简介：研究了方程-div(‖Du‖^-2Du)=λf(u)在R^n,n≥2中环域上的正的径向解的多重性。当f在正区域上有多个峰的情况下，我们获得了多个解。

简介：1991年，受中国青少年发展基金会(青基会)委托，解海龙深入中国贫困地区，拍摄了数百幅极具感染力的纪实摄影作品，其中“大眼睛”苏明娟的照片更是成为希望工程的标志。按照约定，该照片由解海龙享有著作权，青基会享有专有使用权且只能用于希望工程，苏明娟的肖像权用于希望工程。

简介：该研究借助西瓜公众号助手平台的爆文指数进行分析，发现用户思维、深度性、易读性、情感性和热点性成为其重要的传播特征。基于此，该文认为军事类微信公号应该做到三点。其一，以深度为目标，完善生产机制；其二，以形式创新为抓手，追求表达可视化；其三，以服务为导向，紧贴受众需求。

简介：摘要目的研究体素内不相干运动（intravoxel incoherent motion，IVIM）在预测高级别脑胶质瘤O6-甲基鸟嘌呤-DNA甲基转移酶(O6-methylguanine-DNA methyltransferase，MGMT)启动子甲基化状态的应用价值。材料与方法收集经病理证实的34例高级别脑胶质瘤患者，其中包括WHO Ⅲ级19例，Ⅳ级15例，术前均行颅脑常规磁共振成像(magnetic resonance imaging ，MRI)扫描及IVIM扫描，测量肿瘤实质区域及对侧正常脑组织区域，获得真扩散系数（true diffusion coefficient，D）、灌注相关扩散系数（perfusion related diffusion coefficient，D*）、灌注分数（perfusion fraction，f），将肿瘤实质区测量值除以对侧正常脑实质区，得到校正后参数值：相对D (relative D)、相对D* (relative D*)、相对f (relative f)，应用两独立样本t检验分析MGMT启动子甲基化组与非甲基化组间校正参数的差异，并绘制受试者工作特征（receiver operating characteristic，ROC）曲线计算阈值、敏感性及特异性。结果高级别脑胶质瘤MGMT启动子甲基化组中rD、rf值高于非甲基化组，rD*值低于非甲基化组，差异均有统计学意义(P<0.05)。rD、rD*、rf值的ROC曲线下面积分别为：0.856、0.814、0.719；阈值分别为：1.703、1.058、1.756；敏感度分别为：84.2%、89.5%、63.2%；特异度分别为：73.3%、60.0%、93.3%。结论IVIM能无创地评估高级别脑胶质瘤MGMT启动子甲基化状态，其中rD*的灵敏度较高，有助于指导患者的个性化诊治方案以及对预后的评估。

简介：摘要胶质瘤是颅内最常见的原发性恶性肿瘤，具有高度异质性，即使组织学分级相同，有时预后也具有显著差异，而基因分型则可以从本质上更好地阐述肿瘤的生物学行为，其中O6-甲基鸟嘌呤甲基转移酶(O6-methylguanine-DNA methyltransferase，MGMT)与高级别脑胶质瘤(high-grade glioma，HGGs)的预后和治疗决策紧密相关。它是一种关键的DNA修复酶，不仅与脑胶质瘤的发生发展相关，还与烷化剂化疗的敏感性以及放疗反应相关。而MGMT启动子甲基化会沉默MGMT的转录表达，是MGMT表达减少的重要机制。近年来随着科学技术的飞速进步，放射学也逐渐向人工智能的方向发展，本文对智能影像对高级别脑胶质瘤MGMT启动子甲基化状态的预测性能进行了综述。

简介：摘要目的探讨使用MRI影像组学的方法，建立一个用于预测较低级别胶质瘤（lower grade gliomas, LGGs）异柠檬酸脱氢酶突变（isocitrate dehydrogenase mutation, IDH mut）合并氧6-甲基鸟嘌呤DNA甲基转移酶启动子甲基化（O6-methylguanine-DNA methyltransferase promoter methylation, MGMT meth）亚型的影像组学模型。材料与方法回顾性分析来自山西医科大学第一医院、山西省人民医院和TCGA/TCIA（The Cancer Genome Atlas和The Cancer Imaging Archive）公共数据库的158例患者的术前MRI图像、临床和基因信息。将上述三处数据合并，对所有图像进行重采样和强度归一化处理后，以7∶3的比例随机分为训练集和测试集。从术前MRI图像上提取对比增强后T1加权序列（post-contrast enhanced T1-weighted, CE-T1）和T2加权流体衰减反转恢复序列（T2-weighted fluid attenuation inversion recovery, T2-FLAIR）的1702个影像组学特征。通过单因素逻辑回归（logistic regression, LR）、最小绝对收缩和选择算法（least absolute shrinkage and selection operator, LASSO）进行有效特征筛选，使用合成少数过采样技术（synthetic minority over-sampling technique, SMOTE）对训练集少数类样本进行数据平衡。最后，使用多因素LR进行建模。通过受试者工作特征（receiver operating characteristic, ROC）曲线和校准曲线评价模型诊断效能和拟合优度，并建立列线图进行可视化风险预测。结果在训练集和测试集两个亚型的不同临床特征的组间比较差异无统计学意义（P＞0.05）。影像组学模型在训练集和测试集的AUC（area under the curve, AUC）分别为0.842和0.935，F-Measure分别为0.965和0.942，训练集校准曲线经Hosmer-Lemeshow检验的P值为0.1393。结论术前MRI影像组学模型可以预测LGGs患者IDH mut合并MGMT meth亚型，从而为LGGs患者的分子分型的精确诊断、替莫唑胺（temozolomide, TMZ）使用的决策、生存期预测提供重要的临床辅助价值。