眼底图像深度学习技术对屈光不正的智能诊断研究

目的:提出一种基于人类视觉注意力机制的RE-Net网络结构以使卷积神经网络(CNN)更适用于眼底相的屈光不正的智能诊断评估。方法:RE-Net由Res Net34作为骨干网络,进一步使用了上下文注意力模块,包括通道注意力机制和空间注意力机制,使其相应的通道发挥最大的作用,提高响应区域的权重。结果:使用了4358张眼底图像作为RE-Net的训练集。在包含485张眼底图像的测试集上,分类准确率分别为,高度近视93.3%,中度近视89.7%,轻度近视83.2%,轻度远视82.5%,中度远视79.5%,重度远视84.6%,平均分类准确率达85.5%,曲线下面积(AUC)为0.909,灵敏度为0.93,特异性为0.89, Kappa值为0.79 (x~2=23.21,P0.05)。结论:基于深度学习的RE-NET人工智能诊断系统能较好进行屈光不正的诊断评估,有望为屈光不正提供一种新的筛查工具。     

lncRNA BANCR 在晶体上皮细胞上皮-间质转化，增殖、凋亡及自噬的作用

目的:探索长链非编码RNA BANCR(lncRNA BANCR)在人晶状体上皮细胞FHL24中对上皮-间质转化的作用,并进一步探究了其调控晶体上皮细胞增殖、凋亡及自噬的作用及相关分子机制。方法:运用qReal-time PCR检测TGF-β诱导对FHL24细胞内EMT相关标志物α-SMA,E-cadherin,Coll I,ZO1及BANCR m RNA相对表达量。细胞中转染BANCR。Western印迹检测各组细胞中EMT相关标志蛋白及LC3Ⅱ/Ⅰ的蛋白表达。MTT法检测各组细胞的增殖,凋亡情况。结果:与正常对照组比较,TGF-β诱导组细胞中BANCR,α-SMA, Coll I,ZO1 m RNA的相对表达量明显增加,而E-cadherin m RNA显著下降,差异均有统计学意义(t=-5.031,-7.145,-9.023,-6.012, 5.097均P0.05),以上因子的蛋白表达趋势相同,差异均有统计学意义(均P0.05)。si RNA-BANCR TGF-β诱导组细胞中E-cadherin m RNA相对表达量比si RNA TGF-β诱导组显著增加(t=-9.98, P0.05);α-SMA,Coll I及ZO1 m RNA相对表则显著减少(t=9.003; 27.738; 19.620, P0.05)。抑制BANCR后细胞增殖活力48、72 h时细胞活性显著降低(t=5.032, 9.041,均P0.05),细胞凋亡率显著升(t=16.772,P0.001)。自噬标志蛋白LC3-II/LC3-I比例增加(P 0.05)。结论:长链非编码BANCR参与了晶体上皮细胞的抑制其上皮-间质转化,抑制BANCR可抑制晶体上皮细胞增殖、增加凋亡及自噬的发生。