结直肠癌与肥胖的共表达枢纽基因的鉴定与机制探讨

目的旨在揭示结直肠癌与肥胖的关系,为进一步探讨结直肠癌的发病机制提供思路。方法分别从TCGA和GeneCards数据库中筛选结直肠癌差异表达基因(DEGs)和肥胖相关基因集,利用韦恩图获取共表达基因。通过DAVID数据库对共表达基因进行功能富集分析。通过STRING数据库及Cytoscape软件构建蛋白-蛋白相互作用(PPI)网络图,筛选出10个关键基因,取交集后得到3个关键枢纽基因。最后通过GEO数据库中的GSE39582数据集验证,并通过TCGA数据库中结直肠癌临床样本信息进行生存分析。结果结直肠癌差异基因和肥胖相关基因取交集后得到33个共表达基因。功能富集分析结果表明,它们可能和激素的活性、细胞外空间等相关。通过PPI分析筛选出的3个关键枢纽基因分别是PYY、SLC2A4和SERPINE1。经GSE39582数据集验证,3个枢纽基因在结直肠癌样本中的表达量显著有别于正常对照样本(P<0.05)。生存分析显示SERPINE1高表达与结直肠癌的总生存率呈负相关(P<0.05)。结论本研究筛选的3个枢纽基因可能通过肥胖相关途径影响了结直肠癌的发生发展。

新工科背景下生物医学传感技术教学模式探究

生物医学传感技术是生物医学工程专业的核心专业课之一,是有关生物医学信息获取的技术,也是生物医学工程技术中的一个先导和核心技术,它与生物力学、生物材料、人体生理、生物医学电子与医疗仪器、信号与图像处理等其他生物医学工程技术直接相关,并且是这些技术领域研究中共性的基础和应用研究内容,具有非常旺盛的生命力。因此,提高该课程的教学质量是关系生物医学工程专业本科教学质量的重要一环,只有不断研究和选择先进的教学理念及教学方法.

结直肠癌与糖尿病关联的关键基因鉴定与机制探讨

目的 鉴定糖尿病与结直肠癌的关键基因并探讨其关联机制。方法 对TCGA结直肠癌差异表达基因与糖尿病相关基因取交集后做富集分析,并通过Cytoscape软件等开展蛋白互作网络分析,最后通过GEO进行外部验证。结果 筛选出31个交集基因集,富集分析表明其与胰岛素分泌及2型糖尿病等有关。蛋白互作网络分析鉴定了2个关键基因CD36和SERPINE1,它们分别在结直肠癌中低表达和高表达(P <0.05),且均为不良预后因素。结论 糖尿病和结直肠癌的共同关键基因CD36和SERPINE1可能通过糖尿病相关途径影响了结直肠癌患者的生存预后。

基于角度修正的频率和波达方向联合估计

为实现相干密集信号的频率和波达方向估计,用参考频率替代真实频率,构建了一种降维稀疏字典,利用压缩感知理论,实现频率和波达方向联合估计;同时针对低信噪比、少快拍数、含有相干信号的复杂场景,给出一种利用SVD优化的方法。通过仿真发现所提算法及其优化算法,可对密集相干信号进行精确的频率和波达方向估计,提高了算法在低信噪比条件下的性能,更加适用于低信噪比、少快拍数场景。

基于注意力的嵌套UNet显著性目标检测网络研究

显著性目标检测在图像识别中有着广泛应用,是计算机视觉领域热门研究方向。针对其高、低层次特征融合不当易导致信息提取不完整和下采样中池化过程易出现关键特征丢失、噪点特征放大等问题。文中提出一种融入注意力的嵌套式UNet网络——(AU)2Net网络模型。该方法在RSU模块中引入注意力机制,形成Attention-RSU块,在保证丰富特征信息提取的基础上,关注显著区域,忽略无关信息,抑制噪声的影响。对比其他9种先进算法在5种不同数据集上的最大F-measure和MAE后,显示在多数指标上优于其他算法。验证了模型在复杂场景下能较好地捕捉目标信息,较完整地勾勒出目标的具体细节。

“数据结构与算法”课程融入思政教学的探索——以某地方医学院校生物医学工程专业为例

“数据结构与算法”是计算机信息处理及软件编程技术领域的工学课程,也是生物医学工程专业中的一门专业教育课程。文章以《高等学校课程思政建设指导纲要》(以下简称《纲要》)文件中工学学科与专业教育课程的课程思政教学体系的相关要求为出发点,同时以促进生物医学工程专业的培养目标和培养要求为落脚点,从学科和课程的综合视角,将《纲要》中的课程思政建设内容整体融入具体的教学过程中,旨在培养学生精益求精的大国工匠精神,激发学生科技报国的家国情怀和使命担当,使他们成为“五育并举”、全面发展的人才。

