一、硒与前列腺癌危险度（论文文献综述）
冯玉洁,吴隘红,付启欢,洪睿霞,周航,李芳[1]（2022）在《基于超声图像特征机器学习预测前列腺癌危险度的价值》文中认为目的:建立联合前列腺经直肠超声图像特征及临床数据的决策树、K近邻、贝叶斯网络、Logistic回归、支持向量机5种机器学习模型,评价上述模型预测前列腺癌危险度的价值。资料与方法 :回顾性分析我院接受前列腺经直肠超声检查并确诊为前列腺癌的198例患者。将经直肠前列腺超声图像特征、年龄、总前列腺特异抗原、游离前列腺特异抗原、游离前列腺特异抗原比值、体积、前列腺特异抗原密度录入相关属性值分析,通过单个属性和类别的相关性分析以分析特征。后将这些超声图像特征及临床数据录入5种机器学习模型进行训练及验证,通过F1值及ROC曲线评价机器学习模型的预测价值。结果:贝叶斯网络模型预测前列腺癌危险度ROC的曲线下面积（AUC）最大（0.9278）,K近邻AUC也较高（0.907）,logistic回归最小（0.717）;F1值最高的为贝叶斯网络,其次依序为支持向量机、决策树模型、K近邻及Logistic回归模型。通过相关属性值分析各特征变量重要性,前列腺内外腺分界是否清晰与前列腺癌危险度相关性最高,其次为前列腺包膜完整度、前列腺对称性、前列腺外腺腺体血流情况,结节灶回声对模型分类贡献最低。结论:基于超声图像特征的贝叶斯网络模型预测前列腺癌危险度的性能最优。
梅开[2]（2021）在《基于生物信息学挖掘的PMEPA1基因在前列腺癌中的初步实验验证》文中研究说明目的:通过免疫组织化学染色方法,探讨生物信息学挖掘的PMEPA1基因在前列腺癌发生、发展中的作用,为前列腺癌的诊疗与预防提供新思路。方法:（1）在GEO在线数据库上搜索数据集,共纳入4个数据集（GSE104935、GSE120005、GSE78201和GSE21887）进行进一步分析筛选出差异表达基因（DEGs）,利用DAVID数据库对其进行GO功能分析和KEGG通路富集分析,P<0.05为差异有统计学意义;（2）利用STRING数据库构建蛋白质相互作用（PPI）网络,将所得源文件导入Cytoscape软件（Cytoscape＿v3.6.1）对PPI网络进行可视化分析,对关键基因进行筛选;（3）为验证关键基因,首先从Oncomine（http://www.oncomine.org/）数据库下载蛋白表达和生存数据,获得关键基因在前列腺癌中表达情况,然后采用GEPIA数据库分析关键基因与PCA患者无病生存期（DFS）和总生存期（OS）的关系,最后利用相关数据进行COX回归分析,以确定最后的目标基因;（4）为了初步验证用生物信息学方法和软件分析挖掘的基因（PMEPA1）,遂收集在我院从2018年8月至2020年10月接受PCA根治手术治疗的60例患者的癌与癌旁组织病理白片,用免疫组织化学染色的方法检测生物信息学分析的结果。结果:（1）在GSE104935、GSE120005、GSE78201和GSE21887中分别发现了1151、828、894和2293个上调基因,及1113、814、960和2027个下调基因。其中有15个重叠上调基因和27个重叠下调基因,对其进行GO功能分析和KEGG通路富集分析,发现重叠部分主要集中在细胞质的内质网膜和核周,这些基因主要涉及磷脂转运蛋白活性、蛋白结构域特异性结合以及长链脂肪酰基COA生物合成过程;（2）通过STRING来研究和整合蛋白质之间的相互作用,及相关数据用Cytoscape进一步分析,发现有11个关键基因,其中有4个上调基因（ELOVL6、ABCA1、FOXO3、TNRC6B）,7个下调基因（ALDH1A3、OSBPL8、ACSL3、SLC45A3、KLK2、FKBP5、PMEPA1）;（3）分析这11个关键基因在低危前列腺癌和高危前列腺癌患者中相对表达情况,发现ALDH1A3（p=0.038）、OSBPL8（p=0.028）、PMEPA1（p=0.039）、KLK2（p=0.033）、SLC45A3（p=0.012）、TNRC6B（p=0.036）有统计学意义,而FKBP5（p=0.312）、ABCA1（p=0.861）、FOXO3（p=0.277）、ACSL3（p=0.233）、ELOVL6（p=0.127）无统计学意义。另外通过GEPIA数据库在线分析发现这6个基因中只有PMEPA1与PCA的DFS相关（p=0.017）,且所有都与OS无关,由于KLK2在Onco Lnc中表达不足。因此,对其余5个基因（ALDH1A3、OSBPL8、PMEPA1、SLC45A3和TNRC6B）进行COX回归分析,发现OSBPL8和SLC45A3与生存率相关;（4）60例病理样本中,PMEPA1基因在癌组织中呈现阳性16例,阴性44例;在癌旁组织中呈现阳性53例,阴性7例,PMEPA1基因在PCA患者癌组织与癌旁组织中表达是有显着的差异（P<0.05）;（5）PMEPA1基因在PCA中的差异表达与患者PSA（P=0.013、r=-0.318）、Gleason评分（P=0.025、r=-0.29）、T分期（P=0.019、r=-0.302）、危险度分组（P=0.036、r=-0.271）、骨转移（P=0.044、r=-0.26）之间呈负相关;与患者年龄（P=0.789）、是否达到CRPC期（P=0.292）无明显相关性。结论:（1）通过生物信息学我们挖掘了PMEPA1、OSBPL8和SLC45A3三个基因在前列腺癌中的表达是有差异的,同时也证明了通过生物信息学方法可以有效获得疾病相关致病因素的信息;（2）PMEPA1基因在前列腺癌组织中的表达显着低于癌旁组织,且与患者PSA、Gleason评分、危险度分组、病理T分期、骨转移呈负相关,说明了PMEPA1基因在前列腺癌的发生、发展中起到抑癌基因的作用,使得PMEPA1基因具有成为前列腺癌诊断、判断预后、药物治疗靶点的潜在可能性。
