鼠害型秃斑是反映草地鼠害的重要表征.利用无人机遥感技术识别高原鼠兔危害型秃斑对于评价其危害情况具有重要意义.本研究基于无人机可见光影像,使用最小距离(MinD)、最大似然(ML)、支持向量机(SVM)、马氏距离(MD)和神经网络(NN)5种监督分类算法对高原鼠兔危害地特征进行分类识别,并采用混淆矩阵对5种分类方法精度进行评价.结果表明:相较于其他3种方法,NN和SVM对高原鼠兔危害地特征进行识别分类的效果更好.其中,NN对草地与秃斑2种目标地物的制图精度分别为98.1％和98.5％,用户精度分别为98.8％和97.7％,模型总体精度为98.3％,Kappa系数为0.97,像元错分、漏分现象较低.经实践验证,NN表现出较好的稳定性.综上,神经网络方法是高寒草甸鼠害型秃斑识别的优选方法.

南洋鼠(Chiromyscus langbianis)是亚洲特有的一种树栖鼠类,其属级分类一直存在争议,不同的分类系统将其归入白腹鼠属(Niviventer)或费氏树鼠属(Chiromyscus),影响了对其生物学特性的认识.本研究旨在通过测定和分析南洋鼠的线粒体基因组,探讨其线粒体基因组结构特征,并利用近邻相接法(neighbor-joining method,NJ)和最大似然法(maximum likeli-hood method,ML)构建22个近缘物种线粒体基因组的系统发育树,厘清南洋鼠的属级分类关系.结果表明,南洋鼠线粒体基因组总长度为16 288 bp,包含22个tRNA基因、13个蛋白编码基因、2个rRNA基因和一段非编码区(non-coding region,NCR),线粒体基因组碱基组成为 A 36.6％、T 28.9％、G 15.0％和 C 19.5％,AT 偏斜(AT-skew)为 0.092,GC 偏斜(GC-skew)为-0.337.在22个tRNA基因中,除tRNASer(AGY)缺少D环外,其余的21个tRNA基因均能够折叠成典型的三叶草结构.同时,部分tRNA基因,如tRNAPhe出现了A-A,tRNAVa1、tRNALeu、tRNAI1e出现了C-U等非经典配对,以维持tRNA二级结构的稳定性.基于近邻相接法和最大似然法构建的系统发育树表明,南洋鼠与费氏树鼠属的亲缘关系更近.进一步基于线粒体Cytb和Cox1构建的系统发育树及遗传距离分析结果,均支持南洋鼠划入费氏树鼠属.本研究为南洋鼠的分类地位和系统发育关系提供了分子证据,也为其种群遗传学的研究提供了数据参考.

目的 用现有药代动力学(PK)药物相互作用(DDI)信息的数据库,构建出可用于预测AUC倍数变化(FC)的机器学习模型,用于探究对现有DDI预测的可能,为临床用药提供一定的合理建议.方法 从美国食品药品监督管理局(FDA)认证的药品标签中提取DDI的PK数据和AUC倍数变化的数据.通过DrugBank检索出DDI有关的多肽和药效学(PD)信息,用蛋白质资源(UniProt)对相关多肽ID进行药物类型(PPDT)标识,用矩阵归一化的代码生成便于分析的多维向量数据.PPDT对AUC的影响和所产生的倍数变化作为因变量,进行机器学习模型构建.用均方根误差(RMES)值最小的模型进行模型构建,训练出袋装决策树(Bagged)预测模型.利用训练好的模型对部分药物检验,检测模型的预测性别.通过查阅现有的有关检测DDI对的文献研究结果,对预测值进行分析比较,对模型进行评价.结果 检验模型药物对共16对,分别为16种药物对他克莫司的影响,发现对DDI的有无预测准确率为81.25％;预测结果根据FDA标准分类强弱,结果表明,DDI强弱预测,偏离较大的预测较少.结论 模型预测DDI的有无评价一般;但对DDI的强弱分类后,对DDI的预测结果较好,预测结果说明模型预测性能对于在临床试验之前进行潜在的DDI评估具有一定的参考价值.

