Pagalba vektorius mašina modelis diagnozuoti limfmazgių metastazių skrandžio vėžio su multidetector kompiuterinės tomografijos: preliminarus tyrimas

Pagalba vektorius mašina modelis diagnozuoti limfmazgių metastazių skrandžio vėžio su multidetector kompiuterinės tomografijos: preliminarus tyrimas
tezės
Background pervežimas limfmazgių metastazių (LNM) skrandžio vėžys yra svarbus prognostinis faktorius Kalbant apie ilgalaikį išlikimo. Tačiau keli vaizdavimo metodai, kurie dažniausiai naudojami skrandžio negali tinkamai įvertinti skrandžio vėžio limfmazgių būklę. Jie negali pasiekti ir didelio jautrumo ir specifiškumo. Kaip mašina mokymosi metodų pobūdžio, parama Vektorius mašina turi potencialą siekiant išspręsti šią sudėtingą problemą.
Metodai
institucinė apžvalga valdyba patvirtino šį retrospektyvinę studiją. buvo įtraukti 175 pacientai iš eilės su skrandžio vėžiu, kuriems buvo atlikta MDCT prieš operaciją. Mes įvertinome naviko ir limfmazgių rodiklius CT vaizdų įskaitant serosal invazijos, naviko klasifikavimo, naviko didžiausią skersmenį, skaičiaus limfmazgius, didžiausia limfmazgių dydį ir limfmazgiai stoties, kuri atspindi biologinę elgseną skrandžio vėžio. Vienmatės analizės buvo naudojamas analizuoti tarp šešių vaizdo Indikatoriai su LNM santykius. SVM modelis buvo pastatytas su šių rodiklių aukščiau kaip pirkimo indeksą. Išėjimo indeksas buvo, kad limfmazgis metastazės paciento buvo teigiamas arba neigiamas. Ji buvo patvirtinta operacijos ir histopatalogiją. Standartinis mašina mokymosi metodas vadinamas K-kartus kryžminio patvirtinimo (5 kartus mūsų tyrime) buvo naudojamas mokyti ir bandymo SVM modeliai. Mes įvertinome diagnostikos pajėgumą SVM modelių limfmazgių metastazių su ROC kreivė (ROC) kreives. Ir radiologas kvalifikavo limfmazgių metastazių pacientų naudojant maksimalų limfmazgių dydį CT vaizdų kaip kriterijų. Mes palyginti pagal ROC kreivėmis (AUC) ir radiologo ir SVM modelių vietas.
Rezultatai
175 atvejais limfmazgių metastazių atvejais buvo 134 ir 41 atvejų nebuvo. Šeši vaizdo rodikliai visi turėjo statistiškai reikšmingų skirtumų tarp LNM teigiamų ir neigiamų grupių. Dėl jautrumo, specifiškumo ir AUC SVM modelių su 5 kartus kryžminio patvirtinimo priemonė buvo 88,5%, 78,5% ir 0,876, atitinkamai. Nors diagnostikos galia radiologo klasifikuoja limfmazgių metastazių iš maksimalaus limfmazgių dydis buvo tik 63,4%, 75,6% ir 0,757. Kiekvienas SVM modelis 5 kartus kryžminio patvirtinimo atliekamos žymiai geriau nei radiologo.
Išvados
Remiantis biologinės elgsenos informacijos skrandžio vėžio d MDCT vaizdų, SVM modelis gali padėti diagnozuoti limfmazgių metastazių prieš operaciją.
fonas
Skrandžio vėžys yra viena iš pagrindinių priežasčių, vėžio mirčių visame pasaulyje [1]. Limfmazgių būklė yra svarbus prognostinis faktorius dėl ilgalaikio išlikimo [2]. TNM remiantis Amerikos jungtinio komiteto vėžys (AJCC) yra plačiai dabar priimta [3]. 5 metų išgyvenamumas pacientų N0 etape po operacijos buvo 86,1%, o N1, N2 ir N3 etapas pacientų sumažėjo iki 58,1%, 23,3% ir 5,9% atitinkamai [4].
