胃癌是全球高发的恶性肿瘤之一。胃癌的早期诊断和治疗能有效降低死亡率,改善患者预后。目前胃癌的诊断主要通过胃镜检查。如何辅助医生快速发现病灶并进行精准的早期诊断具有重要的临床价值。本研究通过神经卷积网络模型的深度学习方法,对胃镜图像的解剖部位、胃息肉、胃粘膜下肿瘤和早期胃癌病灶的图片进行深度学习,开发计算机辅助识别程序应用于胃镜图像的解剖部位和病灶的识别。根据图片和胃镜视频的验证,我们发现识别程序对胃息肉、胃粘膜下肿瘤和早期胃癌识别ROC曲线的AUC分别为0.970、0.892和0.811,早期胃癌视频的识别敏感性、特异性和准确性分别为67.9%、95.4%和98.1%,该计算机辅助识别程序具有较好的胃病灶识别准确性和临床价值。本研究通过使用噬菌体展示肽库技术对多个胃癌细胞株进行淘选,筛选能和胃癌细胞特异性结合的两种多肽。通过细胞学和组织学对多肽的结合力以及特异性进行评价,结果发现两种荧光修饰的多肽对胃癌细胞具有较高结合力和特异性,对应的多肽序列为新型多肽。两种多肽胃癌组织诊断敏感性较好,其荧光强度和病灶浸润深度和大小相关,有望成为诊断胃癌的分子探针。第一部分 基于卷积神经网络的胃镜图像解剖部位的识别与检测研究目的:开发一款胃镜图像解剖部位的计算机辅助识别程序,并进行识别能力评价。方法和材料:构建内镜图像标注平台,对509例病例的4732张胃镜图像进行解剖部位标注,获取图像训练集和验证集,对训练集图像进行基于卷积神经网络模型的深度学习。开发一款识别10个胃镜图像解剖部位的程序,并通过对验证集图像评价该识别程序对胃镜图像解剖部位的识别效果。结果:该识别程序对食管、齿状线、贲门、胃底、胃体、胃角、胃窦、幽门、十二指肠球部和降部识别 ROC 曲线的 AUC 为 0.871、0.985、0.969、0.984、0.996、1.000、0.979、0.999、0.990和0.977。识别程序对单张图内有2种部位标注框的图像识别率为90.0%,单张图内有1个标注框的图像识别率为92.8%。结论:通过对胃镜图像进行部位标注并深度学习,开发了一款胃镜图像解剖部位识别程序,对胃镜图像内解剖部位的识别有较高的准确性。第二部分 基于卷积神经网络的胃隆起性病灶和早期胃癌的识别与检测研究目的:开发胃隆起性病变和早期胃癌的内镜图片和视频智能识别程序,并进行识别能力的临床评价。方法和材料:对307例病例的455张胃息肉图像、109例的539张胃粘膜下肿瘤图像和127例病例的672张早期胃癌图像进行标注获取训练集和验证集,标注101例的101张正常胃镜图像作为阴性对照,对训练集进行基于卷积网络神经模型的计算机深度学习,分别开发胃息肉、胃粘膜下肿瘤和早期胃癌的识别程序,并通过对验证集图像和胃镜视频的识别评价该识别程序对病灶识别的准确性,通过不同判定阈值对应的重叠框和标注框或识别框的面积比值评价识别程序对图像内病灶定位的准确性。结果:该识别程序对胃息肉、胃粘膜下肿瘤和早期胃癌识别ROC曲线的AUC为0.970、0.892和0.811;胃息肉、粘膜下肿瘤和早期胃癌识别重叠框和标注框的面积比为100.0%-100.0%、83.2%-86.5%和81.1%-87.0%,重叠框和识别框的面积比为41.0%-45.0%、92.1%-92.5%和68.1%-81.8%。以单帧图像计算,识别程序对胃息肉视频的识别敏感性、特异性和准确性为53.5%、99.2%和85.4%,对粘膜下肿瘤视频的识别敏感性、特异性和准确性为100.0%、99.4%和99.6%,对早期胃癌视频的识别敏感性、特异性和准确性为67.9%、95.4%和98.1%。结论:本研究通过对胃镜图像进行胃息肉、胃粘膜下肿瘤和早期胃癌的标注并进行计算机深度学习,分别开发计算机识别程序。通过在验证集和不同病灶的胃镜视频中进行验证,该识别程序对相应病灶识别有较高的准确性。