目的:评价八段锦结合甲钴胺片治疗T2DM中DPN的疗效。方法:将符合入选标准2019年3月1日－2020年10月31日上海中医药大学附属市中医医院T2DM中DPN患者80例，采用随机数字表法分为2组，每组40例。全部患者均积极控制血糖，对照组在此基础上口服甲钴胺片，治疗组在对照组基础上习练八段锦。2组均连续观察12周。采用多伦多临床评分系统（Toronto Clinical Scoring System，TCSS）评估DPN病变程度；应用肌电诱发电位仪检测胫神经的运动传导速度（motor conduction velocity，MCV）和腓浅神经的感觉传导速度（sensory conduction velocity，SCV）；以全自动血流变测试仪检测全血低切黏度、全血高切黏度及血浆黏度；评价临床疗效，记录不良事件。结果:治疗过程中，2组分别脱落1例，最终各有39例进入疗效统计。治疗组总有效率为87.2%（34/39）、对照组为64.1%（25/39），2组比较差异有统计学意义（ χ2＝5.64， P＝0.018）。治疗后，治疗组TCSS评分低于对照组（ t＝-6.23， P<0.01）；治疗组胫神经MCV［（43.06±4.19）m/s比（39.55±4.30）m/s， t＝3.65］、腓浅神经SCV［（43.23±4.31）m/s比（39.92±3.74）m/s， t＝3.62］均高于对照组（ P<0.01）；治疗组全血高切黏度、低切黏度及血浆黏度均低于对照组（ t值分别为-10.36、-14.21、-13.88， P值均<0.001）。治疗期间，2组均未发生严重不良事件。 结论:八段锦结合甲钴胺片可有效降低T2DM中DPN患者的血液黏度，提高神经传导速度，改善临床症状与体征，提高临床疗效。

目的:评估基于计算机视觉技术开发的眼底图像质量评估系统的准确性。方法:选取2016至2017年在“上海糖尿病眼病研究”中由上海市各社区卫生服务中心的工作人员采用免散瞳眼底照相机拍摄的787例2型糖尿病患者的2 397幅彩色眼底像图片作为测试数据集。患者年龄（69.65±19.09）岁，男性384例，女性403例。根据眼底图像预处理、成像质量评价、内容检测和评估结果输出4个模块开发眼底图像质量评估系统。将2 397幅彩色眼底像图片输入该系统自动进行图像质量评价和视盘、黄斑识别，并根据图像质量判断规则对图像进行合格与否的判断并分类。同时由12位专业眼底图片阅片医师对此数据集的图像质量进行人工分类，其中合格1 846幅，不合格551幅。将系统判断结果与人工判断结果进行比对分析。结果:眼底图像质量评估系统可对输入的彩色眼底像图片自动进行眼别和眼位识别，并进行图像质量评估，之后直观输出评估结果。每幅眼底图像评估时间<1 s。1 846幅人工判断为图像质量合格的图片，经系统判断亦为合格者1 788幅（96.86%）；551幅人工判断为不合格的图片经系统判断结果亦为不合格者550幅（99.82%）。图像质量不合格原因为图像过暗（62幅，11.27%）、图像过亮（51幅，9.27%）、黄斑区不清晰（59幅，10.73%）、黄斑视盘未见（36幅，6.54%）、未见眼底结构（125幅，22.73%）、图像模糊（175幅，31.82%）、图像有遮挡（42幅，7.64%）。系统评估与人工判断结果总体一致率为97.54%。结论:该眼底图像质量评估系统对眼底图像质量的评估结果与专业阅片医师判断结果一致性高，具有客观性。 （中华眼科杂志，2020，56：920-927）