Šiuo metu daug vaizdo technika buvo naudojama įvertinti skrandžio vėžiu, įskaitant pilvo ultragarso, endoskopinė ultragarsinė (EOS), multi-slice spiralės CT, tradiciniais MRT ir FDG-PET. Tačiau šie vaizdavimo metodai negali patikimai patvirtinti arba paneigti limfmazgių metastazių [1] buvimą. Metaanalizė parodė, kad vidutinis jautrumas ir specifiškumas nustatant LN metastazes buvo taip: 39,9% ir 81,8% už pilvo ultragarsinis tyrimas, 70,8% ir 84,6% endoskopinių echoskopija, 80,0% ir 77,8% už MDCT, 68,8% ir 75,0% paprastųjų MRT, 34,3% ir 93,2% už FDG-PET, ir 54,7% ir 92,2% už FDG-PET /CT [2]. Bet vieną paraišką iš šių vaizdo priemonėmis negali tinkamai įvertinti skrandžio vėžio limfmazgių būklę. Taip yra todėl, kad mes daugiausia diagnozuoti LNM pagal limfmazgių dydžio. Diagnostikos kriterijai svyruoja nuo 5 mm iki 10 mm [2]. Bet dideli limfiniai mazgai gali būti sukeltas uždegimas ir mažos limfiniai mazgai gali būti metastazavęs. Daugelis tyrimų parodė, kad skrandžio vėžys LN metastazės buvo susijęs su naviko dydžiu, gyliu invazijos, histologinio tipo ir patologinės limfinės dalyvavimo [5-8]. Nėra tinkamas metodas sujungti limfmazgių dydį su aukščiau aprašytus išsamiau analizuoti daugelio veiksnių. Kaip integruoti sudėtingas veiksnių, turinčių įtakos limfmazgiai ir pagerinti diagnozuoti LNM tikslumą yra mūsų tyrimo tema.
Per pastarąjį dešimtmetį, mašina mokymosi metodai, papildyti tradicinius statistinius metodus, kurie buvo naudojami prognozuoti sudėtingą biologinį reiškinius , Pagalba Vektorius mašina yra naujos kartos mokymosi algoritmai dėl statistinės teorijos pagrindu. SVM algoritmas turi tvirtą teorinį pagrindą, remiantis VC (Vapnik Chervonenkis) Matmenys ir struktūrinės rizikos mažinimo idėjas. Ji patenkino tikslumas [9]. SVM buvo naudojamas kai kuriose medicinos reikmėms, daugiausia molekulinės biologijos ir neurovizualinių tyrimų [10-12]. Jis gali būti naudojamas klasifikavimui ir regresija. Atsižvelgiant į tai, iš mokymo pavyzdžių rinkinys, kiekvienas pažymėtas kaip priklausantis vienai iš dviejų kategorijų A SVM mokymo algoritmas stato modelį, kuris prognozuoja, ar naujas pavyzdys patenka į vieną ar kitai kategorijai.
Šio tyrimo tikslas yra naudoti SVM metodas analizuoti MDCT vaizdavimo informacija, susijusi su biologinės elgsenos skrandžio vėžio ir sukurti matematiniai modeliai įvertinti limfmazgių metastazių prieš operaciją.
metodai
Pacientų
Ši retrospektyvinė studija patvirtino institucinę ekspertizės valdyba. Nuo 2006 balandžio iki 2008 metų rugsėjo 368 pacientų eilės, sergantiems naujai diagnozuota skrandžio vėžio buvo skiriami Priešoperacinės kontrastinės pilvo kompiuterinės tomografijos tyrimai ir tada gavo pašalintas skrandis mūsų ligoninę. Pacientai atitiko įtraukimo ir atmetimo kriterijus žemiau buvo įtraukti į šį tyrimą.
Įtraukimo kriterijai Viesbutis The pacientai gavo radikalų pašalintas skrandis ir D2 limfmazgiai skrodimo. Jie buvo prieš operaciją nagrinėjamas įvairų detektorius eilės CT. Visi pacientai buvo patvirtinta kaip skrandžio vėžio pooperacinis histopatalogiją.
