双参数MRI改良PI-RADS评分4分和5分病灶的最大径对临床有意义前列腺癌的预测效果

目的:评估前列腺影像报告和数据评分系统(prostate imaging reporting and data system,PI-RADS)中将病灶最大径15 mm作为4分升级为5分标准的合理性并进行改良,以提升对临床有意义前列腺癌(clinical significant prostate cancer,csPCa)的预测效果。方法:回顾性分析北京大学第一医院2019—2022年间接受前列腺MRI检查及穿刺的患者,将这组患者作为训练集,2023年的患者作为验证集,对病灶进行定位及测量最大径。采用受试者操作特征(receiver operating characteristics,ROC)曲线计算出病灶最大径预测csPCa的曲线下面积(area under curve,AUC)及最佳截断值,采用倾向性评分匹配(propensity score matching,PSM)缩小组间差异,在验证集中进行诊断效能的比较。结果:训练集的589例患者中,358例(60.8%)的病灶位于外周带,231例(39.2%)位于移行带,496例(84.2%)为csPCa病变。外周带病灶的中位直径小于移行带病灶(14 mm vs.19 mm,P<0.001)。ROC分析最大径对csPCa的预测效果,外周带病灶(AUC=0.709)与移行带病灶(AUC=0.673)相比差异无统计学意义(P=0.585),计算得出外周带病灶的截断值为11.5 mm,移行带病灶为16.5 mm。通过在验证集中计算截断值对应的约登指数(Youden index),发现按病灶位置进行分层可以取得更好的预测效果,计算净重新分类指数(net reclassification index,NRI)为0.170。结论:将15 mm作为病灶PI-RADS评分4分升级为5分的标准过于笼统,外周带病灶的截断值小于移行带病灶,应考虑对不同位置的病灶分开设定截断值。

超声剪切波弹性成像联合PI-RADS评分在前列腺病变良恶性诊断中的应用研究

目的探讨超声剪切波弹性成像(SWE)联合前列腺影像报告和数据系统(PI-RADS)评分在前列腺病变良恶性诊断中的应用价值。方法回顾性选取2018年1月至2023年1月杭州市第九人民医院收治的96例前列腺疾病患者作为研究对象,根据术后病理检查结果分为前列腺增生组(n=51)和前列腺癌组(n=45)。两组均进行SWE和磁共振成像(MRI)扫描,比较两组超声和MRI影像学特征、SWE值和PI-RADS评分,并评估二者对前列腺病变良恶性的诊断效能。结果前列腺增生组SWE最大值、平均值均低于前列腺癌组(P<0.05);前列腺增生组PI-RADS评分低于前列腺癌组(P<0.05);受试者工作特征(ROC)曲线分析显示,SWE最大值、SWE平均值和PI-RADS评分联合诊断良恶性前列腺病变的AUC高于单一指标(P<0.05)。结论SWE联合PI-RADS评分可提高前列腺病变良恶性的诊断效能,有助于前列腺癌的早期无创诊断。

PI-RADS评分3分诊断临床有意义前列腺癌的危险因素分析

目的探索前列腺影像报告与数据系统(PI-RADS)评分3分患者发生临床有意义前列腺癌(csPCa)的独立危险因素。方法选取2018年1月至2022年6月在陕西省人民医院泌尿外科接受前列腺系统穿刺PI-RADS评分3分的118例患者作为研究对象。采用Logistic回归分析明确csPCa的独立危险因素并通过受试者工作特征曲线(ROC)及曲线下面积(AUC)评估穿刺前游离前列腺特异性抗原/总前列腺特异性抗原(fPSA/tPSA)、前列腺特异性抗原密度(PSAD)、直肠指检单独及联合应用诊断csPCa的准确性。结果118例患者中,29例(24.58%)患者诊断为csPCa,89例(75.42%)患者诊断为非csPCa。多因素Logistic回归分析结果显示,fPSA/tPSA≤0.16、PSAD≥0.20 ng/mL^(2)及直肠指检异常是csPCa的独立危险因素(P<0.05)。fPSA/tPSA、PSAD及直肠指检诊断csPCa的AUC值分别为0.71、0.80、0.74,联合应用后的AUC值为0.91。结论穿刺前fPSA/tPSA≤0.16、PSAD≥0.20 ng/mL^(2)及直肠指检异常是csPCa的独立危险因素,联合应用可以显著提高csPCa的诊断准确性,值得临床推广和应用。

