【摘 要】
:
肝细胞癌(hepatocellular carcinoma,HCC)是一种常见的恶性肿瘤,其在全球癌症相关死亡人数中排名第三。目前,HCC的早期检测方法主要有血清标记物检测与影像学检查。其中,血清标记物的灵敏度不高,无法鉴别大约1/3以上的肝癌患者。影像学检查对于直径<2厘米且分化较好的早期肿瘤的诊断敏感性约50%左右。因此,对于影像学检查难以辨别的早期肝癌组织中发生的微小病理改变,通常采用肝穿刺
论文部分内容阅读
肝细胞癌(hepatocellular carcinoma,HCC)是一种常见的恶性肿瘤,其在全球癌症相关死亡人数中排名第三。目前,HCC的早期检测方法主要有血清标记物检测与影像学检查。其中,血清标记物的灵敏度不高,无法鉴别大约1/3以上的肝癌患者。影像学检查对于直径<2厘米且分化较好的早期肿瘤的诊断敏感性约50%左右。因此,对于影像学检查难以辨别的早期肝癌组织中发生的微小病理改变,通常采用肝穿刺活组织检查来鉴定,然而活检经常会出现未取到癌组织而发生漏检的情况。事实上,超过80%的肝癌是由肝硬化发展而来。虽然目前已有一些方法可以用于区分HCC和非HCC患者的肝硬化(非癌旁肝硬化),但其预测的准确率却远远不能令人满意。因此,迫切需要更加准确的诊断模型来辅助临床场景下的早期肝癌诊断,从而增加肝癌的治疗机会和生存率。本文在来自不同实验室的1091个HCC样本和242个非癌旁肝硬化样本的基因表达谱数据集中,利用样本内基因表达量的秩序关系(relative expression orderings,REOs)分别获得在95%以上的样本中保持高度稳定、但在两者间逆转的基因对,并将得到的逆转基因对作为用于HCC早期诊断的候选分子标志。然后使用最小冗余最大相关(minimum redundancy maximum relevance,m RMR)和增量特征选择去除不相关特征。最终,我们筛选得到了由11基因对(TRMT112和SF3B1,MFSD5和COLEC10,FDXR和APC2,LAMC1和CHST4,UBE4B和HGF,NCAPH2和APC2,HSPH1和MTHFD2,TMEM38B和AGO3,PLGRKT和COLEC10,HNF1A和APC2,ARPC2和SF3B1)构成的标志。应用支持向量机(support vector machine,SVM)算法进行分类,并进行5-折交叉验证,结果显示此分子标志在训练集中的准确性为100%。进一步地,我们研究了11基因对标志在几个独立数据集上的肝癌识别能力。对于活检取样数据,该分子标志正确分类100%的HCC样本(共99例)与100%的非癌旁肝硬化样本(共44例)。特别地,97例HCC癌旁正常组织和80例HCC癌旁肝硬化组织均被该分子标志分类为HCC。对于手术切除数据,此分子标志将89.63%的HCC样本(共926例)和100%的非癌旁肝硬化手术切除样本(共18例)正确分类。同时,该分子标志还将93.7%的HCC癌旁肝硬化样本(共254例)及100%的HCC癌旁正常组织样本(共644例)分类为HCC。结果表明,11对基因可以作为早期HCC的诊断标志。即使是对于取样位置不准确的微量活检样本(癌旁正常或癌旁肝硬化),该标志可以将HCC及其癌旁组织从非癌旁肝硬化组织中区分开来,并且在个体层面上对肝癌早期诊断有实际和有效的帮助。
其他文献
近年来,多智能体系统的一致性广泛应用在集群问题、编队控制等多种科学和工程问题中.解决多智能体系统一致性问题的基本方法是:依据系统设计合适的协议或算法,使得多智能体系统中智能体的关键量最终达到一致.目前,对一阶和二阶的多智能体系统一致性问题的研究已经比较成熟,但对于二阶多智能体系统的群一致性,尤其是综合考虑连续时间、异步采样等环境的研究还不够完备.因此,本文选择异步多智能体系统的群一致性作为研究方向
