5-HTR2A基因-1438A/G多态性与重性抑郁障碍及药效学作用的关联研究

目的探讨5-HTR2A基因-1438A/G多态性(rs6315)与重性抑郁障碍(MDD)及氟西汀治疗MDD疗效的关系。方法采用聚合酶链反应扩增技术与限制性片段长度多态性分析技术(PCR-RFLP)检测MDD患者(病例组)和正常健康者(对照组)5-HTR2A基因-1438A/G多态性的基因型和等位基因频率。氟西汀治疗MDD患者6周末,采用汉密尔顿抑郁量表(HAMD)评价疗效,分析疗效与基因型之间的关系。结果对照组与病例组在基因型、等位基因及A等位基因携带者的分布频率间存在明显差异,有统计学意义(P<0.05);病例组的-1438A等位基因的频率高于对照组,差异有统计学意义(P<0.05)。氟西汀治疗反应较好的MDD患者携带G/G等位基因的频率较高,差异有统计学意义(P<0.05);治疗反应不好的MDD患者携带A等位基因的频率较高,差异有统计学意义(P<0.05)。结论5-HTR2A基因-1438A/G多态性与MDD的发病有关,A等位基因可能是MDD发病的危险因素;5-HTR2A基因-1438A/G多态性与氟西汀的抗抑郁疗效有关,携带A等位基因的患者对氟西汀的治疗反应较差,G/G基因型的患者比A/A、A/G基因型的患者对氟西汀有更好的反应。

HTR1A基因-1019C/G多态性与重性抑郁障碍及氟西汀疗效的关联研究

目的探讨5羟色胺1A受体(HTR1A)基因多态性与重性抑郁障碍的相关性及与氟西汀治疗疗效之间的关系。方法采用聚合酶链式反应扩增技术与限制性片段长度多态性分析技术(PCR-RFLP)检测重性抑郁障碍患者(病例组,n=142)和正常人(对照组,n=154)HTR1A基因-1019C/G多态性的基因型和等位基因频率。氟西汀治疗前及治疗6周末,用17项汉密尔顿抑郁量表(HAMD)评价疾病严重程度及其变化,分析疗效与基因型之间的关系。结果 HTR1A基因-1019C/G多态性,病例组G等位基因的频率(74.3%)明显高于对照组(65.6%)(P<0.05)。病例组HAMD总分各基因型组间总体比较差异有统计学意义(P<0.05),C/C基因型组高于C/G、G/G基因型组(P<0.05)。氟西汀治疗6周末,各基因型之间疗效比较差异无统计学意义,不同性别患者各基因型之间疗效比较差异无统计学意义。结论 HTR1A基因-1019C/G多态性与重性抑郁障碍之间存在关联,G等位基因可能是抑郁障碍的危险因子;C等位基因与重性抑郁障碍患者的病情严重程度存在关联,携带C/C基因型的患者病情可能较严重;该基因多态性与氟西汀的抗抑郁疗效可能无关。

乳腺DBT影像组学对乳腺肿块良恶性的鉴别研究

目的:探讨基于数字乳腺断层摄影(DBT)的影像组学方法在乳腺肿块良恶性鉴别中的作用。方法:回顾性分析了2017年9月-2018年4月辽宁省肿瘤医院收治的160例乳腺肿块患者的影像资料。通过提取和筛选乳腺DBT影像组学特征,建立了影像组学诺模图模型,绘制工作特性(ROC)曲线并计算曲线下面积(AUC)评估模型的鉴别能力,通过决策曲线(DCA)分析评估模型的临床适用性。结果:本研究建立的诺模图模型在训练集和测试集上获得AUC值分别为0.942(敏感性=0.833,特异性=0.928)和0.928(敏感性=0.926,特异性=0.839),DCA分析表明模型具有良好的临床价值。结论:基于DBT影像构建的诺模图模型是作为无创辅助鉴别乳腺肿块良恶性的有效方法。