基于关联分析的互联网商户评分研究——以餐饮商户评分数据为例

本文通过采集网站上1 500家餐饮商户的评分数据,利用SPSS软件对其进行相关分析和回归分析,挖掘餐饮商户评分数据之间的关联关系。通过相关分析找出用户评分时的打分习惯,发现用户对于各项评分打分时存在关联关系,通过回归分析判断商户的总评分与各项评分之间的关联,发现他们之间存在线性关系。

基于Bp-MRI的PI-RADS v2.1评分构建列线图预测PSA(4-20 ng/mL)前列腺癌的诊断价值

目的 基于前列腺影像报告和数据系统2.1版(Prostate Imaging Report and Data System version 2.1, PI-RADS v2.1)的双参数磁共振成像(biparametric MRI, bp-MRI)和前列腺特异性抗原(prostate specific antigen, PSA)等临床指标,构建鉴别诊断PSA(4-20 ng/mL)前列腺癌(prostate cancer, PCa)的列线图模型。材料与方法 回顾性分析宁夏医科大学总医院2017年10月至2022年2月206例行bp-MRI检查并有病理学结果的患者资料。根据病理结果分为PCa组(n=66)和前列腺增生和(或)炎症组(n=140),经单、多因素logistic回归分析筛选PSA (4-20 ng/mL) PCa患者的独立危险因素,随后使用R软件构建列线图模型,并用决策曲线分析(decision curve analysis, DCA)其临床净效益。以受试者工作特征(receiver operating characteristic, ROC)曲线下面积(area under the curve, AUC)、敏感度和特异度评价诊断效能,并通过DeLong检验比较AUC值间的差异。结果 年龄、总前列腺特异性抗原(total prostate specific antigen, tPSA)、前列腺体积(prostate volume, PV)、PI-RADS v2.1是预测PSA (4-20 ng/mL) PCa的独立危险因素。基于上述4个独立指标构建的列线图模型诊断效能最好(AUC=0.945),明显高于PI-RADS v2.1(AUC=0.816)、PV(AUC=0.772)、tPSA(AUC=0.737)、年龄(AUC=0.680)。结论 基于bp-MRI的PI-RADS v2.1评分联合临床相关指标建立的列线图模型,预测PSA (4–20 ng/mL) PCa的诊断效能明显优于单一指标,可作为一种无创精准化预测工具,将更全面、准确地预测罹患PCa的风险概率,为临床提供有效的诊疗指导。

基于膀胱影像报告与数据系统评分的多参数磁共振成像对膀胱癌分级诊断的应用价值

目的评估基于膀胱影像报告与数据系统(VIRADS)评分的多参数磁共振成像(MRI)对膀胱癌分级诊断的应用价值。方法回顾性分析2018年3月—2020年12月宜宾市第一人民医院经病理确诊的120例膀胱癌患者临床资料。术前均接受T2WI加权成像、动态增强成像(DCE)、扩散加权成像(DWI)多参数MRI检查,由2位影像科医生基于VIRADS系统对多参数MRI进行评分。以病理结果为金标准,分析VIRADS评分诊断膀胱癌分期准确率,采用Kappa检验分析VIRADS评分与病理结果的一致性;并比较不同VIRADS评分截断值对肌层浸润性膀胱癌的诊断效能,绘制受试者工作特征(ROC)曲线分析VIRADS评分诊断肌层浸润性膀胱癌的曲线下面积(AUC)。结果病理结果显示,120例膀胱癌均为尿路上皮细胞癌,其中单发79例,多发41例;肌层浸润性膀胱癌42例,非肌层浸润性膀胱癌78例;分期分布:Ta期8例,T1期70例,T2期20例,T3期14例,T4期8例;将病理结果作为金标准,VIRADS评分诊断膀胱癌分期的准确率为90.83%(95%CI:0.760,0.976),与病理结果的一致性较好(κ=0.868);VIRADS评分≥3分为截断值时诊断肌层浸润性膀胱癌的准确度(90.00%)比其他分值高(P<0.05),且约登指数最高,为0.780;VIRADS评分≥3分为截断值时诊断肌层浸润性膀胱癌的AUC=0.917(95%CI:0.854,0.976)。结论基于VIRADS评分的多参数MRI在膀胱癌中具有较高的诊断效能,可准确评估膀胱癌分期,且VIRADS评分≥3分时诊断肌层浸润性膀胱癌准确度及约登指数最高。

