肿瘤

自2015年1月20日美国总统奥巴马高调宣布启动“精准医疗计划（Precision Medicine Initiative）”以来，全球范围内掀起一股精准医疗热。在国内，精准医疗也风生水起，受到业内学者、药企代表、患者等相关人群的广泛关注。精准医疗本质上是一种更为精确的个性化医疗，非常适用于恶性肿瘤的临床治疗。而相对于其他精准医疗策略，精准细胞免疫治疗（precision cell immunotherapy，PCIT）具有开发周期相对较短、投入相对较低的优势，适合我国的国情，具有巨大的应用前景，有望成为我国恶性肿瘤精准医疗的一大突破口。 精准医疗是肿瘤临床治疗的必然趋势 肿瘤精准细胞免疫治疗：梦想照进现实 精准医疗（precision medicine）是通过基因组、蛋白质组等组学技术和医学前沿技术，对疾病进行精细分类及精确诊断，从而对疾病和特定患者进行个性化精准疗的新型医学概念与医疗模式。2011年，在“人类基因组计划”完成近10年后，这一概念由美国著名基因组学家Olson博士在其参与起草的美国国家智库报告《走向精准医疗》中首次提出。精准医疗模式集合了诸多现代医学科技发展的知识与技术体系，体现了医学科学发展趋势，也代表了临床实践发展的方向，将带来一场新的医疗革命并将深刻响未来医疗模式。正是基于此考虑，2015年1月20日，美国总统奥巴马在白宫高调宣布启动“精准医疗计划”

描述 在一个正方形的灰度图片上，肿瘤是一块矩形的区域，肿瘤的边缘所在的像素点在图片中用0表示。其它肿瘤内和肿瘤外的点都用255表示。现在要求你编写一个程序，计算肿瘤内部的像素点的个数（不包括肿瘤边缘上的点）。已知肿瘤的边缘平行于图像的边缘。 输入 只有一个测试样例。第一行有一个整数n，表示正方形图像的边长。其后n行每行有n个整数，取值为0或255。整数之间用一个空格隔开。已知n不大于1000。 输出 输出一行，该行包含一个整数，为要求的肿瘤内的像素点的个数。 样例输入 5 255 255 255 255 255 255 0 0 0 255 255 0 255 0 255 255 0 0 0 255 255 255 255 255 255 样例输出 1 分析 分析题意就可以，找到左上角和右下角就可以 代码 # include <stdio.h> int sz [ 1200 ] [ 1200 ] ; int main ( ) { int n , i , j , ii1 , ii2 , jj1 , jj2 ; scanf ( "%d" , & n ) ; for ( i = 0 ; i < n ; i ++ ) { for ( j = 0 ; j < n ; j ++ ) { scanf ( "%d" , & sz [ i ] [ j ] ) ; } } for ( i = 0 ; i

基因疗法研究报告 作者：郭敏 人工智能对医疗和健康产业的冲击和革命 文章分四部分： 1、基因治疗的现状与前景（存在的困难、基因治疗的技术） 2、基因治疗与大数据的关系 3、基因治疗与人工智能的关系 4、个人看法 第一部分 ：基因治疗的现状与前景 人类细胞基因治疗的临床实验已经开始。进行基因治疗必须具备下列条件：1）选择适当的疾病，并对其发病机理及相应基因的结构功能了解清楚；2）纠正该病的基因已被克隆，并了解该基因表达与调控的机制与条件；3）该基因具有适宜的受体细胞并能在体外有效表达；4）具有安全有效的转移载体和方法，以及可供利用的动物模型。近三年来，以对若干人类单基因遗传病和肿瘤开展了临床的基因治疗。基因治疗将是21世纪医药领域的最大突破。随着人类基因计划的完成，人体的重要生理活动与疾病相关的基因不断被发现，人们已经逐步认识到大多数疾病是由于基因结构和功能的改变而引起的，基因治疗将带来临床医学的巨大革命。基因治疗的手段将越来越多的应用于诸如病毒性传染（如各型肝炎、艾滋病等）、恶性肿瘤、心血管疾病、老年病等目前尚无理想治疗方案的疾病的治疗。除此之外，基因治疗将为多种疾病预防的有效措施之一。作为生物技术发展的前沿，毋庸置疑，基因治疗将为多种疑难杂症的治疗开辟更广阔的前景，进而为人类的健康带来不可估量的利益。目前，基因治疗已经从盲目阶段进入了理性化阶段。尽管基因治疗仍存在安全性

