目的:基于上海先进质子放疗设备（SAPT）水平固定束，利用开源剂量计算引擎搭建质子放疗独立剂量计算平台并验证该平台的准确性。方法:通过测量SAPT水平固定束的绝对积分深度剂量以及空气中束斑大小，并结合蒙特卡洛模拟得到水中束斑大小增量，笔形束参数与剂量计算引擎相结合，搭建了适用于该水平固定束的剂量计算平台。计算平台精确性的验证主要通过绝对剂量验证和相对剂量验证实现。绝对剂量验证主要是比较单个立方体计划射野中心轴线上不同深度计算值和实测值的点对点误差。相对剂量验证主要是比较计算值和实测值的横向一维及二维相对剂量分布。同时，对单高斯束斑模型和双高斯束斑模型的精确性进行比较。结果:计算值和实测值的点对点绝对剂量偏差在2%以内。3个立方体在中心深度的二维平面相对剂量分布的计算值与实测值的20%~80%半影宽度及半高全宽的偏差分别在1、2 mm以内。3个立方体计划及2个临床病例在中心深度的二维平面相对剂量分布的实测值与计算值的二维γ通过率（3 mm/3%）均>95%。双高斯束斑模型在剂量梯度变化较大或者射程较大的计划中相较于单高斯束斑模型计算得更准确。结论:独立剂量计算平台的精确度能满足临床要求，可利用此平台研究其他剂量相关的问题。

目的:探讨超声检测胎儿脐静脉内径、血流量的方法，建立正常胎儿脐静脉内径、血流量和标化血流率的参考值范围以及脐静脉内径和血流量的Z-评分。方法:前瞻性研究2019年3月至2020年12月中南大学湘雅二医院和株洲市妇幼保健院的907例正常胎儿(20~39周)，收集游离段(FUV)及腹腔段(IUV)脐静脉内径(Duv)、血流量(Quv)及标化血流率(nQ＝Quv/估测胎儿体重)，计算不同节段脐静脉Duv、Quv和nQ的均值以及90%可信区间，并对比不同节段脐静脉的参数。最后以孕周(GA)为自变量建立Duv和Quv的Z-评分。结果:成功获得858例(94.6%)正常胎儿脐静脉Duv、Quv和nQ的均值以及90%可信区间。FUV和IUV的Duv和Quv随孕周增长而增加，以Quadratic曲线和Linear线性拟合度最高( r＝0.951、0.941、0.986、0.982，均 P<0.001)。而nQ与GA呈双相模式，以Quadratic曲线拟合度最高( r＝0.610、0.611，均 P<0.001)。Duv-FUV>Duv-IUV( P<0.001)，nQ-FUV>nQ-IUV( P＝0.001)，而Quv-FUV与Quv-IUV差异无统计学意义( P＝0.133)。成功建立Duv和Quv的Z-评分模型，所有Z-评分呈高斯分布。 结论:脐静脉参数正常范围和Z-评分的建立有利于完善胎盘循环的评估，为不良妊娠的监测和预后评估提供有力依据。选用FUV或IUV评估胎盘循环可依据临床应用中的实际情况而定。

