目的:探索直肠癌新辅助调强放化疗患者骨盆骨髓剂量体积参数( Vx)与急性血液学不良反应(HT)的相关性，为降低放疗相关的血液不良反应风险，优化放疗计划提供临床数据。 方法:回顾性分析2017年10月至2019年5月在贵州医科大学附属肿瘤医院行新辅助同步放化疗(CCRT)的41例局部进展期直肠癌(LARC)患者。所有患者均行5野调强放疗(IMRT)，计划靶区(PTV)的处方剂量为45~50.4 Gy/25~28次。放疗期间同步卡培他滨或5－氟尿嘧啶(5-FU)化疗。根据通用不良反应标准5.0 (NCI-CTC.V 5.0)评估放疗期间的急性HT。采用logistic回归分析评估骨盆(髋骨、骶骨、股骨)骨髓低剂量受照体积 Vx与急性HT的关系，采用广义相加模型(GAM)和分段回归分析进一步确定两者之间的非线性关系和阈值效应。 结果:多因素logistic回归分析显示，骨盆骨髓低剂量( V5、 V10)受照总体积( TV)、髋骨骨髓受照体积( CV)与≥2度白细胞降低存在显著相关性( P<0.05)。骶骨骨髓低剂量( V5、 V10)受照体积( SV)与≥2度白细胞降低存在显著负相关( P<0.05)。阈值效应分析显示， CV10与≥2度白细胞降低存在阈值效应，阈值为575 ml， OR(95% CI)为1.85(1.08, 3.16)。 结论:在直肠癌新辅助调强放疗中，与 TV相比， CV是预测急性HT的更优指标。与急性HT相关的 CV主要集中在低剂量水平( CV5、 CV10)。本研究中的阈值( CV10＝575 ml)可作为盆腔放疗中降低急性HT风险优化放疗计划的参考。

目的:构建多标签学习MRI膝关节运动损伤检测诊断模型，并验证该模型的实际效能。方法:回顾性连续纳入2013年8月至2019年3月解放军东部战区总医院1 343例膝关节运动损伤青年患者的1 391个膝关节MRI图像。采用随机采样法将数据按7∶1∶2分为训练集（ n=973）、验证集（ n=139）及测试集（ n=279）。将膝关节损伤分为半月板损伤、肌腱损伤、韧带损伤、骨与骨端软骨损伤、滑膜关节囊损伤及周围软组织损伤6大类，由放射科医师依各层面图像对所有损伤进行标注作为金标准。根据PyTorch V1.1.0算法包搭建通用YOLO深度学习工具包，开发膝关节运动损伤MRI多标签定位检测模型，并在测试集上验证模型效能，评价其对病灶检测的灵敏度、特异度及平均精度均值。 结果:测试集279个膝关节MRI数据中，MRI多标签学习模型对半月板损伤、肌腱损伤、韧带损伤、骨与骨端软骨损伤、滑膜关节囊损伤及软组织损伤定位检测的平均精度均值分别为83.1%、89.0%、88.0%、85.8%、85.5%和83.2%，整体的平均精度均值为85.8%。模型对肌腱损伤检出效能最高，灵敏度为91.2%，特异度为87.1%。结论:多标签学习MRI膝关节运动损伤检测诊断模型可以有效辅助膝关节运动损伤的定位检测，提高影像诊断工作效率。

目的:加强医疗数据资源整合共享，为临床科研人员提供高质量、可利用的数据，推进医疗数据在临床科研中的深入应用。方法:根据全院级医疗大数据平台的建设和应用目标，将多个主要临床业务信息系统的数据整合后进行数据清洗、加工和解析，最终汇聚到统一平台中，形成有价值、可被利用的数据资源。结果:构建面向临床科研的全院级医疗大数据平台，该平台累积了北京大学人民医院自2004年以来，1 342万余名患者的5 000万余次就诊数据，设计了面向分析的医院科研通用数据模型，并能够按照模型在平台上进行科研数据查询与导出，建立了医院临床科研数据管理规范和服务机制。结论:医疗大数据平台的建设及数据治理实践为北京大学人民医院基于医疗大数据的高水平科技攻关提供了高质量数据基础，进一步提升了临床科研效率和质量。同时，在确保数据安全、合规利用的基础上，从全院视角对临床科研数据进行了管控。

