目的基于3D Res U-Net-Faster RCNN技术采用组织病理学确诊的肺结节及胸部CT影像学数据,构建肺结节性质的预测模型。方法选择2020年10月至2023年10月我院收治的经外科手术切除并具有组织病理学诊断肺结节患者528例,其中恶性肺结节442例...
详细信息
目的基于3D Res U-Net-Faster RCNN技术采用组织病理学确诊的肺结节及胸部CT影像学数据,构建肺结节性质的预测模型。方法选择2020年10月至2023年10月我院收治的经外科手术切除并具有组织病理学诊断肺结节患者528例,其中恶性肺结节442例,良性肺结节86例,按7∶3随机分为训练集和测试集。采用改良的3D残差U型网络(3D residual u-net,3D Res U-Net)融合基于区域的卷积神经网络(faster region-based convolutional neural networks,faster RCNN)模型,通过识别肺结节感兴趣区域(region of interest,ROI)和提取CT影像学特征,构建肺结节性质预测模型,筛选判断恶性肺结节CT影像特征权重。通过混淆矩阵、精准率、召回率、F1值、Dice相似系数(dice loss)、受试者工作特征曲线(receiver operating characteristic,ROC)判断该模型对肺结节性质的诊断精准度,采用外部数据验证模型工作性能。结果基于3D Res U-Net-Faster RCNN技术构建的肺结节性质预测模型,分割ROI的Dice Loss为0.85,测试集对恶性肺结节识别的精确度为0.85,召回率0.76,F1值0.80,曲线下面积(area under the curve,AUC)值0.86。对外部验证集的肺结节识别准确率0.86,恶性结节识别精确度0.92,召回率0.87,F1值0.90;良性结节识别精确度0.92,召回率0.82,F1值0.87。肺CT影像特征中平均灰度值、最大直径与体积比值、表面积与体积比值对恶性肺结节预测的权重高。良、恶性结节组间的肺结节直径大小、毛刺征、血管穿行征具有显著差异(P<0.05)。结论基于3D Res U-Net-Faster RCNN技术对CT影像学特征构建的人工智能(artificial intelligence,AI)驱动诊断模型对肺结节性质具有预测性能,对提高早期肺癌的筛查具有临床诊断意义。
目的：通过生物信息学分析以及细胞生物学实验研究角蛋白6A（keratin6A，KRT6A）对胰腺导管癌（PDAC）诊断、预后判断、免疫微环境以及PDAC细胞 PANC1增殖、凋亡等生物学行为的影响。方法：通过GEPIA平台整合TCGA（The Cancer Genome At...
详细信息
目的：通过生物信息学分析以及细胞生物学实验研究角蛋白6A（keratin6A，KRT6A）对胰腺导管癌（PDAC）诊断、预后判断、免疫微环境以及PDAC细胞 PANC1增殖、凋亡等生物学行为的影响。方法：通过GEPIA平台整合TCGA（The Cancer Genome Atlas）数据库与GTEx（Genotype-Tissue）数据库中的数据，分析KTRT6A在PDAC组织中的表达情况，并通过CIBERSORT工具分析KRT6A表达与PDAC组织中免疫细胞浸润的相关性，然后通过GSEA方法研究与KRT6A基因表达相关的肿瘤信号通路。选取长海医院病理科保存的60例PDAC患者的癌与癌旁组织标本进行免疫组化分析，验证KRT6A在肿瘤组织中表达情况；通过干扰RNA抑制PANC1细胞中KRT6A基因的表达，通过CCK-8实验以及流式细胞术检测KRT6A对PDAC细胞的增殖、凋亡的影响。结果：利用TCGA与GTEx数据库数据分析发现，KRT6A在人PDAC组织中高表达，且与患者较差的生存期存在关联（P=0.015）。利用CIBERSORT软件以及GSEA分析发现，KRT6A高表达的PDAC组织中M2型巨噬细胞浸润性增高（P=0.034），且与Wnt通路（NES:1.7359272，P<0.05）、磷酸戊糖途径（PPP）代谢途径（NES:1.5613053，P<0.05）等信号通路上调有关（P<0.05或P<0.01）；免疫组化结果进一步验证了PDAC组织中KRT6A高表达（P<0.001）。增殖和凋亡实验发现，干扰KRT6A能够显著抑制PANC1细胞的增殖（P<0.05）以及凋亡（P<0.001）。结论：KRT6A在人PDAC组织中呈高表达，敲降其表达能够抑制PANC1细胞的增殖和凋亡，具有作为PDAC诊断与预后判断新靶标的潜力。
暂无评论