目的:探讨基于全脑静息态功能磁共振成像（rs‐fMRI）的男性吸烟成瘾者内在神经时间尺度（INT）的异常改变。方法:病例对照研究。回顾性分析2019年1月至2021年12月通过网络平台招募的139名男性受试者相关临床资料及全脑rs‐fMRI数据。受试者年龄（34.1±8.8）岁。根据是否存在吸烟成瘾分为吸烟成瘾组（ n=83）和健康对照者（ n=56）。通过计算INT来反映受试者大脑神经活动动力学改变。首先采用单样本 t检验分别获得吸烟成瘾组及健康对照组全脑INT的空间分布图谱。然后采用双样本 t检验将年龄、受教育年限作为协变量，分析吸烟成瘾组与健康对照组INT的差异。最后采用Spearman相关分析探究显著差异脑区INT值与尼古丁依赖量表评分及吸烟指数的关系。 结果:吸烟成瘾组与健康对照组表现出相似的分层神经时间尺度模式，即在感觉运动区INT较短，在顶叶、后扣带回皮层的INT较长。此外，吸烟成瘾组在视觉皮层左侧枕中回（ t峰值=-3.18）、左侧枕上回（ t峰值=-3.66）、双侧距状裂周围皮层（左： t峰值=-3.02，右： t峰值=-3.22）、双侧舌回（左： t峰值=-3.10，右： t峰值=-3.04）、左侧楔叶（ t峰值=-2.97）、默认网络相关脑区［（左侧楔前叶： t峰值=-3.23）、左侧角回（ t峰值=-3.07）、左侧后扣带回皮层（ t峰值=-3.54）］的INT较健康对照组显著减低（高斯随机场校正，体素水平均 P<0.005，团块水平均 P<0.05）。但未发现显著差异脑区INT值与尼古丁依赖量表评分及吸烟指数存在相关性（Bonferroni校正后均 P>0.05）。 结论:与健康对照者相比，吸烟成瘾者在视觉皮层及默认网络神经活动动力学方面存在异常改变。

目的:探讨3.0T磁共振扩散峰度成像（DKI）定量直方图参数在鉴别直肠黏液腺癌（MC）和普通腺癌（AC）中的应用价值。方法:回顾性分析苏州大学附属第二医院2015年9月至2019年9月经手术病理证实且磁共振成像（MRI）及DKI结果完整的110例患者资料，其中MC组16例，AC组94例；两名医师分别在b=1 000 s/mm 2的DKI图上勾画感兴趣区域（ROI），并获取DKI定量参数，包括非高斯分布的扩散系数（D值）、峰度系数（K值），通过图像配准获得扩散加权成像（DWI）定量参数表观扩散系数（ADC）值，进行直方图分析，分别获得上述各参数的平均值、25%位数、50%位数、75%位数、偏度和峰度。评价直肠MC组和AC组各定量直方图参数分析结果的差异，筛选主要指标及多变量综合分析指标，并评价与组织病理学分型相关的定量直方图参数鉴别诊断直肠MC与AC的效能。 结果:患者性别、年龄、病灶位置、T分期和N分期在MC组和AC组中的差异均无统计学意义（均 P>0.05）。经多变量二元logistic逐步回归筛选，D50%位数和K25%位数为有统计学意义指标（均 P<0.05），二者联合指标ROC曲线下面积为0.85，但采用DeLong法两两比较差异无统计学意义（ P>0.05）。两名医师测得的定量参数直方图分析结果一致性好，组内相关系数范围0.880~0.981。 结论:DKI双指数模型定量参数直方图分析有助于直肠MC和AC的鉴别，其中D50%位数和K25%位数具有鉴别诊断意义，且优于单指数模型的ADC值。

目的:探讨多尺度低秩加稀疏模型在加速超高场脑部4D Flow成像中的应用。方法:前瞻性收集2022年10月至2023年1月在复旦大学附属华山医院招募的健康志愿者10名，男5名、女5名，年龄23~35（29±4）岁。基于多尺度低秩（MLR）模型提出针对4D Flow数据特点的多尺度低秩加稀疏（MLRS）模型加速采集和重建算法。首先采用7.0 T MR对健康志愿者进行全采样脑部4D Flow扫描，并对采集的数据进行不同加速倍数（R分别为4、8、12、16）的高斯分布欠采样。计算不同加速倍数下压缩感知（CS）模型、低秩加稀疏（L+S）模型、MLR模型和MLRS模型重建结果与全采样参考图像在血管掩模内的均方误差（RMSE）和峰值信噪比（PSNR），模型间的比较采用配对样本 t检验或Wilcoxon带符号秩检验。采用Pearson检验评估不同加速倍数下4种模型的血流动力学参数与全采样参考值的相关性，相关系数的比较采用Wilcoxon带符号秩检验。 结果:相同加速倍数下RMSE从小到大依次为MLRS、MLR、L+S、CS模型，且MLRS模型的RMSE显著低于MLR、L+S、CS模型（ P<0.05）；PSNR由大到小依次为MLRS、MLR、L+S、CS模型，且MLRS模型的图像PSNR显著高于MLR、L+S、CS模型（ P<0.05）。不同加速倍数下MLRS模型测得的脑血管流速与全采样参考值相关系数显著高于MLR、L+S、CS模型与全采样参考值相关系数（ P<0.05）。 结论:该文提出的MLRS模型在保证图像质量的前提下能够加速超高场脑部4D Flow MR成像；并且相同加速倍数下与传统加速模型相比，MLRS模型具有更高的重建准确度。