大数据时代下的流媒体技术在麻醉设备学教学中的应用

大数据时代流媒体技术的有效整合和利用是每一个学科值得深思的重要课题。文章以大数据时代作为背景,在流媒体技术的发展基础上,运用互联网思维对流媒体技术的教学模式进行反思,从中探索寻出流媒体技术与传统课堂的契合点,并将优化和创新教学新思路应用到麻醉设备学教学中。研究认为,有效的整合和利用流媒体技术,可以构建起满足师生教学需求的生态平台。

基于单演特征和协同表示的人脸识别方法

基于协同表示的分类方法解决了稀疏表示分类方法太过强调l1模的问题被广泛应用于人脸识别中。为了进一步提高鲁棒性和识别率,提出了基于单演特征的协同表示分类方法,即MCRC。单演特征所提取的图像相位信息对光照的鲁棒性强并且其方向信息和幅值信息对姿态的鲁棒性也很高,相对于Gabor特征的多尺度和多方向,单演特征在特征变换的速度上也具有一定优势。在AR、LFW人脸数据库上的实验结果表明,该方法具有可行性和有效性。

稀疏表示人脸识别算法的研究与改进

为了提高稀疏表示人脸识别技术在对姿态、光照等情况下的识别率和鲁棒性,在GSRC算法的理论基础上提出使用向量总变差模型取代最小l1范数进行稀疏求解。在扩展YaleB人脸数据库和ORL人脸数据库上的数值实验结果中,改进方法在识别率和鲁棒性上都得到了提高,尤其在低维观测数据下,具有较大的优势。表明使用向量总变差模型进行稀疏求解在稀疏表示人脸识别中更具有优势。

清醒与麻醉状态下大鼠脑电复杂度特征的比较

目的通过对脑电复杂度样本熵(SampEn)和分形维数(FD)分析,比较清醒和不同麻醉状态下大鼠脑电复杂度特征。方法 SD大鼠16只,每只大鼠先后两次腹腔注射氨基甲酸乙酯(首次500mg/kg、1h后800mg/kg),采集大鼠清醒状态(W段)、浅麻醉状态(LA段)、深麻醉状态(HA段)头皮脑电(EEG),采用MATLAB软件计算EEG信号复杂度的SampEn和FD值,并对全过程的特征值进行线性动力系统(LDS)去噪和各状态下特征值做统计学分析。结果大鼠从清醒到浅麻醉、深麻醉过程中SampEn、FD值逐渐下降。W段的SampEn值与FD值(4.049±0.190和9.299±0.195)明显高于LA段(3.248±0.175和8.528±0.156)和HA段(2.978±0.123和8.213±0.128)(P<0.05),HA段的SampEn值与FD值明显低于LA段(P<0.05)。结论EEG的SampEn与FD值可作为麻醉深度监测的特征量。

精神分裂症患者攻击暴力行为的结构磁共振研究

目的运用基于体素的形态学测量(VBM)方法从脑结构变化的角度探索首发未治精神分裂症患者的攻击暴力行为与脑灰质结构之间可能存在的关系。方法选取24例首发未治精神分裂症患者的病例组和24例性别、年龄与之相匹配的正常对照组进行脑灰质体积比较。结果 1与正常对照组相比较,病例组有多个灰质减少的脑区:右侧颞极上部、左侧颞下回、左侧颞上回、右侧枕中回、左侧枕下回、小脑、右侧眶额上回、左侧内侧眶额皮层、左侧扣带回、右侧前扣带回、右侧中扣带回、双侧眶额下回、双侧内侧额上回、双侧楔前叶、双侧岛叶、双侧舌回、双侧直回、双侧梭状回、双侧顶上回、双侧辅助运动区(P<0.05,已校正)。2首发未治的精神分裂症患者一些脑区灰质体积与修订版外显攻击行为评分呈负相关(P<0.05)。结论具有攻击暴力行为的精神分裂症患者部分脑区灰质体积存在异常,可能与其攻击暴力行为具有相关联系,也与其攻击暴力行为的潜在神经机制有关。

基于单演特征和稀疏表示的人脸识别

为了使得稀疏表示分类方法具有更好的识别效果,提出了基于单演特征的稀疏表示分类(MSRC)方法.相对于Gabor特征,单演特征能够用于提取图像的相位信息,而相位信息对光照不敏感,因此MSRC方法能提高图像的光照鲁棒性.相对于Gabor特征的多尺度和多方向,单演特征能够减少特征的处理时间.实验结果表明:文中所提的方法具有使用价值,识别率和速度方面得到了一定的提升.

