目的 分析2012—2022年Web of Science核心合集数据库中人工智能在法医学研究领域的文献,探索该领域的研究热点和发展趋势。方法 通过文献计量工具CiteSpace对2012—2022年Web of Science核心合集数据库关于人工智能在法医学领域的736...目的 分析2012—2022年Web of Science核心合集数据库中人工智能在法医学研究领域的文献,探索该领域的研究热点和发展趋势。方法 通过文献计量工具CiteSpace对2012—2022年Web of Science核心合集数据库关于人工智能在法医学领域的736篇文献进行可视化分析,对相关文献的作者、机构、国家(地区)、标题、期刊、关键词、引用的参考文献等信息进行分析。结果 736篇文献来自69个国家(地区)289家机构的355位作者,发表于220种期刊,发文量呈逐年上升趋势。其中美国发文量最高,中国位列第二,机构中司法鉴定科学研究院发文量最高。Forensic Science International、Journal of Forensic Sciences、International Journal of Legal Medicine在发表文献和被引频次中均排名靠前。对关键词进行分析发现,人工智能在法医学领域的研究热点主要集中在利用人工智能技术进行性别年龄推断、死亡原因分析、死亡时间推断、个体识别等方面。结论 应注重国际合作与机构间合作,加强交叉学科间的研究。探索先进的人工智能技术应用于法医各学科领域将是未来研究的热点与方向。展开更多
目的:探讨hsa-miR-103a-3p影响食管鳞状细胞癌(esophageal squamous cell carcinoma,ESCC)细胞对奥沙利铂(oxaliplatin,OXA)耐药的机制。方法:采用RT-qPCR验证测序结果中hsa-miR-103a-3p在不同ESCC细胞系中的表达;转染hsa-miR-103a-3p m...目的:探讨hsa-miR-103a-3p影响食管鳞状细胞癌(esophageal squamous cell carcinoma,ESCC)细胞对奥沙利铂(oxaliplatin,OXA)耐药的机制。方法:采用RT-qPCR验证测序结果中hsa-miR-103a-3p在不同ESCC细胞系中的表达;转染hsa-miR-103a-3p mimics或inhibitor,验证hsa-miR-103a-3p是否可以逆转ESCC细胞系的耐药表型。应用双萤光素酶报告基因实验和RT-qPCR验证hsa-miR-103a-3p与RASSF8(Ras association domain family member 8)的靶向调控关系;挽救实验验证改变RASSF8的表达是否可以逆转由hsa-miR-103a-3p引起的耐药表型。PCR-array实验检测hsa-miR-103a-3p参与ESCC的耐药机制;Kaplan-Meier生存分析预测hsa-miR-103a-3p高表达与患者生存时间的关系。结果:hsa-miR-103a-3p在OXA敏感ESCC细胞系中高表达(P<0.05);hsa-miR-103a-3p的表达影响ESCC细胞对OXA的敏感性(P<0.05);与对照组相比,过表达hsa-miR-103a-3p能够降低RASSF83’端非翻译区萤光素酶报告基因质粒的活性(P<0.05);挽救实验结果显示,改变RASSF8的表达可有效挽救由hsa-miR-103a-3p引起的耐药表型(P<0.05)。PCR-array实验结果显示,RASSF8高表达能够促进XPA(xeroderma pigmentosum complementation group A)和XPC(xeroderma pigmentosum complementation group C)表达。配对t检验分析结果显示,hsamiR-103a-3p在肿瘤组织中高表达;Kaplan-Meier生存分析显示,与hsa-miR-103a-3p低表达的患者相比,hsa-miR-103a-3p高表达的患者生存时间显著缩短(P<0.05)。结论:hsa-miR-103a-3p低表达通过靶向上调RASSF8的表达促进ESCC细胞对OXA耐药。展开更多
目的利用机器学习算法对阿尔茨海默病(Alzheimer’s disease,AD)病程进行分类,为临床早期诊断AD提供辅助工具。材料与方法将AD病程分为正常认知者、早期轻度认知障碍、晚期轻度认知障碍和AD 4组,收集这些研究对象的结构磁共振成像(struc...目的利用机器学习算法对阿尔茨海默病(Alzheimer’s disease,AD)病程进行分类,为临床早期诊断AD提供辅助工具。材料与方法将AD病程分为正常认知者、早期轻度认知障碍、晚期轻度认知障碍和AD 4组,收集这些研究对象的结构磁共振成像(structure magnetic resonance imaging,sMRI)数据,在此基础上加入年龄、性别、教育水平和简易智力状态检查(Mini-Mental State Examination,MMSE)评分,然后分别基于两个数据集用L1正则化支持向量机(L1 regularized support vector machine,L1-SVM)算法进行特征选择得到对分类组贡献最大的特征,将提取到的特征子集放入误差逆传播(back propagation,BP)神经网络模型中进行分类,并且与逻辑回归、随机森林、支持向量机3种机器学习模型作对比。用十折交叉验证法比较4种模型的准确率并给出最优组合模型的特异度、敏感度和AUC值。结果加入3项人口统计学指标和MMSE评分的特征集优于仅具有sMRI的特征集,此外,BP神经网络算法与L1-SVM特征选择算法结合的分类准确率优于其他机器学习模型,尤其是在从正常认知功能向AD转化的过程中,BP神经网络的准确率高达98.90%,敏感度98.75%,AUC值1.00。不同分类组之间略有差异。结论L1-SVM和BP神经网络组合模型可以用于AD早期诊断,并且AD进展转化的每一阶段的相关特征数据为临床基础研究和病理变化提供了依据。展开更多