IDC评述网（idcps.com）05月03日报道：手指上戳一滴血就可以检测你是否得了癌症？近日，一篇《重大突破！一滴血可测癌症，已被批准临床使用》的文章在网络上广泛传播。文章里提到：“清华大学生命科学学院罗永章团队自主研发出了一种专门检测热休克蛋白90 的试剂盒。患者只需取一滴血，即可用于癌症病情监测和治疗效果评价。”不少网友认为，“如果这是真的，那是重大喜讯！” 对此，一些专家如浙江省肿瘤医院苏丹教授对媒体表示，“ 一滴血可测癌症”的说法不太严谨 ，过分夸大了肿瘤标志物在肿瘤诊断中的作用，“会误导老百姓以为靠一滴血就能测出自己是否患了癌症，患哪种癌症。”“滴血测癌”究竟是怎么回事？为何专家认为这一说法不严谨？南都记者采访了该试剂生产商烟台普罗吉生物科技发展有限公司副总经理罗亮，解释个中原委。 A 试剂盒用途是什么？ 可用于疗效和病情监测，而非筛查检测 据了解，2013年，清华大学生命科学学院罗永章教授课题组在国际上证明，人热休克蛋白90 (H sp90 )是一种全新的肿瘤标志物，并研发出了定量检测的试剂盒，通过临床试验验证，获准进入中国和欧盟市场。这也是，人热休克蛋白90 被发现24年来，世界首个获批用于临床的产品。肿瘤标志物是一类反映肿瘤存在的物质，在肿瘤患者中的含量远远超过健康人。它的存在或量的改变可提示肿瘤的性质，已成为肿瘤诊断、预后及治疗指导的一种重要辅助手段

描述 一张CT扫描的灰度图像可以用一个N*N（0 < N <= 100）的矩阵描述，矩阵上的每个点对应一个灰度值（整数），其取值范围是0-255。我们假设给定的图像中有且只有一个肿瘤。在图上监测肿瘤的方法如下：如果某个点对应的灰度值小于等于50，则这个点在肿瘤上，否则不在肿瘤上。我们把在肿瘤上的点的数目加起来，就得到了肿瘤在图上的面积。任何在肿瘤上的点，如果它是图像的边界或者它的上下左右四个相邻点中至少有一个是非肿瘤上的点，则该点称为肿瘤的边界点。肿瘤的边界点的个数称为肿瘤的周长。现在给定一个图像，要求计算其中的肿瘤的面积和周长。 输入 输入第一行包含一个正整数N（0 < N <= 100），表示图像的大小；接下来N行，每行包含图像的一行。图像的一行用N个整数表示（所有整数大于等于0，小于等于255），两个整数之间用一个空格隔开。 输出 输出只有一行，该行包含两个正整数，分别为给定图像中肿瘤的面积和周长，用一个空格分开。 样例输入 6 99 99 99 99 99 99 99 99 99 50 99 99 99 99 49 49 50 51 99 50 20 25 52 99 40 50 99 99 99 99 99 99 99 99 99 99 样例输出 9 8 # include <stdio.h> int sz [ 120 ] [ 120 ] , n ; int main (

一、任务分析 肿瘤分割任务由于个体间形状、纹理等差异大，从而实现更加困难。本文就来分析一下，肿瘤分割任务。 在传统医学诊断中，专家的判断几乎是一个决定性的考量因素。即使在深度学习和人工智能快速发展的今天，医学诊断问题上，依然严重依赖于医生的判断。然而，这种依赖存在一定的问题，比如耗时长，比如在高强度的重复工作条件下医生所出现的疲劳和由此引发的失误。 因此，人们开展了越来越多的尝试，希望通过深度学习来实现某些医学诊断。其中一个很重要的应用就是肿瘤的分割。尽管在某些条件和情况下，深度学习的诊断效果非常好，但是这些方法仍然严重受限于数据库、范化性、精度等问题。 不同于医学领域中的器官类分割，不同肿瘤的形状、纹理千差万别，很难通过直接匹配的方式找到它们之间存在的共性。因此，想要利用器官类分割的方法来区分肿瘤，是非常困难的。 本文我们来分析一下，医学领域的肿瘤分割有哪些问题，并给出应用范例。 脑部肿瘤分割示例 二、难点介绍 为了更形象化的描述，这里我们用传统方法的局限分析的方式来侧面了解肿瘤分割问题的困难和产生的原因。 1. 基于阈值的分割方法 基于阈值的分割方法是图像分割中 最简单、高效 的方法，也是 最基础 的方法之一。这种方法通过对图像内设置 全局或局部阈值 ，实现 灰度图像的二值化 ，从而实现前背景分割，即目标区域分割。然而，在肿瘤分割问题上则存在明显问题。以皮肤癌为例