Atmetimo kriterijai
Pacientams priešoperacinė indukcinę terapiją. Tolima metastazės buvo rastas Priešoperacinės nagrinėjimo ar operacijoje
Galiausiai, 175 pacientai (125 vyrai, 50 moterys, amžiaus vidurkis, 59,8 metų, diapazonas, 30-85 metų). Kuriuos sudaro mūsų studijų gyventojų. Gavome informuotą sutikimą prieš kasdieninį klinikinės eigos CT egzaminų visiems atrinktiems pacientams
CT protokolas
MDCT buvo atliekama naudojant 64 detektoriaus eilutė CT skenerį (Lightspeed 64; "GE Healthcare", Milvokio, Wis).. Kiekvienas pacientas nevalgęs daugiau nei 8 valandas prieš CT tyrimas. Norėdami įjungti skrandžio pūtimo ir sumažinti skrandžio motoriką, pacientai gavo 8 g dujų gamybos kristalai žodžiu ir injekcijos į raumenis 10 mg anisodamine 10-15 minučių prieš tyrimą. Viršutinės pilvo dalies nesustiprintą CT nuskaito iš diafragminis olas 2 cm žemiau apatinės paraštės oro išsipūtę skrandžio kūno įsigijo su lygūs 0,625 mm, 120-140 KVP ir 300-350 MAS kolimacijai. Vėliau, iš 100 ml iopromide (Ultravist; Schering, Berlynas, Vokietija) iš viso buvo į veną per 18 vėžės angiografinio kateterį įdėta į Alkūnės veną 3 ml /sek naudojant automatinį purkštuvą. Kontrastas padidinto CT nuskaito buvo atlikta arterijų etapas (30 sekundžių) ir venos fazės (70 sekundžių). Mes padarėme multi-Planar remonto su vartų venos fazės vaizdas.
Vaizdo analizės
du radiologai, vienas su 3 metų amžiaus, o kitas su 8 m patirtį pilvo KT atliekama vaizdą analizuoja kartu su susitarimu. Jei ten buvo nesutarimų, jie konsultavosi su kitu radiologo, kuris turėjo 20 metų amžiaus patirtį pilvo KT, kol buvo pasiektas susitarimas. Mes matuojama ir skaičiuojama šešis rodiklius MDCT vaizdų rankomis taip: Rīga, naviko didžiausias skersmuo
Išmatuokite skrandžio vėžio skersmuo ašies, vainikiniame ir sagitalinėje vaizdai remiantis MPR vaizdų. Ir nuspręsti, naviko maksimalų skersmenį. Buvo nustatyta
navikas klasifikacija
Ankstyvas skrandžio vėžys arba BORRMANN klasifikacija Išplėstinė vėžio MPR vaizdų.
Serosal invazija
Ašiniai ir MPR vaizdus buvo vienu metu įvertinami siekiant nustatyti serosal invazija. Visa sustorėjimas skrandžio sienelės nenormaliai sustiprintas ir linijinis arba Tinklinės struktūros į riebalinį sluoksnį aplink skrandį nurodyta serosal invazija [13].
Skaičius limfmazgių
visų matomų skrandžio regioninių limfmazgių skaičių per MDCT vaizdų grupių buvo skaičiuojamas [14].
Maksimalus limfmazgių dydį
buvo matuojamas trumpas ašis didžiausių limfmazgiuose aptikta CT vaizdų.
limfmazgių stotis
limfmazgių stotis su MDCT vaizdų pagrindu nuo lėmė Japonijos klasifikacija skrandžio karcinoma [14].
Pagalba vektorius mašina
paramos Vector machine yra prižiūrima mašina mokymo metodas, kuris yra plačiai naudojamas modelis pripažinimo ir klasifikavimo problemas. SVM algoritmas atlieka statant daugiamačių hyperplane kad optimaliai atskiria dvi klases maksimaliai tarp dviejų duomenų grupių marža klasifikacija. Šis algoritmas pasiekia aukštą diskriminacinę galią naudojant specialius netiesines funkcijas vadinamus branduoliai transformuoti įvesties erdvę į įvairių sričių vietos [15]. Šiame tyrime, nemokama prieinama SVM programinė įranga vadinama LibSVM 2.89 buvo naudojamas generuoti SVM modelį [16]. Įvesties indeksai buvo šeši surinkti MDCT vaizdų aukščiau rodikliai. Dėl šių rodiklių matavimo duomenys gali būti įtraukti į SVM modelio tiesiogiai. Nors skaičiavimo duomenys turi būti apibrėžta, kaip kai kurie skaičiai. Pavyzdžiui, teigiamas serosal invazija buvo apibrėžtas kaip 1 ir neigiamas buvo -1. Išėjimo indeksas buvo limfmazgių metastazių pacientui. Ji buvo patvirtinta operacijos ir histopatalogiją. Jei pacientas turėjo vieną ar daugiau limfmazgių metastazių, ji buvo laikoma teigiamu LNM. Mes nustatėme teigiamą LNM kaip 1, o neigiamas buvo -1. Mes pasirinkome RBF branduolio modelio kūrimui. Mokyti ir išbandyti mūsų SVM modelį, mes panaudojome standartinę mašina mokymosi techniką, vadinamą k kartų kryžminio patvirtinimo. Nes visa imties dydis mūsų tyrime nebuvo labai didelis, mes naudojamas 5 kartus kryžminio patvirtinimo. Visa duomenys buvo suskirstyti į 5 lygias ir skirtingų pogrupių. Keturi iš šių pogrupių, yra sujungiami ir naudojamas mokymo, o likusi vienas rinkinys bandymuose naudojama. Šis kryžius-įteisinimo procesas buvo pakartotas 5 kartus, todėl kiekvienas pogrupis tarnauti kartą kaip bandymo duomenų rinkiniu.