目的:探讨RapidPlan模型在不同多叶准直器（MLC）系统间的建模和拓展应用情况。方法:选取北京大学肿瘤医院2014年5月至2015年6月接受放疗的直肠癌患者的历史计划（配置为MMLC加速器）共81例和2017年11月至2019年5月接受立体定向放疗（SBRT）的肺癌患者的历史计划（配置为HDMLC的加速器）共35例，分别训练M_ MMmlc和M_ HDmlc RapidPlan模型，测试它们在同种及另一种MLC计划上的应用效果。 结果:无论对于M_ MMmlc还是M_ HDmlc，两种MLC配置下RapidPlan对于相同病例在相同布野条件下生成的优化参数完全相同。将两种MLC配置下优化的计划分别归一至靶区满足最低处方要求后：（1）M_ MMmlc优化的两种MLC计划的平均DVH几乎重合，差异幅度不超过2%，PGTV靶区剂量适形性相似，但HDMLC的均匀性指数（HI）比MMLC低20%，除此之外的剂量学参数总体最大差异不超过0.97%；（2) M_ HDmlc优化的PTV与IGTV DVH的尾部：HDMLC高于MMLC。其余DVH几乎重合。HDMLC计划与MMLC计划相比具体剂量学参数表现为：PTV适形指数（CI）值低0.96%；HI值高1.75%；16项危及器官剂量学参数中的9项前者表现更优；正常肺的V 5 Gy（ P<0.05）、V 10 Gy、V 20 Gy（ P<0.05）、D 1000 cm3均更低；脊髓最大剂量高2.07%，D 0.35 cm3高2.88%，D 1.2 cm3高3.99%（ P<0.05）。 结论:RapidPlan模型在不同MLC之间展现了良好的拓展性和可共享性，HDMLC相对于MMLC的剂量学优势在肺SBRT患者的小体积肿瘤上有所体现，该差异可以作为未来自动计划设计选择MLC配置的一个指导。

目的:开发并评估一种针对治疗计划系统（TPS）的调强放疗（IMRT）无监督自动计划方案，使其能够模拟人工进行治疗计划的自动优化。方法:回顾性分析2022年3月至2023年3月浙江省肿瘤医院已经完成放疗的25例胃癌患者资料，患者年龄40~60岁，其中训练集7例，测试集18例。所有患者均采用相同的临床处方剂量标准45 Gy分25次，并接受飞利浦大孔径腹部CT扫描，扫描层厚为5 mm。基于深度强化学习（DRL）框架，提出一种多智能体优化决策网络（MOPN），对多个优化目标进行调整，从而模拟临床人工计划设计的过程。所有病例的自动计划方案均借助Eclipse脚本应用程序接口（ESAPI）进行代码编程，由MOPN模型自动生成。利用Wilcoxon符号秩检验比较自动计划方案与人工计划方案在相关剂量学指标间的差异。结果:初始优化目标经过MOPN调整后，自动计划的平均得分由（576.1±221.2）分上升至（1852.8±294.9）分。与临床人工计划相比，MOPN自动计划在脊髓D max、肝D mean和肝V 5 Gy方面分别降低了21.4%、9.8%和11.5%。 结论:MOPN模型借助ESAPI工具完成了与TPS的数据互通，同时也实现了胃癌IMRT治疗计划的自动化设计。经过训练的MOPN模型可以模仿计划者在优化过程中的人为操作来调整多个目标，逐步改善计划质量。

目的:通过研究植物基除臭剂的配方，探讨其净化效果。方法:采用市售植物复配精油为基底，三甘醇为溶剂，加入一定比例的乳化剂、助剂和去离子水配制植物基除臭剂。乳化剂选用比较常见的10种表面活性剂进行冷储和热储对比试验，助剂选用β-环糊精，通过三因素三水平正交试验确定配方中植物精油、乳化剂和助剂含量。通过气相色谱质谱分析除臭剂的活性成分。净化试验采用静态染毒和自动喷雾系统测试除臭剂的净化效果，并和自然沉降、去离子水和3M异味抑制剂效果进行对比。结果:植物基除臭剂检出活性有效成分33种，大部分为含氧化合物。精油质量浓度0.6%、β-环糊精质量浓度1.0%，吐温-80质量浓度3.0%为最佳配比，该植物基除臭剂的平均除臭效率高于去离子水和化学除臭剂，10 min后硫化氢和甲硫醇的净化效率达到100%，30 min后氨气净化效率达到95%。结论:植物基除臭剂含有反应活性很高的功能团，能与恶臭物质进行各种化学反应，从而达到抑制恶臭气味的目的，该除臭剂对硫化氢和甲硫醇的净化效果强于对氨气的净化效果。

