基于双参数MRI的深度学习-临床混合模型对临床显著性前列腺癌诊断价值的研究

目的比较基于双参数MRI的深度学习模型和临床模型对临床显著性前列腺癌(clinical significant prostate cancer,csPCa)的诊断价值,并联合深度学习模型和临床指标建立混合模型,探讨混合模型对csPCa诊断效能的提升价值。材料与方法回顾性分析本院2017年2月至2022年5月共531例因临床怀疑前列腺癌而行术前MRI并行后续穿刺和/或手术病理检查患者的临床及影像资料,其中csPCa 319例,非csPCa 212例。按照8∶2比例随机划分为训练集(425例)和测试集(106例)。手动勾画T2加权成像(T2-weighted imaging,T2WI)、扩散加权成像(diffusion-weighted imaging,DWI)及表观扩散系数(apparentdiffusion coefficient,ADC)图像的感兴趣区后采用DenseNet网络建立深度学习模型,采用单因素和多因素逻辑回归筛选出临床特征后建立临床模型,并使用逻辑回归联合深度学习模型和临床特征建立深度学习-临床混合模型。使用受试者工作特征(receiver operating characteristic,ROC)曲线评估模型性能,使用DeLong检验比较曲线下面积(area under the curve,AUC)。结果逻辑回归分析显示年龄、前列腺特异性抗原(prostate specific antigen,PSA)及前列腺影像报告和数据系统(prostate imaging reporting and data system,PI-RADS)评分为csPCa的独立危险因素。在测试集中,深度学习模型的AUC值为0.90[95%置信区间(confidence interval,CI):0.85~0.96],临床模型的AUC值为0.85(95%CI:0.78~0.92),两者间差异无统计学意义(P=0.245)。深度学习-临床混合模型的AUC值为0.93(95%CI:0.88~0.98),优于临床模型(P=0.034)和深度学习模型(P=0.048)。结论深度学习模型对csPCa的诊断效能与临床模型相当;深度学习-临床混合模型对csPCa的诊断效能最高,具有良好的应用价值,可作为临床诊断csPCa的辅助工具。

基于小视野扩散加权成像的影像组学模型对临床显著性前列腺癌的诊断价值

目的比较基于小视野扩散加权成像(zoomed imaging technique with parallel transmission diffusion weighted imaging,ZOOMit DWI)序列和基于分段读出平面回波(readout segmentation of long variable echo-trains,RESOLVE)DWI序列的影像组学模型对临床显著性前列腺癌(clinically significant prostate cancer,csPCa)的诊断价值。材料与方法回顾性收集168例行术前MRI检查并经病理证实的前列腺疾患资料,其中csPCa患者83例、非csPCa患者85例。按7∶3随机划分训练集(n=117)和测试集(n=51),采用皮尔逊相关系数(pearson correlation coefficient,PCC)分析、ANOVA(analysis of variance)检验筛选影像组学特征,使用最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)算法并十折交叉验证进一步筛选特征,使用逻辑回归构建模型。构建基于单一参数的影像组学模型,包括ZOOMit DWI、ZOOMit表观扩散系数(apparent diffusion coefficient,ADC)、RESOLVE DWI和RESOLVE ADC,通过比较后选取诊断效能较优的DWI和ADC联合T2加权成像(T2-weighted imaging,T2WI)建立双参数MRI影像组学模型。通过受试者工作特征(receiver operating characteristic,ROC)曲线分析模型诊断效能,使用DeLong检验比较模型间曲线下面积(area under the curve,AUC)。结果在测试集中,ZOOMit DWI的AUC值高于RESOLVE DWI(0.917 vs.0.851,P=0.022),ZOOMit ADC的AUC值高于RESOLVE ADC(0.948 vs.0.871,P=0.052)。选取ZOOMit DWI和ZOOMit ADC联合T2WI建立双参数MRI影像组学模型,模型在测试集中的AUC值为0.937,明显优于前列腺特异性抗原(prostate specific antigen,PSA)(0.792,P=0.012)。结论基于ZOOMit DWI序列的影像组学模型对csPCa的诊断效能优于基于RESOLVE DWI序列的影像组学模型,联合ZOOMit DWI序列和T2WI序列的双参数MRI影像组学模型对csPCa有较好的诊断价值。

