目的:研究基于聚类的多Atlas分割方法对正常组织感兴趣区分割的改善，以达到更好的危及器官的勾画效果。方法:选取2019—2020年浙江省肿瘤医院已完成治疗的100例宫颈癌患者的CT图像作为Atlas图谱库。按照危及器官（膀胱、直肠和外轮廓）的体积特征参数作为测度，利用k均值聚类（k-means）算法将Atlas图谱库划分成若干子集。将待分割图像匹配到相对应的图谱库中进行多Atlas分割。使用相似性系数（DSC）对分割结果进行评价分析。结果:以30例患者作为测试组，比较了不同聚类方法所生成的子图谱库对图像分割结果的改进。相较于一般多Atlas分割，聚类多Atlas分割方法能显著提高膀胱（DSC为0.83±0.09∶0.69±0.15， P<0.001和直肠（DSC为0.7±0.07∶0.56±0.16， P<0.001）的分割准确性，但左、右双侧股骨头（0.92±0.04、0.91±0.02）和骨髓（0.91±0.06）的差异无统计学意义。并且聚类多Atlas分割方法平均分割时间短于一般多Atlas分割方法（2.7∶6.3 min）。 结论:聚类多Atlas分割方法不但会减少与待分割图像配准的Atlas图像个数，而且预期能提高分割效果，并获得较高的准确率。

目的:基于数据挖掘方法探讨胡国华教授治疗卵巢储备功能减退（DOR）的用药规律及学术思想。方法:收集2021年1月1日－2022年3月31日胡教授诊治DOR患者的病历资料，应用中医传承计算平台V3.0软件对患者的中医症状及舌脉象，以及中药的频次、性味归经和功效类别进行频次分析，并进行常用药物组合分析、高频药物网络关系分析、基于Apriori算法的关联规则分析，以及基于K均值（K-means）聚类算法的聚类分析，归纳核心处方。结果:纳入患者85例，得到中医症状76个、舌象15个、脉象11个；涉及处方415首，包括中药164味，主要有女贞子、当归、黄芪、菟丝子、益母草、白术等，药性以温、平、寒为主，药味以甘、苦、辛为主，归经多入肝、脾、肾经。分析得到高频药物组合42个、核心处方6个。结论:胡教授治疗DOR总以补肾健脾以调体、疏利冲任以调经、疏肝宁心以调神为纲；用药轻巧精专，善用药对；处方从合守变，以平为期。

目的:设计一款电子鼻，用于检测与识别膀胱癌尿液中的挥发性有机化合物（VOCs）标志物气体。方法:选取异丙醇、乙苯、乙酸和氨气作为目标气体，由8款金属氧化物气体传感器构建传感器阵列进行测试收集实验数据，并对不同特征归一化处理。通过递归特征消除（RFE）筛选出最佳特征子集，进一步引入主成分分析（PCA）和线性判别分析（LDA）降低数据维度便于可视化分析。此外，结合支持向量机（SVM）、随机森林（RF）、K最近邻（KNN）3种机器学习算法进行模型训练和验证。结果:特征数为12时，模型分类的准确率最高，特征子集由5个差值、5个灵敏度和2个积分组成，同时将数据降至12维；仅PCA无法区分4种气体，LDA分类效果明显好于PCA，除异丙醇与乙酸有小部分重叠区域，能够将乙苯、氨气很好地与前二者区分开，且样本点聚集在一起，聚类效果也更佳。SVM、RF和KNN的预测准确率分别为0.85、0.56、0.79，经过模型验证，PCA＋SVM、LDA＋RF和LDA＋KNN的分类准确率分别为0.97、0.94、0.97。结论:设计了一款电子鼻，能够用于检测与识别膀胱癌尿液VOCs标志物气体。

