目的:建立基于红外图像的瞳孔直径测量算法,以便在实际临床环境中使用.方法:纳入2022-09/12于沈阳何氏眼科医院门诊患者188例,共收集红外瞳孔图像13 470张.所有用于瞳孔分割的红外图像均使用Labelme软件进行标注.瞳孔直径的计算分为四个步骤:图像预处理、瞳孔识别与定位、瞳孔分割及直径计算.计算过程中使用修改后的YoloV3模型和DeeplabV3+模型,这两个模型需要事先训练.结果:测试数据集共1 348张红外瞳孔图像,修改后的YoloV3模型的检测率为99.98％,瞳孔的平均精确度(AP)为0.80.DeeplabV3+模型达到了 99.23％的背景交并比(IOU),93.81％的瞳孔IOU和平均96.52％的IOU.测试数据集中瞳孔直径范围为20至56像素,平均为36.06±6.85像素.预测和实际值之间瞳孔直径的绝对误差范围为0至7像素,平均绝对误差(MAE)为1.06±0.96像素.结论:本研究成功展示了一种基于红外图像的稳健瞳孔直径测量算法,证明该算法具有高度准确性和可靠性,适用于临床应用.

目的:利用生物信息学方法筛选外阴鳞状细胞癌(VSCC)的关键基因及分析免疫浸润特征.方法:从GEO数据库中下载VSCC相关基因表达数据,应用差异表达基因(DEGs)分析和加权基因共表达网络分析筛选出共同的DEGs,对DEGs进行富集分析.采用STRING数据库和Cytoscape软件构建蛋白互作(PPI)网络,并通过4种算法筛选出关键基因,进行关键基因GSEA分析.应用CIBERSORT分析VSCC相关免疫细胞浸润特征及关键基因与免疫细胞的相关性.结果:共筛选出182个DEGs,DO富集主要涉及生殖器官良性肿瘤、结缔组织癌等疾病;GO和KEGG富集结果主要与表皮发育、角质化包膜、氧化应激、免疫细胞迁移等有关;PPI网络中有65个节点,90条边,筛选出6个关键基因,S100A7、SPRR2B、SPRR2G、CASP14、CDSN、ESR1,共同富集到了细胞周期、蛋白酶体信号通路.免疫浸润分析结果显示,与对照组相比,VSCC组初始B细胞、静息CD4+T记忆细胞下调(均P＜0.05),记忆B细胞、调节性T细胞、活化的NK细胞、巨噬细胞M0型、静息肥大细胞、活化的肥大细胞、嗜酸性粒细胞、中性粒细胞上调(均P＜0.05).Spearman相关性分析显示,S100A 7、SPRR2G、CASP14、CDSN均与γδT细胞呈负相关(均P＜0.05),与巨噬细胞M0型呈正相关(均P＜0.05);ESR1与巨噬细胞M0型呈负相关(P＜0.05),与静息CD4+T记忆细胞呈正相关(P＜0.05);S100A7、CASP14 与静息 CD4+T 记忆细胞呈负相关(均 P＜0.05);SPRR2G、CDSN 与 CD8+T 细胞呈负相关(均 P＜0.05).结论:S100A7、SPRR2B、SPRR2G、CASP14、CDSN、ESR1可能是VSCC潜在的生物标志物,长期慢性炎症刺激导致表皮终末分化过程异常可能是VSCC发生、发展的关键因素.

目的:探讨去泛素化酶USP24及其共表达肿瘤代谢基因在肝细胞癌临床诊断和预后预测中的作用。方法:使用TCGA-LIHC队列研究USP24在肝细胞癌中的表达情况。采用生存分析评估USP24在肝细胞癌预后中的作用。采用GSEA软件预测USP24可能调控的肿瘤代谢途径，并通过共表达分析对肿瘤代谢通路主要贡献基因进行筛选。使用差异表达分析和单因素COX分析寻找与USP24相关的肿瘤代谢预后基因，并使用LASSO-COX算法构建预后模型。采用BP神经网络、支持向量机、随机森林和XGBoost算法构建肝细胞癌诊断模型。使用R4.2.2软件进行统计学分析，两组之间的比较使用Wilcoxon检验；生存分析采用Kaplan-Meier法。P<0.05为差异有统计学意义。结果:USP24在肝细胞癌中显著高表达，且USP24高表达组的患者生存率较低。GSEA分析显示USP24与11种肿瘤代谢途径相关。共表达分析、差异表达分析和单因素COX分析筛选出19个USP24相关肿瘤代谢预后基因，LASSO-COX算法选择8个基因用于构建预后模型。生存分析结果提示高风险组的预后较低风险组更差。训练组1年、2年、3年ROC曲线的AUC分别为0.793、0.706、0.696；验证组1年、2年、3年ROC曲线的AUC分别为0.701、0.684、0.728。肝细胞癌诊断模型中XGBoost模型具有较好的诊断能力，验证组ROC曲线的AUC为0.809。结论:USP24与肝细胞癌预后相关，可能是通过肿瘤细胞代谢调控肝细胞癌的进展。基于8个肿瘤代谢基因构建的诊断模型和预后模型可能分别有效诊断肝细胞癌以及预测患者的预后。