神经网络(Neural networks,简记作NNs),是对生物神经网络的结构和功能进行模拟与抽象而建立的数学模型。它克服了计算机对非结构性信息处理的局限性,具有重要的实际应用价值。随科技的发展,单纯的实数和复数神经网络已不足以满足应用的需求了,基于此,实数和复数神经网络的延伸——四元数神经网络(Quaternion-valued neural networks,简记作QVNNs)成为了研究热点
本文深入研究了多智能体系统的一致性问题。在分数阶多智能体系统环境下,主要解决了一般线性系统通过事件触发策略实现自适应一致性问题,进一步在分数阶系统下首次提出了自适应自触发算法;在整数阶多智能体系统环境下,通过设计新的控制器使得链式系统实现了在固定时间内达到一致性。在分数阶多智能体系统环境下,基于自适应控制,分数阶一般线性多智能体系统实现了一致性。多智能体之间的通讯结构是无向连接的,在这个基础上我们
稳态热方程的参数识别问题是反问题领域的研究热点,具有重要的理论和工程意义。本文主要讨论该类问题的Bayes反演方法。Bayes方法是近年来处理反问题的重要手段,相比于传统正则化算法,它有两大优势:1.Bayes方法不仅给出解的具体估计,还给出其不确定性信息,这为工程实际应用决策者提供可靠性分析;2.很多基于它的算法是无导数的,这为其工程实际应用提供便利。基于以上优点,Bayes方法已经被广泛应用于
无人机、机器人等运动载体的集群协同控制在工农业生产、灾难救援、地质勘测等领域发挥着重要的作用。一致性是集群系统跟踪、编队等协同控制行为的基础。在实际应用中,运动载体在不同介质中的运动动态普遍呈现为分数阶微分方程的形式,其模型受到各种因素的影响,存在不确定性。因此研究分数阶模型和不确定性影响下的集群一致性问题具有重要意义。本文首先针对具有模型不确定性的整数阶领导者,在跟随者具有模型不确定性和受到未知
机器人在人类日常工作和生活中的应用早已相当广泛,其中的一个领域为下肢外骨骼机器人方向,应用场景遍布医疗、军事和工业,具体可分为助力和康复训练机器人。本文选取下肢外骨骼这一课题正是为了分析参数在人机耦合力中的作用以及帮助行走不便的人实现助力和康复训练为目标。在对国内和国外外骨骼机器人发展现状了解后,确立了以人机耦合力为目标在轨迹跟踪中进行分析,为以后的更加深入的研究奠定一定的基础。本文主要做以下工作
伴随着表面等离激元共振(Surface Plasmon Resonance,SPR)传感技术的不断发展,光子晶体光纤(Photonic Crystal Fiber,PCF)表面等离激元共振传感器也日益成熟,在生物医学、环境监测等领域拥有巨大的发展前景。本文设计了一种准D型PCF-SPR传感器,利用COMSOL Multiphysics数值分析软件对其传感特性进行了分析,并对其结构参数进行了优化。本
随着光纤传感器被广泛应用到生产生活的各个领域,生物医学的发展也对光纤传感器的性能提出了新的要求,普通的光纤传感器存在材料损耗大、测量精确度低等问题。因此,为了适应生物医学检测的灵敏度要求和临床实验需要,一种用于检测生物细胞是否癌变的光纤传感器的研究日趋活跃,其特征为在普通生物医学光纤传感器的表面覆盖纳米金颗粒,利用纳米金颗粒的表面等离子体共振对效应可以有效的增加光纤传感器的灵敏度。然而,目前的研究
油田作业区的生产和建设,安全有着举足轻重的地位,智能化的监控管理可谓是生产的一大步,不仅可以节约人力成本,工作效率也会得到明显的提高。本文在基于这样的课题背景下,从油田工作区工作人员的人脸验证入手,研究和设计了基于深度学习的图像增强网络和人脸识别网络,最终建立起完整的人脸识别系统应用在油田视频监控平台上。本文的主要内容包括:首先进行了深度学习的研究,并在对户外图像增强算法DSLR-Quality
在工业4.0时代,“数字化双胞胎”成为众多企业向数字化、智能化转型的战略法宝。其核心是将现实生产制造中的各个环节通多数字化手段虚拟到数字化平台中,形成虚拟生产制造和现实生产制造的镜像。因此,数字化双胞胎概念的提出对优化整个企业流程、提升企业竞争力起着至关重要的作用。特别是在智能制造行业中,它势必会推动智能制造的快速发展。但是,目前国内很少有企业将数字化双胞胎的概念运用到接近传感器中。尤其是工业流水