基于双序列MRI的计算机辅助诊断鉴别软组织肿瘤良恶性的研究

目的:研究使用计算机辅助分析方法针对软组织肿瘤MRI影像进行肿瘤良恶性鉴别的价值。方法:回顾性收集了在辽宁省肿瘤医院就诊的72例软组织肿瘤患者的CE-T1和T1WI双序列MRI影像数据(2017年1月至2018年1月)。通过提取和筛选MRI影像特征,建立支持向量机(SVM)、K-最邻近(KNN)和随机森林(RF)三种机器学习分类器模型对肿瘤病灶进行二分类鉴别;提出一种新型集成学习分类器模型用于将两个序列MRI信息进行融合。通过绘制受试者工作特征曲线(ROC)并计算ROC曲线下面积(AUC值)以评估模型的分类鉴别能力。结果:三种机器学习分类器均取得较好的良恶性鉴别效果;提出的集成学习分类器的分类效果最佳,AUC值达到0.922(敏感性=0.965,特异性=0.783)。结论:本研究提出的计算机辅助模型能够利用MRI影像对软组织肿瘤良恶性进行有效的辅助鉴别,具有一定的潜在应用价值。

基于MRI影像组学模型预测宫颈淋巴血管间隙浸润的研究

目的:使用多模态磁共振成像(magnetic resonance imaging,MRI)影像组学方法对早期宫颈癌患者淋巴血管间隙浸润(lymph-vascular space invasion,LVSI)进行辅助预测。方法:收集2015年11月—2018年8月在辽宁省肿瘤医院就诊的151例早期宫颈癌患者的双序列MRI影像,通过提取和筛选影像组学特征,构建诺模图预测模型,并绘制受试者工作特征(receiver operating characteristic,ROC)曲线,通过曲线下面积(area under curve,AUC)、特异度和灵敏度评价模型的预测性能,绘制校正曲线展示模型的预测性能,绘制决策曲线分析模型的临床价值。结果:所建立的诺模图预测模型在训练集和测试集上的AUC值分别为0.812(特异度为0.705,灵敏度为0.818)和0.775(特异度为0.759,灵敏度为0.765),校正曲线表明诺模图有良好的预测能力,决策曲线分析表明所建立的诺模图有着良好的临床应用价值。结论:使用双序列MRI构建影像组学模型是作为早期宫颈癌LVSI预测的有效方法。

深度学习人工智能技术在医学影像辅助分析中的应用

随着医学影像分析技术的快速发展和临床影像数据量的急剧增长,如何快速准确地针对不同疾病医学影像进行精确诊断、分类和预后评估,是现代医学工作者面临的重大挑战。深度学习是一种高通量自动化提取高维度特征信息的新一代人工智能技术,目前已广泛应用于临床医学大数据分析领域,为临床医学影像的快速识别、精准分割和辅助诊断等分析工作提供了新的契机。本文综述了近年来深度学习技术在医学影像分析领域的最新研究进展,探讨了深度学习在MRI、CT、超声和X线等医学影像分析中的重要方法和典型应用,展望了深度学习人工智能在医学影像分析中的发展前景。

爱情嫉妒与性驱力的关系

目的:探讨在校大学生的性驱力水平及其与爱情嫉妒的关系。方法:采用性驱力问卷和Hupka爱情嫉妒量表对大连市5所高校的132名在校大学生进行大学生的性驱力与爱情嫉妒现状调查并对二者关系进行分析。结果:1大学生的爱情嫉妒与性驱力总分存在显著正相关(r=0.227,P<0.01),其中在排他关系受威胁感(r=0.179,P<0.05)、依赖(r=0.320,P<0.01)、性占有欲(r=0.320,P<0.01)、竞争与报复(r=0.213,P<0.05)4个维度上,爱情嫉妒与性驱力均存在显著正相关;2不同性别的大学生的性驱力总体水平及各个项目性别差异显著(F=0.638,P<0.001),不同恋爱经历情况下的大学生在爱情嫉妒各维度及总分上差异不显著,在性驱力水平上也不存在显著差异。结论:性驱力对大学生爱情嫉妒,尤其是在排他性关系受威胁感、依赖、性占有、竞争与报复这4个维度上具有一定的预测作用。这对了解大学生的需求并以恰当的方式对大学生性与爱情观念进行教育和指导以维护大学生的心理健康有着重要意义。

松龄血脉康胶囊治疗老年稳定性心绞痛临床观察

将82例接受常规治疗的心绞痛患者按系统随机方法分为正常组（40例）和对照组（42例），治疗组加用松龄血脉康胶囊，治疗12周，分别进行治疗前后心绞痛分级、超敏C反应蛋白、血压水平及中文版SF-36量表生存质量评估的比较。两组心绞痛分级、超敏C反应蛋白、血压水平均有明显降低，生存质量均明显提高，治疗组效果较对照组明显，差异有统计学意义（P〈0．05）。提示在常规西药治疗基础上加用松龄血脉康胶囊能进一步改善老年稳定性心绞痛患者缺血性胸痛。