目的:通过整合单细胞RNA测序(sing-cell RNA sequencing, scRNA-seq)和癌症基因组图谱(The Cancer Genome Atlas, TCGA)数据，探索肺鳞状细胞癌(lung squamous cell carcinoma, LUSC)中差异表达基因(differentially expressed genes, DEGs)和预后相关基因，并构建基于这些基因的预后模型。为了更好地了解LUSC中的免疫微环境(tumor microenvironment, TME)，进一步分析了免疫细胞的浸润特征，揭示其与LUSC患者预后的潜在关联。方法:从基因表达综合数据库GEO(GSE118245)中获取LUSC单细胞RNA测序数据，并通过质量控制和数据标准化，鉴定出不同的细胞群体。使用Seurat软件包进行主成分分析(principal component analysis, PCA)和统一流形近似投影(uniform manifold approximation and projection, UMAP)进行降维聚类。基于TCGA数据库中的LUSC患者样本，使用TCGAbiolinks包获取批量RNA测序数据，并对肿瘤样本和正常样本之间的DEGs进行筛选，采用加权基因共表达网络分析(weighted gene co-expression network analysis, WGCNA)构建基因共表达网络。使用Cox回归和最小绝对收缩和选择算子(least absolute shrinkage and selection operator, LASSO)回归构建基于DEGs的预后模型，Kaplan-Meier生存曲线评估患者总生存期(overall survival, OS)。使用CIBERSORT算法评估不同风险组中的免疫细胞浸润比例，比较22种免疫细胞在高风险和低风险组中的差异。结果:从LUSC单细胞数据中质控得到出5 360个细胞，注释为13个不同的细胞群，并通过SingleR注释为8种细胞类型。与对照组相比，LUSC组中的中性粒细胞、CD4＋ T细胞和骨骼肌细胞比例显著上升。差异表达基因分析共筛选出3 396个DEGs，其中1 851个基因上调，1 545个基因下调。GO和KEGG富集分析表明，DEGs主要参与细胞周期、感染和补体级联反应等重要生物过程。在TCGA-LUSC数据中，使用WGCNA识别出与LUSC发展显著相关的蓝色模块，在此基础上筛选出61个交集基因进行进一步分析。单因素Cox回归和LASSO回归分析共识别出4个独立的预后相关基因(ITIH3、MME、PLAAT1和ATP13A5)，构建了风险评分模型。Kaplan-Meier生存曲线显示高风险组患者的总生存期显著低于低风险组。免疫浸润分析结果表明，高风险组患者肿瘤中的CD8＋ T细胞、活化的记忆CD4＋ T细胞和滤泡辅助性T细胞比例显著高于低风险组，进一步支持了免疫微环境对LUSC进展的关键作用。结论:通过整合单细胞和TCGA数据，成功鉴定了LUSC中的关键差异表达基因，构建了有效的预后模型。模型在多个验证队列中表现出预后预测，揭示的免疫细胞浸润特征为LUSC的免疫微环境提供了新的见解。免疫细胞在LUSC的发生和进展中发挥重要作用。

目的 通过数据挖掘方法分析国家专利中药复方,探讨下肢深静脉血栓(DVT)的用药规律,为临床选方用药提供参考.方法 在国家知识产权局官方网站的中国专利公布公告界面,检索中药复方治疗DVT的专利,检索时间为数据库建立至2024年3月.采用Excel进行频数统计,采用SPSS Modeler 18.0软件和中医传承辅助平台(V 2.5)分别进行关联规则、系统聚类分析,总结高频中药,分析复方四气、五味和归经分布,挖掘核心中药组合.结果 共纳入25项专利,涉及128种中药,出现频次较高的前3位单味药分别是当归、红花和三七;四气以温为主,五味以苦、辛、甘为主,归经以肝、心、脾经居多.关联规则中常用药对有红花-当归、当归-三七,常用角药有红花-桃仁-当归、红花-当归-三七;将相关度设为9,惩罚度设为4,得到15组3药的核心组合;采用熵层次聚类算法,获得新方聚类组合共10组;再次聚类后,得到5个治疗下肢DVT的新处方.结论 中药复方治疗DVT多以活血、通络、除湿为治疗原则,治病求本,标本兼顾.通过探索隐性规律,得到治疗DVT新处方,为临床治疗提供新的思路.