目的:构建基于MRI的临床-影像组学模型，并探讨其对前列腺癌根治术后生化复发（BCR）的预测价值。方法:回顾性分析2015年1月至2018年12月在苏州大学附属第一医院接受根治性前列腺切除术并具有完整随访数据的212例前列腺癌患者，采用Python语言的random工具包对患者以7∶3的比例进行无放回随机采样，分为训练集（149例）和测试集（63例）。对患者进行术后随访，随访终点为发生BCR或至少3年，训练集中50例患者发生BCR，测试集中21例患者发生BCR。提取训练集患者术前T 2WI、扩散加权像和表观扩散系数图中主病灶区域的影像组学特征，采用无监督的K means聚类算法进行特征筛选，筛选出的特征采用多变量Cox回归模型进行模型拟合，构建影像组学模型。应用单因素Cox回归分析筛选与BCR相关的术前临床资料，联合影像组学标签（RadScore）构建临床-影像组学模型。在测试集中以患者术后3年是否发生BCR为界，构建时间依赖性受试者操作特征（ROC）曲线，计算曲线下面积（AUC），评估影像组学模型、临床-影像组学模型以及根治术后前列腺癌风险评估（CAPRA-S）评分对发生BCR的预测效能。采用Harrell一致性指数（C-index）评估模型预测BCR一致性；使用校准曲线评估模型变异程度；应用决策曲线评估预测模型的临床应用价值。 结果:共筛选出26个影像组学特征建立影像组学模型。单因素Cox回归分析筛选出的术前临床特征包括术前前列腺特异性抗原水平（HR=1.006，95%CI 1.002~1.009， P=0.001）、穿刺活检Gleason评分（HR=1.422，95%CI 1.153~1.753， P=0.001）、临床T分期（HR=1.501，95%CI 1.238~1.822， P<0.001），联合RadScore构建临床-影像组学模型。多因素Cox回归结果显示RadScore是根治性前列腺切除术术后BCR的独立预测因素（HR=51.214，95%CI 18.226~143.908， P<0.001）。测试集中，影像组学模型、临床-影像组学模型和CAPRA-S评分的时间（3年）依赖性ROC曲线的AUC分别为0.824（95%CI 0.701~0.948）、0.841（95%CI 0.714~0.968）、0.662（95%CI 0.518~0.806）。影像组学模型、临床-影像组学模型和CAPRA-S评分的C-index分别为0.784（95%CI 0.660~0.891）、0.802（95%CI 0.637~0.912）、0.650（95%CI 0.601~0.821）。校准曲线表明影像组学模型、临床-影像组学模型和CAPRA-S评分对BCR的预测概率和实际概率一致性良好（χ 2=7.64、10.61、6.37， P=0.465、0.225、0.498）。决策曲线表明临床-影像组学模型和影像组学模型的临床净效益明显高于CAPRA-S评分，当阈值概率为0.20~0.30、0.40~0.50以及>0.55时，临床-影像组学模型的临床净效益高于影像组学模型。 结论:临床-影像组学模型可有效预测前列腺癌患者根治术后BCR，预测效能优于影像组学模型和CAPRA-S评分。

目的:数据缺失是队列研究中几乎无法避免的问题。本文旨在通过模拟研究，比较当前常见的8种缺失数据处理方法在纵向缺失数据中的填补效果，为纵向缺失数据的处理提供有价值的参考。方法:模拟研究基于R语言编程实现，通过Monte Carlo方法产生纵向缺失数据，通过比较不同填补方法的平均绝对偏差、平均相对偏差和回归分析的Ⅰ类错误，评价不同填补方法对于纵向缺失数据的填补效果及对后续多因素分析的影响。结果:均值填补、k近邻填补（KNN）、回归填补和随机森林的填补效果接近，且表现稳定；多重插补和热卡填充次于以上填补方法；K均值聚类和EM算法填补效果最差，表现也最不稳定。均值填补、EM算法、随机森林、KNN和回归填补可较好地控制Ⅰ类错误，多重插补、热卡填充和K均值聚类不能有效控制Ⅰ类错误。结论:对于纵向缺失数据，在随机缺失机制下，均值填补、KNN、回归填补和随机森林均可作为较好的填补方法，当缺失比例不太大时，多重插补和热卡填充也表现较好，不推荐K均值聚类和EM算法。

