医学中的计算和数学方法

理解不同刺激和大脑反应之间的联系是一个复杂的研究领域。然而，用于这一目的的数学模型的使用是相对未被探索的。本研究利用数学函数研究了三种不同的听觉刺激对大脑生物电位的影响。对21名受试者进行20分钟的脑电记录，并在刺激前后5分钟的沉默时间内，评价听觉刺激(S1、S2、S3)对大脑活动的影响。为了构建用于脑电图节律研究的数学模型，我们使用了Box-Jenkins方法。得到了主要频段的特征数学模型，分别用2个常函数、8个一阶函数、1个二阶函数、1个四阶函数、6个递归函数和4个周期函数表示。得到的方差估计值较低，说明所得到的模型是正确的。由此产生的数学模型使我们能够客观地比较脑电图对三种刺激的反应，包括刺激本身之间的反应，以及每个刺激和刺激前的反应。

肺炎对人类健康仍然存在威胁;2019年底开始的冠状病毒疾病2019年（Covid-19）对世界产生了重大影响。它仍在许多国家甚至肆虐，并对人们的生活和财产造成了巨大的损失。在本文中，我们介绍了一种基于DeepConv-DiratedNet的方法，胸部X射线（CXR）图像中的膜识别和定位肺炎。两阶段检测器更快地采用R-CNN作为网络结构。特征金字塔网络（FPN）被整合到扩张瓶颈的残余神经网络中，使得深度特征被扩展以保持对象的深度特征和位置信息。在DeepConv-DiratedNet的情况下，DeconVolution网络用于将高级特征映射恢复为其原始尺寸，并且进一步保留目标信息。另一方面，DeepConv-DiritedNet使用流行的全卷积架构，其中包含在整个图像上共享的计算。然后，SOFT-NMS用于筛选框并确保样品质量。此外，K-Means ++用于生成锚盒以提高本地化精度。 The algorithm obtained 39.23% Mean Average Precision (mAP) on the X-ray image dataset from the Radiological Society of North America (RSNA) and got 38.02% Mean Average Precision (mAP) on the ChestX-ray14 dataset, surpassing other detection algorithms. So, in this paper, an improved algorithm that can provide doctors with location information of pneumonia lesions is proposed.

对象．本研究旨在评价培美曲塞与吉非替尼治疗非小细胞肺癌(NSCLC)的疗效和安全性。方法．利用PubMed、the Cochrane Library、Embase、中国知网、Web of Science等数据库检索数据库基金会至2020年4月期间有关培美曲塞和吉非替尼用于局部晚期和转移性非小细胞肺癌二线治疗的随机对照试验(rct)。必威2490采用RevMan 5.3软件进行meta分析。主要结局包括无进展生存期(PFS)和总生存期(OS)，次要结局包括客观缓解率(ORR)、疾病控制率(DCR)和所有级别的药物相关不良事件(AEs)。结果．全部，14名RCT和1,334名患者参与了该研究。Meta分析的结果表明，与Pemetrexed相比，Gefitinib在改善ORR（ ）,DCR ( ）,PFS ( ）,和操作系统( )．亚组分析显示EGFR突变患者( ）和野生型EGFR ( ）,培美曲塞和吉非替尼对无进展生存期的疗效相似。在安全性方面，皮疹的发生率( ）和腹泻( ）吉非替尼组明显高于培美曲塞组，而中性粒细胞减少( ）和疲劳( ）显著降低。结论．无论EGFR类型如何，吉非替尼和培美曲塞表现出相似的疗效和安全性。吉非替尼和培美曲塞均可作为二线常规药物用于局部晚期和转移性NSCLC的治疗。