目的:探究普通登革热的特征基因及免疫浸润特点.方法:基于 GEO 数据库中的 GSE96656、GSE206829 芯片与R软件,分析普通登革热患者与健康者之间的差异表达基因.利用随机森林模型以及LASSO回归模型筛选疾病特征基因,并通过外部数据集验证基因表达情况.采用CIBERSORT算法进行普通登革热的免疫浸润分析,并分析特征基因与免疫细胞浸润的相关性.结果:共获得 500 个差异表达基因.随机森林模型以及LASSO回归模型筛选出IFI44L、FMO4 作为疾病特征基因.外部数据集验证发现IFI44L在普通登革热患者全血中呈高表达.IFI44L与M1 巨噬细胞、活化的树突状细胞和记忆性B细胞的浸润程度呈正相关;FMO4 与M1 巨噬细胞、活化的记忆性CD4+T细胞的浸润程度呈正相关(P<0.05).结论:IFI44L、FMO4 可能是普通登革热的特征基因,且与免疫细胞如M1 巨噬细胞浸润有关.

目的 基于国家专利中药复方,探究中医药治疗强直性脊柱炎(AS)的用药及组方规律.方法 收集建库至2024年5月中国专利公布公告网站上公开发布的关于中药复方治疗AS的专利,采用Excel 2010软件及中医传承辅助系统(V2.5)对中药频次、性味归经进行统计,采用关联规则、复杂系统熵聚类进行分析及可视化处理,并对结果进行新方组合.结果 共纳入符合专利复方194项,包含内外共用专利复方5项,排除中药复方中含有相同药物的处方后,获得有效中药复方149首,涉及中药531味.其中排名前20位的主要是当归、狗脊、甘草、杜仲、鸡血藤、怀牛膝、独活、白芍、威灵仙、桑寄生、熟地黄、续断、川芎、桂枝、黄芪、红花、羌活、土鳖虫、防风、丹参.药性多为温、寒、平性药,药味多为甘、苦、辛味药,归经多为肝、肾、脾经;应用关联规则分析,将支持度设置为20,置信度为0.6,共得到12组高频药物组合,包含中药10味(频次≥20),采用降序排列依次为"杜仲-狗脊、白芍-狗脊、杜仲-当归"等;并得到6个关系密切药物组合,降序依次排列为"白芍-狗脊""续断-狗脊""熟地黄-当归"等;采用无监督熵层次聚类算法分析,得到14组新方核心组合,在此基础上,共获得新方7个.结论 专利中药复方治疗AS以补益肝肾、健脾祛湿、活血化瘀止痛为主,本研究分析了中药复方专利治疗AS的组方规律,对临床中治疗AS的遣方用药和新药开发提供一定参考.

目的:探讨基于临床变量结合多参数磁共振成像(MRI)影像组学特征构建的列线图模型对乳腺癌化疗患者预后的预测价值.方法:选取2020年1月～2021年12月青岛市中心医院接受化疗的150例乳腺癌患者作为研究对象.所有患者化疗前均行乳腺MRI检查,利用分割软件手动勾画多参数乳腺MRI肿瘤感兴趣区,提取最佳影像组学特征.对所有患者随访2年,根据疾病复发、转移及死亡等预后情况分成预后良好组、预后不良组,并将患者按7:3比例分为训练集(n=105)和测试集(n=45).收集患者的临床资料及多参数MRI影像组学特征,通过单因素和多因素Logistic回归分析乳腺癌化疗患者预后的影响因素,基于Logistic回归分析分别构建临床模型、影像组学模型及联合列线图模型并绘制列线图,采用受试者工作曲线分析3种模型对乳腺癌化疗患者预后的预测价值.结果:150例乳腺癌化疗患者中复发转移33例、死亡19例,共52例纳入预后不良组.Logistic回归分析显示,TNM分期、雌激素受体(ER)及孕激素受体(PR)是影响乳腺癌化疗患者预后的临床预测因子(P<0.05).训练集中预后良好、预后不良患者分别有69、36例,测试集中预后良好、预后不良患者分别有29、16例;通过最小绝对收缩和选择算法分别从TIRM、DWI、DCE-MRI序列中筛选出16个与乳腺癌化疗患者预后相关的组学特征并计算影像组学评分,且训练集、测试集中预后良好患者的影像组学评分均高于预后不良组(P<0.05).ROC曲线结果显示,影像组学模型、临床模型及联合列线图模型在训练集的曲线下面积(AUC)为0.853、0.741、0.923(P<0.05);影像组学模型、临床模型及联合列线图模型在测试集的AUC为0.797、0.749、0.896(P<0.05).结论:基于化疗前的影像组学评分、TNM分期、ER及PR是乳腺癌化疗患者预后的独立预测因子,而临床-多参数MRI影像组学的列线图可有效提高乳腺癌化疗患者预后的预测效能.

