融合关键反应段特征信息的代谢路径排序方法

针对现有代谢路径预测算法仅以单一代谢反应为特征进行路径排序,难以得到高质量路径预测结果的问题,本文引入代谢路径关键反应段的概念,用以捕捉和度量代谢路径的结构功能特征,为充分利用路径的结构功能特征信息,提出一种融合代谢路径关键反应段的信息熵与互信息对代谢路径进行评分和排序的模型,在此基础上设计一种融合关键反应段特征信息的代谢路径排序方法KPRank.在KEGG代谢数据库上的实验结果表明,本文方法KPRank有效提高了代谢路径预测结果的质量.

MRI多序列模型融合影像组学预测局部晚期鼻咽癌患者同步放化疗疗效的价值

目的本文旨在探究MRI多序列模型融合(multi-sequence model fusion,MSMF)影像组学模型对局部晚期鼻咽癌患者同步放化疗(concurrent chemoradiotherapy,CCRT)的疗效进行预测的价值。材料和方法本研究共纳入154例局部晚期鼻咽癌患者。患者均接受CCRT的治疗及MRI检查。采用RESIST 1.1评估治疗后的反应,分为完全反应组(83例)、非完全反应组(71例)。将数据按3∶1的比例随机分为训练集和验证集,手动分割各序列图像的感兴趣区域。使用Matlab 2018a软件分别从三个序列中各提取9766个影像组学特征,通过t检验、最大相关最小冗余算法筛选特征,采用支持向量机、Logistic回归分别构建预测模型,绘制ROC曲线,采用Delong检验比较预测性能。结果在验证集中,临床模型、T1WI、T2WI、对比增强T1加权成像模型的曲线下面积(area under the cure,AUC)值分别为0.542、0.633、0.711、0.842(P值分别为0.661、0.161、0.026、<0.001)。多序列融合模型中MSMF、临床-MSMF模型的AUC值分别为0.896、0.867(两者P<0.05)。MSMF、临床-MSMF影像组学模型在预测局部晚期鼻咽癌患者对CCRT疗效反应的AUC显著高于T2WI、T1WI及临床模型,差异具有统计学意义(P<0.05)。结论MSMF影像组学模型预测CCRT疗效的能力优于常规单一序列影像组学预测模型及临床模型,因此该模型有望成为一种预测CCRT疗效的方法,进一步促进精准医疗的发展。