浅谈《医学影像设备学》实践教学改革

目的:改进《医学影像设备学》实践教学中因大型仪器匮乏造成实践教学效果差的现状,提高实践教学质量。方法:提出真机剖析、仿真操作和观摩见习三结合的实践教学改革。首先,把附属医院淘汰设备作为教学真机,剖析机器,拆装设备关键组件,加强对设备原理的掌握;其次,应用计算机仿真软件把影像设备的具体操作步骤如成像定位、扫描、参数调整等不限地点和次数地进行仿真操作训练;最后到医院影像科实地观摩见习强化实践心得。结果:该实践教学改革增强了学生对大型影像设备的实际操作练习,丰富《医学影像设备学》实践教学内容,获得学生的认可。结论:该三结合的实践教学模式提高了实践课的教学质量,值得在其他涉及到大型仪器的课程中推广。

基于增强CT影像组学的机器学习模型鉴别诊断低风险胃间质瘤

目的:探讨基于增强CT影像组学的机器学习(machine learning,ML)模型鉴别低风险胃间质瘤(gastric stromal tumor,GST)与良性胃黏膜下肿瘤(gastric submucosal tumor,GSMT)的价值。方法:回顾性分析2013年1月至2022年3月皖南医学院弋矶山医院84例低风险GST及51例良性GSMT患者的临床及影像资料。将患者随机分为训练集(n=94)和测试集(n=41)。基于增强CT静脉期利用ITK-SNAP软件分割图像,AK软件提取影像组学特征,mRMR、Spearman秩相关及LASSO回归对特征降维,建立影像组学标签评分(Radscore)。采用单因素及多因素Logistic回归筛选独立危险因素,使用支持向量机(suppor vector machine,SVM)建立预测模型,用测试集检测模型的泛化能力,受试者工作特征(receiver operating characteristic,ROC)曲线下面积(area under curve,AUC)评估模型效能。结果:多因素分析年龄、形态、生长部位、长径/短径(long diameter,LD/short diameter,SD)及Radscore为独立危险因素,SVM建立预测模型的AUC训练集为0.933、测试集为0.913。结论:基于增强CT影像组学的SVM算法构建的模型能够有效地鉴别低风险GST与良性GSMT,且模型具有较好的泛化能力。

基于ABVS影像组学联合VTQ术前预测浸润性乳腺癌淋巴血管侵犯

目的:探讨基于自动乳腺全容积成像(ABVS)冠状面图像影像组学联合声触诊组织定量(VTQ)技术术前预测浸润性乳腺癌淋巴血管侵犯(LVI)的价值。方法:收集经病理及免疫组化证实的浸润性乳腺癌患者138例,LVI阳性43例,LVI阴性95例。基于ABVS冠状面图像提取影像组学特征,采用LASSO回归降维,筛选最优特征,构建影像组学标签评分(Rad-score)。Rad-score联合超声特征采用Logistic单因素和多因素回归分析筛选独立预测因子,基于超声特征构建影像学模型,影像学模型结合Rad-score构建联合模型,并绘制联合模型列线图和校准曲线。Hosmer-Lemeshow检验评价联合模型的拟合优度,受试者操作特征(ROC)曲线下面积(AUC)评判各模型效能,Delong检验比较各模型AUC,2折交叉对模型行交叉验证,临床决策曲线(DCA)评判模型临床适用性。结果:共筛选8个最优特征构建Rad-score,多因素Logistic回归显示肿瘤长径(LD)、剪切波速度(SWV)及Rad-score为独立危险因素。校准曲线显示预测值与观测值一致性较高,C-index=0.828。Hosmer-Lemeshow检验显示模型拟合较好(χ^(2)=11.469,P=0.177),影像学模型、Rad-score及列线图AUC分别为0.735(95%CI:0.652,0.818)、0.768(95%CI:0.691,0.845)、0.828(95%CI:0.756,0.901)。Delong检验表明所有模型中列线图预测效能最高(均P<0.05)。2折交叉验证fold1 AUC为0.807(95%CI:0.693,0.922)、fold2 AUC为0.771(95%CI:0.636,0.906),平均AUC为0.789。DCA显示模型临床有较高应用价值。结论:基于ABVS冠状面图像影像组学联合VTQ术前可有效预测浸润性乳腺癌LVI状态。

