醫學跨模態檢索旨在實現不同模態間醫療案例的語義相似性搜索，如通過超聲報告快速定位相關的超聲圖像，或利用超聲圖像反向檢索匹配的超聲報告。然而，現有醫學跨模態哈希檢索方法面臨顯著挑戰，包括不同模態之間的語義差異、視覺差異及哈希算法在大規模數據下的可擴展性問題。為應對這些挑戰，本文提出了一種基于Transformer語義對齊的醫學圖像跨模態哈希檢索算法（MSACH）。該算法通過分段式訓練策略，結合模態特征提取與哈希函數學習，有效提取包含重要語義信息的低維特征，并通過Transformer編碼器進行跨模態語義學習。通過流形相似度約束、平衡約束和線性分類網絡約束，增強了哈希碼的可判別性。實驗結果表明，MSACH 算法在兩個數據集上的平均檢索精度比傳統方法分別提高了11.8%和12.8%。該算法在提升檢索精度、處理大規模醫學數據方面表現出色，具有較好的應用前景。
目的探討在上皮細胞生長因子（EGF）作用下，用懸浮培養法富集結腸癌腫瘤干細胞的最佳培養時間。方法在含 20 ng/mL EGF 的無血清培養基中，懸浮培養人結腸癌 DLD-1 細胞獲取球細胞，設置時間梯度為 10 d、20 d、30 d 及 40 d。采用流式細胞術（FCM）檢測球細胞中 CD133+、CD44+和 CD133+CD44+細胞的比例；采用成球實驗和有限稀釋法檢測細胞球的自我更新能力，平板克隆形成實驗檢測細胞體外成瘤能力。結果流式細胞術檢測結果顯示：30 d 組球細胞中 CD133+及 CD133+CD44+ 細胞的比例較其他組明顯增多（均 P<0.05），其CD44+細胞的比例高于 20 d 組（P<0.05），但與另外 2 組的差異無統計學意義（P>0.05）。有限稀釋法和平板克隆形成實驗中，30 d 組或 40 d 組的數量最高，2 組比較差異無統計學意義（P >0.05），30 d 組與 10 d 及 20 d組比較差異均有統計學意義（均P<0.05）。成球實驗中，30 d 組細胞球自我更新能力較其他組明顯增強（均P<0.05）。結論在 20 ng/mL EGF 懸浮培養 30 d 可最大效率地富集結腸癌 DLD-1 腫瘤干細胞。