第三部分 胃癌细胞特异性结合多肽噬菌体的筛选及鉴定目的:筛选胃癌细胞特异性结合的多肽噬菌体并进行鉴定。方法和材料:以3个胃癌细胞株AGS、MKN-45和HGC-27为靶细胞,正常胃上皮细胞GES-1为吸附细胞,采用噬菌体展示12肽库技术分别进行3轮淘选,每组随机挑选30个单克隆噬菌体进行测序,分析重复次数较多的噬菌体进行细胞ELISA试验,计算P/N值和特异性值评价噬菌体对胃癌细胞的亲和力和特异性。结果:经3轮淘选后,和AGS、MKN-45和HGC-27细胞株特异性结合的噬菌体富集31.19倍、5.65倍和7.16倍。经测序分析发现RNHSS多肽序列在AGS组、MKN-45组和HGC-27组重复17次、15次和18次(共30次),IPLVVPF多肽序列在AGS组和HGC-27组重复7次和2次。细胞ELISA提示RNHSS多肽序列噬菌体对AGS、MKN-45 和 HGC-27 细胞的 P/N 值为 3.25、2.23 和 3.16,特异性值为 9.51、6.76和8.24;IPLVVPF多肽序列噬菌体对AGS、MKN-45和HGC-27细胞的P/N值为3.30、2.07和3.27,特异性值为5.97、3.60和5.32。同源性分析提示这两个多肽跟现有蛋白序列相似率低,文献检索未发现有类似多肽报道。结论:经过淘选筛选发现了胃癌细胞株结合的2个序列多肽噬菌体。两种多肽噬菌体对胃癌细胞的亲和力和特异性较好,对应的多肽序列为新型多肽。第四部分 胃癌特异性荧光多肽的细胞及组织特异性鉴定目的:评价筛选到两种多肽对胃癌细胞结合力和反应速率,进行胃癌细胞和组织特异性的验证,探讨两种多肽的胃癌临床诊断价值。方法和材料:合成两种多肽并进行FITC荧光修饰。通过流式细胞仪检测不同浓度荧光多肽处理的AGS、MKN-45和HGC-27的荧光强度,拟合解离曲线计算平衡解离常数;流式细胞系检测不同荧光多肽处理时间的AGS、MKN-45和HGC-27的荧光强度,拟合一级反应动力学曲线计算反应速率常数;通过细胞免疫荧光和组织免疫荧光验证两种多肽对胃癌细胞和组织的结合力以及特异性;分析胃癌/癌旁组织荧光强度比计算两种多肽对胃癌诊断的敏感性,多肽荧光强度与临床病理资料的相关性。结果:RNHSS-FITC(简称 RNH-FITC)对 AGS、MKN-45 和 HGC-27 细胞的平衡解离常数为 16.48 μM、35.21 μM 和 26.61 μM,反应速率常数为 0.052/min、0.057/min和 0.055/min。IPLVVPF(简称 IPL*-FITC)对 AGS、MKN-45 和 HGC-27 细胞的平衡解离常数为13.19 μM、17.22 和18.49 μM,反应速率常数为0.049/min、0.056/min和0.041/min。组织荧光提示RNH*-FITC和胃癌组织的结合荧光强度(5528.41±3551.64)显著高于癌旁组织(1541.19±450.45)和慢性胃炎组织(1305.36±392.63)(p<0.01)。IPL*-FITC和胃癌组织的结合荧光强度(3671.20±1313.15)显著高于癌旁组织(1144.04±297.38)和慢性胃炎组织(1184.31±300.22)(p<0.01)。当胃癌/癌旁荧光强度比 Cutoff值为 2 时,RNH*-FITC和IPL*-FITC对胃癌诊断的敏感性为76.7%和87.8%。RNH*-FITC和胃癌组织荧光强度以及胃癌/癌旁荧光强度比和病灶大小相关(p<0.05),IPL*-FITC与胃癌组织荧光强度以及胃癌/癌旁荧光强度比和病灶浸润深度显著相关(p<0.05)。结论:RNH*-FITC和IPL*-FITC荧光多肽对胃癌细胞和组织的亲和力和特异性较好,在胃癌组织中诊断敏感性较高,荧光强度和病灶浸润深度和大小相关,有望成为诊断胃癌的分子探针。