深地医学研究新进展

世界主要矿业大国相继进入深部开采,我国的深部资源开采也已经成为新常态。然而,深地作业环境,尤其是1000 m以下,对矿业工人等深地作业人群的生理、心理以及病理的影响规律及其作用机制基本处于空白。基于前期的调研、初步研究成果,提出深地医学新概念;即系统研究深地环境因素对人的生理、病理以及心理影响程度及其潜在机制,也即深地的物质和空间健康效应,并探索对深地有害影响因素的防护措施,有益环境因素开发利用的专门学科。从医学视角深入分析了深井矿业工程作业环境的基本特征,本底辐射随深度逐渐下降、温度湿度随深度增加、氡气浓度尚在安全范围之内。发现矿井深部低本底辐射环境可以明显抑制正常细胞与癌细胞的生长速度,如喉癌细胞在地表培养2 d后细胞增加37.73%,而地下组仅增长7.53%,深部低本底辐射环境对癌细胞的生长速度抑制更胜正常细胞,且发现核糖体、线粒体可能是细胞应答深地低本底辐射环境主要细胞器。剖析了深部矿井矿工心理和作业环境的相关关系,深井矿作业工人的状态差于健康常人,约2/3的人群伴有睡眠问题,且其不佳的心理状况与井下的不良作业环境有关。提出深地医学未来迫切需要开展的前瞻性研究课题,为今后深地医学及相关生物学、生命科学研究提供参考。

PIASx靶向NF-κB力学响应活化的正性调控作用研究

目的NF-κB是连接微环境炎症免疫应答和机械物理刺激响应的信号传递中枢。活化STAT的抑制蛋白(PIAS)家族成员PIASx参与活化NF-κB信号通路的转录活动。明确PIASx具有靶向NF-κB力学响应活化的正性调控作用。方法构建气液交互卵巢癌微环境体外模型,低剪应力加载正常卵巢上皮细胞HOSEpiC、卵巢癌细胞SKOV3、单核细胞株THP-1和Raw264.7。

卷积神经网络在职业性尘肺病影像学诊断中的应用研究进展

尘肺病在我国每年报告的新发职业病中居首位,影像学诊断目前仍是其主要的临床诊断方法之一。然而,人工阅片对医生水平要求较高,尘肺影像学分期诊断的判别难度大,而且由于医疗资源分布不均衡等因素的影响,很容易导致基层医疗机构出现误诊和漏诊。计算机辅助诊断系统可以实现尘肺病的快速筛查,以便辅助临床医生进行鉴别和诊断,提高诊断效能。作为深度学习的重要分支,卷积神经网络因具有局部关联、权值共享的特点,擅长处理图像分割、图像分类、目标检测等各种视觉任务,近年来已在尘肺病计算机辅助诊断领域得到广泛应用。本文就卷积神经网络(VGG、U-Net、ResNet、DenseNet、CheXNet、Inception-V3和ShuffleNet)在尘肺病影像学筛查诊断、分期诊断和病灶分割等方面的应用进行文献回顾,旨在总结卷积神经网络的方法、优缺点及优化策略,为尘肺病影像学计算机辅助诊断的进一步研究提供参考。