Statistinė analizė
A vienmatės statistinę analizę, naudojant SPSS /PC + statistinę programinės įrangos paketo versiją 11,5 (SPSS Inc., IL, Čikaga, JAV) buvo atliktas siekiant įvertinti šešių vaizdo rodiklių skirtumus tarp pacientų, kuriems buvo LNM, ar ne. Statistinės analizės metodai buvo Nepriklausomi-mėginiai t testas ir Mann-Whitney U testas. P < 0,05 buvo laikomas didelis skirtumas. ROC kreivė (ROC) kreivė įvertinti buvo naudojama diagnostikos naudingumui SVM modelį. Medcalc programinės įrangos versija 11,2 (Medcalc, Medcalc Programinė įranga, Gentas, Belgija) buvo naudojamas, kad ROC kreives ir palyginti juos. Apibendrinant, mes vidutiniškai plotas po kreive (AUC) ROC kreivių 5 kartus kryžminio patvirtinimo. Mes taip pat skaičiuojami jautrumo ir specifiškumo priemones. Norėdami palyginti su SVM modelį, mes pastatytas ROC kreivė radiologo vertinimo naudojant maksimalų limfmazgių dydį, kaip kriterijus klasifikuoti LNM. Jautrumas ir specifiškumas iš geriausių ribinės taško buvo skaičiuojami.
Rezultatai
Šiose 175 atvejais buvo 134 atvejai, kurie turėjo limfmazgių metastazių ir 41 atvejų nebuvo. Pacientų klinikos funkcijos buvo detaliai 1 lentelėje Mes surinkome šešis rodiklius MDCT vaizdų. Šio vieną požymį statistinės analizės rezultatai parodė, kad visi šeši rodikliai įskaitant serosal invazijos, naviko klasifikavimo, naviko didžiausią skersmenį, skaičiaus limfmazgius, maksimalus limfmazgių dydžio ir limfmazgių stoties buvo reikšmingai skyrėsi tarp LNM teigiamų ir neigiamų grupėje (P <; 0,001). Naviko didžiausią skersmenį, skaičiaus limfmazgių ir maksimalus limfmazgių dydį LNM teigiamą grupės priemonė buvo 56,6 ± 19,5 mm, 10,0 ± 5,5 mm, o 12 ± 8, atitinkamai. Jie visi buvo didesnis nei LNM neigiamas grupės (2 lentelė) .table 1 pacientui Charakteristikos
klinikos funkcijos
vertės

Nr pacientų
175
amžiaus vidurkis (Y)
59,8 (30-85)
moterų santykis vyrų
50: 125
histopatalogiją
adenokarcinoma
173 ( 98,9%)
Na diferencijuotas
6 (3,4%)
Vidutiniškai diferencijuoti
91 (52%)
blogai diferencijuoti
76 (43,5%)
smulkių ląstelių plaučių karcinoma
2 (1,1%)
limfmazgių metastazės
teigiamą
134 (76,6%)
Neigiama
41 (23,4%)
Pastaba .-- skaičiai skliausteliuose yra ribos. 2
lentelė Pacientų duomenys: 6 rodikliai "duomenys apie MDCT vaizdų ir vieną požymį statistinės analizės rezultatai
Ligonių duomenys

LNM (. -)
LNM (+)
P vertę

paciento numeris
41/175 (23,4%)
134/175 (76,6%)
Matavimo duomenys *
naviko maksimalus skersmuo (mm)
39,0 19,5
± 17,0
56,6 ± < 0,001
Maksimalus limfmazgių dydis (mm)
6,5 ± 2,8
10,0 ± 5,5
< 0,001
skaičius limfmazgių
7 ± 4
12 ± 8
< 0,001
skaičiavimo duomenys #
Serosal invazijos
< 0.001
Taip
15/175 (8,6%)
120/175 (68,6%)
Nėra
26/175 (14,8%)
14/175 (8%)
naviko klasifikacija
< 0,001
Ankstyvas skrandžio vėžys
9/175 (5,1%)
1/175 (0,6%)
BorrmannI
2/175 (1,1%)
0/175
BorrmannII
3/175 (1,7%)
9/175 (5,1%)
BORRMANN III
27/175 (15,4%)
121 /175 (69,1%)
BORRMANN IV
0/175
3/175 (1,7%)
limfmazgių stotį
< 0,001
Station1
29/175 (16,6 %)
44/175 (25,1%)
Station2
12/175 (6,9%)
54/175 (30,9%)
Station3
0/175
36 /175(20.5)
* matavimo duomenų vertė buvo priemonė ± standartinis nuokrypis. P vertė buvo iš nepriklausomų imčių t testas.