目的 基于电子鼻技术探讨慢性萎缩性胃炎(CAG)湿热证患者口腔呼气气味图谱特征及识别效果.方法 招募慢性胃炎患者,其中CAG湿热证组60例、CAG非湿热证组50例、慢性非萎缩性胃炎(CNAG)湿热证组60例、CNAG非湿热证组50例,同时将健康志愿者30例设为健康对照组.随机选取CAG湿热证组中10例和CAG非湿热证组50例组成CAG组,选取CNAG湿热证组10例和CNAG非湿热证组50例组成CNAG组.除健康对照组外,其余各组患者进行幽门螺杆菌(Hp)检测;运用电子鼻(GISXM-MQWA01)采集所有受试者口腔呼气气味绘制图谱,对健康对照组与CAG组、CNAG组受试者,CAG湿热证组、CAG非湿热证与CNAG湿热证口腔气味图谱各响应曲线(包括曲线A、B、C、D、E、F、G、H、I、J)振幅、斜率进行比较.运用改良Transformer模型对气味图谱特征进行分类,并采用混淆矩阵方法对分类模型进行评估,指标包括准确率、ROC曲线下面积(AUC)等.结果 CAG湿热证组Hp阳性率为80.00％(48/60),CAG非湿热证组为62.00％(31/50),CNAG湿热证组为46.67％(28/60),CNAG非湿热证组为42.00％(21/50),CAG湿热组与CAG非湿热组Hp阳性率比较差异有统计学意义(P＜0.05).CAG组气味图谱的响应曲线A、B、C、D、F、G、I振幅及A、F的斜率均低于健康对照组,曲线E振幅及斜率高于健康对照组和CNAG组(P＜0.05或P＜0.01);CNAG组的图谱响应曲线A、B、C、D、F、G、I振幅及A、D、F斜率低于健康对照组(P＜0.05或P＜0.01).CAG湿热证组气味图谱响应曲线D振幅及J斜率高于CNAG湿热证组,曲线F振幅低于CAG非湿热证组,曲线H振幅及A、H、J斜率高于CAG非湿热证组(P＜0.05).CAG组与健康对照组组间气味图谱识别模型的识别准确率达77.78％,AUC=0.88;CAG组与CNAG组的识别准确率达69.44％,AUC=0.61;CAG湿热证组与CAG非湿热证组识别准确率可达75.8％,AUC=0.70.结论 电子鼻技术能对CAG湿热证患者的口腔呼气气味作出较为准确的识别,曲线F振幅降低,曲线H振幅及A、H、J斜率升高可能是其气味图谱特征.

目的 探讨伴有色素分化的Xp11易位性肿瘤/"伴有黑色素分化的TFE3基因重排的软组织肿瘤"的临床病理特征、免疫表型、分子特征及预后.方法 收集5例伴有色素分化的Xp11易位性肿瘤/"伴有黑色素分化的TFE3基因重排的软组织肿瘤"的临床病理资料,行免疫组化EnVision法、组织化学染色、FISH、二代测序(NGS)及随访,并进行文献复习.结果 5例患者中男性1例,女性4例.发病年龄16～59岁,平均28.2岁.肿瘤最大径3.0～6.0 cm(平均4.7 cm).发病部位:右侧肾脏3例(其中 1例发生胸椎转移),左侧输卵管间质与圆韧带之间1例,盆腔部位1例.组织学上,肿瘤由丰富的纤维血管网分隔成巢状、腺泡状结构,胞质透亮或嗜酸性、颗粒样,胞质内不同程度的出现黑色素聚集;间质内可见淋巴细胞浸润;4例检出肿瘤性坏死;核分裂象＜3个/10 HPF;2例检出个别脉管内瘤栓,其余3例均未检出脉管内瘤栓及神经侵犯.免疫表型:5例TFE3 均弥漫强阳性,HMB45 及 Melan A 不同程度阳性;CK(AE1/AE3)、CK7、EMA、PAX8、TFEB、S-100、SOX10、SMA、desmin 均阴性;Ki67增殖指数＜20％.FISH检测:TFE3分离探针显示4例存在明确的TFE3分离信号,1例因信号不典型判读为阴性,经NGS检测证实为RBM10-TFE3基因融合.5例均获得随访:随访时间2～60个月,患者均存活,4例无瘤生存,1例胸椎转移患者情况稳定且未进展.结论 伴有色素分化的Xp11易位性肿瘤/"伴有黑色素分化的TFE3基因重排的软组织肿瘤"具有独特的形态学特征、免疫表型及分子遗传学改变,建议作为一种独立的恶性间叶性肿瘤实体进行分类.

