JAG2、INHBA、PD-L1蛋白在老年大肠癌组织中表达及与预后的关系

目的 探讨老年大肠癌患者肿瘤组织中Jagged 2蛋白(JAG2)、抑制素βA(INHBA)、细胞程序性死亡-配体1(PD-L1)表达与预后的关系。方法 选择2017年5月至2019年5月在湖南省肿瘤医院接受手术治疗的112例老年大肠癌患者为研究对象,采用免疫组织化学法检测癌组织和癌旁组织中JAG2、INHBA、PD-L1表达。随访患者的生存时间,Cox回归模型分析JAG2、INHBA、PD-L1表达与老年大肠癌患者预后的关系。结果 患者癌组织中JAG2、INHBA、PD-L1阳性表达率高于癌旁组织,差异有统计学意义(P<0.05)。低分化患者JAG2、INHBA、PD-L1阳性表达率高于中高分化患者,TNM分期为Ⅲ~Ⅳ期患者JAG2、INHBA、PD-L1阳性表达率高于Ⅰ~Ⅱ期患者(P<0.05)。Cox回归模型显示,肿瘤低分化、TNM分期为Ⅲ~Ⅳ期、JAG2、INHBA、PD-L1表达阳性为影响老年大肠癌患者无进展生存时间的独立危险因素(OR>1,P<0.05)。大肠癌患者癌组织中JAG2、INHBA、PD-L1阴性患者总生存率高于JAG2、INHBA、PD-L1阳性患者,差异有统计学意义(P<0.05)。大肠癌患者癌组织中JAG2、INHBA、PD-L1阴性患者无进展生存率高于JAG2阳性患者,差异有统计学意义(P<0.05)。结论 老年大肠癌患者癌组织中JAG2、INHBA、PD-L1阳性表达率较高,且对预后评估具有重要意义。

“低慢小”目标的雷达与光电复合探测跟踪方法

针对单一探测方式难以对“低慢小”目标进行全天候探测与跟踪,采用雷达与光电的主被动复合探测技术,结合两者的优势,提高定位精度,实现脉冲多普勒雷达扫描探测引导光电系统精跟踪;首先利用四元数法建立雷达坐标系与光电坐标系的空间配准模型,雷达与光电系统空间配准后,光电接收到目标位置信息视场自动转向目标;当雷达与光电探测到同一目标,通过最小二乘法将雷达与光电探测目标数据进行加权时间配准,最后将配准后的数据采用扩展卡尔曼滤波交互多模型算法(EKF-IMM)进行滤波预测,改善复合探测系统能持续跟踪能力,同时对目标在不同运动状态下具有强适应性;仿真与实验分析表明通过复合探测的方法实现对目标进行探测跟踪,利用EKF-IMM算法降低了噪声干扰,提高了目标跟踪能力及精度,其精度较传统模型提高了7%左右。

基于YOLOv5的水表字轮读数自动识别方法

基于水表公司内实地采集的一批检定水表数据集,通过数据增强扩增数据集,标注表盘和字轮框数据集并训练模型,实现水表表盘区域和字轮区域定位;标注水表机械字轮的半字符的数据集,在PyTorch框架下搭建YOLOv5算法环境,采用YOLOv5s网络模型进行训练。实验结果表明,该方法的字轮数字识别训练模型的mAP@0.5:0.95值达到0.95,字轮字符识别的整体准确率达到93.85%,与模板匹配方法相比准确率提高了5.58%,其中半字符识别准确率提高了9.15%,有效解决了水表字轮半字符识别错误率高的问题,在水表等仪表读数的自动化改造方面具有一定的应用价值。

融合DenseNet201网络与Xception网络的外周血白细胞五分类方法研究

目的:为解决白细胞图像五分类中单一分类网络精度不高、泛化能力差的问题,提出一种融合DenseNet201网络与Xception网络的外周血白细胞分类方法。方法:对输入的白细胞图像分别通过DenseNet201网络与Xception网络的特征提取层进行特征提取,将提取到的特征进行串联式组合后再通过一个由全连接层、Dropout层、Softmax层构成的白细胞分类器实现白细胞五分类。为验证该方法的适用性和分类性能,分别在公开的单一来源白细胞数据集1和混合来源数据集2上,与基于经典卷积神经网络VGG16、ResNet50、InceptionV3、DenseNet201和Xception的分类方法进行对比实验。结果:在图像质量较好、颜色分布一致的数据集1和图像质量较差、颜色分布各异的数据集2上,融合DenseNet201网络与Xception网络的分类方法的平均分类准确率分别达到99.4%和98.2%,均优于基于经典卷积神经网络的分类方法。结论:提出的融合DenseNet201网络与Xception网络的外周血白细胞分类方法对数据集适用性较好、分类精度较高,可作为一种有效的外周血白细胞五分类方法。

