基于循环一致性生成对抗网络的盆腔伪CT生成方法

目的:基于循环一致性生成对抗网络(CycleGAN),利用非配对患者盆腔部位数据,实现MRI和CT图像之间的相互转换,并对基于该模型生成的盆腔伪CT(sCT)进行精度和剂量性能的评估。方法:该CycleGAN网络包含两个生成器和两个判别器。先基于全卷积网络(FCNs)构建两个生成器,一个将2D盆腔MRI转换为2D盆腔sCT图像,另一个将CT图像转换为伪MRI(sMRI)图像。再基于FCNs构建两个判别器,用于对真实图像和生成的伪图像进行判别,提升生成图像的质量。为保证sCT图像与MRI图像的一致性,引入归一化互信息作为相似性约束损失项,对模型进行改进。训练集包括35例患者盆腔部位的T1-MRI图像和另外36例患者盆腔部位的CT图像,测试集包括10例盆腔部位患者的MRI和CT图像,评估方法包括sCT与CT图像的误差和放疗剂量伽马通过率。结果:对于测试集中所有病例,生成的sCT与真实CT图像之间的平均绝对误差(MAE)为35.537(±4.537)HU;基于体素的平均剂量差异最大为0.49%;以3%/3 mm、2%/2 mm和1%/1 mm为标准的平均伽马通过率分别高于99%、98%和95%。结论:使用CycleGAN网络和非配对患者训练数据可以生成准确且符合临床剂量精度要求的盆腔部位sCT图像。

人工智能辅助的酶分子改造应用进展

天然酶在活性、对映体选择性或热稳定性等方面经常难以满足应用与研究的需求,探索高效的酶分子改造技术改善该类酶的某些特性是酶工程的重要任务。酶分子改造技术主要包括理性设计、定向进化和人工智能辅助设计等。定向进化和理性设计是由实验驱动的酶分子改造策略,已经成功地应用于酶工程,但由于蛋白质序列空间的尺寸巨大以及实验数据少,现行的酶分子改造方法仍然面临着重大挑战。随着新一代测序、高通量筛选方法、蛋白质数据库和人工智能技术的发展,数据驱动的酶工程有望应对这些挑战。其中,采用人工智能辅助的统计学习方法,通过数据驱动方式构建序列/结构-酶性能的预测模型,依据预测模型挑选优良突变酶,大大提高了酶分子改造效率。基于酶分子改造的应用需求,本文综述了人工智能辅助酶分子改造的数据采集方法以及人工智能辅助酶分子改造的应用实例等,重点叙述了采用卷积神经网络预测蛋白质热稳定性的方法,以期为该领域的研究人员提供参考。

跨区域财政转移制度的耕地保护效应——以新增建设用地使用费为例

跨区域财政转移制度是解决耕地保护区域非均衡的重要工具,其通过管制弱化区域和管制强化区域之间的横向财政转移,使得不同区域均能享受到国土空间优化带来的福利提升,有助于耕地保护的实施。本文初步尝试将新增费缴纳、新增费分配过程有机结合,视为横向跨区域财政转移支付,即新增费由建设用地指标多的非农发展区流向耕地保护任务重的农地保护区,并考察这种以新增费为载体的跨区域财政转移制度的耕地保护作用机理。在此基础上,本文采用中国2005—2015年间省级面板数据,通过建立动态面板计量模型和引入系统GMM估计方法进行实证检验。研究结果表明:以新增费为载体的省际横向跨区域财政转移制度有助于调动地方政府保护耕地的积极性,达到耕地保护的目的,但是其发挥的作用非常有限。进一步探讨新增费的两个主要组成部分——新增费缴纳和新增费分配的耕地保护效应大小可知,相比于新增费分配,新增费缴纳的耕地保护效果更好。本文研究结果有助于完善以新增费为载体的省际横向跨区域财政转移支付制度,促进耕地资源保护。

DeepPlan系统中快速直接子野优化在临床中的应用研究

目的:通过与Pinnacle计划系统在临床静态调强放疗(intensity modulated radiation therapy,IMRT)病例上的对比,研究自主研发的DeepPlan计划系统的快速直接子野优化模块的临床应用性能。方法:选取安徽省肿瘤医院25例肿瘤患者资料(其中6例头颈部、10例胸部和9例盆腔),分别使用DeepPlan和Pinnacle制定静态调强放疗计划,比较两个计划系统优化后的靶区适形度和均匀性、机器跳数、子野数的差异,并针对宫颈癌病例比较剂量学参数差异。结果:两个系统中所有病例均满足临床剂量要求,DeepPlan的平均优化时间为86 s,平均剂量计算时间为8.36 s。与Pinnacle相比,DeepPlan优化出的放疗计划具有更小的机器跳数、更多的子野和更大的靶区适形度指数(conformity index,CI),差异具有统计学意义(t=-3.208、2.912、2.875,P<0.05);靶区均匀性指数(homogeneity index,HI)的差异无统计学意义(P>0.05)。在宫颈癌病例中,DeepPlan优化后的膀胱V40低于Pinnacle(t=-5.498,P<0.05),小肠V20高于Pinnacle(t=2.581,P<0.05)。结论:DeepPlan通过图形处理器(graphics processing unit,GPU)加速能够在较短时间内完成直接子野优化,得到满足临床要求的静态调强放疗计划。与Pinnacle相比,DeepPlan系统有更好的靶区适形度和更小的机器跳数,但子野数更多,对宫颈癌病例中膀胱的保护略好,对小肠的保护略差。