背景:研究已证实诱导多能干细胞能够定向分化为心肌细胞,但目前很少有分化心肌细胞成熟度的研究报道。目的:探讨延长诱导分化时间对诱导多能干细胞源性心肌细胞的形态、肌节长度、双核细胞含量、心脏基因表达、心脏蛋白表达和线粒体功...背景:研究已证实诱导多能干细胞能够定向分化为心肌细胞,但目前很少有分化心肌细胞成熟度的研究报道。目的:探讨延长诱导分化时间对诱导多能干细胞源性心肌细胞的形态、肌节长度、双核细胞含量、心脏基因表达、心脏蛋白表达和线粒体功能的影响。方法:使用骨形态发生蛋白4、CHIR 99021和IWR1诱导多能干细胞向心肌细胞分化,分别在第20天和第40天收集分化心肌细胞;采用RT-PCR和免疫荧光检测分化心肌细胞中心脏基因和蛋白的表达水平;LAS X图像分析软件分析分化心肌细胞形态和肌节长度;MitoTracker Green FM线粒体染色检测线粒体总量,JC-1线粒体染色检测线粒体膜电位。结果与结论:与第20天的分化心肌细胞相比,第40天的分化心肌细胞的细胞周长和肌节长度更长、细胞面积更大(P<0.05);多核细胞比例从第20天的16%左右大幅上升至第40天的29%左右(P<0.05);第40天的分化心肌细胞具有与原代心肌细胞更相近的基因表达水平,SERCA2A、Cx-43和α-MHC基因表达水平明显高于第20天的分化心肌细胞(P<0.05);与第20天的分化心肌细胞相比,第40天的分化心肌细胞中TNNT2和α-MHC蛋白表达水平较高,线粒体分布密度更大,且功能性线粒体数量增加(P<0.05)。结果表明:延长诱导分化时间,可以通过增加肌节长度和功能性线粒体数量以及升高心脏基因和蛋白表达水平而提高分化心肌细胞的成熟度。展开更多
基于心率变异性(HRV)的特征分析,提出一种患者阵发性房颤(PAF)发作的预测系统方法。首先,基于一种新的自适应滤波技术逐次平滑滤波并粗粒化HRV后,采用熵量化HRV在多个自适应尺度的复杂性特征;其次,特征经MinMax归一化和序列前向选择特...基于心率变异性(HRV)的特征分析,提出一种患者阵发性房颤(PAF)发作的预测系统方法。首先,基于一种新的自适应滤波技术逐次平滑滤波并粗粒化HRV后,采用熵量化HRV在多个自适应尺度的复杂性特征;其次,特征经MinMax归一化和序列前向选择特征子集,输入支持向量机识别HRV类型,预测PAF发作。经50例时长5 min HRV序列集的五折交叉验证,得到最优预测结果为:准确率98%,敏感性100%,特异性96%,性能表现优越。另外,实验表明远离和紧随PAF时的HRV复杂性特征值在不同频率段内,分别具有不同的显著变化(P<0.05),反映受试者神经系统调节心脏节律改变,以及调控机体、应激等适应外界环境变化能力的下降。展开更多
目的甲状腺结节的精准分割在医学影像处理中具有重要意义,然而,超声图像中的结节通常具有尺寸多变和边缘模糊的特点,这为其准确分割带来了挑战。为有效应对这一挑战,本文提出了一种结合卷积神经网络(convolutional neural network,CNN)...目的甲状腺结节的精准分割在医学影像处理中具有重要意义,然而,超声图像中的结节通常具有尺寸多变和边缘模糊的特点,这为其准确分割带来了挑战。为有效应对这一挑战,本文提出了一种结合卷积神经网络(convolutional neural network,CNN)和Transformer的分割网络,命名为TransUNet,旨在实现对甲状腺结节超声图像的精准分割。方法首先,使用卷积神经网络对超声图像进行编码,以生成特征图。接着,将特征图转换为序列向量,并利用Transformer的编码机制来捕捉上下文信息。此外,为保持局部细节特征的完整性,研究组还引入了跳跃连接,将其用于在解码器中对编码特征进行上采样,这对于处理边缘模糊等问题尤为重要。结果通过在甲状腺结节图像分割任务中进行广泛的实验,验证TransUNet的有效性。具体而言,骰子系数(dice coefficient,DICE)为0.75,交并比(intersection over union,IoU)为0.60,F1分数(F1 Score)为0.72,准确率高达0.93,AUC(area under the ROC curve)为0.91。这些性能指标反映了该方法在处理尺寸多变和边缘模糊等挑战方面的出色表现。结论本文提出的TransUNet为甲状腺结节超声图像分割任务带来了显著的性能提升。相较于传统的U-Net方法,TransUNet不仅更好地处理了尺寸多变和边缘模糊等挑战,而且在分割性能上具有更为出色的表现,为医学图像处理领域的进一步研究和临床应用提供了有力支持。展开更多
