不同地域之间的同种药材在质量和疗效等方面存在一定的差异性,在特定区域还存在一定的相似性.该文应用空间统计分析方法,对中国各地黄花蒿中青蒿素含量空间分布特征进行分析.①采用“I系数”对各地青蒿素含量的空间自相关性进行分析,结果显示,各省青蒿素含量存在着显著的、正的空间自相关;各省青蒿素含量高低并非随机分布,而是具有明显的空间聚集特征.②采用“G统计量”对各地青蒿素含量的空间差异性进行分析,结果显示,总体上青蒿素含量高的区域分布在西南地区,在空间上呈现连片分布,青蒿素含量趋于高值空间聚集;天津市和辽宁省青蒿素含量较低,青蒿素含量趋于低值空间聚集;其他省份青蒿素含量属于高值和低值过渡区域.③基于各省青蒿素含量一个指标,采用“Moran散点图”对各区域青蒿素含量空间关联关系进行分析,结果显示:广西、重庆等9个省市的青蒿素含量属于高值聚集区.④采用“地理探测器”,基于采样点的青蒿素含量和生态环境因子指标,同时对连续型的定量数据、非连续型的定性数据进行分析,结果显示:日照、气温、降水量是影响青蒿素含量的主要因素.

目的:研究抗肾癌药物吡啶杂环类磷脂酰肌醇3-激酶(PI3K)抑制剂的三维定量构效关系(3D-QSAR),为新型抗肾癌药物的设计与研发提供参考.方法:收集30个吡啶杂环类PI3K抑制剂分子的结构和活性值[即半数抑制浓度的负对数(pIC50)]数据,使用Sybyl-X 1.1软件进行分子叠合后,构建比较分子力场分析(CoMFA)和比较分子相似性分析(CoMSIA)模型,对PI3K抑制剂分子的立体场、静电场、疏水场、氢键供体场和氢键受体场进行考察;使用Sybyl-X 1.1软件进行分子对接,对PI3K抑制剂分子与受体靶标蛋白的作用机制进行分析;使用PyMOL V1.5软件设计新的PI3K抑制剂分子,并利用CoMFA和CoMSIA法对其活性进行预测.结果:CoMFA和CoMSIA模型的交叉验证系数分别为0.617、0.601,拟合验证系数分别为0.969、0.974,外部验证复相关系数分别为0.656、0.670.在CoMFA模型中,立体场和静电场的贡献值分别为56.2%、43.8%;在CoMSIA模型中,立体场、静电场、疏水场、氢键供体场、氢键受体场的贡献值分别为41.0%、31.3%、21.1%、2.4%、4.2%.分子叠合后,在公共骨架R1取代基附近引入空间位阻较小、正电性及亲水性较强的基团均可有助于增强分子活性.分子对接结果显示,PI3K抑制剂分子与受体靶标蛋白中的关键氨基酸ALA805、VAL882、THR887共形成了3个氢键,长度分别为1.84、1.99、1.99?.根据上述信息共设计了6个新分子,其中2个活性较高的分子的预测pIC50分别为3.211、3.247(CoMFA法)和3.238、3.222(CoMSIA法).结论:新建CoMFA和CoMSIA模型具有良好的预测能力和统计学稳定性.分子立体场对分子活性的贡献值大于静电场,同时疏水场对分子活性的影响也不容忽视.吡啶杂环类PI3K抑制剂与受体靶标蛋白具有较强的氢键作用.3D-QSAR可为后续新的PI3K抑制剂分子的设计、改造及药物研发提供参考.

肝脏分割对于肝肿瘤肝段切除及肝移植体积测量具有重要的临床价值.由于在CT影像中肝脏与邻近脏器的灰度值相似性很高,因此对肝脏区域的三维自动分割是一项具有挑战性的难题.为解决精准肝脏分割的问题,提出一种新型的深度全卷积网络结构3 DUnet-C2.该结构充分利用肝脏CT图像的三维空间信息,并有效结合肝脏区域的浅层特征和深层特征.特别地,还提出一种新的3DUnet-C2网络训练策略,通过选取清晰图像,并从图像中截取肝脏区域作为样本进行训练的方式,得到初步3DUnet-C2模型权重,并使用该权重来初始化3DUnet-C2的网络参数,从而使网络达到收敛.最后,针对3DUnet-C2网络分割肝脏边界不精准的问题,在原有3DUnet-C2网络模型的基础上,运用三维条件随机场构建3DUnet-C2-CRF模型来优化肝脏分割边界.为了验证所提出三维分割模型的性能,从ISBI2017 Liver Tumor Segmentation Challenge的数据集中选取100张CT图像用于训练、验证和测试,3DUnet-C2-CRF模型在随机选取的20张测试集上的分割准确率的Dice系数为96.9％,高于3DUnet和Vnet模型的Dice系数.实验结果表明,3DU net-C2-CRF模型具有更好的特征表达能力以及更强的泛化性能,从而可提升模型的分割准确率.

目的:融合PET/CT/MRI医学图像,使结果图像尽可能包含更多边缘和纹理特征等信息,以更好地区分病变、肿瘤与正常组织器官,为疾病诊断提供更多的有用信息.方法:提出一种基于非下采样剪切波变换(NSST)和脉冲耦合神经网络(PCNN)模型的融合方法.首先,根据图像局部区域能量和,对图像NSST低频系数进行加权融合;然后,根据PCNN神经元的点火次数,选择图像NSST高频方向系数;最后,通过逆NSST变换,得到融合后的图像.结果:分别对7组MRI/PET和CT/PET图像进行融合实验,其结果图像具有很好的视觉效果,且在互信息、边缘相似性、梯度相似性及空间频率4个指标综合评价中较其它算法更优.结论:本方法可以自适应捕获边缘和纹理信息,具有良好的融合效果.