目的探讨富含亮氨酸重复序列/Ⅲ型纤维连接蛋白4(leucine-rich repeat and fibronectin typeⅢdomain-containing protein 4,LRFN4)在胃癌组织中的表达情况,并分析LRFN4表达水平与胃癌患者临床病理参数和预后的关系。方法收集2017年1月...目的探讨富含亮氨酸重复序列/Ⅲ型纤维连接蛋白4(leucine-rich repeat and fibronectin typeⅢdomain-containing protein 4,LRFN4)在胃癌组织中的表达情况,并分析LRFN4表达水平与胃癌患者临床病理参数和预后的关系。方法收集2017年1月至12月于中山大学附属第一医院胃肠外科中心确诊并行手术治疗的胃癌患者组织标本8对(包含胃癌组织和癌旁正常组织),并选取2004年1月至2005年12月在同一中心行手术治疗的117例胃癌患者的术后组织标本制成胃癌组织芯片。分析LRFN4在癌症基因组图谱(the cancer genome atlas,TCGA)数据库胃癌数据集中的表达情况,应用蛋白质印迹法及实时荧光定量聚合酶链反应检测LRFN4在8对新鲜胃癌组织及癌旁正常组织中的表达,应用免疫组织化学检测LRFN4在胃癌组织芯片中的表达。分析不同LRFN4表达水平的胃癌患者其临床病理参数的差异。应用Kaplan-Meier法分析不同LRFN4表达水平的胃癌患者的预后情况。应用单因素和多因素Cox回归分析法分析胃癌患者预后的影响因素。结果LRFN4在TCGA数据库胃癌数据集的胃癌组织以及新鲜胃癌组织中呈高表达状态。LRFN4高表达的患者,表现出更大的肿瘤大小以及更为进展的T分期、N分期、M分期和TNM分期(均P<0.05),其预后也较差(P<0.001)。单因素和多因素Cox回归分析提示LRFN4在胃癌组织中的高表达是影响胃癌患者预后的独立危险因素(HR=3.898,95%CI 2.273~6.686,P<0.001)。结论胃癌组织中LRFN4高表达与患者较差的预后相关,可能成为预测胃癌患者预后的生物标志物之一。展开更多
目的利用增强螺旋计算机断层扫描(computed tomography,CT)影像数据,探讨卷积神经网络深度学习模型在胃左动脉变异检测方面的可行性。方法回顾性选取2019年1月至12月在南华大学附属第一医院行增强螺旋CT的305例门诊患者的影像学资料。...目的利用增强螺旋计算机断层扫描(computed tomography,CT)影像数据,探讨卷积神经网络深度学习模型在胃左动脉变异检测方面的可行性。方法回顾性选取2019年1月至12月在南华大学附属第一医院行增强螺旋CT的305例门诊患者的影像学资料。通过医生阅读患者的增强CT血管图像,对变异胃周动脉进行分类并标注。将所有数据随机分为五组,4个训练组,1个测试组。构建分类-检测级联框架模型对数据进行深度学习,计算平均曲线下面积(area under the curve,AUC)、查全率、查准率和准确率评估该模型的性能。结果共39例患者存在胃左动脉变异血管,胃左动脉变异发生率约12.8%。最常见的2种变异类型是胃左动脉发出替代肝左动脉(12/305,3.9%)和副肝左动脉(13/305,4.3%),而胃左动脉缺如的现象比较罕见(2/305,0.7%)。分类网络深度学习模型五组的平均AUC、查全率、查准率、准确率分别为0.82、73.3%、78.2%、79.0%,检测网络深度学习模型五组的平均AUC、查全率、查准率、准确率分别为0.87、65.6%、87.7%、77.8%。结论与胃左动脉相关的变异血管中,替代/副肝左动脉最为常见。构建的卷积神经网络深度学习模型具有较好的胃左动脉变异检测效能。展开更多
文摘目的探讨富含亮氨酸重复序列/Ⅲ型纤维连接蛋白4(leucine-rich repeat and fibronectin typeⅢdomain-containing protein 4,LRFN4)在胃癌组织中的表达情况,并分析LRFN4表达水平与胃癌患者临床病理参数和预后的关系。方法收集2017年1月至12月于中山大学附属第一医院胃肠外科中心确诊并行手术治疗的胃癌患者组织标本8对(包含胃癌组织和癌旁正常组织),并选取2004年1月至2005年12月在同一中心行手术治疗的117例胃癌患者的术后组织标本制成胃癌组织芯片。分析LRFN4在癌症基因组图谱(the cancer genome atlas,TCGA)数据库胃癌数据集中的表达情况,应用蛋白质印迹法及实时荧光定量聚合酶链反应检测LRFN4在8对新鲜胃癌组织及癌旁正常组织中的表达,应用免疫组织化学检测LRFN4在胃癌组织芯片中的表达。分析不同LRFN4表达水平的胃癌患者其临床病理参数的差异。应用Kaplan-Meier法分析不同LRFN4表达水平的胃癌患者的预后情况。应用单因素和多因素Cox回归分析法分析胃癌患者预后的影响因素。结果LRFN4在TCGA数据库胃癌数据集的胃癌组织以及新鲜胃癌组织中呈高表达状态。LRFN4高表达的患者,表现出更大的肿瘤大小以及更为进展的T分期、N分期、M分期和TNM分期(均P<0.05),其预后也较差(P<0.001)。单因素和多因素Cox回归分析提示LRFN4在胃癌组织中的高表达是影响胃癌患者预后的独立危险因素(HR=3.898,95%CI 2.273~6.686,P<0.001)。结论胃癌组织中LRFN4高表达与患者较差的预后相关,可能成为预测胃癌患者预后的生物标志物之一。
文摘目的利用增强螺旋计算机断层扫描(computed tomography,CT)影像数据,探讨卷积神经网络深度学习模型在胃左动脉变异检测方面的可行性。方法回顾性选取2019年1月至12月在南华大学附属第一医院行增强螺旋CT的305例门诊患者的影像学资料。通过医生阅读患者的增强CT血管图像,对变异胃周动脉进行分类并标注。将所有数据随机分为五组,4个训练组,1个测试组。构建分类-检测级联框架模型对数据进行深度学习,计算平均曲线下面积(area under the curve,AUC)、查全率、查准率和准确率评估该模型的性能。结果共39例患者存在胃左动脉变异血管,胃左动脉变异发生率约12.8%。最常见的2种变异类型是胃左动脉发出替代肝左动脉(12/305,3.9%)和副肝左动脉(13/305,4.3%),而胃左动脉缺如的现象比较罕见(2/305,0.7%)。分类网络深度学习模型五组的平均AUC、查全率、查准率、准确率分别为0.82、73.3%、78.2%、79.0%,检测网络深度学习模型五组的平均AUC、查全率、查准率、准确率分别为0.87、65.6%、87.7%、77.8%。结论与胃左动脉相关的变异血管中,替代/副肝左动脉最为常见。构建的卷积神经网络深度学习模型具有较好的胃左动脉变异检测效能。