文摘背景:研究已证实诱导多能干细胞能够定向分化为心肌细胞,但目前很少有分化心肌细胞成熟度的研究报道。目的:探讨延长诱导分化时间对诱导多能干细胞源性心肌细胞的形态、肌节长度、双核细胞含量、心脏基因表达、心脏蛋白表达和线粒体功能的影响。方法:使用骨形态发生蛋白4、CHIR 99021和IWR1诱导多能干细胞向心肌细胞分化,分别在第20天和第40天收集分化心肌细胞;采用RT-PCR和免疫荧光检测分化心肌细胞中心脏基因和蛋白的表达水平;LAS X图像分析软件分析分化心肌细胞形态和肌节长度;MitoTracker Green FM线粒体染色检测线粒体总量,JC-1线粒体染色检测线粒体膜电位。结果与结论:与第20天的分化心肌细胞相比,第40天的分化心肌细胞的细胞周长和肌节长度更长、细胞面积更大(P<0.05);多核细胞比例从第20天的16%左右大幅上升至第40天的29%左右(P<0.05);第40天的分化心肌细胞具有与原代心肌细胞更相近的基因表达水平,SERCA2A、Cx-43和α-MHC基因表达水平明显高于第20天的分化心肌细胞(P<0.05);与第20天的分化心肌细胞相比,第40天的分化心肌细胞中TNNT2和α-MHC蛋白表达水平较高,线粒体分布密度更大,且功能性线粒体数量增加(P<0.05)。结果表明:延长诱导分化时间,可以通过增加肌节长度和功能性线粒体数量以及升高心脏基因和蛋白表达水平而提高分化心肌细胞的成熟度。
文摘基于心率变异性(HRV)的特征分析,提出一种患者阵发性房颤(PAF)发作的预测系统方法。首先,基于一种新的自适应滤波技术逐次平滑滤波并粗粒化HRV后,采用熵量化HRV在多个自适应尺度的复杂性特征;其次,特征经MinMax归一化和序列前向选择特征子集,输入支持向量机识别HRV类型,预测PAF发作。经50例时长5 min HRV序列集的五折交叉验证,得到最优预测结果为:准确率98%,敏感性100%,特异性96%,性能表现优越。另外,实验表明远离和紧随PAF时的HRV复杂性特征值在不同频率段内,分别具有不同的显著变化(P<0.05),反映受试者神经系统调节心脏节律改变,以及调控机体、应激等适应外界环境变化能力的下降。
文摘目的甲状腺结节的精准分割在医学影像处理中具有重要意义,然而,超声图像中的结节通常具有尺寸多变和边缘模糊的特点,这为其准确分割带来了挑战。为有效应对这一挑战,本文提出了一种结合卷积神经网络(convolutional neural network,CNN)和Transformer的分割网络,命名为TransUNet,旨在实现对甲状腺结节超声图像的精准分割。方法首先,使用卷积神经网络对超声图像进行编码,以生成特征图。接着,将特征图转换为序列向量,并利用Transformer的编码机制来捕捉上下文信息。此外,为保持局部细节特征的完整性,研究组还引入了跳跃连接,将其用于在解码器中对编码特征进行上采样,这对于处理边缘模糊等问题尤为重要。结果通过在甲状腺结节图像分割任务中进行广泛的实验,验证TransUNet的有效性。具体而言,骰子系数(dice coefficient,DICE)为0.75,交并比(intersection over union,IoU)为0.60,F1分数(F1 Score)为0.72,准确率高达0.93,AUC(area under the ROC curve)为0.91。这些性能指标反映了该方法在处理尺寸多变和边缘模糊等挑战方面的出色表现。结论本文提出的TransUNet为甲状腺结节超声图像分割任务带来了显著的性能提升。相较于传统的U-Net方法,TransUNet不仅更好地处理了尺寸多变和边缘模糊等挑战,而且在分割性能上具有更为出色的表现,为医学图像处理领域的进一步研究和临床应用提供了有力支持。
