结构性聚类中F10药物凝聚层次聚类,群集数最大25,最小12;结构性聚类中F20药物凝聚层次聚类,群集数最大21,最小8;结构性聚类中F30药物凝聚层次聚类,群集数最大15,最小5。结论对于中医临床医案单病种数据挖掘研究,方法的选取主要取决于样本的总体数量与药物的总体频数。数据量较小时宜选取结构性聚类,药物结构性聚类挖掘设计宜采用较高药物频幅,挖掘终值偏倚较低,研究一般结果临床拟合度较好;数据量较大时宜选取分散性聚类,分散性聚类挖掘设计宜采用方剂分散性聚类,挖掘终值偏倚较低,研究结果临床拟合度较好。
淋巴瘤是源于淋巴造血系统的一类恶性肿瘤,基于医学影像及病理图像的精准诊断对临床治疗淋巴瘤具有重要价值。随着机器学习和深度学习技术的发展,利用人工智能技术对淋巴瘤图像分类已成为医学领域的研究热点之一点击此处。对淋巴瘤影像及病理图像分类技术的研究进展进行了系统总结与分析,并重点阐述了基于机器学习等新技术的图像分类方法与研究概况,对淋巴瘤图像分类的相关技术做了总结与展望。
原发中枢神经系统淋巴瘤(primary central nervous system lymphoma,PCNSL)是一种罕见的侵袭性结外非霍奇金淋巴瘤(non-HCX-5461花费odgkin lymphoma,NHL),通常局限于大脑、眼睛、脊髓或软脑膜而无全身性受累。PCNSL的诊断、治疗和预后与其他类型NHL不同。传统治疗方法如手术、全脑放疗、以大剂量甲氨蝶呤为基础的化疗以及利妥昔单抗等,虽然初始缓解率较高,但缓解持续时间短、复发率高、神经系统不良反应较大,总体生存期短。此外,对于复发/难治PCNSL,传统治疗方法效果并不能令人满意,因此,寻找更加有效、持续时间更长的治疗方法便成了当务之急。