阳青松[3]（2021）在《基于DBSI的深度神经网络学习在鉴别诊断前列腺癌及预测病理分级中的应用价值》文中认为第一部分基于DBSI的深度神经网络学习在鉴别诊断前列腺癌中的运用价值研究目的多参数磁共振成像（multiparameter magnetic resonance imaging,MP-MRI）作为目前临床公认的诊断前列腺癌（prostate cancer,PCa）最有优的影像学方法之一。近年来MP-MRI在前列腺癌的早期诊断和靶向穿刺中担任了重要角色,随着MP-MRI的推广和运用,使得越来越多的早期前列腺癌被诊断出来,同时将MP-MRI和靶向穿刺联合,也进一步提高了我们对前列腺癌index lesion判断的准确性,使得我们能检出更多的临床有意义前列腺癌,同时降低临床无意义癌的检出率。但通过系统穿刺我们知道,即便在磁共振阴性的患者中仍然有约15%的患者存在临床有意义前列腺癌,同样PI-RADS 5分的患者也约有12%的患者非前列腺癌。因此我们急需一种能够更为精准鉴别诊断前列腺癌的无创性影像学方法。我们知道,在多参数MR中,扩散加权成像（diffusion weighted imaging,DWI）是评估鉴别诊断前列腺癌最重要的序列之一,但我们常规使用的DWI序列是按照单指数模型设计的,也就是说它把组织看着成一个整体,并未区别水分子扩散受限是来源于各项同性部分还是各项异性部分,也并未将各项同性受限部分进一步区分,这也是导致DWI诊断特异性和敏感性不高的重要原因。因此我们创新性的提出了全新的扩散加权成像模型-扩散谱成像（diffusion based spectrum imaging DBSI）,该模型创新性的将水分子在组织中的扩散受限分为各项异性和各项同性部分,其中各项异性部分表示为纤维部分（fiber fraction,FF）,该部分的定量参数指标用于显示前列腺中的纤维成分。各项同性部分又以水分子扩散受限的程度区别为高度扩散受限部分（highly restricted fraction,HRF）该部分代表水分子在炎性细胞中扩散受限部分,受限部分（restricted fraction,RF）该部分代表水分子在肿瘤细胞中扩散受限部分,阻碍部分（hindered fraction,HF）该部分代表水分子在间质细胞中扩散受限部分,及自由扩散部分（free fraction,free F）该部分代表水分子在正常腺管腺泡中扩散受限部分。本研究备运用DBSI联合深度神经网络学习为分类器以前列腺癌根治术后大病理切片为金标准评估其在鉴别诊断前列腺癌中的效能。研究方法2015年3至2017年8月前瞻性连续招募临床可疑前列腺癌患者。入组标准:（1）PSA升高大于4ng/ml;（2）超声检查有异常回声;（3）直肠指诊有阳性发现。排除标准（1）患者既往接受过放疗或者内分泌治疗;（2）有磁共振检查禁忌者;（3）患有幽闭恐惧者。所有入组患者均同时接受多参数MR和DBSI扫描。按照PI-RADS 2评分标准对多参数MR进行评估,选择PI-RADS≥3的患者进行系统+靶向穿刺,穿刺后选择合适的患者进行前列腺癌根治术,对接受根治术的患者按照术后的大病理切片勾画癌灶,选择PI-RADS≥3的并接受靶向穿刺的但结果阴性的患者为良性病灶对照组,按照靶向穿刺结果勾画良性病灶区域。采用有监督深度神经网络（DNN）构建分类器。共使用22个DBSI扩散指标参数构建预测模型。采用基于深度神经网络的监督性学习来计算受试者工作曲线（ROC）分析检测DBSI在基于体素水平对PCa与其他病理或组织类型的区分能力;计算曲线下面积（Area Under The Curve,AUC）、敏感性和特异性。所有计算使用基于Python（3.8版本）的软件包裹Tensor Flow（2.0版本）,Scikit-learn以及Scipy获得。结果该研究总共入组243人（平均年龄65.8岁,平均PSA 25.4ng/ml）,其中96位患者（平均年龄69.3岁,平均PSA 27.9ng/ml）通过病理最终确诊为前列腺癌,穿刺阳性率为25.8%（391/1515）。92位患者接受了前列腺癌根治术,接受根治术的患者标本交由经验丰富的泌尿病理医师进行病理诊断,病理危险度分级及病理临床分期。并依据病理大切片勾画癌灶。总共54例（平均年龄65岁,平均PSA11.5ng/ml）接受穿刺的患者被诊断为前列腺增生或者前列腺炎症。我们将该54例患者依据靶向穿刺的结果选择靶向穿刺部位为良性对照组。其中93位患者（平均年龄62岁,平均PSA9.8ng/ml）因PI-RADS评分<3且PSA小于10ng/ml未接受穿刺,而采用动态随访模式。通过深度神经网络学习,DBSI在体素水平上鉴别活体组织中前列腺癌诊断效能如下:区分PCa和良性外周带组织的AUC为0.995,敏感性为94.8%,特异性为98.3%;区分PCa与良性移行带的AUC为0.985,敏感性为93.9%,特异性为94.7%。DHI区分PCa与前列腺良性疾病AUC为0.998,敏感性为97.7%,特异性为97.8%。结论基于DBSI的深度神经网络学习在鉴别前列腺良恶性疾病中有较高诊断效能,能够准确的鉴别诊断前列腺癌,良性前列腺外周带疾病,良性移行带疾病和良性前列腺疾病,对后续的靶向穿刺和精准治疗有意义。第二部分基于DBSI的深度神经网络学习在预测前列腺癌病理分级中的运用价值研究目的前列腺癌诊断中最为重要的一项就是评估其病理危险度分级,因不同的危险度分级的前列腺癌预后差异性显着,临床非显着癌大多只需要动态随访或主动监测,其并不会危及患者生命,而临床显着癌则需要更为积极的治疗,我们目前列腺癌诊断的金标准仍然是经直肠或者会阴的系统穿刺,但是该方法诊断后往往和术后的病理评分存在差异,因此术前的准确预测前列腺癌患者的病理分级就显得尤为重要,之前的相关研究已经表明,DWI在预测患者病理分级中有一定的运用价值,我们的研究结果也证实了扩散谱成像（diffusion based spectrum imaging,DBSI）较常规的DWI在鉴别诊断前列腺癌方面更具有优势,因此我们推测DBSI较常规DWI在预测患者病理分级中更具优势。本研究备运用深度神经网络学习发的方法联合DBSI评估其在体素水平预测前列腺癌患者病理分级中的运用价值。研究方法2015年3至2017年8月前瞻性连续招募临床可疑前列腺癌患者。入组标准:（1）PSA升高大于4ng/ml;（2）超声检查有异常回声;（3）直肠指诊有阳性发现。排除标准（1）患者既往接受过放疗或者内分泌治疗;（2）有磁共振检查禁忌者;（3）患有幽闭恐惧者。所有入组患者均同时接受多参数MR和DBSI扫描。