目的:研究舱室空气微生物浓度检测数据分布的有效统计学分析模型，为获取舱室空气微生物污染容许浓度理论限值提供手段。方法:应用数学统计学原理，采用线性变换 y＝ x、负指数变换 y＝1/ x、根指数变换 y＝sqrt( x)、对数变换 y＝log10( x)和反三角函数变换 y＝arctg( x)5种数学映射变换处理检测数据；应用正态分布、伽玛分布、指数分布、瑞利分布、威布尔分布和贝塔分布6种概率函数模型分析数据的分布；在映射变换置信水平α＝0.05下，采用KS检验方法对模型可接受性进行检验，当 P≥α时判定为不拒绝该分布模型。 结果:舰艇舱室空气微生物浓度数据经线性变换、负指数变换、根指数变换、对数变换后，大型水面舰艇、潜艇舱室微生物浓度分布接受正态分布模型、伽玛分布模型和威布尔分布模型( P≥α)；普通水面舰艇舱室微生物浓度分布接受威布尔分布模型( P≥α)。 结论:威布尔分布模型在舱室微生物数据分布统计学分析中通用性好，可用于容许浓度理论参数值演算。

ChatGPT的火爆，带动了各种大模型层出不穷。在行业领域，通用医疗健康人工智能大模型尤为引人关注，这种模型不但可以灵活地解析不同医学模态组合，包括医学成像、电子健康档案、临检结果、基因组学、图表和医学文献数据等，而且还能产生富有表现力的多形态输出，包括规范文本的书写和解释、口头建议或展示高级逻辑推理能力的图像注释等。这类大模型可以应用到临床决策、疾病预防、生物医学研究、药物开发、医疗系统的管理与规划等不同领域。

目的:介绍1.5 T MR加速器的临床剂量调试方法和结果。方法:中国医学科学院肿瘤医院于2019年5月安装1台医科达Unity型1.5 T MR加速器，使用磁场兼容测量设备对其进行剂量调试。调试项目包括绝对剂量校准、数据采集和计划系统模型验证。结果:磁场下绝对剂量校准需要使用磁场修正因子修正，参考条件下的绝对剂量为87 cGy。将采集的射束数据和计划系统计算结果进行γ分析(3%/2 mm)，标准野测试例剂量验证平均通过率为96.41%，TG119测试例为98.24%，美国休斯敦肿瘤放疗和成像质控中心(IROC)端对端测试例为97.5%(7%/4 mm)。结论:计划系统模型和射束采集数据具有良好的一致性；标准野和TG119测试例剂量验证结果达到AAPM TG218号报告的通用容差限值要求，端对端测试例验证结果满足IROC中心标准。

目的:收集CT扫描尺骨冠状突数据，利用3D打印技术结合计算机模型设计软件设计尺骨冠状突解剖钢板。方法:收集2017年9月至2022年1月于昆明医科大学第一附属医院创伤中心行肘关节（肘关节无明显解剖变异且无骨折、无肘关节手术史）的102例志愿者CT扫描数据进行回顾性分析。男52例，女50例。运用RadiAnt DICOM Viewer软件以及Mimics Medical 21.0软件将肘关节CT数据图像化表达后并运用软件测量尺骨冠状突尖与尺骨粗隆夹角、尺骨冠状突1/2高度处宽度、尺骨冠状突尖至尺骨粗隆水平面距离、螺钉置入安全角度。然后使用Siemens Ungraphics NX12.0软件结合测量值设计尺骨冠状突解剖钢板及螺钉导向装置，将设计出的钢板模型运用3D打印技术制作出1∶1的尺骨冠状突钢板模型，并将钢板模型置于成人尺骨冠状突模型，对该钢板模型匹配度进行验证，与成人尸体骨尺骨冠状突进行匹配实验，并在体外模拟该钢板模型模拟手术的可操作性。结果:男性、女性左侧与右侧尺骨冠状突与尺骨粗隆夹角、尺骨冠状突1/2高度处宽度、尺骨冠状突尖至尺骨粗隆水平面距离、螺钉置入安全角度的比较差异均无统计学意义（ P>0.05）。男性与女性尺骨冠状突尖与尺骨粗隆夹角、螺钉置入安全角度的比较差异均无统计学意义（ P>0.05）。男性与女性尺骨冠状突1/2高度处宽度、尺骨冠状突尖至尺骨粗隆水平面距离比较差异均有统计学意义（ P<0.05）。但经过计算机模拟适配以及钢板模型模拟适配实验，发现按男、女各项参数设计的尺骨冠状突解剖钢板可以通用，2种模型贴合度均好、各螺钉置入角度安全。 结论:本研究设计的尺骨冠状突解剖钢板模型贴合度可，螺钉置入角度安全，基本达到了预期设计目标，为下一步钛合金钢板制作提供了依据。尺骨冠状突解剖钢板不需要设计专用于男、女并区分左、右的钢板，仅需设计1块通用型钢板即可实现设计目标。