目的:研究一种基于深层卷积神经网络(DCNN)全自动近视性黄斑病变(MMD)筛查及其严重程度评估系统。方法:收集安徽省第二人民医院6 068张眼底图像构建训练集，并选取公开的眼底图像数据集构建测试集。对眼底图像进行预处理及扩增、MMD病变等级标注、数据清洗。构建全自动MMD筛查系统，该系统由两级网络结构组成，第一级网络结构用于识别MMD是否存在，第二级网络结构用于判断MMD病变的严重等级。比较VGG-16、ResNet50、Inception-v3和Densenet这4种常用的DCNN方法在MMD筛查及严重程度识别任务中的准确率、特异性、敏感度、精确率、F1值、曲线下面积(AUC)、Kappa系数性能。结果:Densenet网络模型在MMD筛查任务中表现最优，其敏感度、特异性、精确率、F1值和AUC分别为0.898、0.918、0.919、0.908和0.962。Inception-v3网络模型在MMD严重程度识别任务中表现最优，其敏感度、特异性、精确率、F1值和AUC分别为0.839、0.952、0.952、0.892和0.965。可视化结果显示，本研究所采用的网络结构模型可自动学习MMD严重等级判断的临床特征，准确识别弥漫性和局灶性脉络膜萎缩区域。结论:基于DCNN的眼底图像MMD筛查方法可自动化提取MMD的有效特征，并准确进行MMD筛查及其严重等级判断，可有效辅助临床。

目的:探讨基于早期动态增强MRI（DCE-MRI）瘤内及瘤周的影像组学模型鉴别乳腺影像报告和数据系统（BI-RADS）4类肿瘤良性与恶性的价值。方法:回顾性分析蚌埠医学院第一附属医院2016年1月至2020年12月经乳腺MR检查诊断为BI-RADS 4类且有明确病理诊断结果的191例乳腺肿瘤患者，其中良性77例，恶性114例，年龄23~68（46±10）岁。选取DCE-MRI第二期图像上病灶最大层面勾画感兴趣区，并自动适形外扩5 mm，提取瘤内及瘤周影像组学特征。将纳入病例按8∶2的比例随机分为训练集和测试集，通过统计和机器学习方法降维，保留纳入模型的最优特征，采用logistic回归作为分类器，分别建立瘤内、瘤周、瘤内联合瘤周影像组学模型；通过单因素和多因素logistic回归，筛选出能够预测乳腺肿瘤良性与恶性的独立危险因素作为临床、影像特征，建立临床、影像模型；最终瘤内及瘤周影像组学特征联合临床、影像特征建立三者联合模型。采用受试者操作特征曲线（ROC）分析各模型的预测效能并计算曲线下面积（AUC），AUC的比较采用DeLong检验。通过10折交叉验证检验三者联合诊断模型的稳定性，并对三者联合诊断模型绘制列线图和校准曲线将模型可视化。结果:训练集中，三者联合诊断模型鉴别乳腺BI-RADS 4类肿瘤良性与恶性的AUC明显高于瘤内影像组学模型（ Z=3.38， P<0.001）、瘤周影像组学模型（ Z=4.01， P<0.001）、瘤内联合瘤周影像组学模型（ Z=3.11， P=0.002）、临床及影像特征模型的AUC（ Z=3.24， P=0.001）；三者联合诊断模型的AUC、灵敏度、特异度、准确度、F1分数分别为0.932、91.2%、86.9%、87.0%、0.89。测试集中，三者联合诊断模型也具有最高的AUC值（0.875），诊断灵敏度、特异度、准确度、F1分数分别为95.7%、62.5%、76.9%、0.82。通过10折交叉验证得到的AUC为0.90（0.85~0.92）。校准曲线中三者联合诊断模型的预测曲线与理想曲线一致性较好。 结论:基于早期DCE-MRI瘤内及瘤周影像组学特征联合临床、影像特征建立的三者联合诊断模型在鉴别乳腺BI-RADS 4类肿瘤良性与恶性中具有较好的性能和稳定性，能够无创地为临床决策提供指导。