按照PI-RADS 2评分标准对多参数MR进行评估,选择PI-RADS≥3的患者进行系统+靶向穿刺,穿刺后选择合适的患者进行前列腺癌根治,选择接受根治术的患者术后的大病理切片由泌尿外科病理医师勾画癌灶并按照国际泌尿病理协会（International Society of Urological Pathology ISUP）1-5级进行评分。采用有监督深度神经网络（DNN）构建分类器。共使用22个DBSI扩散指标参数构建预测模型。采用基于深度神经网络的监督性学习来计算受试者工作曲线（ROC）分析评估DBSI在基于体素水平对不同ISUP病理分级的预测能力;评估其预测的准确性、计算曲线下面积（Area Under The Curve,AUC）、敏感性和特异性。所有计算使用基于Python（3.8版本）的软件包裹Tensor Flow（2.0版本）,Scikit-learn以及Scipy获得。结果该研究总共入组243人（平均年龄65.8岁,平均PSA 25.4ng/ml）,其中96位患者（平均年龄69.3岁,平均PSA 27.9ng/ml）通过病理最终确诊为前列腺癌,穿刺阳性率为25.8%（391/1515）。92位患者接受了前列腺癌根治术,接受根治术的患者标本交由经验丰富的泌尿病理医师按照术后大切片进行病理诊断,并按照ISUP前列腺癌病理分级进行评估。通过深度神经网络学习,DBSI在基于体素水平预测前列腺癌ISUP病理分级中的结果如下:在前列腺切除术标本ISUP分级基于体素水平分类的总体准确率为91.4%。1级、2级、3级、4级、5级个体等级分类的总体准确率分别为84.0%、89.6%、91.5%、89.8%、97.8%。AUC分别达到了0.989、0.968、0.967、0.972、0.978。诊断的敏感性和特异性分别为:96.7%和93.6%,94.0%和91.5%,90.7%和91.5%,93.7%和90.4%,92.7%和92.3%。结论基于DBSI的深度神经网络学习在能够准确的预测前列腺癌患者ISUP病理分级,为后续的精准治疗提供有力的支持,是一种无创评估前列腺癌病理分级的影像学方法,有较好的临床推广运用价值。第三部分基于DBSI深度神经网络学习在离体前列腺标本中鉴别诊断前列腺癌和预测病理分级中的运用价值研究目的前列腺的无创鉴别诊断和预测病理分级一直是影像诊断的重点,当前多参数磁共振是公认的最优的无创鉴别诊断和预测前列腺癌病理分级的影像学方法。但是诸如前列腺炎症和前列腺间质增生等良性疾病可以模拟前列腺癌在多参数MR下的影像学表现。在预测病理分级方面,虽然多参数磁共振也有一定的运用价值但是不同病理分级之间的交叉程度明显,很难做准确的预测,究其主要原因是常规的DWI序未很好的区别前列腺组织中的水分子扩散受限来源,我们提出的全新扩散加权成像模型-扩散谱成像（diffusion based spectrum imaging,DBSI）创新性的将水分子在组织中的扩散受限部分区别为各项异性和各项同性部分,在各项同性部分又进一步按照水分子受限程度的不同进行区分。在之前的在体前列腺组织中我们已经得出其较常规的多参数磁共振无论是在鉴别诊断前列腺癌还是在预测病理分级都更具优势。因此我们将进一步评估DBSI在离体前列腺组织标本中鉴别诊断前列腺癌和预测病理分级中的运用价值。本研究备运用深度神经网络学习为分类器联合DBSI评估其在离体前列腺组织标本中鉴别诊断前列腺癌和预测前列腺癌病理分级中的运用价值。研究方法2015年3月至2017年8月选取19例前列腺癌根治术后的97份前列腺癌组织标本（其中上海长海医院9例,华盛顿大学10例）进行离体标本超高场磁共振扫描,长海医院借助于中科院上海分院9.4T磁共振进行离体组织扫描,华盛顿大学使用该研究机构4.7T磁共振进行扫描。扫描序列包括常规的T2WI,DWI和DBSI。将离体标本制作成大切片,由泌尿病理专家勾画前列腺癌组织,前列腺增生组织,前列腺炎症组织,并对前列腺癌部分进行病理评分。使用基于Python语言的Tensor Flow 2.0版本软件来统计基于DBSI深度神经网络学习为分类器在体素水平上鉴别诊断前列腺癌和预测ISUP病理分级中的能力。采用受试者工作曲线（ROC）分析评估DBSI对不同前列腺疾病的鉴别诊断能力和ISUP病理分级的预测能力;评估其预测的准确性、计算曲线下面积（Area Under The Curve,AUC）、敏感性和特异性。结果97例组织标本经过超高场磁共振扫描后,通过病理切片机切分成97份HE染色的大病理切片,并由经验丰富的泌尿系统病理专家（余永伟教授）在HE切片上勾画出48个前列腺癌病灶,39个前列腺增生结节,40个前列腺间质增生区和76个良性外周带区。对于前列腺切除术标本,DBSI区分前列腺癌与良性外周区,基于体素水平的AUC为0.949,敏感性为87.5%,特异性为88.4%;DBSI区分前列腺癌与前列腺间质增生,基于体素水平的AUC为0.928,敏感性为86.6%,特异性为84.9%;DBSI区分前列腺癌与良性前列腺增生,基于体素水平的AUC为0.900,敏感性为82.6%,特异性为81.6%;DBSI区分前列腺癌与良性前列腺疾病,基于体素水平的AUC为0.911,敏感性为84.2%,特异性为83.0%;DBSI对前列腺切除术标本ISUP病理分级的总体准确率为72.1%。等级1、2、3、5的基于体素水平的分类准确率分别为70.1%、76.0%、75.6%、71.1%。结论基于DBSI深度神经网络学习在离体前列腺标本中能够准确鉴别诊断前列腺癌和前列腺良性外周带及间质增生前列腺组织,同是也能较为准确的预测离体前列腺癌组织的ISUP病理分级。