目的:预测既往未接种疫苗的新型冠状病毒原型株有症状感染者再次感染奥密克戎变异株后发生不同临床结局的保护概率。方法:数据来源于一项系统综述与荟萃分析。此项综述系统检索了PubMed、Embase、Web of Science和Europe PMC等数据库，纳入自2020年1月1日至2022年10月2日期间发表或上传的新型冠状病毒原型株有症状感染者体内中和抗体动态变化的研究，并提取文献学信息、研究设计、血清学实验信息和抗体结果。根据所提取的抗体滴度数据的散点分布特征，使用基于高斯分布的广义加性模型，对基于对数转换后的中和抗体滴度值进行拟合，得到新型冠状病毒原型株有症状感染者体内中和抗体随时间动态变化的数据。本研究选取了该综述结果中第28、51、261天自然感染者的抗体滴度用于预测分析。结果:既往未接种疫苗的新型冠状病毒原型株有症状感染者体内产生的中和抗体可对其再次感染奥密克戎变异株提供一定的保护，保护概率随时间逐渐减弱。患者在出现症状后第28天的中和抗体水平能提供针对再次感染奥密克戎变异株BA.5的保护概率为30.3%（95% CI：20.0%~45.5%），针对有症状感染的保护概率为51.5%（95% CI：33.4%~75.9%），针对重症感染的保护概率为91.2%（95% CI：77.1%~97.7%）。再次感染奥密克戎BA.1、BA.4和BA.5变异株的保护概率在出现症状后第261天时下降明显，针对三种临床结局的保护概率分别为9.6%~12.9%、18.4%~23.9%和63.1%~70.3%。在同一时间点、针对同一临床结局，BA.1亚型的保护概率最高，BA.4其次，而BA.5最低。 结论:既往感染新型冠状病毒原型株且未接种疫苗的有症状患者体内诱导产生的中和抗体，对免于再次感染目前全球主导流行的奥密克戎BA.5亚型以及感染后出现症状的保护概率有限，在出现症状第28天时的保护概率为30.3%，第261天时降至10%左右。但对再感染后免于重症的保护概率较高，出现症状第28天时的保护概率超过90%，第261天时仍超过60%。

目的:使用蒙特卡罗程序FLUKA建立点扫描碳离子束流模型并对其进行验证。方法:使用FLUKA建立同步加速器碳离子束流治疗头的几何模型，匹配实验测量数据中的单能标称能量、高斯能谱分布、初始束斑大小以及束流的角分布等各项参数；利用治疗计划系统生成碳离子束流治疗计划，通过γ分析比较FLUKA束流模型与治疗计划系统输出的剂量分布差异，验证该模型的准确性。结果:单能碳离子束流的深度剂量分布差异均在0.1 mm之内，束斑大小最大差异为0.17 mm；对于每个靶区，2 mm/2%标准下的2D-与3D-γ通过率均在95%以上。结论:基于蒙特卡罗程序FLUKA实现了点扫描碳离子束流输运过程的精准模拟。该模型能够用于临床治疗计划的模拟验证，并进一步应用于新型粒子治疗设备在开发阶段的模拟以及生物有效剂量的计算。