# Iš grafo duomenų vertė buvo duomenų, skaičius. P vertė buvo nuo Mann-Whitney U testą.
Radiologas pasiekė iš 0,757 AUC, klasifikuojant limfmazgių metastazių pacientui maksimaliai limfmazgių dydį. Geriausias ribinis taškas didžiausio limfmazgių dydis buvo 7,7 mm. Jautrumas ir specifiškumas buvo tik 63,4% ir 75,6%. Į SVM anketa priemonės jautrumo, specifiškumo ir AUC su 5 kartus kryžminio patvirtinimo buvo 88,5%, 78,5% ir 0,876, atitinkamai (3 lentelė). Palyginti su radiologo, kiekvienas iš 5-klosčių patvirtinimo kryžminio SVM AUC žymiai geriau atliekamas (P < 0,05) negu radiologą (1 pav, 3 lentelė). 1 pav ROC kreivė LNM. ROC kreivė (ROC) kreivė limfmazgių metastazių su 5 kartus kryžminio patvirtinimo SVM modelių ir radiologo. Iš k1 AUC K5 SVM modeliai buvo 0,862, 0866, 0,878, 0,900 ir 0876, atitinkamai. Palyginti su radiologą, P reikšmės buvo visi mažiau nei 0,05 (3 lentelė). Dėl penkių SVM modelių, iš AUC vidurkis buvo 0,876. Ir radiologas remiantis LN dydžio AUC buvo 0,757.
3 lentelė AUC SVM modelio ir radiologo
Model

K-fold

Sensitivity

Specificity

AUC*

P vertė (pagal AUC lyginant su radiologo)
SVM
K1
0.881 pervežimas 0.780 pervežimas 0.862 ± 0.038
0,002
K2
0,866
0,780
0.866 ± 0.037 pervežimas < 0,001 pervežimas K3
0.858 0.805 0,033
0.878 ± < 0,001 pervežimas K4
0,933
0,780
0.900 ± 0,031
< 0,001
K5
0.888 0.780 0.038
<pervežimas pervežimas 0,876 ±; 0,001
reiškia
0,885
0,785
0,876
Radiologas
0,634
0,756
0,757 ± 0,042
jautrumo, specifiškumo ir AUC 5 kartus kryžminio patvirtinimo SVM modelių ir radiologo diagnostika limfmazgių metastazių pacientui.
* vertė iš duomenų buvo AUC ± standartinis nuokrypis.
Diskusijos
Limfmazgių metastazės paveikia chirurginio gydymo pacientams, sergantiems skrandžio vėžiu ir taip pat yra svarbus veiksnys prognozės. Šiuo metu Ikioperacinė diagnozė daugiausia priklauso nuo įvairių vaizdavimo metodai. Už sprendžiant limfmazgių metastazių standartas remiasi morfologinių rodiklių. Limfmazgių dydis yra dominuojantis rodiklis. Tačiau Dorfman RE kt pranešė, kad viršutinės ribos normalu limfmazgių dydį at pilvo kompiuterinės tomografijos svyravo nuo 6 iki 11 mm [17]. Jie iš dalies sutapo su piktybinės limfadenopatija. Fukuya T et al parodė, kad KT slopinimas ir limfos mazgas konfigūracija gali padėti diagnozuoti piktybiniai adenopatija [18]. Priešingai, Deutch SJ ir kt išreiškė tą dydį, vietą, kontūrą, tankis nebuvo naudinga atskirti gerybinis nuo piktybinės limfadenopatija [19]. Trūksta kriterijų, apibūdinančių yra pagrindinis apribojimas dėl limfmazgių metastazių prieš operaciją prognozavimas.
