基于学习的斑马鱼检测与跟踪

群体行为吸引了各个领域众多科学家的兴趣,而斑马鱼作为一种模式生物,被广泛运用为研究群体行为的对象。近年来,由于照相机系统和跟踪算法的发展,使通过分析鱼的运动轨迹来研究群体行为成为了可能。但是,怎样从视频中准确鲁棒地恢复鱼的轨迹仍然是一件非常具有挑战性的问题。为了解决该问题,提出根据鱼的头部特点和成像特征,设计一个基于统计学习的鱼头检测器,从而减少身体形变对跟踪的影响;同时,通过给斑马鱼的运动建模,结合全局匹配算法,使跟踪算法对漏检、错检和短暂的遮挡有很强的容忍性。大量的实验表明所提出的鱼头检测和跟踪算法的准确性和鲁棒性。

高频超声肝实质纹理特征定量评价肝硬化患者肝功能

目的探讨基于高频超声声像图肝实质纹理特征定量评估肝硬化患者肝功能的价值。方法收集95例肝硬化患者(肝功能Child-Pugh A级组37例、B级组33例、C级组25例)和21名健康志愿者(对照组),基于机器学习思想,利用计算机技术缺陷检测法定位二维高频声像图中肝实质区域缺陷,提取缺陷图单位面积局部最大值x(D)、缺陷图均值mean(D)和缺陷图的熵ε(D),比较组间差异。结果4组间x(D)、mean(D)和ε(D)差异均有统计学意义(P均<0.001)。A级组、B级组、C级组x(D)、mean(D)均大于正常组,A级组、B级组mean(D)均大于正常组;B级组mean(D)、ε(D)大于A级组,ε(D)大于C级组;组间差异均有统计学意义(P均<0.05)。结论基于高频超声声像图的肝实质纹理特征参数能实现定量评估Child-Pugh A级、B级肝硬化,对Child-Pugh C级患者仍需结合其他特征进行综合评估。