目的:基于数据包络分析方法建立医院临床科室运行效率和资源配置的测算模型，为医院优化资源配置提供参考。方法:提取2021年1—12月某三级甲等公立医院32个临床科室住院患者的住院时间和护理等级等信息，对科室运行效率和投入冗余进行数据包络分析。将医师、护士和床位数量作为投入指标，运用K-means算法将患者按照医疗工作负荷水平分为3类，以3类患者数量为产出指标，建立BCC模型1，评价各临床科室投入资源转化为专业人力价值的效率；同时，以收治患者数量与医疗收入为产出指标，建立BCC模型2，评价各临床科室投入资源转化为经济收益的效率。结果:共纳入38 147例住院患者。从科室运行效率来看，14个科室在BCC模型1中总效率为1.000，10个科室在BCC模型2中总效率为1.000，8个科室在2个模型中的总效率均为1.000;从科室投入冗余来看，6个科室在BCC模型1中投入冗余较高，11个科室在BCC模型2中投入冗余较高，4个科室在2个模型中均存在较高的投入冗余。结论:本研究构建的测算模型能有效评价科室运行效率和投入冗余，有利于识别工作负荷较高且经济收益较低的科室，为医院合理配置科室医疗资源提供参考。

目的:探索大学生智能手机成瘾的潜在类别及其在心理和手机使用行为中的特征。方法:2023年7月，选用自编基本信息调查问卷、病人健康问卷抑郁量表(patient health questionnaire，PHQ-9)、UCLA孤独感量表简版(short-form of UCLA loneliness scale，ULS-8)、交往焦虑量表(interaction anxiousness scale，IAS)、错失焦虑量表(fear of missing out scale，FOMOs)、反刍思维量表(ruminative responses scale，RRS)、简版无聊倾向量表(short form version of boredom proneness scale，BPS-SF)、青少年气质量表中的意志控制分问卷、智能手机依赖量表简版(short version of smartphone addiction scale，SAS-SV)对北京市206名大学生进行横断面调查。采集手机使用时间和频率数据。运用SPSS 25.0进行统计描述和组间比较，使用Python 3.8软件K-means算法进行聚类分析，通过随机森林算法评估不同类别影响因素的重要性。结果:(1)手机成瘾[41.00(31.00，47.00)分]与抑郁[6.00(2.00，12.00)分]、孤独感[15.00(11.00，20.00)分]、社交焦虑[46.00(32.75，54.00)分]、错失焦虑[21.00(16.00，28.00)分]、反刍思维[26 .00(22.00，29.00)分]、无聊倾向[41.50(32.00，49.25)分]、平均每日手机使用时间[(513.30±213.29)min]、平均每次手机使用时间[6.60(3.68，14.09)min]呈正相关( r＝0.163～0.626，均 P<0.05)，与意志控制[49.00(44.00，59.00)分]呈负相关( r＝－0.613， P<0.01)。(2)聚类分析结果显示，大学生智能手机成瘾存在3种潜在类别：非成瘾组(32.04%，66/206)、无聊型手机成瘾组(26.70%，55/206)、多风险型手机成瘾组(41.26%，85/206)。(3)不同潜在类别在抑郁、孤独感、社交焦虑、反刍思维、无聊倾向、意志控制、手机成瘾上的得分均差异有统计学意义( H＝138.805，127.342，112.149，88.069，72.146，100.206，115.159，114.926；均 P<0.001)，在平均每日手机使用时间和次数、平均每次手机使用时间上均差异有统计学意义( F/ H＝7.548，9.332，16.086；均 P<0.01)。(4)随机森林算法分析结果显示，非成瘾组特征重要性前3位依次为：意志控制、社交焦虑、错失焦虑，特征重要性分别为0.33、0.23、0.15；无聊型手机成瘾组特征重要性前3位依次为：无聊倾向、错失焦虑、孤独感，特征重要性分别为0.35、0.20、0.15；多风险型手机成瘾组特征重要性前3位依次为：错失焦虑、反刍思维、无聊倾向，特征重要性分别为0.29、0.19、0.17。 结论:大学生智能手机成瘾存在3种潜在类别，各类别在不同心理因素和手机使用行为上差异显著，未来可根据不同大学生群体特点采取针对性心理干预措施。