多参数磁共振影像数据及报告（PI-RADS）评分系统（第二版）联合经直肠超声弹性技术对诊断前列腺癌的临床应用价值

目的探讨多参数磁共振影像数据及报告评分系统第二版(PI-RADS V2)联合直肠超声弹性成像(TRTE)评分法对诊断前列腺癌的价值。方法回顾性分析经前列腺穿刺活检病理证实的前列腺癌163例患者资料。记录经直肠超声弹性成像(TRTE)、多参数磁共振影像数据及报告(PI-RADS V2)评分特征。穿刺方法均采用前列腺系统穿刺(10针)联合磁共振模拟融合靶向穿刺法,以穿刺病理结果作为"金标准",计算TRTE评分法、PI-RADS V2评分法及两者联合应用诊断前列腺癌的敏感度、特异度、准确度、阳性预测值、阴性预测值。结果163例患者中穿刺病理诊断为前列腺癌的患者96例,前列腺良性增生67例;TRTE评分法、(PI-RADS V2)评分法以及两者联合应用诊断前列腺癌的ROC曲线下面积分别为0.674,0.738,0.884。通过ROC曲线得出TRTE评分≥4分为诊断前列腺癌的最佳临界值;RI-RADS V2评分≥4分为诊断前列腺癌的最佳临界值。结论PI-RADS V2评分法高于TRTE评分法,PI-RADS V2评分法及TRTE评分法单独使用或者联合使用能够均能显著提高在临床诊断前列腺癌准确性,两种方法联合使用可以减少不必要的前列腺穿刺;两种方法分别或联合使用均可作为前列腺癌诊断方法。

前列腺影像报告和数据系统评分V2对穿刺为Gleason 3+3前列腺癌患者根治术后病理升级的预测价值研究

目的:探讨基于多参数磁共振成像(mp-MRI)的前列腺影像报告和数据系统(PI-RADS)评分Version 2对前列腺穿刺活检病理Gleason评分为3+3=6分的前列腺癌患者在根治性前列腺切除术后病理评分升级的预测价值。方法:回顾性分析2017年1月-2020年1月收治的前列腺穿刺活检Gleason评分为3+3=6分的前列腺癌患者89例,收集患者的临床病理资料,包括患者年龄、BMI、前列腺特异性抗原(PSA)、PSA密度(PSAD)、前列腺PI-RADS评分V2、穿刺相关资料及术后Gleason评分等,采用Logistic单因素及多因素回归分析得出术后病理升级的危险因素。结果:根治术后大体病理Gleason评分为3+3分者46例(51.7%);43例(48.3%)患者术后Gleason评分≥7分,其中38例患者PI-RADS评分为4分或5分,占比88.4%;多因素Logistic回归分析,结果显示PI-RADS评分(>3分)(HR=32.6,95%CI=6.2~170.8,P<0.01)、PSAD(≥0.20)(HR=9.6,95%CI=1.3~69.7,P=0.025)为前列腺癌术后病理升级的预测因子。结论:对于术前穿刺结果Gleason评分为3+3分的前列腺癌患者,基于多参数MRI的PIRADS评分V2及PSAD是影响根治性前列腺切除术后Gleason评分升级的独立预测因子。

融合评论文本与评分交互特征的推荐方法

为缓解协同过滤推荐算法中评分数据稀疏问题对推荐结果的影响,提出一种融合文本评论和用户评分交互的推荐算法。通过将用户和商品评论各自潜在主题向量与用户、商品的潜在因子向量进行融合并各自进行评分,经过动态线性加权融合做出整体评分预测。在公开的多组数据集上,以推荐结果的均方根误差(RMSE)和平均绝对误差(MAE)为评估指标进行实验验证。实验结果表明,提出算法可以更好地刻画用户偏好和商品特征,有效缓解了评论数据稀疏性影响,提高推荐结果的准确性。