目的:提出一种基于元启发策略的放疗自动计划方法(ATP-STAR)，并验证其有效性。方法:ATP-STAR方法的主要过程为先对优化参数进行向量化编码，采用高斯卷积修正优化参数，再利用模拟退火选择备选优化参数向量集，结合射野通量优化，并行探索最优的优化参数组合，实现计划自动试错。选取20例肿瘤个体化差异较大的病例进行方法测试。邀请具备5年以上临床工作经验的物理师进行人工计划设计。人工计划和ATP-STAR计划均基于开源matRad计划系统完成，射野及处方剂量与临床治疗计划保持一致。分析不同病种ATP-STAR与人工计划的靶区和危及器官剂量学差异。结果:对靶区而言，ATP-STAR计划的均匀性优于人工计划(脑瘤： z＝2.28, P＝0.022;肺癌： z＝2.29, P＝0.022;肝癌： z＝2.11, P＝0.035)，脑瘤和肝癌ATP-STAR计划的适形性与人工计划相当，肺癌ATP-STAR计划的适形性略差于人工计划( z＝2.29, P＝0.022)。对脑瘤的危及器官而言，相比于人工计划，ATP-STAR计划的左眼晶状体 Dmean平均受量由2.19 Gy降至1.76 Gy( z＝2.28, P＝0.022)，左视神经 Dmean由11.36 Gy降至10.22 Gy( z＝2.28, P＝0.022)，右视神经 Dmax由32.92 Gy降至29.97 Gy( z＝2.10, P＝0.036)，垂体 Dmax由39.53 Gy降至35.21 Gy( z＝2.29, P＝0.022)。对肺癌的危及器官而言，ATP-STAR计划的脊髓 Dmax平均受量由38 Gy降至31.17 Gy( z＝2.12， P＝0.034)，双肺 Dmean由8.51 Gy降至8.07 Gy( z＝2.29, P＝0.022)，心脏 Dmean由3.21 Gy降至2.69 Gy( z＝2.29, P＝0.022)。对肝癌的危及器官而言，ATP-STAR计划的脊髓 Dmax由18.19 Gy降至14.76 Gy( z＝2.11， P＝0.035)，肝脏 Dmean由15.61 Gy降至14.45 Gy( z＝2.11, P＝0.035)，肾脏 Dmean由4.76 Gy降至4.04 Gy( z＝2.10, P＝0.036)。 结论:ATP-STAR方法较少依赖人工计划设计经验，易于推广，有望改善调强放疗计划质量及一致性，并节省临床人力和时间成本。

目的：:利用深度卷积神经网络（DCNN）对早产儿视网膜病变诊断分期中1~3期病变进行自动分类诊断。方法：:回顾性研究。选取2019年1月至2020年12月在嘉兴市妇幼保健院出生的1 885例早产儿所采集的12 219张眼底图像，构建了早产儿视网膜眼底图像数据集。基于分割出眼底图像的视网膜血管以及分界线或嵴，计算出感兴趣区域（ROI），并从ROI分割图中提取特征，采用五折交叉验证法训练分类器，对早产儿视网膜病变中1~3期进行自动分类诊断。在测试集上对DCNN进行性能评估，并与临床诊断结果进行一致性分析。结果：:本系统对ROP 1~3期及无ROP的诊断准确率达到了98%。在诊断无ROP图像时，其敏感度和特异性分别达到了0.975 7和0.975 6；对ROP 1期、2期和3期图像的诊断，敏感度分别为0.922 1、0.933 1和0.910 2，特异性则分别为0.983 7、0.988 6和0.992 8。DCNN的诊断结果与临床诊断结果的Kappa一致性为0.905 9。结论：:基于DCNN的早产儿眼底病变分期诊断系统，使用从ROI分割图中提取的特征训练分类器，能够对ROP1~3期病变眼底图像进行较高准确率的自动辅助诊断。

目的:研究基于三维扫描技术的空军招飞医学选拔人体尺寸测量新方法的准确性，为其应用提供数据支持。方法:采取整群抽样，选取参加2022年度空军招飞医学选拔定选体检的受检者987人，分别采取人工测量法和基于三维扫描技术的3D CaMega系统的机器自动检测法对招飞医学选拔所需人体尺寸指标（身高、坐高、平静胸围、上肢长和下肢长）进行检测，比较2种方法对各人体尺寸指标的测量结果。机器自动检测各指标的准确率以人工测量法为准计算。根据招飞体检标准，对2种方法检测的身高、坐高、上肢长与下肢长数值分别进行鉴定，计算各指标鉴定结论一致率。选取第1天参加测试的107人，分别比较2种检测方法每人的耗时。结果:与人工测量法相比，机器自动检测法测得的身高、坐高和平静胸围更高（ t=13.07、14.45、42.49， P均<0.001），上肢和下肢长更短（ t=39.66、5.23， P均<0.001）；在差异程度方面，2种检测方法所测得平静胸围的差异最大，其次是坐高、下肢长、上肢长，身高差异最小；与人工测量法相比，机器自动检测的身高、坐高、平静胸围、上肢长和下肢长准确率均在97%以上；2种方法检测的身高、坐高、上肢长与下肢长鉴定结论一致率均在98%以上；机器自动检测法较人工测量法耗时更长（ t=29.39， P<0.001）。 结论:三维扫描技术可以满足招飞医学选拔人体尺寸测量需求，在空军招飞医学选拔人体尺寸测量中具有良好的应用前景。