邓晓华[4]（2021）在《中性粒细胞淋巴细胞比值对前列腺癌诊断的临床价值与危险分级的关系研究》文中认为背景前列腺癌（PCa）是男性群体的主要健康问题。由于直肠指检（DRE）和前列腺特异性抗原（PSA）检测在前列腺癌筛查中的广泛应用,1975年至1990年期间前列腺癌的发病率稳定上升。虽然PSA检测对于前列腺癌的早期诊断具有里程碑式的意义,但是良性的前列腺增生、前列腺炎和前列腺按摩等同样可导致血清PSA浓度升高。近期研究观察到全身炎症反应在肿瘤进展过程中起到重要作用。前列腺癌患者术前外周血中性粒细胞和淋巴细胞比值（NLR）是最常见的检查。NLR为前列腺癌诊断和危险分级预测提供新方向。目的研究NLR单独或联合PSA和年龄诊断前列腺癌的临床价值;NLR与前列腺癌危险分级的关系。方法回顾性分析2016年6月至2020年6月期间就诊于新乡医学院第一附属医院和新乡医学院第三附属医院泌尿外科1205例患者。分为前列腺癌组（n=145）和对照组（n=1060）。比较两组患者的一般临床资料,单因素和多因素logistic回归分析影响前列腺癌的危险因素,建立预测模型方程,受试者工作曲线（ROC）评估影响前列腺癌的危险因素评估前列腺癌的临床价值。比较不同前列腺癌危险分级组间NLR水平。结果前列腺癌组年龄、PSA、纤维蛋白原（FIB）、NLR、单核细胞淋巴细胞比值（MLR）和血小板淋巴细胞比值（PLR）高于对照组,淋巴细胞计数低于对照组,均有统计学差异（P<0.05）;年龄、PSA和NLR为前列腺癌的独立危险因素[OR（95%CI）=1.140（1.083～1.251）、1.084（1.042～2.013）、1.435（1.108～2.513）,均P<0.05];年龄诊断前列腺癌的最佳临界值为53.48岁（AUC=0.614,95%CI:0.587～0.652,）,PSA诊断前列腺癌的最佳临界值为5.47μg/L（AUC=0.736,95%CI:0.736～0.751）,NLR诊断前列腺癌的最佳临界值为2.14（AUC=0.754,95%CI:0.732～0.781）。联合检测建立ROC曲线（AUC=0.905,灵敏度=82.5%,特异度80.7%）,建立模型方程Logit（P）=-5.417+0.815×（NLR）+0.074×（PSA）+0.026×（年龄）,最佳临界值为0.35;低危组、中危组和高危组NLR水平分别为2.05±0.26、2.36±0.34和2.75±0.61,组间的比较显示均有统计学差异（F=32.021,P<0.001）。结论1.NLR为前列腺癌的独立危险因素2.NLR联合PSA和年龄对前列腺癌诊断效能优于单一因素3.NLR随前列腺癌危险度分级的增加而增加
姜澳田[5]（2020）在《基于多参数磁共振成像移行带前列腺癌影像组学研究》文中指出背景:前列腺癌好发于60岁以上人群,居全球男性癌症发病率第2位[1]。在欧美国家前列腺癌（prostate cancer,PCa）发病率常年位居男性恶性肿瘤第一位[2]。虽中国前列腺癌发病率远低于欧美国家,但近年来呈逐年上升趋势。前列腺增生是我国中老年男性的好发疾病,随年龄增长,发病率逐渐增加。前列腺癌多发生于前列腺外周带,良性前列腺增生主要发生于移行带,但大量临床病例发现,发生于移行带的前列腺癌并不少见,且两者有时影像检查鉴别困难。前列腺癌的危险度是影响患者治疗方式和预后的重要因素,中低危的前列腺癌恶性程度相对较低,肿瘤生长相对缓慢,病人的预后及生存时间相对较长,临床上对于中低危的前列腺癌可以采取观察等待与主动检测。对于高危前列腺癌由于恶性程度相对较高,患者预后及生存时间相对较短,临床上多采取激进的治疗方式（放疗或根治性切除术）[3]。在临床中穿刺活检是目前术前诊断前列腺癌及评估前列腺癌危险度的“金标准”,但穿刺活检作为一种有创检查,会引发各种并发症。因此临床需要一种准确的非侵入性诊断方法来诊断前列腺癌并对前列腺癌的危险度进行评估,以降低对病人的伤害,并提高患者依从性。纹理分析（texture analysis,TA）作为一种新的影像评估技术,通过分析图像中灰度值、像素值的分布规律,挖掘图像中人眼难以识别的微小结构,可用于肿瘤的分类、分级、预后判断及疗效评估[4]。机器学习是一门关于人工智能的科学,该领域的主要研究的是人工智能,可利用已知数据或以往的经验,来优化计算机程序的性能标准[5],然后自动、迅速对新数据作出判断和预测。随着近年来人工智能的兴起,越来越多的研究致力于人工智能在医学上的应用。已有大量的研究证实纹理分析结合机器学习模型在肿瘤的定性、定位、分级、疗效评估及预后方面具有重大的意义及广泛的临床运用前景。目的:研究基于多参数磁共振成像（Multi-parametric magnetic resonance imaging,mp MRI）的纹理分析联合机器学习模型在移行带前列腺良恶性病变预测和前列腺癌危险度评估的可行性研究。方法:第一部分:回顾性收集2015年1月至2019年12月在我院行MRI检查并经病理证实为前列腺癌和前列腺增生的患者各100例。收集患者影像学资料,采用Ma Zda软件分别在T2WI及ADC图像上勾画病灶所在最大层面的整个前列腺组织,提取出纹理参数建立数据集,分别建立T2WI数据集、ADC数据集及总数据集（T2WI数据集+ADC数据集）,然后采用Pearson+PCA的方法分别对数据集进行特征降维,筛选出对诊断有意义的参数。建立机器学习模型:于前列腺癌组和前列腺增生组各随机抽取70%病例作为训练组,剩余30%病例作为验证组。在训练组建立五种机器学习模型,分别为决策树（Decision tree,DT）、朴素贝叶斯（Naive Bayesian,NB）、K-邻近（K-Nearest,KNN）、随机森林（Random forests,RF）、支持向量机（Support vector machine,SVM）。用测试组对模型进行验证,并评价各个模型效能。第二部分:我们将第一部分中前列腺癌组的100个病例,根据其病理格林森评分（Gleason score,GS）进一步分为中低危组（GS≤7）和高危组（GS≥8）。除去缺少GS评分的17个病例,最终符合纳入标准83个病例,其中低危（GS≤7）的30人,高危（GS≥8）53人。收集患者影像学资料,采用Ma Zda软件分别在T2WI及ADC图像上勾画病灶所在最大层面的整个前列腺组织,提取出纹理参数建立T2WI及ADC数据集,运用Ma Zda自带的降维方式进行降维,并通过B11模块进行分类,得出不同降维方式与不同分类方式组合的误判率。分类结果显示在ADC序列中采用FPM+NDA分类结果误判率最低。故将ADC序列中FPM降维所得的30个纹理参数进行T检验,筛选出有统计学意义（P<0.05）的纹理参数,将有意义的纹理参数纳入Logistic回归,得出对预测前列腺癌危险度的独立危险因素,并做ROC曲线评价参数的预测性能。