Biologinis elgesys skrandžio vėžio atspindi histopatologiniam našumą auglio malignance ir invazijos. Kai ji daro įtaką limfmazgių metastazių tiesiogiai arba netiesiogiai. Betono pasireiškimas biologinio elgesio apima, pavyzdžiui, auglio dydį, gylis invazijos, auglio invazijos į kitų organų, limfmazgių metastazių ir tolimas ir jo metastazių. MDCT gali aiškiai rodyti šiuos patologinius reiškinius. Kai kurie tyrimai pranešė, kad skrandžio vėžys T sustojimo su MDCT kartu su 3D rekonstrukcijos tikslumas buvo 84-89% [20, 21]. Zhang XP "ir kt pranešė, kad aptiktų MDCT limfmazgių skaičius parodė reikšmingą skirtumą tarp limfmazgių metastazių grupės ir be metastazių grupės širdies vėžio [22]. MDCT taip pat gali nurodyti į kitų pilvo organų ir pilvaplėvės situaciją. Todėl MDCT vaizdo gali tiksliai atspindi biologinę elgseną skrandžio vėžio histopatalogiją. Vienmatės analizės mūsų tyrimas parodė, kad 6 rodikliai skrandžio vėžio ir limfmazgiai informacijos apie CT vaizdų visi turi ryšį su LNM. Taigi, mes turime atsižvelgti į šiuos biologinius elgesio veiksnius išsamiai prognozuojant LNM.
Būta kitos medžiagos, naudojamos medicinos studijų mašina mokymosi metodai. Daugiausia metodas buvo dirbtinis neuroninis tinklas (ANN). DNT yra laikomas tinkamas būdas medicinos duomenų analizei [23]. Bollschweiler et al taikomas vieno sluoksnio perceptron, kuris yra Ann rūšies, prognozuoti limfmazgių metastazių skrandžio vėžio. Ann tikslumas buvo 79% [24]. Tačiau, Ann turėjo keletą trūkumų. Onos modelis buvo linkę overfitting. Joje buvo reikalaujama, ilgas plėtrą ir laiką optimizuoti. Jie buvo sunkiau naudoti lauke, nes skaičiavimo reikalavimus [25]. Atsižvelgiant į pirmiau nurodytas priežastis, mes pasirinkote SVM modelį vietoj. SVM galėtų gaminti mažesnį prognozavimo klaidos, palyginti su klasifikatorių remiantis kitais metodais, pavyzdžiui, dirbtinių neuroninių tinklų [26]. Palyginti su DNT, SVM gali turėti tą patį net geriau prognozavimo galimybes [27, 28]. Šiuo metu yra keletas ataskaitas apie SVM taikymo skrandžio vėžio limfmazgių metastazių. Pirmiausia tyrimo, mūsų rezultatai rodo, kad SVM modelis turi geriau diagnostikos pajėgumus LNM nei tradicinis LN dydžio kriterijus. AUC pasiekė gerą diagnostinę galią. Su toliau tobulinti, SVM gali tapti veiksmingas būdas nuspėti limfmazgių pastatymas skrandžio vėžio.
Išvadas
Remiantis biologinės elgsenos informacijos skrandžio vėžio d MDCT vaizdų, SVM modelis gali padėti diagnozuoti limfmazgių metastazių prieš operaciją.
dEKLARACIJOS
Padėka
Dėkojame Jie Li, Yong Cui Li-ping Qi Xiao-Ting Li redagavimui paramos ir birželis Shan, Ning Wang, Inga Li, Shun-yu Gao peržiūros rankraštį.
projektą remia Nacionalinė Gamtos mokslo fondo Kinijos (dotacijos Nr 30.970.825) ir Pekino savivaldybės gamtos mokslo fondo (Nr 7.092.020). originalūs
autorių pateikti failai vaizdų
Žemiau išvardintos nuorodos į autorių "originalas pateiktų failų vaizdų. 12885_2010_2503_MOESM1_ESM.jpeg Autorių originalus failas 1 pav konkuruojančių interesų Viesbutis The autoriai deklaruoja, kad jie neturi jokių konkuruojančių interesų.

• Pasikeitimai E-cad ir beta-kateninai skrandžio cancer
• Išraiška p53, indukuojamo azoto oksido sintazės ir kraujagyslių endotelio augimo faktoriaus skrandžio priešvėžinių ir vėžinių pakitimų: koreliacija su klinikinės features