為了解決目前肝臟腫瘤病理分級主要依靠穿刺活檢、手術病理取材等侵入式方法的問題，提出了一種在非增強核磁共振圖像（MRI）上進行肝臟腫瘤病理分級的定量分析方法。首先對采集到的 MRI 圖像，由醫生在專業軟件中人工分割出病灶部位，對這些病灶部位提取高通量的 328 維圖像特征，包括灰度、形狀、紋理、小波等特征，利用最小絕對收縮和選擇運算符（LASSO）和交叉驗證方法從中挑選出對病理分級最有價值的特征，組成影像組學模型并融合臨床信息實現對腫瘤高、低分化分類的定量分析。在 170 位肝臟腫瘤患者的 MRI 圖像（T1 加權圖像和 T2 加權圖像）上進行實驗，通過計算接收者操作特征（ROC）曲線下面積（AUC）來衡量模型的預測性能。結果表明，基于高通量圖像特征的 LASSO 回歸定量分析方法，在訓練集上獲得 AUC 為 0.909，在測試集上 AUC 為 0.800。挑選出來的圖像特征組成的影像學標簽可以對高、低分化進行自動分類，從而為醫生提供了一種非侵入的輔助診斷方法，有助于預后判斷和治療方案的制定。
目的研究心上型完全性肺靜脈異位引流（total anomalous pulmonary venous connection，TAPVC）病例特征，分析術后死亡事件的相關危險因素，探究 Informed LASSO 機器學習方法解決罕見先天性心臟病研究中的小樣本量問題。方法回顧性分析 2009—2019 年于廣東省人民醫院接受手術修復的 241 例心上型 TAPVC 患者的臨床資料，其中男 179 例、女 62 例，中位手術年齡 71（33，232）d。首先使用單變量 Cox 等比分析模型對患者的臨床數據進行初步篩選，保留 P≤0.05 的特征變量。為解決小樣本量的限制，我們提出 Informed LASSO 方法進行多因素 Cox 風險分析。結果單變量分析中，有統計學意義（P<0.001）的臨床變量包括：手術體重≤2.5 kg（HR=16.00）、主肺動脈內徑（HR=0.78）、體外循環時間（HR=1.21）、主動脈阻斷時間（HR=1.28）和術后呼吸機輔助時間（HR=1.13/d）。Informed LASSO 多變量分析表明，術后死亡獨立風險因素包括體外循環時間（aHR=1.308/30 min）、年齡（aHR=0.898）、術后呼吸機輔助時間（aHR=1.023/d）、體重≤2.5 kg（aHR=2.545）、右側垂直靜脈回流（aHR=1.977）、術前肺靜脈梗阻（aHR=1.633）和急診手術（aHR=1.383）。結論Informed LASSO 利用既往研究結果可提高小樣本量的模型分析功效，體外循環時間、手術年齡、術后呼吸機輔助時間、體重、右側垂直靜脈回流、術前肺靜脈梗阻和急診手術為心上型 TAPVC 術后死亡風險因素。
目的探索影響心臟瓣膜術后院內死亡的危險因素，建立老年心臟瓣膜術后院內全因死亡的風險預測模型，為心臟瓣膜術后患者死亡風險評估提供新思路。方法連續納入2016—2018年中國心血管外科注冊登記研究數據庫中接受心臟瓣膜手術的≥65歲患者，其中2016年1月—2018年6月患者納入訓練隊列，2018年7—12月患者納入測試隊列，分析老年患者心臟瓣膜術后死亡的風險因素，采用LASSO-logistic回歸構建預測模型，并與傳統的EuroSCOREⅡ評分進行對比。結果共納入7 163例患者，其中男3 939例、女3 224例，平均年齡（69.8±4.5）歲。訓練隊列5 774例，測試隊列1 389例。290例（4.05%）患者術后死亡。通過LASSO回歸變量篩選及logistic回歸分析，最終納入預測模型的危險因素包括年齡、術前左室射血分數、合并冠狀動脈旁路移植手術、肌酐清除率、既往心臟手術史、體外循環時間、紐約心臟協會分級。LASSO-logistic回歸模型在訓練隊列及測試隊列中均具有較好的區分度及校準度，優于傳統的EuroSCOREⅡ評分。結論老年患者心臟瓣膜術后死亡率較高，LASSO-logistic回歸預測模型可以較好地預測老年患者瓣膜術后死亡的發生率。
肝臟疾病特征及交互特征對于肝臟疾病的分類具有重要意義，本文在交互最小絕對收縮和選擇算子（LASSO）模型的基礎上，研究了廣義交互 LASSO 模型并與其他可用于肝臟疾病分類的方法比較。首先，本文建立了廣義交互邏輯斯特（logistic）分類模型，在模型參數中添加 LASSO 罰函數，然后將模型參數通過交替方向乘子法（ADMM）求解，得到模型系數的稀疏解。最后將測試樣本代入模型，按照最大概率進行分類結果統計。通過將本文方法應用在肝臟失調數據集和印度肝病數據集的數據實驗結果表明，交互特征的模型系數不為零，這說明交互特征對分類存在貢獻。最終結果表明，本文提出的廣義交互 LASSO 方法的正確率要優于交互 LASSO 方法，也優于傳統模式識別方法，可將廣義交互 LASSO 方法推廣應用到其他疾病的分類問題上。