qq_44505899的博客

原创 文献解读：药物推荐模型-2型糖尿病五类药物处方优化模型的开发与验证

原创 共病疼痛状况对抑郁症累积效应及炎症机制解析

利用遗传变异作为工具变量，采用**孟德尔随机化（MR）**方法探讨多部位慢性疼痛（MCP）与抑郁症之间是否存在潜在的因果关系，以排除混杂因素和反向因果的干扰。：分析8个身体部位的急性（少于3个月）和慢性（超过3个月）疼痛与抑郁症发病风险的前瞻性关联，并验证这些关联在不同亚组中、矫正不同影响因素后的稳健性。，将不同部位和持续时间的疼痛效应整合，考察多部位疼痛对抑郁症风险的叠加影响，发现风险随疼痛部位数量增加而单调上升。可学习部分：思路和作图。：最后，研究探索了外周。

原创 PaddleOCR实现批量pdf文件或图像的文本识别

本文实现pdf文件或者图片上的文本识别，并输出全部文本信息。在此基础上，可基于文本正则匹配等方法实现具体信息的提取。

原创 如何将NotebookLM PDF版PPT转为可编辑版本PPT

前置环境：LibreOffice 25.8安装 https://blog.csdn.net/xc_zhou/article/details/137695479。NotebookLM 的输出为不可编辑的PDF格式，本文致力于将其变为可编辑ppt格式。网址：https://aistudio.baidu.com/paddleocr/task导出识别结果为markdown。注：https://github.com/hiroi-sora/Umi-OCR是paddleocr的本地包装。（2）导出为可编辑PPT输出。

原创 文献解读-病理区域重要性标记+细胞类型形态相互作用可解释性分析

该研究提出了一种可解释的多模态人工智能胚系基因检测模型（Multimodal Artificial Intelligence Germline Genetic Testing, MAIGGT），通过整合全切片病理图像（WSI）的肿瘤微环境特征与电子病历（EHR）的临床表型，实现胚系BRCA1/2突变的高精度预测。

原创 病理切片可解释性分析-细胞类型、核形态与细胞间相互作用

病理切片可解释性分析-细胞类型、核形态与细胞间相互作用

原创 病理软件Cellprofiler使用教程

下载地址:https://cellprofiler.org/releases/直接照安装提示安装即可（我的电脑可能安装过相关环境，所以可以直接运行）若不行可参考其他教程：https://blog.csdn.net/weixin_38594676/article/details/125034672。

原创 文献解读-生境分析亚区域选择+2D_DL+3D_DL-局部晚期食管鳞状细胞癌新辅助化疗免疫治疗反应预测

随后，本研究开发了一个结合临床模型和 DLRad1 特征的组合模型，以评估影像组学特征的附加预测价值。训练队列中，联合模型达到了最高的 AUC（0.919，95% CI：0.885–0.962），优于临床模型（AUC=0.617，95% CI：0.536–0.698）和 DLRad1 模型（AUC=0.910，95% CI：0.867–0.954）。且亚区域2、3、4的预测性能显著低于亚区域1，亚区域1与亚区域2的组合并未提高诊断性能（P = 0.671）。的影像组学特征和多通道 2D 深度学习特征；

原创 表格数据处理-TabNet模型使用说明(模型构建+SHAP)

论文为《TabNet: Attentive Interpretable Tabular Learning》发表于2021年，属于Google Cloud AI。该研究针对表格数据提出了一种新的深度神经网络（DNN）架构TabNet，旨在解决传统深度学习在表格数据上表现不如决策树模型的问题，同时提升性能和可解释性。TabNet模型融合了多种先进思想：它将（赋予模型动态、稀疏地“聚焦”于最重要特征的能力）、（分步、迭代地做出决策）以及。

原创 Streamlit基于git实现临床预测模型部署

链接：https://77eudujipaycofd6zvtuzo.streamlit.app/#feature-importance。

原创 因果森林（R包grf）-治疗异质性探索

在做很多分析时，最常问的问题是：“这个新干预/措施到底有没有用？传统的因果分析方法，比如我们熟知的A/B测试，能很好地回答这个问题。它会给我们一个。比如，在A干预相较于B干预死亡率降低2.2%。随着个体化医疗和精准医学相关研究的进展，研究者越来越关心研究效应的异质性即由于个体异质性的存在, 采用相同药物或治疗方法的患者往往会在治疗效果上产生差异,这也使得将临床试验结果直接转化到个体患者变得困难，并非所有患者的治疗效果都与参加试验患者的平均效果相似, 因此对个体处理效应的估计变得尤为重要。