题目：Quantitative Proteomics of Th-MYCN Transgenic Mice Reveals Aurora Kinase Inhibitor Altered Metabolic Pathways and Enhanced ACADM To Suppress Neuroblastoma Progression 期刊：Journal of Proteome Research 发表时间：September 27, 2019 DOI：10.1021/acs.jproteome.9b00245 分享人：廖文丽 内容与观点： 一、概述 研究首先分析了神经母细胞瘤患者的转录组，发现Aurora kinase导致患者的存活率低，并且与MYCN和高危疾病呈正相关。pan-aurora kinase抑制剂(tozasertib)治疗不仅诱导细胞周期停滞并抑制MYCN扩增（MNA）神经母细胞瘤细胞系中的细胞增殖，迁移和侵袭能力，而且还抑制肿瘤细胞生长并延长Th-MYCN转基因小鼠的存活时间。此外，研究对Th-MYCN转基因小鼠进行了定量蛋白质组学研究，并鉴定了tozasertib治疗后150种差异表达的蛋白。蛋白功能和网络研究表明tozasertib改变了代谢过程，并提高ACADM表达。研究表明pan-aurora

2 机器学习算法 2.1 监督学习 首先给出一个例子来解释什么是监督学习，后面将给出更加正式的定义。假设你想预测房价（无比需要啊。。。。），某个学生从某地收集了数据集，其中一个数据集是这样的。横坐标是房子的面积（平方英尺为单位），纵坐标是房子的价格（单位千美元）。 假设你的朋友有个750平方米的房子，想要知道能够卖多少钱。学习算法怎么可以帮助你呢？一种方法是学习算法可以绘制一条直线，使这条直线尽可能的匹配到所有数据，从下图可以看出，可能能够买到15万刀（一平米两千刀，看来人家的房价也不低啊。。。。）。 直线可能并不是最好的方法，可能会有更好的，在房价预测的例子中，可能一个二元函数能够更好的匹配所有数据，即二次多项式更加符合数据集，如果你这样做，预测结果就应该是20万刀（我去，还让人活吗？？？）。后面会介绍怎么决定是选择线性函数还是二次函数来拟合数据。 监督学习意指给一个算法一个数据集，在这个数据集中正确的答案已经存在了（supervised learning refers to the fact that we gave the algorithm a data set in which the "right answers" were given.）。比如给定房价数据集，对于里面的每一个例子，算法都知道正确的房价，即这个房子实际卖出的价格，算法的结果就是计算出更多的正确的价格

这篇文章将会介绍一下什么是 监督学习(Supervised Learning) ？ 在正式给监督学习下定义之前，我先用一个例子来理解一下。 假设我们闲着没事，想要卖掉房子?，但是不相信黑心中介的报价，这个时候我们就要学会自己来预测房价。 首先我们需要收集一堆房价的数据，把这些数据画出来，就像下图⤵️ 横坐标表示房子面积，纵坐标表示房价 ❌表示真实的数据，可以在这组数据中，画出一条直线，根据这条直线，我们可以预测出 750 平方英尺的房子，大概可以卖 $150,000。 当然，这不是唯一的算法，如果你嫌价格太低，也可以拟合出一条曲线（只要你开心），那个拟合效果可能会更好。 以上就是一个监督学习的例子。 可以看出来，监督学习就是我们给学习算法一个已知的数据集，例子中每个房子的价格是明确的；算法根据这些数据算出更多结果，即房子的价格。 ?房子的价格是一个连续值，术语管这叫做 回归(Regression)问题 。 理解 回归 这个词很有必要，它针对的是连续值。 我再举一个**分类(Classification)**的问题，它也属于监督学习一种。 假设你得了乳腺肿瘤，那么肯定很在意恶性的还是良性的。 在下面的数据中，横坐标表示肿瘤大小，纵坐标 0 表示良性，1 表示恶性。 红色表示恶性，蓝色表示良性 假设你们的肿瘤大概这么大，那么在这个例子中，机器需要估算出肿瘤是恶性的或是良性的概率

课程讲师 ：Andrew Ng 吴恩达（斯坦福教授，百度首席科学家） 课程地址 ： https://www.coursera.org/learn/machine-learning/lecture/1VkCb/supervised-learning （注：括号里基本上是我自己的理解，如有错误请指出，勿喷，少男身少女心，谢谢。） 首先对简单说说我对人工智能的认识：人工智能的本质之一是预测，就是通过学习之后通过建模，然后再利用所得的模型来预测或决策未知的数据。 Supervised learning 监督学习（又分回归和分类）：它理解为，我们给算法一些已有的样本（此处为：一些房子的面积和其对应的价格），算法从中学习一组模型（通俗点，可以说是规律吧），然后算法利用这个学习到的模型来预测未知数据（大意为：我们再给算法一个房子面积，它给我们预测出房子可能的价值）。（回归好像属于监督的一种）。 （这是我前一阵子数据挖掘考试背的监督学习的定义，不知道记错了没）：监督学习，利用一组已知的样本（即为给定的数据集：输入集，和它们对应的结果：正确的输出集）来调整挖掘器（忘了是不是这个器）的参数，使其达到性能最优的过程。 （概念可以结合下面例子来看。） （一些（叫的）专业术语的概念： 离散变量：是指其数值只能用自然数或整数单位计算的则为离散变量.例如,企业个数,职工人数,设备台数等,只能按计量单位数计数