通用数据模型（CDM）是促进多源异构健康医疗大数据标准化整合、增强数据语义理解一致性、推动多方协同分析的重要工具，经CDM标准化后的数据集合可为开展大规模人群队列等观察性研究提供有力支撑。本文深入比较分析了三项国际典型医学CDM的数据存储结构、术语映射模式和辅助工具研发情况，系统梳理各模型的优势、局限，总结了我国在CDM应用过程中所面临的挑战与机遇。期望通过探索国外在健康医疗大数据开放共享过程中的先进技术理念与实践模式，为推动我国健康医疗数据资源FAIR化建设，即数据可发现（findable）、可访问（accessible）、可互操作（interoperable）和可重用（reusable），解决当前数据资源质量不佳、语义化程度低、无法实现打通共享和重复利用等实际问题提供借鉴。

互联互通是目前全球各国健康医疗大数据使用面临的最大壁垒。互联互通涉及业务、安全、伦理、语义和技术5个维度，本文在比较政府主导、企业主导和研究机构主导3种常见互联互通模式的基础上，结合中国健康医疗大数据的发展现状，提出高校牵头、企业助力和政府支持的工作模式。同时，归纳出目前我国健康医疗大数据互联互通面临的3大挑战：行业标准与规范、数据安全与伦理、激励机制与考核。唯有采用切实可行的模式，攻克相关关键技术，真正将数据打通共享，才能最大限度的整合多来源数据，挖掘多应用场景，培育多业态模式，全面提升人口健康科学决策和服务管理水平。

目的:对室间隔缺损、房间隔缺损、动脉导管未闭和卵圆孔未闭合并肺动脉高压4种常见先天性心脏病(简称先心病)心音信号进行分析，提出一种基于深度学习的智能听诊算法，实现心音信号的自动分类。方法:基于数字信号处理技术，将一维时序信号分类问题转换为二维图像分类问题，利用深度神经网络实现心音的自动分类。采用该算法对浙江大学医学院附属儿童医院采集的941例心音数据进行训练、验证和测试，按照8∶1∶1的比例分为训练集、验证集和测试集。此外，本研究还收集了107例基于临床筛查环境的心音数据，用于验证智能听诊算法在实际临床应用中的效果。结果:本文采用离散小波变换法对心音信号进行降噪处理，观察到降噪处理对模型性能的显著改善。与未经降噪处理的模型相比，经过降噪处理的模型在测试集上的准确率、灵敏度、特异度和F1分数分别提高了15.8%、32.6%、11.1%和27.3%。比较5种通用分类神经网络模型(Swin_transform、Vit、Mobilenet、Resenet和Vgg)的性能，F1分数分别为0.905、0.842、0.687、0.814和0.864。使用Swin_transform模型对107例外部数据集进行测试，得到0.833的准确率、0.872的灵敏度和0.801的特异度。结论:先心病心音信号的自动分类模型性能受噪声与神经网络结构的影响较大。通过应用离散小波变换法对心音信号进行降噪处理，模型性能显著改善。比较多种通用分类神经网络模型发现Swin_transform模型展现出了最佳的分类性能。智能听诊算法在实际临床应用中有良好的有效性、准确率、灵敏度和特异度。基于深度学习的智能听诊算法在先心病心音信号自动分类方面具有潜在应用价值。