针对病理数据超大尺寸、标注成本高昂等问题带来的病理分类准确率较低的问题,基于多示例网络,引入分级注意力模块,设计一种兼顾示例级和图像块级损失的病理分类算法.回顾性收集皖南医学院第一附属医院口腔颌面外科186例口腔癌(126例鳞癌、60例腺癌),其数字病理切片划分为验证集、测试集及训练集.首先对病理图像进行前后背景分割,去掉背景中的噪声部分,然后采用ResNet50对分割后的病理图像提取特征,并将特征输入第一级注意力网络,得到基于图像块的注意力得分和损失,再根据注意力得分对图像块进行排序重置标签输入第二级注意力网络,得到基于示例级别的损失,最后将两级注意力的损失作为模型的总损失,通过训练最终网络,得到口腔癌分类结果.实验结果表明,使用两级注意力的多示例网络准确率为78.95%,AUC为0.8430,相较于基线模型均有更高表现.

亚急性甲状腺炎(SAT)是一种常见的复发率较高的甲状腺炎性疾病.清代医家王旭高基于中医经典理论和自身临床经验总结"治肝三十法",其分类符合疾病的发生发展规律,治法循序渐进,现今医家将这些治法广泛用于各系统疾病.SAT病位为肝经所过,常因情志因素而发,故其病机可归纳为肝气郁久而痰瘀互结以及肝阴不足致化火生风,治疗可选用王旭高"治肝三十法"中的部分治法.SAT甲亢期可根据患者证型的不同治以搜肝、疏肝理气、疏肝通络、清肝、泻肝、化肝、息风和阳、养肝等法;过渡期和甲减期则可随证使用培土泄木、温肝等法;恢复期则运用补肝法以养肝血、调肝阴.验之临床,获效明显.附验案1则以佐证.

目的探讨酰胺质子转移加权成像(amide proton transfer weighted imaging,APTw)的影像组学术前预测宫颈癌淋巴血管间隙侵犯(lymphovascular space invasion,LVSI)的价值.材料与方法回顾性分析经手术病理证实的宫颈癌患者病例及影像资料66例.所有患者均行盆腔3.0 T MRI检查,包括轴位T2WI、矢状位T2WI、动态对比增强磁共振成像(dynamic contrast enhanced magnetic resonance imaging,DCE-MRI)和3D-APTw序列扫描.在APTw-T2WI融合图像上对肿瘤实质区域进行感兴趣区(region of interest,ROI)勾画并记录APT值.在APT重建图像上进行肿瘤病灶分割并提取影像组学特征.采用组内相关系数(intra-class correlation coefficient,ICC)选取观察者内和观察者间复测信度好的影像组学特征(ICC>0.900).采用递归特征消除法(recursive feature elimination,RFE)及最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)算法进行特征降维和筛选.基于logistic回归分类器构建临床模型、APTw影像组学模型和联合组学模型.采用受试者工作特征(receiver operating characteristic,ROC)曲线和决策曲线分析(decision curve analysis,DCA)评估模型的诊断效能和临床价值,采用DeLong检验比较不同模型的预测效能.结果在训练集中,APTw影像组学模型预测宫颈癌LVSI的效能高于临床模型(AUC=0.826 vs.0.675),差异有统计学意义(DeLong检验P<0.05).联合组学模型在训练集和测试集中的AUC值分别为0.838和0.825.DeLong检验结果显示,联合组学模型在训练集中术前评估LVSI的效能显著高于临床模型和APTw影像组学模型(P均<0.05).决策曲线显示APTw影像组学模型和联合组学模型在训练集和测试集中均具有较高的临床价值.结论基于APTw的影像组学模型在术前预测宫颈癌LVSI方面具有较高的潜力,联合临床因素能进一步提高预测效能,有望为宫颈癌患者的个体化治疗和预后评估提供重要的支持.