结果:（1）基于T2WI数据集各模型的预测性能为:DT（AUC=0.65,准确率=76%）,NB（AUC=0.83,准确率=82%）,K-NN（AUC=0.74,准确率=78%）,RF（AUC=0.81,准确率=83%）,SVM（AUC=0.65,准确率=69%）;基于ADC数据集各模型的预测性能为:DT（AUC=0.72,准确率=71%）,NB（AUC=0.90,准确率=88%）,K-NN（AUC=0.73,准确率=71%）,RF（AUC=0.84,准确率=83%）,SVM（AUC=0.67,准确率=69%）;基于总数据集各模型的预测性能为:DT（AUC=0.87,准确率=84%）,NB（AUC=0.93,准确率=90%）,K-NN（AUC=0.84,准确率=88%）,RF（AUC=0.84,准确率=83%）,SVM（AUC=0.80,准确率=78%）。（2）在基于T2WI数据集、ADC数据集及总数据集建立的NB模型与其他四个模型相比均有较好的诊断性能,表现出非常好及优秀的性能（AUC=0.83-0.93）。基于ADC数据集建立的各个模型性能普遍均优于T2WI数据集建立的各个模型。在三个数据集中基于总数据集训练的NB模型与其他模型相比性能最佳（AUC=0.93,准确度=90%）。（3）在纹理分析对移行带前列腺癌危险度的研究中发现与T2WI相比,ADC序列包含更多的区别中低危及高危移行带前列腺癌的纹理特征。前列腺整体纹理特征预测移行带前列腺癌危险度的独立影响因素为Wav En HH＿s-5和Wav En HL＿s-5。用Wav En HH＿s-5及Wav En HL＿s-5参数进行前列腺癌诊断,AUC分别为0.799、0.765,表现出良好的诊断性能。两个参数的联合诊断性能更好,AUC值达0.835,表现出非常好的诊断性能。结论:基于mp MRI前列腺癌影像组学模型可以较好的诊断移行带前列腺癌,纹理分析在预测移行带前列腺癌的危险度方面具有重要的意义。前列腺癌影像组学有良好的临床运用潜能,将来有望成为放射科医生的辅助诊断工具。
殷慧佳[6]（2020）在《多模态磁共振成像对前列腺癌的诊断价值及其危险度评估》文中研究说明背景前列腺癌（prostate cancer,PCa）是中老年男性泌尿生殖系统中最常见的恶性肿瘤之一,同时也是男性第二大常见肿瘤[1]。前列腺癌发病有着比较明显的地域和种族上的差异[2-4]。近年来,我国的PCa发病率也持续上升[5,6]。不同危险度的患者治疗方案及预后有所不同,早期前列腺癌可进行积极治疗,可达到较高的五年生存率,然而,晚期前列腺癌患者的五年生存率则呈现明显下降的趋势[7-10]。因此,早期诊断并准确评估其危险度是提高我国PCa患者生活质量、降低其死亡率的关键。磁共振成像是对前列腺疾病诊断和鉴别诊断所使用的最佳影像检查技术[11],并且多参数磁共振成像已经广泛应用于前列腺癌的研究评估和诊断中[12]。氨基质子转移（amide proton transfer,APT）成像、扩散峰度成像（diffusion kurtosis imaging,DKI）都是近年来发展起来的磁共振新技术,可以无创性检测前列腺癌组织中的大分子/多肽含量,以及肿瘤内部水分子扩散等的微观信息,为前列腺癌的诊断、危险度的评估和治疗方案的选择及制订提供非常重要的客观参考依据。第一部分氨基质子转移成像对前列腺癌的诊断价值及其危险度评估目的探讨氨基质子转移成像在前列腺癌中的诊断应用价值,以及对其危险度评估的价值。材料与方法收集2017年8月至2018年5月在我院门诊和住院行MR检查并经过活检病理或手术病理证实为前列腺癌的患者共39例。术前所有的患者都进行了磁共振常规序列（横轴位、矢状位、冠状位T1WI和T2WI）检查以及斜轴位扩散加权成像（diffusion weighted imaging,DWI）、斜轴位氨基质子转移（amide proton transfer,APT）成像序列扫描,将扫描获得的所有原始图像全部传至后处理工作站,由两名放射科医师分别测量PCa患者的癌区、非癌外周带组织在3.5ppm处的非对称性磁化转移率（magnetization transfer ratio asymmetry,MTRasym（3.5ppm））,使用相关统计学软件对测得的参数进行分析,比较癌区及非癌外周带区（peripheral zone,PZ）MTRasym值的差异。根据Gleason评分（Gleason Score,GS）对前列腺的癌区参数值的危险度进行分组（GS评分>7分为高危组、GS评分=7分为中危组、GS评分<7分为低危组）,分为高危、中危、低危组（高危组病例数为20例,中危组病例数为14例,低危组病例数为5例）,并比较上述所测病变区各组间MTRasym值的差异;采用受试者工作特征曲线（receiver operating characteristic curve,ROC）评价各参数的诊断效能;使用Spearman等级相关对前列腺癌的癌区所测的MTRasym值与Gleason评分进行相关性分析。结果前列腺癌区的MTRasym值显着高于非癌外周带组织（P<0.05）;低危组病例与中危组病例的MTRasym值无统计学差异（P>0.05）,低危组病例与高危组病例、中危组病例与高危组病例的MTRasym值均有差异（P<0.05）;Gleason评分与MTRasym值呈正相关（r=0.568,P<0.05）。低危组病例与中危组病例、中危组病例与高危组病例、低危组病例与高危组病例的ROC曲线下面积分别为0.657、0.814、0.890,诊断阈值分别为3.69%,3.99%,4.67%,敏感度分别为100.0%,100.0%,65.0%,特异度分别为40.0%,57.1%,100.0%,约登指数分别为0.400,0.571,0.650。结论APT具备初步诊断前列腺癌的能力,并能预测其危险度,为前列腺癌的临床诊疗提供了参考。第二部分扩散峰度成像对前列腺癌的诊断价值及其危险度评估目的探讨扩散峰度成像（DKI）对前列腺癌的诊断价值,以及对其危险度评估的价值。材料与方法收集2017年10月至2018年12月于我院门诊和住院行MR检查,并经过病理检查或活检证实的45例PCa患者的DKI序列影像资料。