基于改进BET算法的MR颅脑图像脑组织自动提取

为稳定地自动从MR颅脑图像中提取脑组织,在经典的BET算法(brain extraction tool)的基础上提出了一种改进算法。该算法简化了BET中用来保持曲线光滑的平滑力,改进了BET中将曲线演化到脑组织边界的扩张力,引入了图像梯度的作用使曲线在脑组织内部演化快,在脑组织边界演化慢从而得到更好的结果。改进算法对100个临床病例的真实MR图像进行处理都得到理想的结果,相比之下BET算法有8例不成功。可见改进算法在处理真实MR图像时比经典BET算法更为稳定。

基于模糊区域的CT脑图像检索及关联反馈

基于模糊区域特征的图像检索算法和关联反馈算法是当前图像检索领域的研究热点,由于区域模糊相似度的复杂性,绝大多数关联反馈算法不能应用到基于模糊区域特征的图像检索方法中。为解决这个问题,论文修改了模糊相似度计算方法,并结合经典的基于权重调整的关联反馈算法,提出一种基于模糊区域特征的关联反馈算法。对脑出血CT图像的检索实验结果表明该算法效果较好。

RGS2在泛癌中诊断、预后和免疫浸润的分析

为探究G蛋白信号调节蛋白2(Regulator of G Protein Signaling 2,RGS2)在泛癌中的表达与预后和免疫浸润的关系,利用生物信息学方法、结合R语言与多个数据库进行了深入分析。首先,通过TCGA数据库分析RGS2在33种癌症肿瘤组织与正常组织中的差异表达,并通过GEO数据库对部分结果进行验证;再通过Cox回归分析与log-rank检验进行预后分析。接着进行免疫浸润分析,并通过ssGSEA分析RGS2对免疫微环境的影响;根据RGS2表达的高低分组获取差异基因,并通过Gene Ontology(GO)、Kyoto Encyclopedia of Genes and Genomes(KEGG)富集分析找到与RGS2相关的分子通路。最后,通过STRING数据库、GENEMANIA数据库获取RGS2的相关基因,搭建蛋白互作网络(Protein-Protein Interaction Networks,PPI)。结果表明,RGS2表达量在24种癌症肿瘤组织显著下调,在4种癌症中显著上调。RGS2在膀胱尿路上皮癌、肾透明细胞癌、肝细胞肝癌、胃腺癌中为危险因素,但在皮肤黑色素瘤、子宫癌肉瘤为保护因素。免疫浸润分析结果表明,RGS2表达与多数免疫细胞表达量显著正相关,但与Th17细胞表达量显著负相关。富集分析表明,RGS2与补体活化、免疫球蛋白受体结合等功能和通路密切相关。PPI蛋白互作网络显示RGS2与RGS4、GNA11、GNA14等基因具有显著相关性。综上所述,RGS2在28种癌症中显著差异表达,可作6种癌症的独立预后因子,与多种癌症的免疫浸润水平显著相关。因此,RGS2有望成为多种癌症的诊断、预后、免疫浸润的新型生物标志物,有望成为一种新的治疗靶点。

基于SIFT特征关键点匹配的脑组织提取方法

脑组织提取是脑部磁共振图像处理的重要步骤之一。为稳定准确地提取脑组织,提出一种基于点阵SIFT(Scale Invariant Featun Transform)特征匹配的脑组织提取方法。该方法在采用BET方法对脑组织进行提取的过程中,不断提取轮廓点阵的SIFT特征,并提出基于距离约束投票的特征匹配方法,对目标图像当前脑组织轮廓和模板图像脑组织进行匹配,根据匹配结果重新定义BET脑组织提取参数再继续进行轮廓演化,从而得到稳定的脑组织轮廓。然后以该轮廓为初始值采用Graph cuts方法进行精提取,最终得到精确的脑组织边界。采用IBSR网站20套MRI图像序列与其他3种算法进行对比实验,得到最高的DICE精度(0.962±0.008)、Jaccard精度(0.926±0.014)和特异性(0.994±0.004)、最低的假阳性率(4.95%±2.74%)、较低的假阴性率(2.82%±2.0%)。精度最高表明该方法具有很好的提取精度,相应参数的标准差较小表明本方法有很好的稳定性,说明该算法是一种精确稳定的脑组织自动提取方法。

序列颅脑CT图像颅腔内结构自动化提取及分割

目的自动化提取和分割序列颅脑CT图像颅腔内结构。方法本研究首先利用颅脑CT的解剖学结构,基于区域生长法和形态学方法提取出序列颅脑CT颅腔内结构。然后针对应用EM(期望最大化)算法分割图像时,初始值选取难点,提出了一种改进的基于参数受限高斯混合模型的EM分割算法,实现了对颅内结构的有效分割。结果实验结果表明,该算法能够实现从颅底到颅顶的所有CT图像颅腔内结构的计算机自动化提取和分割,结果准确。结论本文算法在绝大多数情况下是有效的。

