【摘 要】
：
目的:探讨基于迁移学习的多参数磁共振（Multiparametric magnetic resonance image,mp-MRI）特征结合临床参数构建的机器学习（Machine learning,ML）模型在子宫肉瘤与非典型子宫肌瘤（Atypical leiomyoma,ALM）鉴别诊断中的可行性和有效性。方法:回顾性收集经病理学证实的172例子宫肿瘤患者的临床及影像资料,其中子宫肉瘤86例,
论文部分内容阅读
目的:探讨基于迁移学习的多参数磁共振（Multiparametric magnetic resonance image,mp-MRI）特征结合临床参数构建的机器学习（Machine learning,ML）模型在子宫肉瘤与非典型子宫肌瘤（Atypical leiomyoma,ALM）鉴别诊断中的可行性和有效性。方法:回顾性收集经病理学证实的172例子宫肿瘤患者的临床及影像资料,其中子宫肉瘤86例,ALM 86例。所有患者均行术前mp-MRI检查,包括T2加权成像（T2-weighted imaging,T2WI）和弥散加权成像（Diffusion weighted imaging,DWI）。采用4种预训练卷积神经网络（Convolutional neural network,CNN）,即Inception V3、Resnet50、Inceptionresnetv2和Xception来提取肿瘤感兴趣区域（Region of interest,ROI）的深度学习特征,同时采用影像组学提取ROI的影像组学特征,比较迁移学习和影像组学两种特征提取方法的优异。采用最小绝对收缩和选择算子（Least absolute shrinkage selector operator,LASSO）进行特征降维。训练集和测试集以7:3的比例随机划分,随机森林（Random forest,RF）分类器被用于建立机器学习模型,单独的T2WI特征、DWI特征分别建立T2模型、DWI模型,T2WI与DWI特征联合（mp-MRI）建立T2-DWI模型,结合mp-MRI特征和临床参数（年龄、绝经状态、阴道异常出血、平均ADC值）建立复杂多参数模型。计算模型受试者工作特性曲线（Receiver operating characteristic curve,ROC）下面积（Area under the curve,AUC）、F1分数、准确率、敏感度、特异性来评估模型的预测性能。结果:在测试集中,基于深度学习特征的T2、DWI、T2-DWI模型（AUC范围分别为0.76–0.81、0.80–0.88、0.85–0.92）优于基于影像组学特征的模型（相应的AUC分别为0.73、0.76、0.79）。此外,无论采用哪种特征提取方法,复杂多参数模型都显示出最佳的预测性能,基于影像组学特征提取的复杂多参数模型AUC为0.92,基于迁移学习特征提取的复杂多参数模型AUC在0.94–0.96之间,其中基于Resnet50特征提取的复数多参数模型达到了最高的AUC（0.96）和准确率（0.87）。结论:在我们的数据集上,迁移学习在子宫肉瘤和ALM鉴别诊断中是可行的并且优于影像组学,结合非增强mp-MRI深度学习特征和临床参数的ML模型可以达到很好的诊断效能。
其他文献
酶是一种由活细胞产生的具有催化作用的环境友好的有机物,然而,由于制备过程复杂、催化活性不稳定和环境敏感性等缺点,酶的应用受到了极大的限制。纳米酶是一种具有酶模拟活性的纳米材料,与天然酶相比,纳米酶因为具有低成本、高稳定性、易改性和催化活性可调等优点,引起了广泛研究。目前,纳米酶主要由金属和金属氧化物组成,因为金属活性中心可以有效的模拟天然酶催化的氧化还原的过程。随着纳米酶的发展,研究者们利用多种酶
阿尔茨海默症（Alzheimer’s disease,AD）是一种慢性神经系统退行性疾病。虽然该病的病因和发病机制尚不完全清楚,但乙酰胆碱酯酶（Acetylcholineaterase,ACh E）是目前公认的靶点,具有很大的发展潜力。此外,糖原合成酶激酶3β（Glycogen synthase kinase 3β,GSK-3β）、β-分泌酶（β-secretase,BACE-1）等靶点也被认为是