目的:探讨基于多参数MRI的列线图预测克罗恩病（CD）肠壁纤维化的诊断效能。方法:前瞻性收集2015年6月至2018年3月中山大学附属第一医院手术病理确诊的CD患者的临床和影像资料。所有患者均于术前2周内行常规MRI及扩散峰度成像（DKI）检查。将在2015年6月至2017年9月期间接受手术的患者纳入模型构建组，在2017年10月至2018年3月期间接受手术的患者纳入模型验证组。分别在扩散加权成像单指数模型和非高斯DKI模型后处理图上测量病变肠壁的表观扩散系数（ADC）、表观扩散峰度（K app）值和非高斯分布的表观扩散系数（D app）值；并观察其T 2WI信号强度和强化方式。每例患者取1~3个标本行马松染色进行肠壁纤维化评分。采用Spearman秩检验评估MRI主客观评价指标与病理评分之间的相关性，使用多因素logistic回归筛选预测肠壁纤维化的独立因素，构建可视化列线图预测模型并验证其诊断效能。 结果:共入组40例患者，模型构建组31例，模型验证组9例。模型构建组中31例患者共取得81个标本，根据纤维化分级将其分为无-轻度纤维化组（ n=32）和中-重度纤维化组（ n=49）。模型构建组中，中-重度纤维化组K app值高于无-轻度纤维化组，D app值、ADC值低于无-轻度纤维化组，差异均有统计学意义（ Z=-5.999、-4.521、-3.893， P均<0.001），T 2WI信号强度、强化方式差异均无统计学意义（χ2 =1.571、0.103， P均>0.05）。病变肠壁的K app值、D app值与纤维化病理评分分别呈中等、轻度相关性（ r=0.721、-0.483， P均<0.001），ADC值与纤维化评分呈轻度相关性（ r=-0.445， P<0.001）。多因素logistic回归分析显示K app和D app值为预测肠壁纤维化的独立因素。列线图预测模型鉴别无-轻度和中-重度纤维化的效能较好，其内部和外部验证的Harrell一致性指数分别为0.901（95%可信区间0.824~0.978）和1.000。 结论:基于DKI的列线图可评估CD患者肠壁纤维化，并为临床提供一种可视化的简便的预测手段。