从二维图像直线光流场求解三维刚体旋转运动参数

本文将图像直线的三个参数对时间的导数定义成直线光流场,找出了在透视投影模型下运动刚体上的空间直线与其投影的图像直线之间的关系,提出了一种利用单目图像序列中两幅连续图像的三对直线光流场,通过解线性方程组得到刚体旋转运动的算法,同时还可以得到摄像机的一个内参数焦距。由于是解线性方程组,无需迭代和给出迭代初值且所需要的直线数目少,所以该算法简单,运算速度较快,容易实现。

一种简单高效的图象缩小算法

图象放缩问题是图象处理中的一个基本问题 ,图象在缩小的过程中存在着图象信息的损失 ,而且缩小的比例越大 ,损失越大 ,从而导致图象的失真较大。本文介绍一种近邻取样和邻域平均相结合的算法 ,该算法简单同时失真又不大 ,特别是缩小比例较大的时候该算法效果明显。

基于活动邻域模型的脑组织提取及参数自动设定

从T1加权MRI图像中提取脑组织是脑容量测定、脑组织分割、脑萎缩诊断等的重要预处理过程。本文将随机森林法引入基于活动邻域模型的脑组织提取方法中以实现参数的自动设置。该方法先对训练样本进行脑组织提取和特征提取,根据相应参数采用随机森林法对样本进行分类,对于测试样本进行类别判别,根据该类别实现自动设定参数。通过验证证实,本研究所设计的脑组织提取方法具有较好的鲁棒性,设计的参数自动设定方法是可行的,能减少用户交互。

联合相关反馈在医学图像检索中的应用

为进一步提高基于内容的医学图像检索性能,本文对相关反馈算法和全局特征进行研究。将基于模糊区域特征的图像检索和相关反馈算法与基于SVM的相关反馈算法结合起来,对复杂的区域特征采用基于模糊区域特征相关反馈算法,对全局特征采用能同时使用正例和负例图像的基于SVM的相关反馈算法,提出联合相关反馈算法。实验结果表明,采用这些方法后,检索结果有了很大的提高。

基于实践的生物医学工程创新人才培养探索

本文以南昌航空大学生物医学工程系近几年在实践环节进行的教育改革探索工作为基础,探讨了生物医学工程专业实践环节存在的问题,提出了基于实践的生物医学工程创新人才培养模式。

伴肝转移性结直肠癌患者微卫星不稳定率与PD-L1/PD-1表达及预后的相关性研究

目的研究伴肝转移性结直肠癌患者微卫星不稳定(MSI)率与程序性死亡配体1(PD-L1)/程序性死亡受体1(PD-1)表达及预后的相关性。方法选取2018年1月至2020年3月在该院诊断为结直肠癌的472例患者作为研究对象,其中伴肝转移194例,无肝转移278例。采用免疫组化检测MSI状态,根据MSI状态分为高频MSI(MSI-H)组、低频MSI(MSI-L)组及微卫星稳定(MSS)组。采用荧光定量PCR检测伴肝转移的结直肠癌患者原发灶和转移灶内PD-L1、PD-1 mRNA表达水平,评价伴肝转移的结直肠癌患者的化疗近期疗效及手术后的无进展生存情况。结果伴肝转移的结直肠癌组织MSI-H率低于无转移的结直肠癌组织(P<0.05),MSI-L率、MSS率高于无转移的结直肠癌组织(P<0.05);伴肝转移94例结直肠癌患者中,MSL-H组低分化的比例、黏液腺癌的比例、淋巴结转移数目≥4个的比例、肝转移数目≥2个的比例、化疗前癌胚抗原(CEA)的水平均高于MSI-L组和MSS组(P<0.05),原发灶及转移灶内PD-L1、PD-1的mRNA表达水平均高于MSS组、MSI-L组(P<0.05),客观有效率、疾病控制率、累积无进展生存率均低于MSS组、MSI-L组(P<0.05)。结论伴肝转移的结直肠癌原发灶内MSI-H率降低,MSI-H与PD-L1/PD-1表达增加、化疗近期疗效和远期预后不佳有关。

基于直线光流场的三维检测新方法

提出了基于直线光流场的三维检测计算方法。在透视投影下,将表示二维直线的参数对时间的导数定义成直线光流场,详细推导出基于直线光流场检测三维刚体运动参数的模型。使用最小二乘法,求出刚体的三维旋转运动参数、平移运动参数和空间直线坐标,从而实现了刚体的三维检测。该方法利用单目图像序列中连续3幅图像的2对直线光流,能够检测出物体的运动参数和结构参数,有助于全面检测和识别物体。多组实验表明该方法是稳定的,具有较好的鲁棒性能。