目的:探讨机器学习算法构建脓毒症心肾综合征患者早期死亡风险预测模型的方法，为临床早期识别高危患者及精准治疗提供依据。方法:入选同济大学附属同济医院2015年1月1日至2019年5月31日期间入院的脓毒症心肾综合征患者为研究对象，收集患者确诊时的临床表现、实验室检查及治疗情况等资料。研究终点事件定义为患者确诊后30 d内死亡。运用Python软件构建不同机器学习算法模型，采用受试者工作特征曲线下面积（ AUC）评估各模型的预测效能。运用构建的最优模型筛选疾病相关风险因素，构建可视化决策树模型和半朴素贝叶斯（sNB）模型。 结果:340例患者入选本研究，其中114例（33.5%）患者确诊后30 d内死亡。支持向量机（SVM ）、随机森林（RF）、梯度提升树（GBDT） 、极端梯度提升（XGBoost）和轻量梯度提升（LGBM）5种模型的 AUC值分别为0.652、0.868、0.870、0.754和0.852，其中GBDT模型预测患者发生终点事件的 AUC值最优。依据GBDT模型特征重要度评分筛选出前10项患者预后的影响因素，包括序贯器官衰竭评估（SOFA）总评分、神经系统SOFA评分、血管活性药物应用史、高敏肌钙蛋白（cTNI）、年龄、肌红蛋白（MYO）、循环系统SOFA评分、慢性肾脏病史、心率和基线血肌酐值等参数，建立可视化决策树模型，模型共4层，15个节点，8个终端节点。依据SOFA总评分、MYO变化率、基线血肌酐值和年龄等4项影响因素建立决策树流程，模型预测患者发生终点事件的 AUC值为0.690。sNB模型提示总SOFA总评分与神经系统SOFA评分、SOFA总评分与血管活性药物、cTNI与基线血肌酐值间的相互作用影响患者的短期预后。 结论:基于机器学习建立的脓毒症心肾综合征患者早期死亡风险预测模型结果提示，高SOFA评分仍然是预测脓毒症心肾综合征患者预后不良的首要危险因素。本研究建立的可视化决策树模型和sNB模型可在疾病早期针对高危患者进行临床判断，为脓毒症患者的精准治疗提供预测依据。

目的:基于数据挖掘探讨大椎主治优势病症与配伍规律。方法:检索2012年1月1日－2022年8月15日中国知识资源总库（CNKI）、中国学术期刊数据库（万方数据）、中文科技期刊数据库（重庆维普）、中国生物医学文献数据库（CBM）和PubＭed发表的大椎相关文献，归纳其主治病症和腧穴配伍，采用Gephi 0.9.5软件进行复杂网络分析，对比大椎单穴和配伍主治优势病症；采用SPSS Modeler 18.0软件，基于Apriori算法对腧穴组合进行关联规则分析；采用SPSS Statistics 26.0软件对高频腧穴进行聚类分析。结果:纳入文献722篇，涉及处方732首，单穴主治优势病症为颈椎病、痤疮、和感冒；配伍主治优势病症为颈椎病、变应性鼻炎、缺血性卒中后遗症等14类；经脉配伍以足太阳膀胱经为首，阳经频次高于阴经；腧穴配伍以下合穴、背俞穴、八会穴等特定穴为主，高频腧穴有肺俞、百会、风池、足三里等33个穴，得到4系8类大椎配伍组合。结论:大椎广泛应用于内科病症，长于呼吸系统疾病、神经系统疾病及椎动脉型颈椎病，倾向于特定穴多重配伍与聚类组合灵活运用。