目的 基于磁共振成像(MRI)机器学习算法和影像组学构建预测模型,探讨模型预测无淋巴结转移直肠癌患者淋巴血管侵犯(LVI)状态的应用价值.方法 采用回顾性队列研究方法.收集2016年2月至2024年1月甘肃省人民医院收治204例无淋巴结转移直肠癌患者的临床病理资料;男123例,女81例;年龄为(61±7)岁.204例患者采用电子计算器随机法按8∶2随机分为训练集163例和测试集41例.训练集用于构建预测模型,测试集用于验证预测模型效能.根据筛选的临床和(或)影像学特征分别构建临床预测模型、影像组学模型、联合预测模型.正态分布的计量资料以(x)±s表示.计数资料以绝对数表示,组间比较采用x2检验或Fisher确切概率法.等级资料比较采用非参数秩和检验.采用组间相关系数评估2位医师影像组学特征的一致性,相关系数＞0.80认为一致性较好.单因素分析采用相应的统计学方法.多因素分析采用Logistic逐步回归模型.绘制受试者工作特征(ROC)曲线,以曲线下面积(AUC)及Delong检验、决策曲线和临床影响曲线评估模型的诊断效能及临床效用.结果 (1)影响患者LVI状态的因素分析.204例无淋巴结转移直肠癌患者中,LVI阳性71例,LVI阴性133例.多因素分析结果显示:性别、血小板(PLT)计数和癌胚抗原(CEA)是影响训练集无淋巴结转移直肠癌患者LVI状态的独立因素[优势比=2.405,25.062,2.528,95％可信区间(CI)为 1.093～5.291,2.748～228.604,1.181～5.410,P＜0.05].(2)临床预测模型建立.纳入多因素分析结果性别、PLT计数和CEA构建临床预测模型.ROC曲线显示:临床预测模型训练集的AUC、准确度、灵敏度、特异度分别为0.721(95％CI为0.637～0.805)、0.675、0.632、0.698;测试集上述指标分别为0.795(95％CI为 0.644～0.946)、0.805、1.000、0.429.Delong检验结果显示:训练集和测试集 AUC 比较,差异无统计学意义(Z=-0.836,P＞0.05).(3)影像组学模型建立.提取204例患者851个影像组学特征.利用逻辑回归、支持向量机、高斯过程、逻辑回归-套索算法、线性判别分析、朴素贝叶斯和自动编码器7种机器学习算法进行预测模型构建.最终从最优的高斯过程机器学习算法中筛选出8个影像组学特征用于构建影像组学预测模型.ROC曲线显示:影像组学预测模型训练集的AUC、准确度、灵敏度、特异度分别为0.857(95％CI为0.800～0.914)、0.748、0.947、0.642;测试集上述指标分别为0.725(95％CI为0.571～0.878)、0.634、1.000、0.444.Delong检验结果显示:训练集和测试集AUC比较,差异无统计学意义(Z=1.578,P＞0.05).(4)联合预测模型建立.联合多因素分析结果和影像组学特征构建联合预测模型.ROC曲线显示:联合预测模型训练集的AUC、准确度、灵敏度、特异度分别为0.885(95％CI 为 0.832～0.938)、0.791、0.912、0.726;测试集上述指标分别为 0.857(95％CI 为 0.731～0.984)、0.854、0.714、0.926.Delong检验结果显示:训练集和测试集AUC比较,差异无统计学意义(Z=0.395,P＞0.05).(5)3种预测模型效能比较.Hosmer-Lemeshow拟合优度检验结果显示:临床预测模型、影像组学预测模型、联合预测模型的拟合优度均较好(x2=1.464,12.763,10.828,P＞0.05).Delong检验结果显示:临床预测模型AUC分别与联合预测模型和影像组学预测模型比较,差异均无统计学意义(Z=1.146,0.658,P＞0.05);联合预测模型与影像组学模型比较,差异有统计学意义(Z=2.001,P＜0.05).校准曲线显示:联合预测模型的预测能力良好.决策曲线和临床影响曲线显示:联合预测模型对无淋巴结转移直肠癌患者LVI状态的评估能力优于临床预测模型和影像组学模型.结论 纳入性别、PLT计数和CEA构建临床预测模型;筛选出8个影像组学特征构建影像组学预测模型;结合前两者共同构建联合预测模型.3种模型均可预测无淋巴结转移直肠癌患者LVI状态,其中联合预测模型效能更优.

现有脑电情绪识别中的域适应方法利用源域数据及其特征分布来训练模型,不可避免地需要频繁访问源域,可能会导致源域受试者的隐私信息泄露.针对该问题,本研究提出一种基于高斯混合模型、核范数最大化和Tsallis熵的无源域适应(GNTSFDA)脑电情绪识别方法.首先,基于源域数据和本研究所提出的CNN和Transformer特征混合(CTFM)网络,利用交叉熵损失训练得到源域模型;然后,通过高斯混合模型聚类生成目标域数据的伪标签以构建分类损失;最后,基于伪标签和分类损失在目标域数据上对源域模型再训练以更新其参数,从而得到目标域模型,训练过程中还利用核范数最大化损失来提升模型预测的类判别性和多样性,同时利用Tsallis熵损失来减少模型预测的不确定性.GNTSFDA方法采用留一被试交叉验证的实验范式分别在SEED(源域14个受试者,目标域1个受试者)、SEED-Ⅳ(源域14个受试者,目标域1个受试者)和DEAP(源域31个受试者,目标域1个受试者)公开数据集上进行了实验.结果显示,在3个数据集上,目标域模型情绪识别的准确率分别为80.20％、61.20％和58.89％,相较于源域模型分别提升8.98％、7.72％和6.54％.GNTSFDA方法仅需要访问源域模型参数,而不是源域,从而有效地保护了源域受试者的隐私信息,在脑电情绪识别的实际应用中具有重要意义.