深度学习光流计算技术研究进展

图像序列光流计算是图像处理与计算机视觉等领域的重要研究方向.随着深度学习技术的快速发展,以卷积神经网络为代表的深度学习理论与方法成为光流计算技术研究的热点.本文主要对深度学习光流计算技术研究进行综述,首先介绍了有监督学习、无监督学习和半监督学习的光流计算网络模型与训练策略,然后重点阐述并分析了不同网络模型优化方法.针对光流计算模型的评估问题,分别介绍了Middlebury、MPI-Sintel和KITTI等数据库及评价基准,并对不同类型深度学习和传统变分光流模型进行对比与分析.最后,总结了深度学习光流计算技术在模型复杂度与泛化性、光流估计鲁棒性、小样本训练准确性等方面的关键技术问题,并指出了可能的解决方案与研究思路.

FRFCM聚类与深度优化的RGBD场景流计算

针对现有RGBD场景流计算模型在复杂场景、非刚性运动和运动遮挡等情况下易产生场景过度平滑和运动边缘模糊的问题,提出一种基于FRFCM(Fast and Robust Fuzzy C-Means)聚类与深度优化的RGBD场景流计算方法.首先以图像序列连续帧间光流信息为基准,利用FRFCM聚类算法对输入图像进行初始分割,然后根据深度图像的运动边缘信息优化初始分割结果,提取高置信度的运动分层信息.最后设计基于图像分割的RGBD场景流能量函数,采用金字塔变形策略计算精确的场景流结果.分别采用Middlebury和MPI-Sintel数据库所提供的测试图像集对本文方法和现有的RGBD场景流算法进行综合对比分析,实验结果表明本文方法相对于其他方法具有更好的场景流估计精度和鲁棒性,有效改善了场景过度平滑和运动边缘模糊问题.

基于语义分割的双目场景流估计

针对现有场景流计算方法在复杂场景、大位移和运动遮挡等情况下易产生运动边缘模糊的问题,提出一种基于语义分割的双目场景流估计方法.首先,根据图像中的语义信息类别,通过深度学习的卷积神经网络模型将图像划分为带有语义标签的区域;针对不同语义类别的图像区域分别进行运动建模,利用语义知识计算光流信息并通过双目立体匹配的半全局匹配方法计算图像视差信息.然后,对输入图像进行超像素分割,通过最小二乘法耦合光流和视差信息,分别求解每个超像素块的运动参数.最后,在优化能量函数中添加语义分割边界的约束信息,通过更新像素到超像素块的映射关系和超像素块到移动平面的映射关系得到最终的场景流估计结果.采用KITTI 2015标准测试图像序列对本文方法和代表性的场景流计算方法进行对比分析.实验结果表明,本文方法具有较高的精度和鲁棒性,尤其对于复杂场景、运动遮挡和运动边缘模糊的图像具有较好的边缘保护作用.

多通道经颅交流电刺激仪的设计

目的:电信号不同,对生物进行电刺激产生的生物效应也不相同。医疗领域已经研究出了许多有效成熟的电刺激治疗模式,市场上已有很多具有简单模式的电刺激仪,它们一般都只有特定的治疗模式,功能比较单一。为了满足多模式联合治疗和医学实验的需要,我们研发了一款具有多种治疗模式的交流电刺激仪。方法:该交流经颅电刺激仪选用TI的低功耗MSP430F413单片机作为主控芯片,控制以MAX038作为信号发生芯片的波形发生电路。因为MAX038能够产生0.1 Hz-20 MHz可调的正弦波、方波、三角波,可以实现两个独立控制波形的耦合输出,因此能够形成多种刺激模式。通过软件编程,使该电刺激仪具有丰富的参数设置与显示功能。结果:研制出的电刺激仪具有内置多种常用治疗模式(其中有2个为多治疗模式定时自动转换的可循环模式),利用6个中断按键作为控制键,可以方便快捷地进行模式选择和参数设置。通过配备不同的电极,可以进行电流与电场治疗模式切换:导电电极用于电流治疗,绝缘电极用于电场治疗。结论:经过多次调试和验证,该电刺激仪的输出电压Vp-p为5 V,可按需要外接医用功率放大设备进行放大,输出频率可调范围为0.1 Hz-5 MHz,调节精度为±2%,可以输出噪声较低的方波,三角波,正弦波及其调制波形,具有良好的稳定性和可靠性,同时满足国际电工委员会颁布的医疗设备安全标准,达到了最初的设计要求。