文摘目的 分析2012—2022年Web of Science核心合集数据库中人工智能在法医学研究领域的文献,探索该领域的研究热点和发展趋势。方法 通过文献计量工具CiteSpace对2012—2022年Web of Science核心合集数据库关于人工智能在法医学领域的736篇文献进行可视化分析,对相关文献的作者、机构、国家(地区)、标题、期刊、关键词、引用的参考文献等信息进行分析。结果 736篇文献来自69个国家(地区)289家机构的355位作者,发表于220种期刊,发文量呈逐年上升趋势。其中美国发文量最高,中国位列第二,机构中司法鉴定科学研究院发文量最高。Forensic Science International、Journal of Forensic Sciences、International Journal of Legal Medicine在发表文献和被引频次中均排名靠前。对关键词进行分析发现,人工智能在法医学领域的研究热点主要集中在利用人工智能技术进行性别年龄推断、死亡原因分析、死亡时间推断、个体识别等方面。结论 应注重国际合作与机构间合作,加强交叉学科间的研究。探索先进的人工智能技术应用于法医各学科领域将是未来研究的热点与方向。
文摘目的:探讨hsa-miR-103a-3p影响食管鳞状细胞癌(esophageal squamous cell carcinoma,ESCC)细胞对奥沙利铂(oxaliplatin,OXA)耐药的机制。方法:采用RT-qPCR验证测序结果中hsa-miR-103a-3p在不同ESCC细胞系中的表达;转染hsa-miR-103a-3p mimics或inhibitor,验证hsa-miR-103a-3p是否可以逆转ESCC细胞系的耐药表型。应用双萤光素酶报告基因实验和RT-qPCR验证hsa-miR-103a-3p与RASSF8(Ras association domain family member 8)的靶向调控关系;挽救实验验证改变RASSF8的表达是否可以逆转由hsa-miR-103a-3p引起的耐药表型。PCR-array实验检测hsa-miR-103a-3p参与ESCC的耐药机制;Kaplan-Meier生存分析预测hsa-miR-103a-3p高表达与患者生存时间的关系。结果:hsa-miR-103a-3p在OXA敏感ESCC细胞系中高表达(P<0.05);hsa-miR-103a-3p的表达影响ESCC细胞对OXA的敏感性(P<0.05);与对照组相比,过表达hsa-miR-103a-3p能够降低RASSF83’端非翻译区萤光素酶报告基因质粒的活性(P<0.05);挽救实验结果显示,改变RASSF8的表达可有效挽救由hsa-miR-103a-3p引起的耐药表型(P<0.05)。PCR-array实验结果显示,RASSF8高表达能够促进XPA(xeroderma pigmentosum complementation group A)和XPC(xeroderma pigmentosum complementation group C)表达。配对t检验分析结果显示,hsamiR-103a-3p在肿瘤组织中高表达;Kaplan-Meier生存分析显示,与hsa-miR-103a-3p低表达的患者相比,hsa-miR-103a-3p高表达的患者生存时间显著缩短(P<0.05)。结论:hsa-miR-103a-3p低表达通过靶向上调RASSF8的表达促进ESCC细胞对OXA耐药。
文摘目的利用机器学习算法对阿尔茨海默病(Alzheimer’s disease,AD)病程进行分类,为临床早期诊断AD提供辅助工具。材料与方法将AD病程分为正常认知者、早期轻度认知障碍、晚期轻度认知障碍和AD 4组,收集这些研究对象的结构磁共振成像(structure magnetic resonance imaging,sMRI)数据,在此基础上加入年龄、性别、教育水平和简易智力状态检查(Mini-Mental State Examination,MMSE)评分,然后分别基于两个数据集用L1正则化支持向量机(L1 regularized support vector machine,L1-SVM)算法进行特征选择得到对分类组贡献最大的特征,将提取到的特征子集放入误差逆传播(back propagation,BP)神经网络模型中进行分类,并且与逻辑回归、随机森林、支持向量机3种机器学习模型作对比。用十折交叉验证法比较4种模型的准确率并给出最优组合模型的特异度、敏感度和AUC值。结果加入3项人口统计学指标和MMSE评分的特征集优于仅具有sMRI的特征集,此外,BP神经网络算法与L1-SVM特征选择算法结合的分类准确率优于其他机器学习模型,尤其是在从正常认知功能向AD转化的过程中,BP神经网络的准确率高达98.90%,敏感度98.75%,AUC值1.00。不同分类组之间略有差异。结论L1-SVM和BP神经网络组合模型可以用于AD早期诊断,并且AD进展转化的每一阶段的相关特征数据为临床基础研究和病理变化提供了依据。