针对当前皮肤病辅助诊断中生物医学特征建模规模较小且耗费巨大人工成本,而患者疾病特征的时间序列同样无法准确描述等难点,本研究运用融合文本分类算法,融合常用的文本分类模型TextLSTM、TextCNN、RCNN得到皮肤疾病辅助诊疗模型(TLNN模型),通过提取图像传感器医学特征向量化后进行预处理减少焦块数量以及消除偏差较大的特征信息,提高决策数据精度.在ISIC2018和PH2数据集进行对照实验,TLNN模型的准确率为72.36%,高于其余3种文本分类模型.在与医生主观诊断对比实验中,模型诊断准确率为92%,接近于医生94%的平均准确率,而有效诊断效率(1.17 min/例)明显高于医生人工诊断(4.57 min/例),整体效率提升幅度达290%,结果表明对比传统人工诊断,融合文本分类算法模型能以更短时间获得精确的诊断.TLNN模型可以应用于疾病诊断,辅助医生医疗决策,为患者提供优质便捷的智能诊疗服务.

目的:探讨基于临床资料、影像征象和影像组学特征构建的联合模型在术前对肺结节浸润程度的预测价值,并通过决策热图及Shapley算法对模型进行可视化分析.方法:回顾性搜集2018年1月—2022年3月在本院经病理确诊的179例肺结节患者的临床资料和术前CT图像(肺窗平扫).根据肺肿瘤新分类,分为腺体前驱病变组(78例)和浸润性肺腺癌组(101例).采用Deepwise软件,分别提取瘤灶、瘤周3 mm和5 mm区域的影像组学特征.使用单因素分析、相关性分析、Boruta算法和逐步logistic回归分析等特征筛选算法确定各区域的最佳组学特征,然后采用logistics方法分别构建3个单区域及2个多区域(肿瘤+瘤周3 mm及肿瘤+瘤周5 mm)共5个影像组学模型,分析各模型的预测效能并计算其影像组学评分(Radsocre).通过单因素和多因素logistic回归方法筛选相关临床指标和结节的主要CT征象,并采用XGBoost算法将筛选出的高危因素结合瘤灶+瘤周3 mm联合模型的影像组学得分构建临床影像联合模型.额外收集浙江省嘉兴市中医医院经病理证实的69例肺结节患者的临床和CT资料来完成联合模型的泛化性验证.利用决策热图和Shapley算法对模型分别进行可视化和特征贡献度分析.结果:相比单区域影像组学模型(训练集:AUC=0.740、0753、0.768;验证集:AUC=0.841、0.856、0.809),多区域影像组学模型在两个数据集中均显示出更高的预测效能(AUC=0.878和0.834).XGBoost联合模型的预测效能得到进一步地提高(AUC=0.948和0.886).Shap-ley分析显示影像组学得分、CT值和结节长度为预测肺结节浸润程度的最重要的3个特征.决策热图算法实现了对浸润性预测推演过程的可视化.结论:XGBoost模型对肺结节浸润性的评估具有较高的准确性和泛化性.决策热图实现了可解释机器学习算法的可视化从而保障了模型的实用性,为肺结节的临床处理及管理提供了一种无创性的辅助诊断工具.