目的:探究一种以剂量体积直方图参数为优化变量，使用多目标优化算法的剂量优化配准算法，以提高锥形线束CT（CBCT）图像验证匹配的准确性。方法:回顾性分析哈尔滨医科大学附属肿瘤医院2022年收治的6例肺癌和5例宫颈癌患者的28套CBCT图像。以骨性配准的结果为剂量配准算法的初始点，在其周围的三维空间内计算各位移点的通量加权灰度均方差，并使用无监督k均值聚类方法筛选候选位移点。使用有限尺寸笔形束算法计算各候选位移点的三维剂量分布，并提取直方图剂量指标作为多目标优化算法的优化变量。使用多目标遗传算法求解Pareto最优解集后，根据预设的目标权重方案求解最优唯一解。结果:采用剂量优化配准后，肺癌病例计划靶区（PTV）的D 90%、D 95%、D 98%、D mean、适形度（CI）指标，较常规配准策略分别平均提高0.23 Gy、0.49 Gy、1.05 Gy、0.15 Gy、0.03，危及器官的剂量差异无统计学意义。宫颈癌病例PTV的D 90%、D 95%、D 98%、D mean、CI指标，较常规配准策略分别平均提高0.72 Gy、1.15 Gy、2.53 Gy、0.24 Gy、0.05，部分危及器官评估指标降低1.06~1.81 Gy。 结论:剂量优化配准方法可有效提高靶区覆盖度并降低危及器官剂量，减少刚性配准算法的残余误差，可作为自适应放疗技术的流程之一。

目的:探讨多参数MRI栖息地影像区分乳腺癌人表皮生长因子受体2（HER2）不同表达状态的价值。方法:该研究为横断面研究。回顾性分析2018年8月至2023年7月在汕头大学附属第二医院经病理证实的86例原发性浸润性乳腺癌的临床及影像资料。患者均为女性，年龄33~74（51±10）岁。患者均接受乳腺MRI检查，包括T 1WI、T 2WI、扩散加权成像和动态增强MRI。应用模糊C均值聚类算法对所有病灶的血管外细胞外间隙容积比（V e）、速率常数（K ep）、容积转运常数（K trans）及表观扩散系数（ADC）图进行聚类分析，从而将乳腺癌病灶内部分割成不同的栖息地亚区。以每个亚区中K trans、K ep的平均值量化血流灌注水平和每个亚区中ADC、V e的平均值量化细胞增殖水平，同时计算每个病灶每个亚区占整个病灶体积的百分比。采用Mann-Whitney U检验比较各栖息地亚区体积占比在不同HER2表达水平之间的差异。采用受试者操作特征曲线和曲线下面积（AUC）评价有统计学意义参数诊断HER2状态的效能。 结果:86例浸润型乳腺癌患者中，HER2阳性27例，HER2阴性59例；其中HER2阴性患者中，HER2低表达37例和HER2零表达22例。栖息地1、2、3亚区体积占比在HER2阳性与阴性患者中的差异均有统计学意义（ Z=2.90、 P=0.004； Z=-2.04、 P=0.042； Z=-2.19、 P=0.029），其预测HER2阳性表达的AUC值分别为0.696、0.638和0.648。栖息地2亚区体积占比在HER2低表达与零表达患者间差异有统计学意义（ Z=2.85、 P=0.004），其预测HER2低表达及零表达的AUC值为0.724。 结论:栖息地1亚区体积占比区分HER2阳性与阴性患者，栖息地2亚区体积占比区分HER2低表达与零表达患者效能较好，对于筛选HER2靶向治疗的潜在候选者具有重要临床意义。

目的 探讨基于超声图像的肿瘤亚区域特征评估浸润性乳腺癌(IBC)人表皮生长因子受体2(HER2)瘤内表达异质性的价值.方法 回顾性分析90例HER2阳性和39例HER2阴性表达IBC患者的超声临床资料,并分为训练(n=90)和验证(n=39)队列.采用K均值共识别聚类方法将肿瘤整体区域划分为不同肿瘤亚区域,提取整体和亚区域特征.特征选择采用最小绝对收缩和选择算子方法,并提交给光梯度提升机(Light GBM)和梯度增强机器学习算法开发评估IBC-HER2阳性表达模型.使用受试者工作特性曲线下面积(AUC)评估模型效果.结果 基于肿瘤整体区域划分为A和B两个肿瘤亚区域.基于亚区域特征的机器学习模型均优于基于肿瘤整体区域特征,特别是B亚区域,Light GBM模型在训练和验证队列中表现最优,AUC分别为0.87和0.92,准确度分别为81％和85％.结论 本研究揭示了基于超声图像的肿瘤亚区域特征相对于肿瘤整体区域特征可更好地解析IBC-HER2表达的瘤内异质性,具有潜在实现非侵入性成像特征表征肿瘤分子异质性,达到精准诊疗目标的价值.