患者在术前均行常规MR检查序列（包括横轴位、矢状位、冠状位T1WI和T2WI）及斜轴位的扩散加权成像（diffusion weighted imaging,DWI）和扩散峰度成像（diffusion kurtosis imaging,DKI）序列扫描,b值选取为0、500、1000、1500、2000 s/mm2,分别测量PCa患者的癌区、非癌外周带组织的参数值平均扩散峰度（mean kurtosis,MK）值、平均扩散系数（mean diffusivity,MD）值,使用相关统计学软件对测得的参数进行分析,分别比较癌区及非癌区MK值、MD值的差异。根据Gleason评分（GS>7为高危组病例、GS=7为中危组病例、GS<7为低危组病例）将前列腺癌区的危险度分为高、中、低危组三组（高危组病例数为23例,中危组病例数为13例,低危组病例数为9例）,并比较病变区各组间MK值、MD值的差异;采用受试者工作特征曲线（receiver operating characteristic curve,ROC）评价各参数诊断效能;使用Spearman等级相关对MK值、MD值与Gleason评分进行相关性分析。结果前列腺癌区MK值、MD值均显着高于非癌外周带组织,差异具有统计学意义（P<0.05）;低危组病例与中危组病例间MK值、MD值的比较差异无统计学意义（P>0.05）,低危组病例与高危组病例、中危组病例与高危组病例比较的MK值、MD值差异均具有统计学意义（P<0.05）;Gleason评分与MK值呈正相关（r=0.827,P<0.05）,与MD值呈负相关（r=-0.801,P<0.05）。MK/MD值对低危组病例与中危组病例、中危组病例与高危组病例、低危组病例与高危组病例鉴别的ROC曲线下面积分别为0.838/0.769、0.823/0.828、0.961/0.952,诊断阈值分别为1.02/0.85、1.10/0.77、1.02/0.81,敏感度分别为69.23%/84.62%、60.87%/65.22%、95.65%/86.96%,特异度分别为88.89%/66.67%、92.31%/92.31%、88.89%/100.00%,约登指数分别为0.581/0.513、0.532/0.575、0.845/0.869。结论DKI具备诊断前列腺癌的潜力,并可评估其危险度,为前列腺癌在临床上的诊断和治疗提供了可靠的影像学参考依据。
窦保奎[7]（2019）在《3.0T磁共振扩散张量成像参数对前列腺癌的诊断价值及其与Gleason评分的相关性分析》文中研究表明背景前列腺癌（Prostate cancer,PCa）为老年男性常见泌尿生殖系统的恶性肿瘤。近些年来,随着我国人口老龄化的加剧、居民饮食行为结构的变化、前列腺疾病筛查的普及及诊断水平的不断提高,前列腺癌及前列腺增生的发病率较前有明显的上升趋势,前列腺疾患正成为严重威胁我国老年男性生活质量及健康的泌尿系统疾病。磁共振成像（MRI）因其对软组织具有较高分辨率,以及多参数、多序列、多方向成像等优势,可对前列腺癌的临床诊断和分期提供重要证据;当前被认为是前列腺疾病检查中最理想的检查方式之一。随着磁共振成像设备的升级,技术的提高,以及功能成像方法的丰富,磁共振成像检查可为前列腺癌的诊断及分级提供更多的依据,提高前列腺疾病的检出率。磁共振扩散张量成像（diffusion tensor imaging,DTI）是在基于DWI的基础上,施加多个（6-55个,理论上可更多）非线性方向的扩散敏感梯度场,经后处理获取的扩散图像。可用于更加精确的描述水分子的扩散方向特征及在组织间水分子交换状态,可用来对组织结构的微观完整性进行评价。其主要临床临床常用参数为表观扩散系数（apparent diffusion coefficient,ADC）值与各向异性分数（fractional anisotropy,FA）值及扩散张量的纤维示踪图像（diffusion tensor tractography,DTT）。近年来其对于前列腺疾病的诊断应用成为研究热点。但因国内外不同机构的研究成果尚未统一且存在争议。目的本研究旨在通过3.0T磁共振DTI技术参数对前列腺增生及前列腺癌的鉴别诊断研究,以及3.0T磁共振扩散张量技术其参数与前列腺癌Gleason评分间的相关性研究。探讨其在前列腺癌中的诊断价值。资料与方法回顾性对2016年9月至2017年9月以尿频、尿急、排尿困难、夜尿增多等临床症状来我院住院并拟行手术治疗的病人65例分析,所有患者均在检查后行手术治疗或行经超声引导下穿刺,得到病理结果。平均年龄为（65±7）岁,范围（53-81）岁。经术后病理或超声穿刺后病理证实其中前列腺增生组患者27例,前列腺癌组患者38例;分析前列腺癌组与前列腺增生组DTI参数间是否具有统计学意义。并将前列腺癌组患者根据其病理按Gleason评分将其分为三组（高危组7例:Gleason评分≥8分;中危组17例:Gleason评分=7分;低危组14例:Gleason评分≤6分）,分析比较DTI参数与前列腺癌Gleason评分的相关性。结果1.前列腺癌组和前列腺增生组的FA值分别为0.310±0.087和0.231±0.029,前列腺癌组FA值大于增生组,两组数值间存在差异,且差异具有统计学意义（t=4.578;P<0.05）。前列腺癌组和前列腺增生组ADC值分别为（0.986±0.144）×10-3mm2/s和（1.438±0.198）×10-3mm2/s,前列腺癌组ADC值小于增生组,两组数值间存在差异,且差异具有统计学意义（t=-10.66;P<0.05）。2.根据ROC曲线,FA值曲线下面积为0.827。根据Youden指数最大,当FA值为0.274时,敏感度为86%,特异度为64%。95%可信区间范围为0.719-0.934。根据ROC曲线,ADC值曲线下面积为0.948。根据Youden指数最大,当ADC值为1.202×10-3mm2/s时,敏感度为89%,特异度为76%。95%可信区间范围为0.752-0.941。3.前列腺癌Gleason评分危险度分级高危组、中危组、低危组的FA值分别为0.444±0.052、0.323±0.022、0.227±0.048,各组间数值均有统计学差异,且差异具有统计学意义（F=73.153,P<0.05）,且两两组间比较具有统计学差异（P<0.05）。FA值与Gleason评分危险度分级成正相关（r=0.934,P<0.05）;即随着Gleason评分的升高,FA值升高,反之降低。前列腺癌Gleason评分危险度分级高危组、中危组、低危组的ADC值分别为（0.769±0.053）×10-3mm2/s、（0.959±0.065）×10-3mm2/s、（1.128±0.067）×10-3mm2/s,各组间数值均有统计学差异,且差异具有统计学意义（F=76.993,P<0.05）,且两两组间比较具有统计学差异（P<0.05）。ADC值与Gleason评分危险度分级成负相关（r=0.876,P<0.05）;即随着Gleason评分的升高,ADC值减低,反之升高。结论DTI参数能够反映前列腺组织的微观差异,提供定量诊断信息,对前列腺癌诊断有一定的诊断线索,可用于评价前列腺癌的分级和预后。