CFG桩单桩承载力离心模型试验与现场试验对比分析

某码头堆场软土地基发生了推移,在典型区采用CFG桩网复合地基进行加固。通过CFG桩离心模型试验和现场静载试验,研究了CFG桩单桩承载性状,对比分析了离心模型试验和现场静载试验的单桩承载变形差异,并与规范方法计算的单桩竖向极限承载力进行了比较。结果表明,离心模型试验和现场静载试验的Q-s曲线均存在比较明显的差异,离心模型试验得出的单桩极限承载力大于现场静载试验,两者的最大试验荷载基本一致,单桩竖向极限承载力计算值低于离心模型和现场静载试验值。

多个小面积感兴趣区域测量法在CT平扫中鉴别肾细胞癌与肾囊肿的应用价值

目的探讨多个小面积感兴趣区域(ROI)的测量方法在CT平扫中鉴别肾细胞癌(RCC)与肾囊肿的价值.方法回顾性分析2013年5月-2018年5月经手术病理证实的98例RCC的CT平扫及增强图像,使用单个大面积(肿块面积的2/3)ROI测量98例RCC的平扫CT值,分析不同病理类型RCC平扫CT值的统计学差异.将密度均匀且平扫CT值≤20 HU的RCC采用多个(≥6)均匀分布的小面积(≤0.6 cm2)ROI进行重新测量,评估其最终CT值.结果采用单个大面积ROI测量法,98例RCC平扫CT值为(30.9±9.4)HU,56例肾透明细胞癌(CCRCC)平扫CT值为(28.3±8.6)HU,28例乳头状肾细胞癌(PRCC)平扫CT值为(34.2±10.1)HU,14例嫌色细胞癌(CRCC)平扫CT值为(35.1±9.2)HU,三组间平扫CT值差异无统计学意义(P=0.06).98例RCC中25例RCC的CT值≤20 HU,其中21例RCC密度不均匀,4例RCC密度均匀,将4例密度均匀RCC采用多个小面积ROI测量,其最大CT值>20 HU(范围25~32 HU),且均为CCRCC.结论采用单个大面积ROI测量时,密度均匀的RCC平扫CT值可≤20 HU,易误诊为肾囊肿,采用多个小面积ROI可提高RCC的诊断正确率.

考虑垫层影响的树根桩单桩承载力试验研究

某码头堆场软土地基发生了推移,采用了树根桩网复合地基进行加固。通过离心模型试验,研究了垫层对树根桩单桩承载特性的影响,对比分析了离心模型试验和现场静载试验的单桩承载变形差异,并与规范方法计算的单桩竖向极限承载力进行了比较。结果表明,垫层对树根桩单桩极限承载力影响显著,加筋垫层单桩极限承载力最大,其次是砂垫层,无垫层最小;离心模型试验和现场静载试验的Q-s曲线均存在比较明显的差异,离心模型试验得出的单桩极限承载力大于现场静载试验,单桩竖向极限承载力计算值低于离心模型和现场静载试验值。

基于PI-RADS V2.1评估双参数和多参数MRI对外周带临床显著性前列腺癌的诊断价值

目的:基于第2.1版前列腺影像报告和数据系统(PI-RADS V2.1)评估双参数(bpMRI)和多参数磁共振成像(mpMRI)对外周带临床显著性前列腺癌(csPCa)的诊断价值。方法:回顾性分析154例经穿刺活检或手术病理证实的前列腺外周带病变患者的临床和MRI资料。154例患者中,前列腺癌为75例,其中csPCa 63例,无临床意义PCa(ciPCa)12例,良性病变79例。由两位放射科医师(分别具有3和10年前列腺MRI诊断经验)基于bpMRI和mpMRI分别对前列腺外周带主病灶进行PI-RADS评分,绘制其受试者工作曲线(ROC),根据约登指数确定临界值,计算并比较两种方法的曲线下面积(AUC)及诊断符合率、敏感度、特异度、阴性和阳性预测值。结果:基于bpMRI和mpMRI,两位医师对病变PI-RADS评分的一致性均较好(Kappa值分别为0.746和0.688)。低年资医师基于bpMRI和mpMRI的PI-RADS评分诊断csPCa的AUC分别为0.761和0.774,差异无统计学意义(Z=1.469,P>0.05);高年资医师基于bpMRI和mpMRI的PI-RADS评分诊断csPCa的AUC分别为0.773和0.778,差异无统计学意义(Z=0.643,P>0.05)。两位医师基于mpMRI的诊断敏感度均显著高于bpMRI(90.5%vs.73.0%、90.5%vs.70.8%,P均<0.01),而诊断特异度均低于bpMRI(60.4%vs.69.2%、61.5%vs.71.4%,P均<0.05)。结论:不同年资医师基于bpMRI和mpMRI的PI-RADS评分对外周带csPCa的检测具有相近的诊断效能;bpMRI能使部分患者避免不必要的动态增强扫描,因而具有更佳的临床效益。

