简介：目录学作为一门“辨章学术．考镜源流”的学问，向被称为读书治学的门径之学。王鸣盛云：“凡读书最切要者，目录之学，目录明方可读书，不明终是乱读。”自刘向、刘歆父子之《别录》《七略》起，我国综合性目录产生千余年后，始有戏曲目录问世及发展。戏曲目录的出现使得目录学作为一个学科．内容更加充实。我国戏曲目录在我国目录学史上是产生较晚的分支．在20世纪取得重大成就，与一大批为发掘、整理“新材料”的学者们的辛勤劳作密切相关。

简介：摘要目的评估基于18F－FDG PET/CT图像的影像组学融合特征结合极端梯度提升(XGBoost)机器学习模型在乳腺癌人表皮生长因子受体2(HER2)表达状态预测中的价值。方法回顾性分析2012年1月至2019年12月于天津医科大学肿瘤医院行18F－FDG PET/CT检查的210例原发性乳腺癌患者[均为女性；年龄52(46，60)岁；HER2阳性95例，HER2阴性115例]，采用Python 3.7.1软件从HER2阳性组及HER2阴性组分别随机抽取70%作为训练集[147例，其中HER2阳性67例，年龄52(46，60)岁；HER2阴性80例，年龄55(45，62)岁]，30%作为测试集[63例，其中HER2阳性28例，年龄54(43，65)岁；HER2阴性35例，年龄52(45，61)岁]。在CT和PET图像上进行肿瘤分割后，分别提取CT、PET影像组学特征，经后处理获得PET/CT融合特征(包括PET/CT拼接特征和PET/CT平均特征)。建立支持向量机(SVM)模型和XGBoost机器学习模型，输入经特征筛选后保留的特征，用于预测乳腺癌原发灶中HER2的表达状态，并用ROC曲线对模型的预测效能进行评估。采用Delong检验分析不同模型及组学特征的预测效能，并绘制预测效能最高的机器学习模型的校准曲线。结果与SVM模型比较，XGBoost模型在输入CT特征、PET特征、PET/CT拼接特征和PET/CT平均特征时均有更佳的预测效能(z值：2.26~3.54, P值：0.016~0.040)。在XGBoost机器学习模型中，PET/CT平均特征预测乳腺癌HER2表达状态的ROC AUC为0.83(95% CI：0.73~0.93)，优于CT特征[0.75(95% CI：0.63~0.88)；z＝3.57，P＝0.027]、PET特征[0.73(95% CI：0.60~0.86)；z＝2.64，P＝0.034]及PET/CT拼接特征[0.74(95% CI：0.60~0.87)；z＝2.49，P＝0.037]。结论基于PET/CT影像组学融合特征建立的XGBoost机器学习模型有望用于乳腺癌患者HER2表达状态的预测。

简介：无

简介：摘要目的评估基于18F-氟脱氧葡萄糖（FDG） PET/CT图像建立的多元影像组学模型对乳腺癌原发灶人表皮生长因子受体2（HER-2）表达状态的预测价值。方法回顾性分析2010年1月1日至2019年12月31日于天津医科大学肿瘤医院行18F-FDG PET/CT检查的273例女性乳腺癌患者的临床和影像学资料，年龄26~78（51.8±10.8）岁。根据乳腺癌原发灶HER-2表达状态的不同将患者分为HER-2阳性组和HER-2阴性组，比较2组患者的临床特征和PET/CT代谢参数的差异。勾画原发灶的感兴趣区，提取所有影像组学特征并建立基于PET/CT图像的影像组学特征模型，将样本中70%的患者作为训练集，剩余30%的患者作为测试集，采用受试者工作特征曲线比较PET/CT代谢参数及影像组学模型对乳腺癌原发灶HER-2表达状态的预测能力，采用十折交叉验证计算预测模型的平均性能。采用Wilcoxon秩和检验比较组间各PET代谢参数是否存在差异。计数资料的比较采用χ2检验，计量资料的比较采用两独立样本t检验和Mann-Whitney U秩和检验。结果HER-2阳性组患者106例、阴性组患者167例。HER-2阴性组患者合并腋下淋巴结转移的比例较HER-2阳性组患者高[85.03%（80/106）对75.47%（142/167）]，且差异有统计学意义（χ2=3.900，P<0.05）。除腋下淋巴结转移情况外，2组患者的年龄、病理学类型及肿瘤分期间的差异均无统计学意义（t=-0.028，χ2=5.429、1.891，均P>0.05）。2组患者的PET代谢参数最大标准化摄取值、平均标准化摄取值、标准化摄取值峰值、肿瘤代谢体积、病灶糖酵解总量之间的差异均无统计学意义（Z=-1.583~-0.064，均P>0.05）。最终筛选出具有较好预测价值的37个影像组学特征建立组学特征模型，其中，PET影像组学参数8个、CT影像组学参数29个。在训练集中，影像组学特征模型曲线下面积（AUC）、准确率、灵敏度和特异度分别为0.913（95% CI：0.871~0.954）、0.882（95%CI：0.832~0.922）、0.849（95%CI：0.759~0.910）和0.910（95%CI：0.841~0.952）；在测试集中，影像组学特征模型AUC、准确率、灵敏度和特异度分别为0.820（95%CI：0.723~0.918）、0.830（95%CI：0.738~0.900）、0.875（95%CI：0.701~0.959）和0.807（95%CI：0.683~0.892）；经十折交叉验证后，影像组学模型的AUC、准确率、灵敏度、特异度的均值分别为0.818、0.847、0.908、0.764。结论相较于传统的PET代谢参数，基于18F-FDG PET/CT图像建立的多元影像组学模型对乳腺癌原发灶HER-2表达状态有较好的预测价值，有助于临床医师筛选曲妥珠单抗受试人群，改善患者预后。