基于增强CT深度学习影像组学术前预测胸腺瘤风险分类

目的:探讨基于增强CT深度学习影像组学术前预测胸腺瘤风险分类的价值。方法:收集2015年1月至2023年1月皖南医学院弋矶山医院139例胸腺瘤患者为训练集,池州市人民医院与芜湖市第二人民医院81例患者为外部验证集。其中低风险组(A、AB、B1型)137例、高风险组(B2、B3型)83例。基于CT静脉期图像分别提取手工影像组学(hand-crafted radiomics,HCR)特征与深度学习(deep learning,DL)特征,构建影像组学标签评分(Radscore)。单因素与多因素Logistic回归分析筛选预测胸腺瘤高风险的影像学独立影响因素,利用逻辑回归(Logistic regression,LR)、随机森林(random forest,RF)、决策树(decision tree,DT)及支持向量机(support vector machine,SVM)机器学习建模。选择最佳模型为输出模型,构建模型列线图、校准曲线及临床决策曲线(decision curve analysis,DCA)。受试者工作特征(receiver operating characteristics,ROC)曲线下面积(area under the curve,AUC)及净重新分类指数(net reclassification index,NRI)用于评估模型效能。结果:LR、RF、DT及SVM构建预测模型的AUC分别为训练集0.899、0.835、0.897、0.860,外部验证集0.889、0.830、0.905、0.858。由于训练集LR模型效能最佳,作为本研究输出模型,校准曲线及DCA表明模型具有较高的校准度及临床适用性。列线图与Radscore比较效能有改善,NRI训练集为7.5%(P=0.007),外部验证集为5.3%(P=0.020)。结论:基于增强CT深度学习影像组学术前实现了胸腺瘤准确风险分类,列线图能够提供个性化预测结果。

基于核模糊聚类优化算法的脑核磁共振图像分割研究

目的:脑核磁共振(MR)图像中普遍存在噪声的影响,传统的核模糊C-均值(Kernel Fuzzy C-means,KFCM)算法无法得到理想的脑组织分割结果,为此提出一种基于核模糊聚类优化算法的分割模型。方法:首先通过粒子群算法确定KFCM的初始聚类中心,然后利用自适应中值滤波消除图像中的噪声,最后采用该模型分别对不同的图像进行实验。结果:该方法不仅能迅速确定图像的初始聚类中心,并且有效地消除图像中的噪声。结论:与传统KFCM算法相比,提出的模型具有更高的精确度和分割效率。

胃镜仿真操作和虚拟诊断教学系统的设计与实现

目的根据胃镜发展现状及教学特点,设计并实现了一种使受训胃镜医师能正确认知操作方向及获得模拟真实胃镜的操作技巧和诊断技能的教学系统。方法系统主要采用计算机技术和机电技术实现胃镜仿真操作和虚拟诊断教学系统的相应功能。结果系统实现了:基于工业内窥镜全真模拟胃镜摄像、活检、吸引、注水、注气等主要操作;基于MALAB/GUI全真模拟胃镜诊断的工作流程、对应病灶影像的显示处理和部分典型病灶诊断;方向认知报警系统包括气道认知和食管等七个关键部分认知。结论在减少胃镜培训成本、缓解教师繁重工作、优化传统胃镜教学方法的前提下,学员能够在教学系统中反复训练,从而大幅度提高胃镜实践教学质量。

人脸面部表情实时检测识别系统

本文主要设计了人脸面部表情识别系统,该系统实时检测视频信号,可以实时地识别出不同的面部表情.首先系统对获取到的视频每一帧图像使用Ada Boost算法检测人脸,利用ASM算法进行人脸特征点定位,若连续三帧图像人脸位置基本不变表示人脸定位成功.然后获取人脸图像并对图像进行预处理,之后采用局部二值模型(LBP)算法提取人脸感兴趣区域的特征向量.最后通过支持向量机(SVM)分类算法实现人脸表情的识别.该人脸面部表情实时检测识别系统识别率较高、实时性较好.

基于定量CT及临床危险因素列线图预测重症新型冠状病毒肺炎短期预后

目的:探讨定量CT结合临床危险因素构建的列线图预测重症新型冠状病毒肺炎(COVID-19)短期预后的价值。方法:回顾性分析287例重症COVID-19患者的胸部CT及临床资料,其中好转出院222例(生存组),住院期间死亡65例(死亡组),采用分层抽样按7∶3将患者随机分为训练集(n=200)与验证集(n=87)。单因素与多因素logistic回归分析筛选导致死亡的独立危险因素,构建联合预测模型,并绘制模型的列线图。Hosmer-Lemeshow检验及校准曲线评价模型的拟合优度与校准度。结果:单因素与多因素logistic回归分析实性密度体积百分比、年龄、慢性阻塞性肺病、白细胞计数、淋巴细胞计数、中性粒细胞计数、超敏C反应蛋白是预测患者死亡的独立危险因素。联合预测模型的曲线下面积训练集为0.836 (95%CI 0.771~0.901)、验证集为0.825 (95%CI 0.722~0.928),Hosmer-Lemeshow检验训练集(χ^(2)=9.927,P=0.270)及验证集(χ^(2)=7.777,P=0.456)均拟合较好,校准曲线显示了较高的校准度。结论:定量CT结合临床危险因素构建的预测模型能够有效预测重症COVID-19患者短期预后,基于此构建的列线图能够可视化预测结果。