信用评分基本理论及其应用

信用评分是市场交易的基础,以大数据分析与挖掘为支撑的现代信用评分系统在当今全球经济发展中起着不可估量的作用。各行业与领域的信用评分系统将成为实现我国"十三五"规划中国家大数据战略的首要目标。主要介绍了金融信用评分系统的发展、相关技术、应用案例,并对大数据信用评分的发展进行了展望。

基于PI-RADS V2.1评分构建诺莫图预测PSA“灰区”前列腺癌的价值研究

目的探讨基于前列腺影像报告和数据系统版本2.1(PI-RADS V2.1)评分联合前列腺特异性抗原(PSA)及其他临床变量构建诺莫图对PSA"灰区"前列腺癌的预测价值。方法回顾性分析陕西省人民医院2016年10月~2021年10月204例行多参数MRI检查并有病理学结果的患者资料。单因素和多因素Logistic回归分析患者的年龄、体质指数(BMI)、总PSA(tPSA)、游离PSA(fPSA)、游离/总PSA(f/tPSA)、PSA密度(PSAD)、前列腺体积、直肠指诊(DRE)、PI-RADS V2.1评分与前列腺癌的相关性。确定预测PSA"灰区"前列腺癌的独立危险因素,使用R软件构建诺莫图预测模型。并通过绘制ROC曲线比较诺莫图模型与其他独立预测因素的诊断效能。结果PSAD、体积、PI-RADS V2.1评分、年龄和tPSA是预测"灰区"前列腺癌的独立危险因素。基于上述5个临床指标构建的诺莫图模型AUC值最高,为0.896。其他临床独立指标中,PI-RADS V2.1评分AUC值最高(0.854),年龄、体积、PSAD、tPSA的AUC值分别为0.625、0.706、0.739、0.615。结论基于PI-RADS V2.1联合临床指标建立的个体化诺莫图预测模型,可用于预测血清PSA处于"灰区"的前列腺癌,有助于减少不必要的穿刺。

PI-RADS v2评分与血清PSA检测在前列腺癌诊断中的联合应用观察

目的观察第二版前列腺影像报告和数据系统(PI-RADS v2)评分联合血清特异性抗原(PSA)水平在有临床意义前列腺癌(cs PCa)诊断中的应用情况。方法 149例疑似前列腺癌(PCa)患者,其中血清PSA≤10 ng/m L97例、PSA> 10 ng/m L 52例,均行多参数核磁共振(mp-MRI)检查,对前列腺mp-MRI图像进行PI-RADS v2评分,mp-MRI检查后3周时行前列腺穿刺取组织进行病理检查,以病理诊断为金标准,分析PI-RADS v2评分联合血清PSA水平对cs PCa诊断的的敏感度、特异度、阳性预测值及阴性预测值。结果 149例疑似患者病理证实为cs PCa者45例。149例疑似患者PI-RADS v2评分为1、2、3、4、5分分别为30、8、15、62、34例,分别有2、1、2、16、25例最终确诊为cs PCa。血清PSA≤10 ng/m L者PI-RADS v2评分为1、2、3、4、5分分别为23、5、13、43、13例,分别有2、1、2、9、7例最终确诊为cs PCa,共漏诊5例;血清PSA> 10 ng/m L者PI-RADS v2评分为1、2、3、4、5分分别为7、3、2、19、21例,分别有0、0、0、6、18例最终确诊为cs PCa,共漏诊0例。PI-RADS v2评分诊断cs PCa的ROC曲线下面积(AUC)为0. 79(95%CI 0. 71～0. 87),,PI-RADS v2评分对诊断血清PSA≤10 ng/m L、PSA> 10 ng/m Lcs PCa患者的AUC分别为0. 69(95%CI 0. 55～0. 82)、0. 88(95%CI 0. 78～0. 97)。PI-RADS v2评分诊断cs PCa的敏感度、特异度、阳性预测值、阴性预测值及准确性分别为88. 9%、46. 2%、41. 6%、90. 5%、59. 1%。PI-RADS v2评分联合诊断cs PCa的敏感度、特异度、阳性预测值、阴性预测值及准确性分别为76. 2%、47. 4%、28. 6%、87. 8%、53. 6%,PIRADS v2评分联合血清PSA> 10 ng/m L诊断cs PCa的敏感度、特异度、阳性预测值、阴性预测值及准确性分别为100. 0%、42. 9%、58. 5%、100. 0%、69. 2%,二者AUC比较,P <0. 05。结论 PI-RADS v2评分诊断cs PCa的敏感度、阴性预测值均较高,PI-RADS v2评分联合血清PSA> 10 ng/m L诊断cs PCa的敏感度、特异度均较高。