秦俊法[8]（2014）在《中国硒研究历史回顾(上)》文中进行了进一步梳理过去50年中,中国微量元素科学和营养科学中最重要的发现,就是认识了硒对人体健康的重要性。在诸多微量元素中,没有哪一个元素能像硒那样对人类产生如此深刻而又广泛的影响。从硒的生物必需性、硒的生物效应两面性、硒的抗癌性、硒的延寿作用及富硒产品开发五个方面回顾了中国的硒研究历程。
黎钧耀[9]（2013）在《癌症的营养干预研究》文中指出膳食和营养是包括癌症在内的许多慢性病的重要可改变、可预防危险因素。最新科学估算指出,世界癌症负担约1/5到1/3与饮食、营养和身体活动有关,从而有可能加以预防或推迟其发生。营养干预是癌症预防和控制的重要策略。自20世纪80年代以来,已开展过大量营养干预研究。一些研究表明,营养补充对降低癌症危险是有效的。然而,可能由于人群营养状况并不缺乏或者干预太迟等原因,也有许多研究未能证实这种效果。未来癌症的膳食和营养干预研究,必须根据不同人群的癌症构成模式和营养状况,同时遵循"绿色"化学预防方向,通过补充多种营养素或全食物来继续加以探讨。这应成为我国癌症研究的一个重要领域。
刘玲,卓滋泽,马文军[10]（2013）在《硒与肿瘤的关系研究进展》文中进行了进一步梳理硒是人体必需微量元素,有着广泛的生物学效应。硒与多种疾病的发生有关。硒及其化合物与肿瘤的关系研究最多。大部分研究结果表明硒具有防癌、抗癌功能。但是,硒对于不同肿瘤的作用效果和机制却不尽相同。由于硒在体内代谢复杂,其防癌、抗癌机制的研究也较为困难。该文就硒及其化合物对不同肿瘤的作用效果和机制研究现状进行综述,并对今后有关低硒与肿瘤的因果关系以及防治肿瘤所需硒补充剂量的相关研究工作进行展望。
二、硒与前列腺癌危险度（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、硒与前列腺癌危险度（论文提纲范文）
（1）基于超声图像特征机器学习预测前列腺癌危险度的价值（论文提纲范文）
| 1 资料与方法 |
| 1.1 临床资料 |
| 1.2 方法 |
| 1.2.1 穿刺活检 |
| 1.2.2 TRUS检查及图像分析 |
| 1.3 血流情况 |
| 1.3.1 结节灶血流量情况 |
| 1.3.2 外腺腺体血流量情况 |
| 1.4 PCa危险度判定标准 |
| 1.5 构建PCa危险度预测模型 |
| 1.5.1 数据预处理 |
| 1.5.2 构建样本集 |
| 1.5.3 建模与实验 |
| 1.5.3. 1 分类预测模型 |
| 1.5.3. 2 模型验证 |
| 1.6 统计学方法 |
| 2 结果 |
| 2.1 单一特征相关性 |
| 2.2 模型评价 |
| 3讨论 |
（2）基于生物信息学挖掘的PMEPA1基因在前列腺癌中的初步实验验证（论文提纲范文）
| 摘要 |
| abstract |
| 中英文缩略词表 |
| 第1章 引言 |
| 第2章 资料与方法 |
| 2.1 实验材料 |
| 2.1.1 实验样本 |
| 2.1.2 仪器设备 |
| 2.1.3 试剂 |
| 2.2 实验方法 |
| 2.2.1 芯片数据来源 |
| 2.2.2 数据处理与差异表达基因的筛选 |
| 2.2.3 差异表达基因的GO功能和通路富集分析 |
| 2.2.4 蛋白质相互作用网络构建与关键基因筛选 |
| 2.2.5 关键基因的验证 |
| 2.2.6 免疫组织化学染色分析 |
| 2.2.7 染色结果判断 |
| 2.2.8 统计方法 |
| 第3章 结果 |
| 3.1 筛选的差异表达基因 |
| 3.2 差异表达基因的GO功能和KEGG通路富集分析 |
| 3.3 蛋白质相互作用网络构建与关键基因筛选 |
| 3.4 关键基因的验证 |
| 3.4.1 前列腺癌中关键基因的表达情况分析 |
| 3.4.2 关键基因的生存分析 |
| 3.5 实验样本的一般临床病理资料 |
| 3.6 病理组织样本免疫组织化学染色结果分析 |
| 3.7 PMEPA1基因差异表达与PCA患者临床病理资料之间的关联性分析 |
| 第4章 讨论 |
| 4.1 前列腺癌的临床特征与诊疗 |
| 4.2 PMEPA1基因和编码蛋白的结构及在PCA诊断中的应用分析 |
| 第5章 结论 |
| 致谢 |
| 参考文献 |
| 综述 PMEPA1基因及各亚型在前列腺癌中的作用机制的研究进展 |
| 参考文献 |
（3）基于DBSI的深度神经网络学习在鉴别诊断前列腺癌及预测病理分级中的应用价值（论文提纲范文）
| 摘要 |
| Abstract |
| 缩略词表 |
| 前言 |
| 参考文献 |
| 第一部分 基于DBSI的深度神经网络学习在鉴别诊断前列腺癌中的运用价值 |
| 一、材料和方法 |
| 二、结果 |
| 三、讨论 |
| 四、结论 |
| 参考文献 |
| 第二部分 基于DBSI的深度神经网络学习在预测前列腺癌病理分级中的运用价值 |
| 一、材料和方法 |
| 二、结果 |
| 三、讨论 |
| 四、结论 |
| 参考文献 |
| 第三部分 基于DBSI深度神经网络学习在离体前列腺标本中鉴别诊断前列腺癌及预测病理分级中的运用价值 |
| 一、材料和方法 |
| 二、结果 |
| 三、讨论 |
| 四、结论 |
| 参考文献 |
| 综述 多种影像学方法在前列腺癌诊断及鉴别诊断中的运用价值 |
| 一 、前列腺的组织胚胎学 |
| 二、前列腺癌的简要发生机制 |