原创 自动机器学习框架-pycaret使用指南（包含如何使用shap）

PyCaret 是一款强大的自动机器学习工具包，它将数据预处理、数据集划分、模型训练、调参、模型性能验证以及可视化等一系列复杂操作集成于简单易用的命令之中，极大地降低了机器学习的入门门槛，即使是初学者也能轻松上手并高效地完成模型训练。此外，PyCaret 还支持诸如堆叠（stacking）和提升（boosting）等高级操作，用户可以通过查阅官方文档深入学习更多功能。PyCaret 根据不同的任务类型，可划分为以下几大模块：（1）分类任务（例如预测生存与否、并发症发生与否等）；（2）回归任务；

原创 上传本地项目至github

本文详细介绍了将本地项目上传至GitHub的完整步骤：首先需准备GitHub账号和Git Bash环境；然后通过命令初始化本地Git仓库，将文件添加至暂存区并提交到本地仓库；接着在GitHub创建远程仓库，建立本地与远程连接，最后推送文件。特别针对首次提交时可能出现的SSH认证问题，提供了生成公钥并配置GitHub的解决方案。整个过程包含6个核心步骤及注意事项，配有命令行示例和操作截图，帮助用户顺利完成代码托管。

原创 样本量估计

临床统计样本量计算

原创 病理切片TLS比例作为免疫治疗响应和预后的预测因子

病理切片TLS比例作为免疫治疗响应和预后的预测因子

原创 文献解读-病理影像多模态模型预测乳腺癌新辅助化疗的病理完全反应

磁共振成像（MRI）、全切片图像（WSI）和临床风险因素数据构建MIFAPS多模态预测模型，用于准确预测乳腺癌患者新辅助化疗（NAC）的病理完全缓解（pCR）。

原创 文献分享-临床预测模型-基于围手术期时间数据肝切除术后肝衰竭早期检测

亮点（可借鉴）：（1）多中心数据，多中心特征的分布情况对模型泛化性能力的表征；（2）围术期不同时间阶段特征对模型性能，特征重要性的比较；（3）亚组分析；（4）不同条件下（不同缺失程度，不同特征数量）模型的性能比较；

原创 R语言如何解决导出pdf中文不显示的问题

R语言如何解决 导出pdf中文不显示的问题

原创 采用hovernet统计整张病理切片（png）细胞数量并进行RGB可视化

采用hovernet统计整张病理切片（png）细胞数量并进行RGB可视化

原创 病理组织切片预处理的两种方式

如何处理病理切片？

原创 Silicon_pathological_region_selection_strategy：一种病理区域注释的方法

Silicon_pathological_region_selection_strategy作为采用聚类的方式，实现病理区域的注释（文章结论为簇0和簇2代表靠近肿瘤组织的间质区域；簇1为肿瘤组织；簇3和簇4被归类为基质和肌肉组织；簇5则被分类为肿瘤侵袭的边缘区域。），进而比较不同病理区域选择对模型性能的影像。

原创 Linux Matplotlib 画图不支持中文的问题

Linux Matplotlib 画图不支持中文的问题

原创 文献解读-头颈部鳞状细胞癌的预后模型+转录组+单细胞+空间组+病理组学

有意思的点在于（1）病理区域注释策略；（2）单细胞+空间组+病理在模型细胞层面解释性上的相互验证

原创 文献解读 - 病理影像多模态模型+HoverNet+RNASeq可解释性分析+IHC验证

Cell Reports Medicine（IF=9.9）Gao, P., et al. (2024). Interpretable multi-modal artificial intelligence model for predicting gastric cancer response to neoadjuvant chemotherapy. Cell Reports Medicine 5(12).

原创 MIMIC数据库在windows系统上的安装部署

MIMIC数据库在windows系统上的安装部署（包含mimic_derived部分）

原创 MedAugment：基于医学图像的数据增强方法（针对分类问题及图像分割问题）

基于医学影像的数据增强方法

原创 医学影像数据之nii、dcm、png的数据格式互转

医学影像数据之nii、dcm、png的数据格式互转

原创 Python版：TotalSegmentator 安装与使用指南

Python版：TotalSegmentator 安装与使用指南

原创 如何下载TCGA病理切片和对应临床数据

TCGA数据库病理切片数据及对应临床信息下载

原创 HoVer-Net_实操与文章应用思路

Hovernet 实操及在文章中的应用思路