融合深度情感分析和评分矩阵的推荐模型

目前,大多数推荐系统都具有评分数据稀疏性的问题,它会限制模型的有效性。而用户对于某件商品撰写的评论中隐含了很多信息,对评论文本进行情感分析并提取关键的因素来用于模型的学习,可以有效地缓解数据稀疏问题,但仅使用评论数据而忽略了评分数据的主要因素会影响推荐精度。对此,为了进一步提高推荐精度,该文提出一个评论文本和评分矩阵交互(RTRM)的深度模型,该模型能够提取评论文本和评分矩阵的深层次特征,并结合它们进行评分预测;其次,通过使用预训练的Electra模型得到每条评论的隐表达,并结合深度情感分析及注意力机制实现从上下文语义层面对评论文本的分析,解决了短文本的语义难以分析的问题;同时,在融合层模块中,用户(物品)评论和评分矩阵进行交互,最终预测出用户对商品的评分;最后,在6组数据集上,采用均方误差(MSE)进行性能对比实验,实验结果表明该文模型性能优于其他系统,且平均预测误差最大降低了12.821%,该模型适用于向用户推荐精确的物品。

区域卫生信息平台数据质量控制体系建设

本文在分析当前区域卫生信息平台数据质量问题的基础上,提出了一套用于数据传输质量评分的控制体系,目的在于提高医院信息系统数据传输质量,促进医疗健康信息共享应用。

MRI+超声融合成像引导下前列腺靶向穿刺对PI-RADS评分≥3分的前列腺癌患者的作用

目的:探讨磁共振成像(magnetic resonance image, MRI)+超声融合成像引导下前列腺靶向穿刺对前列腺成像报告和数据系统(PI-RADS)评分≥3分的前列腺癌患者的作用。方法:2019年1月到2021年3月选择入院进行检查的PI-RADS评分≥3分前列腺肿瘤患者80例作为研究对象,所有患者都给予MRI+超声融合成像引导下前列腺靶向穿刺,记录穿刺效果。以手术病理诊断作为金标准,判断诊断效果。结果:在纳入的80例患者经过手术病理检查确诊48例为前列腺癌,将其作为前列腺癌组,其他的32例诊断为前列腺良性肿瘤,作为前列腺良性肿瘤组。两组的一般资料在血压、前列腺体积大小、体指数以及平均年龄方面比较没有较大的差异,无显著性(P>0.05),前列腺癌组的血清前列腺特异性抗原含量明显高于前列腺良性肿瘤组(P<0.05)。前列腺癌组在穿刺过程中的低热、血尿、尿潴留、血便等并发症发生率为8.33%,前列腺良性肿瘤组为9.38%,两组对比无明显差异(P>0.05)。前列腺癌组在MRI上显示外周带内呈低信号灶,形态不规则,边界不清。前列腺良性肿瘤组在MRI上主要显示中央带体积增大,边界清晰、包膜完整,出现不均匀高信号,局部向上突出压迫膀胱,外周带受压变薄。MRI+超声融合成像引导下前列腺靶向穿刺诊断为前列腺癌47例,为此其对于前列腺癌的鉴别诊断敏感性为97.92%(47/48),特异性为100.00%(32/32)。结论:MRI+超声融合成像引导下前列腺靶向穿刺在PI-RADS评分≥3分的前列腺癌患者的应用具有很好的安全性,鉴别诊断的敏感性与特异性都比较高,值得推广应用。

mpMRI影像组学在前列腺癌诊疗中的研究进展

前列腺癌(prostate cancer, PCa)是男性恶性肿瘤中较为常见的肿瘤,能否早期诊断是影响其预后的关键,多参数磁共振成像(multi-parametric magnetic resonance imaging, mpMRI)是PCa检测和预测风险分层的主要工具,包括筛查、辅助诊断、风险分层、指导治疗和治疗后评估。影像组学的发展给当前各种传统的检查方式提供了新的思路,通过自动化方法对庞大的数据量进行定量成像特征提取和分析,为PCa患者临床诊疗和决策提供信息。mpMRI在PCa中的应用不仅使疾病的自动定位成为可能,并且还提供了一种非侵入性的解决方案从肿瘤生物学到遗传学水平来评估PCa,基于mpMRI影像组学相关性研究对PCa无创诊断、侵袭性评估、基因组分析、治疗后有无进展检测及靶向药物疗效有着重要的临床价值。本文就mpMRI影像组学在PCa诊断、治疗及预测风险性、侵袭程度、预后中的研究进展展开综述,为日后的临床研究提供参考以及挖掘mpMRI影像组学在PCa应用中的价值。

