基于临床及超声影像组学联合深度学习模型预测甲状腺结节良恶性

目的:构建基于临床及超声影像组学联合深度学习(DL)模型,并评估其预测甲状腺结节恶性风险的价值。方法:回顾性分析164例经手术证实初发甲状腺结节超声影像资料,将这些资料按照7∶3的比例分为训练集和测试集。采用t检验和χ^(2)检验筛选恶性甲状腺结节的独立风险因素作为风险模型的临床特征。基于超声图像提取并筛选最佳影像组学特征以构建影像组学标签评分(Rad-score),提取并筛选最佳DL特征以构建DL标签评分(DL-score),并构建影像组学-DL模型。基于临床风险指标、Rad-score及DL-score尝试使用9种算法构建联合模型。绘制受试者工作特征(ROC)曲线,计算曲线下面积(AUC),评估各模型及甲状腺结节良恶性准确率的预测效能,应用决策曲线分析(DCA)对比不同模型的临床获益。结果:年龄、性别、边界的形状、回声类别为甲状腺恶性结节的独立风险因素。DCA显示XGboost联合模型的临床获益高于其他诊断模型。XGboost联合模型在9种模型中表现最优,高于logistics回归、朴素贝叶斯(Naive-Bayes)、支持向量机(Support Vector Machine,SVM)、K邻近算法(K-NearestNeighbor,KNN)、监督学习集成模型(Light Gradient Boosting Machine,LightGBM)、GradientBoosting、AdaBoost、前馈神经网络多层感知器(Multi-Layer Perceptron,MLP)模型,测试集AUC为0.93,随后建立影像组学列线图,能够方便准确地判断甲状腺结节良恶性。结论:基于临床及超声影像组学联合深度学习模型可有效预测甲状腺结节的良恶性。

基于16S rDNA基因测序技术分析不同体长斑马鱼的肠道菌群结构差异

目的:分析探究同亲代不同体长斑马鱼肠道菌群组成和丰度差异。方法:将同一亲代的3月和6月龄子代斑马鱼,按性别及体长进行分组,采用16S rDNA序列分析技术检测斑马鱼肠道菌群构成,比较不同性别及体长的斑马鱼肠道菌群多样性和丰度差异。结果:Alpha多样性分析结果显示,3月龄斑马鱼同一性别体长与体短组间菌群丰度和多样性存在明显差异,生长至6月龄时,这一差异则无统计学意义。Beta多样性分析结果显示不同体长组肠道菌群具有明显的分群;6月龄优势菌门中,前6种优势菌门在雄性长组与短组组间差异无统计学意义;变形杆菌门和梭杆菌门在雌性长组与短组组间差异显著。线性判别分析结果显示,不同月龄体长长组与短组分别富集7个和3个菌门群落;不同月龄长组与短组分别富集13个和7个菌属群落。结论:斑马鱼体长与肠道菌群多样性密切相关,调节肠道菌群的结构及丰度可能是促进骨骼生长的有效途径。