目前,基于CTCs物理性质与生化性质的分离方法发展迅速,显示了很好的应用前景,但依然存在CTCs分离纯度低、分离后细胞难以无损选择性释放等亟需解决的问题。本研究通过将明胶-金纳米棒复合的光热释放体系与微流控技术结合,构建了基于微米柱芯片的细胞捕获与光热定点释放装置。通过优化捕获条件,该装置可以实现高达90%的捕获效率。由于明胶的温敏特性和金纳米棒的光热性能,该体系可以实抑制剂现生理温度37℃下细胞群体释放和近红外光照选择性释放,两种释放方式的释放效率和细胞活力均在90%以上。最后将芯片运用于全血样本检测,实现了CTCs的高效捕获与无损选择性释放。
针对深度卷积神经网络训练时的网络退化、特征表达能力不强等问题,提出一种基于非负表示分类和多模态残差神经网络的肺部肿瘤(residual neural netwPU-H71ork-non negative representation classification,resnet-NRC)良恶性分类方法。使用迁移学习将预训练残差神经网络模型初始化参数;分别用CT,PET和PET/CT3个模态的数据集训练残差神经网络,提取全连接层的特征向量;采用非负表示分类器(non-negative representation Luminespib分子量classification,NRC)对特征向量进行非负表示,求解非负系数矩阵;利用残差相似度进行肺部肿瘤良恶性分类。通过AlexNet、GoogleNet、ResNet-18/50/101模型进行对比试验,试验结果表明,ResNet-NRC分类效果优于其它模型,且特异性和灵敏度等各项评价指标也较高,该方法具有较好的鲁棒性和泛化能力。
目的 探讨前列腺癌组织中TEM8与VEGF的表达、两者的相关性及临床意义。