客观的．蛋白酶激活受体-2 (PAR2)也被称为F2RL1，是一种与癌症发生密切相关的G蛋白偶联受体。DNA甲基化是调节基因表达的重要机制，而PAR2启动子甲基化被证明与癌症发展有关。因此，本研究试图通过识别PAR2启动子甲基化对LUAD细胞进展的影响，阐明PAR2介导LUAD进展的分子机制。方法．通过生物信息学分析，分析PAR2启动子甲基化与LUAD患者PAR2基因表达及预后的关系。使用甲基化特异性PCR、qRT-PCR和Western blot检测细胞水平上PAR2启动子甲基化和基因表达。DNA甲基转移酶抑制剂5-AzadC用于治疗细胞，以评估PAR2基因的表达变化。通过MTT、创面愈合试验和Transwell试验来表征PAR2过表达后的细胞生物学行为。结果．生物信息学分析显示，PAR2启动子甲基化与PAR2基因表达呈负相关，PAR2启动子高甲基化和低基因表达提示LUAD预后良好。此外，发现PAR2在LUAD细胞中表达上调，启动子低甲基化。此外，PAR2基因在5-AzadC处理的细胞中表达升高，5-AzadC或高PAR2基因表达的细胞增殖、迁移和侵袭能力均增强。结论．总之，PAR2启动子低甲基化促进LUAD细胞的进展，进而影响LUAD患者的预后。

心电图（ECG）信号中噪声的高质量和高保真噪声对ECG疾病的辅助诊断具有重要意义。鉴于传统去噪方法的单一功能和去噪后信号细节的不充分的性能，提出了一种基于生成的对抗网络（GAN）和残余网络的组合的ECG去噪方法。本文采用的方法基于GaN结构，并重构发电机和鉴别器。在发电机网络中，剩余块和跳过连接用于加深网络结构并更好地捕获ECG信号中的深度信息。在鉴别器网络中，使用RESNet框架。为了优化降噪过程并解决了考虑到全球ECG问题的缺乏本地相关性，在本文中的损耗功能中添加了最大局部差异的差分功能和整体函数。The experimental results prove that the method used in this article has better performance than the current excellent S-Transform (S-T) algorithm, Wavelet Transform (WT) algorithm, Stacked Denoising Autoencoder (S-DAE) algorithm, and Improved Denoising Autoencoder (I-DAE) algorithm. Experiments show that the Root Mean Square Error (RMSE) of this method in the Massachusetts Institute of Technology and Beth Israel Hospital (MIT-BIH) noise pressure database is 0.0102, and the Signal-to-Noise Ratio (SNR) is 40.8526 dB, which is compared with that of the most advanced experimental methods. Our method improves the SNR by 88.57% on average. Besides the three noise intensities for comparison experiments, additional noise reduction experiments are also performed under four noise intensities in our paper. The experimental results verify the scientific nature of the model, which is that our method can effectively retain the important information conveyed by the original signal.

越来越多的证据表明，异常选择性剪接(AS)与肿瘤发生的驱动密切相关，但其在肾透明细胞癌(KIRC)中的功能仍有待发现。在本研究中，我们从the Cancer Genome Atlas (TGCA)中获得KIRC的3级RNA测序和临床数据。结合TGCA SpliceSeq数据库中的拼接事件细节信息，我们通过单因素和多因素Cox回归分析建立KIRC的独立预后特征。然后，我们使用Kaplan-Meier分析和受试者工作特征曲线(roc)来评估预后特征的准确性。我们还构建了剪接因子(splicing factors, SFs)和AS事件的调控网络。我们的结果显示，在524例KIRC患者中共发现了12029例5761个基因的生存相关AS事件。所有类型的预后特征都表现出令人满意的可靠预测能力，尤其是外显子跳跃模型，其ROC曲线下面积为0.802。此外，还发现了18个与AS事件高度相关的剪接因子(splicing factors, SFs)。随着SF-AS交互网络的构建，我们发现SF有力地促进了异常AS的发生，可能在KIRC中具有深远的作用。总之，我们筛选了与生存相关的AS事件，并建立了KIRC的预后特征，结合SF-AS交互网络，这可能为阐明KIRC中AS的潜在机制提供一个关键的视角。