| 三、前列腺癌的诊疗现状 |
| 四、多参数磁共振及放射组学的临床运用 |
| 五、全身磁共振的临床运用 |
| 六、CT 的临床运用 |
| 七、骨扫描(Bone Scintigraphy BS)的临床运用 |
| 八、PET/CT 的临床运用 |
| 参考文献 |
| 在读研究生期间发表论文和参加科研工作情况说明 |
| 致谢 |
（4）中性粒细胞淋巴细胞比值对前列腺癌诊断的临床价值与危险分级的关系研究（论文提纲范文）
| 摘要 |
| Abstract |
| 前言 |
| 1 材料和方法 |
| 2 实验结果 |
| 3 讨论 |
| 4 小结 |
| 参考文献 |
| 综述:中性粒细胞淋巴细胞比值对恶性肿瘤诊断和预后的临床研究进展 |
| 参考文献 |
| 附录 英汉名词缩写对照 |
| 附表 |
| 攻读学位期间发表文章情况 |
| 致谢 |
| 个人简历 |
（5）基于多参数磁共振成像移行带前列腺癌影像组学研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 中英文缩略词表 |
| 前言 |
| 第一部分 机器学习模型对移行带前列腺癌的诊断价值 |
| 1 材料与方法 |
| 1.1 一般资料 |
| 1.2 图像的采集与获取 |
| 1.3 病理获取 |
| 1.4 图像ROI区域的勾画 |
| 1.5 纹理特征提取与降维 |
| 1.6 机器学习模型的建立与评估 |
| 2 结果 |
| 2.1 特征降维结果 |
| 2.2 机器学习模型性能的评估 |
| 2.3 各机器学习模型ROC曲线结果 |
| 第二部分 纹理分析对移行带前列腺癌危险度的预测价值 |
| 1 材料与方法 |
| 1.1 一般资料 |
| 1.2 图像的采集与获取 |
| 1.3 病理获取 |
| 1.4 图像ROI区域的勾画 |
| 1.5 纹理特征提取与降维 |
| 1.6 分类结果 |
| 2 结果 |
| 2.1 ADC序列FPM降维方式筛选纹理特征的T检验结果 |
| 2.2 ADC 序列纹理特征与前列腺癌侵袭度相关性 logistic 回归分析 |
| 2.3 优势纹理特征预测移行带前列腺癌危险度的效能评估 |
| 讨论 |
| 全文总结 |
| 结论 |
| 本研究创新性的自我评价 |
| 参考文献 |
| 综述 纹理分析在前列腺癌诊疗中的研究进展 |
| 参考文献 |
| 致谢 |
（6）多模态磁共振成像对前列腺癌的诊断价值及其危险度评估（论文提纲范文）
| 摘要 |
| Abstract |
| 前言 |
| 第一部分 氨基质子转移成像对前列腺癌的诊断价值及其危险度评估 |
| 1 材料与方法 |
| 2 结果 |
| 3 讨论 |
| 4 结论 |
| 第二部分 扩散峰度成像对前列腺癌的诊断价值及其危险度评估 |
| 1 材料与方法 |
| 2 结果 |
| 3 讨论 |
| 4 结论 |
| 参考文献 |
| 综述:多模态磁共振成像在前列腺癌诊断中的应用进展 |
| 参考文献 |
| 附录 |
| 附件 |
| 攻读学位期间发表文章情况 |
| 致谢 |
| 个人简历 |
（7）3.0T磁共振扩散张量成像参数对前列腺癌的诊断价值及其与Gleason评分的相关性分析（论文提纲范文）
| 摘要 |
| Abstract |
| 前言 |
| 1 资料与方法 |
| 2 结果 |
| 3 讨论 |
| 4 结论 |
| 附图 |
| 参考文献 |
| 综述:磁共振对前列腺癌诊断研究进展 |
| 参考文献 |
| 附录 :中英文缩略表 |
| 攻读学位期间发表文章情况 |
| 致谢 |
| 个人简历 |
（8）中国硒研究历史回顾(上)（论文提纲范文）
| 1 硒的生物必需性 |
| 1. 1 克山病病因及预防[1 - 5] |
| 1. 2 人体硒需要量和安全摄入量[2,6 - 8] |
| 2 硒的生物效应两面性 |
| 2. 1 硒的营养性和毒性[9 - 10] |
| 2. 2 硒的生物学效应[9 - 10] |
| 2. 3 硒的 Weinberg 曲线[11 - 13] |
| 2. 4 硒与糖尿病[14 - 16] |
| 2. 5 土壤元素与癌症[17 - 19] |
| 3 硒的抗癌性 |
| 3. 1 早期研究( 1912 — 1976)[20] |
| 3. 2 流行病学调查[20] |
| 3. 3 干预试验[21 - 24] |
| 3. 4 临床观察[25 - 27] |
（10）硒与肿瘤的关系研究进展（论文提纲范文）
| 1 硒与前列腺癌 |
| 2 硒与乳腺癌 |
| 3 硒与肝癌 |
| 4 硒与肺癌 |
| 5 小结 |
四、硒与前列腺癌危险度（论文参考文献）
- [1]基于超声图像特征机器学习预测前列腺癌危险度的价值[J]. 冯玉洁,吴隘红,付启欢,洪睿霞,周航,李芳. 中国临床医学影像杂志, 2022
- [2]基于生物信息学挖掘的PMEPA1基因在前列腺癌中的初步实验验证[D]. 梅开. 南昌大学, 2021(01)
- [3]基于DBSI的深度神经网络学习在鉴别诊断前列腺癌及预测病理分级中的应用价值[D]. 阳青松. 中国人民解放军海军军医大学, 2021(01)
- [4]中性粒细胞淋巴细胞比值对前列腺癌诊断的临床价值与危险分级的关系研究[D]. 邓晓华. 新乡医学院, 2021(01)
- [5]基于多参数磁共振成像移行带前列腺癌影像组学研究[D]. 姜澳田. 河南大学, 2020(02)
- [6]多模态磁共振成像对前列腺癌的诊断价值及其危险度评估[D]. 殷慧佳. 新乡医学院, 2020(12)
- [7]3.0T磁共振扩散张量成像参数对前列腺癌的诊断价值及其与Gleason评分的相关性分析[D]. 窦保奎. 新乡医学院, 2019(02)
- [8]中国硒研究历史回顾(上)[J]. 秦俊法. 广东微量元素科学, 2014(11)
- [9]癌症的营养干预研究[J]. 黎钧耀. 化学进展, 2013(09)
- [10]硒与肿瘤的关系研究进展[J]. 刘玲,卓滋泽,马文军. 环境与健康杂志, 2013(09)
标签：前列腺癌论文; 前列腺特异性抗原论文; 前列腺肿瘤论文; 基因合成论文; 病理检查论文;