对亚甲基苯醌（para-Quinone Methides,p-QMs）属于一种优良的迈克尔受体,其最早的文献报道在20世纪早期,由于自身结构所具有的亲电性,被作为许多化学反应中重要的中间体。环己二烯酮、色满化合物在许多具有生物活性的天然产物和合成化合物中都有广泛的存在和应用。基于以上化合物的生物活性,我们设计了把两个结构整合到一个新的产物结构中,就有可能发现具有显著生物活性的新型分子,为新药筛选提
药物性肝损伤的有效预测一直是药物研发和临床用药安全性评价中的瓶颈。早期的肝毒性预测方法通常功能单一,随着新技术和新算法的应用,已有预测性能较好的模型出现,同时开始关注机理解释能力。然而,现有药物肝毒性预测方法距真正应用到降低因肝毒性引发的高撤回率上,还有很长一段距离。因此,本文试图从药物分子对疾病发生发展过程的影响出发,借助网络分析方法和机器学习来探索可对药物引起肝毒性机制进行良好解释的新的预测方
氨基酸（AAs）是自然界中最重要的手性化合物,是构成蛋白质和其他生物大分子的基石,可以作为各种代谢性疾病的重要生物标志物。然而,几乎只有L-AAs具有生物活性,而D-AAs不能被有效代谢,甚至会对生命活动系统造成严重不良影响。因此,开发有效的AAs对映体识别方法在生命科学研究和临床药物应用中具有重要意义。尽管色谱法、光谱法等已被成功用于手性AAs的识别测定,但这些方法大都存在仪器昂贵、前处理复杂、
单泡声致发光自从在实验室中被发现以来就引起了人们的广泛关注。在充分除气水介质中的单个气泡能够在声波形成的驻波声场作用下,稳定的悬浮在此声场的波腹处,并严格的跟随着声波周期进行膨胀,压缩,然后发光等一系列的循环反复的周期性运动,这一现象被称为单泡声致发光现象。在单泡声致发光中周期为数十微秒量级的声波严格控制着气泡发出数十皮秒量级的可见光,时间压缩5-6个数量级;气泡的大小在亚微米级别与数十微米之间变
ChatGPT的诞生标志着人类进入弱人工智能时代，给人类带来便利同时也带来伦理风险，减轻或者解决风险关键在于如何提高相关伦理要求。相应提高伦理要求可能在技术、法律、使用者和社会等方面遇到困境。生成式人工智能应具备尊重并保护人权、保护社会多样性和包容性、保护隐私权、拒绝歧视、维护公平公正和向善性等伦理要求，为达到上述要求，提出加强生成式人工智能伦理教育、规制人工智能底层算法和加强对生成式人工智能监管
在量子力学中,由于测不准原理,微观粒子不可能同时具有确定的坐标和动量。因此,粒子的状态不是通过运动轨迹,而是通过波函数来描述,波函数可以表达粒子出现在任意空间位置处的概率,解决了由测不准原理导致的不确定性。量子力学考虑的是微观尺度,在人们所熟悉的宏观尺度中,物质的运动则遵从经典力学。在经典力学中也存在着不确定性,例如热力学问题,构成系统的粒子运动就由不确定性来驱动,这与牛顿运动方程的确定性原理似乎
一直以来,国内外对声学波导的研究着重于各种声波导的结构、特性及其弹性波传播理论等,属于声学范畴,未涉及声波导作为传感、监测等手段的应用研究。随着光纤技术的日益成熟和广泛使用,人们开始对具有类似光纤结构的包层纤维声波导产生兴趣,这类内径小于波长的包层结构波导就是声纤,声波可以低损耗传播于其中,这种声纤技术可以调节波导中的声速,未来的应用前景是非常诱人的。而目前对于这种类似声纤结构的声波导管的研究通常
人工神经网络是一种从数学、物理和生物等角度对大脑神经元系统进行抽象刻画的简化模型,它被广泛地应用于各应用研究领域。但人工神经网络训练样本缺乏的问题一直以来都困扰着科研人员,另外,神经网络的结构设计无规律可循,人们只能根据一些经验公式在应用中摸索。为更好地分析并解决这两个问题,本研究对神经网络学习机制、物理模型和动力学过程做进一步的基础探究工作。而对于BP网络这种监督式学习的全连接神经网络来说,结构