-
题名叶绿体运输蛋白的转运方式和运输机制研究
- 1
-
-
作者
褚佳辰
刘棪
周峰
华春
王仁雷
张边江
贲爱玲
-
机构
南京晓庄学院生物化工与环境工程学院
南京晓庄学院行知学院
江苏教育学院
-
出处
《黑龙江农业科学》
2011年第12期25-27,共3页
-
基金
江苏省高等教育教改重点资助项目(2011)
江苏省高等学校大学生实践创新训练计划资助项目(2011)
+1 种基金
江苏省植物生理学精品课程建设资助项目(2010)
江苏省现代教育技术研究重点资助项目(2010)
-
文摘
叶绿体的空间结构有6个区隔:外膜、膜间隙、内膜、基质、类囊体膜和类囊体腔。重点介绍了运输蛋白的跨外膜转运和跨内膜转运的运输机制,分别在叶绿体外膜易位子TOC和内膜易位子TIC的协助下实现跨膜转运。同时,介绍了分子伴侣的作用,它可提供前体蛋白运输的动力。
-
关键词
叶绿体
运输蛋白
分子伴侣
-
Keywords
chloroplast
transport protein
chaperones
-
分类号
Q945
[生物学—植物学]
-
-
题名基于自适应图卷积网络的心电图多标签分类模型
被引量:1
- 2
-
-
作者
贺煜航
刘棪
陈刚
-
机构
武汉大学空天信息安全与可信计算教育部重点实验室
武汉大学国家网络安全学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2022年第12期261-269,共9页
-
基金
国家自然科学基金(U1936107)。
-
文摘
心电图分析是一种被广泛应用的心脏疾病诊断方法。传统的心电图分析严重依赖医生个人水平,容易出现误诊、漏诊现象,效率较低,且不能有效利用高频信号提供的有价值信息。基于卷积神经网络(CNN)的心电图自动分类方法在一定程度上提高了诊断效率,但依然存在对高频信息利用不充分的问题,且单一的卷积神经网络由于受感受野的限制和权重共享的影响,导致无法充分利用全局信息,分类准确率有待提高。提出一种基于注意力机制与图卷积网络的心电图多标签分类模型MLECG-AGCN,通过设计基于注意力机制的CNN网络,提高网络对高频信号的利用率。引入图卷积网络,以有效利用全局信息和特征空间邻域样本信息,从而协助样本进行分类,提高分类结果的准确率。基于注意力机制的CNN网络通过高通滤波器突出原始信号的高频位置,生成注意力图,并将注意力图嵌入到原始信号中,增强网络关注高频信号的能力。在PTB-XL数据集上的实验结果表明,基于注意力机制的CNN网络与自适应图卷积网络的结合有效提高了心电图分类精度,与Multi-ECGNet、ResNet18、ResNet101等模型相比,MLECG-AGCN模型取得了较高的AUROC值,为0.943639。
-
关键词
心电图
图卷积网络
残差神经网络
注意力机制
多标签分类
PTB-XL数据集
-
Keywords
Electrocardiogram(ECG)
Graph Convolutional Network(GCN)
Residual Neural Network(ResNet)
attention mechanism
multi-label classification
PTB-XL dateset
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-