重力式码头沉降位移控制探讨

本文以新建项目配套码头工程为例,在概述码头工程地质条件及基础处理设计施工经验的基础上,进行了其重力式码头施工期间沉箱沉降位移观测与分析,并总结了其已安放沉箱位移稳定程度与施工工序时间之间的对应关系。分析表明,本码头工程沉箱施工期内沉降位移量完全符合设计要求,其沉箱沉降位移主要发生在沉箱回填后3个月,为有效控制沉箱沉降位移,降低工后码头运维管理难度,应从轨道安装方式调整、加强基床抛石及夯实施工质量控制等方面减少码头工后沉降位移对其使用过程的影响。

游艇产业园规划设计探讨

随着国内游艇产业持续快速发展,国内游艇制造业的短板日益突出,国内尚未有规模的游艇产业基地。本文通过某游艇产业园的规划设计为例,探讨游艇产业园的规划开发建设思路,为国内未来类似项目做参考。

浅析活性粉末混凝土(RPC)在沿海港口大跨度轨道梁中应用

本文结合某沿海电厂配套码头工程大跨度钢箱梁优化设计,提出超高强度活性粉末混凝土(RPC)结构替代方案以减少钢箱梁日后维护保养费用。通过建模计算分析替代方案的可行性,为设计提供依据。

中国古典园林“以壁为纸石为绘”的现代解读——以苏州博物馆的扁平化设计策略为例

本文通过分析贝聿铭苏州博物馆对传统苏州园林要素的提炼和转译,分析其具有的独创性“扁平化设计”的要点。希望从现代建筑设计的视角解读中国古典园林设计方法,为当代建筑创新设计和回归本土的建筑语境的探索提供一些思路。

基于MRI的临床-影像组学模型对前列腺癌根治术后生化复发的预测价值

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T2WI、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。

基于CEEMDAN和SWT的地震信号随机噪声压制

完备集合经验模态分解(CEEMD)通过添加正负成对辅助噪声可较好的解决集合经验模态分解(EEMD)中信号被噪声污染的问题,但CEEMD方法分解后的单个本征模态函数(IMF)分量中仍存在部分随机噪声信息.通过转变辅助噪声形式和分解流程提出自适应噪声完备集合经验模态分解(CEEMDAN)方法,该方法在较少集总次数和筛选迭代次数的情况下,即可实现优良的信噪分离功能,大大缩减处理耗时,具备分解精度高、具有完备性的特征.同时,针对传统经验模态分解(EMD)类方法去噪时直接舍弃第1~2阶高频IMF分量,导致其内高波数有效能量损失的问题,通过计算相邻IMF分量互信息熵获取高频噪声和低频有效信号的最优能量分界,对分界点前的各阶IMF分量进行同步压缩小波变换(SWT)处理,分离有效高频信息,最后与低频IMF分量重构达到噪声压制的目的.合成及实际地震资料处理结果表明,本文联合多步骤地震随机噪声压制策略具有较好的去噪效果和能量保持能力,在运算耗时指标上优于传统的EMD噪声辅助类方法.

“出师”表

初三学业过半而中考迫近，今争分夺秒，身心疲惫，此诚生死存亡之夏也。然各科老师不懈于内，学校领导奔波于外，盖受家长之嘱托，欲报之于学子也。我等宜鼓足干劲，以慰父母苦心，恢弘必胜之气，不宜妄自菲薄，自暴自弃，而塞升学之路也。