比赛评分计分中部分逻辑功能的实现

利用计算机进行各类比赛的现场评分计分工作,能迅速、准确地报告各参赛选手的比赛成绩,区分各参赛选手的比赛名次,能节省人们大量的繁琐劳动,可充分地显示出计算机信息处理的优越性.然而,计算机的工作又是严格依照由某种计算机语言编写的程序来执行的.如在进行的各类比赛的现场评分计分过程中,对参赛选手的得分情况,及时地显示在屏幕上,向广大观众宣布所得成绩及名次,可使比赛现场更加精彩动人,从而更好地调动人们的观赏兴趣.本文把自己利用BASIC语言编写的《比赛评分计分系统》软件中有关计分模块的逻辑实现部分改录如下,以得到广大计算机程序设计爱好者的指教.

PI-RADS v2.1联合PSA、PSAD在前列腺癌诊断中的应用价值

目的:探究第2.1版前列腺影像报告与数据系统(prostate imaging reporting and data system,PI-RADS v2.1)联合前列腺特异抗原(prostate specific antigen,PSA)、前列腺特异抗原密度(prostate specific antigen density,PSAD)在前列腺癌(prostate cancer,PCa)诊断中的应用价值。方法:选择2016年5月—2021年6月于南通市第二人民医院进行治疗的90例疑似前列腺癌患者作为研究对象。90例患者分别进行多参数核磁共振(mp-MRI)检查,对患者的前列腺图像进行PIRADS v2.1评分及PI-RADS v2.1评分联合PSA、PSAD诊断。以患者前列腺穿刺取组织进行病理检查结果为金标准,分析患者的PSA、PSAD水平及PI-RADS v2.1评分联合PSA、PSAD对前列腺癌的敏感度、特异度、阳性预测值和阴性预测值。结果:90例疑似PCa患者,病理学诊断结果:恶性肿瘤42例,良性肿瘤48例。良性患者和恶性患者游离前列腺特异性抗原(f-PSA)对比,差异无统计学意义(P>0.05),良性患者PSAD、总前列腺特异性抗原(t-PSA)低于恶性肿瘤,f-PSA/t-PSA高于恶性肿瘤,差异均有统计学意义(P<0.05)。PI-RADS v2.1评分联合PSA、PSAD诊断准确率高于PI-RADS v2.1评分,差异有统计学意义(P<0.05)。PI-RADS v2.1评分联合PSA、PSAD检测的敏感度、特异度、阳性预测值、阴性预测值均高于PI-RADS v2.1评分,差异均有统计学意义(P<0.05)。结论:对前列腺癌患者的诊断中,PI-RADS v2.1评分具有较高的准确性,但PI-RADS v2.1评分联合PSA、PSAD检测在敏感度、特异度和准确度更有参考价值。

基于历史数据的燃气轮机健康状态实时评估系统

燃气轮机广泛运用于电力、航空航天和城市热力供暖等领域,具有高效、清洁、灵活等特点。然而,燃气轮机存在结构复杂、启停频繁、工况多变等诸多影响因素,导致其健康程度劣化。因此,针对燃气轮机设备健康状况评估技术的研究愈发重要。随着传感器技术和新一代信息技术的进步,基于数据驱动的健康评估技术得到了长足发展。但目前的预测诊断模型存在复杂程度高、数据存储需求量大等问题,可能增加系统运行负担。因此,本文在深入分析相关理论的基础上,通过相关模型函数的运算、评估流程的搭建,开发了一种基于历史数据的燃气轮机健康状况实时评估系统,从而减轻智能预测诊断系统的运行压力,提升实时监测能力。最后,通过实例验证了所开发系统的可行性和稳定性,为燃气轮机设备健康评估技术提供新的发展思路。