生物序列模体的混合Gibbs抽样识别算法

针对生物序列模体的识别问题,提出了一个新的混合Gibbs抽样识别算法.算法基于混合模体模型学习,采用贪心策略,通过似然度最大化,逐次将新的模体加入到混合模型中.算法中设计了位点抽样和模体抽样两种抽样方法,这两种抽样方法交替进行.为了加速搜索过程,对输入数据集采用了基于kd-trees的分层划分策略.实验结果表明,该算法对序列家族大量模体特征的识别具有显著优势,并且可建立更具统计特征的模体模型,从而提高序列分类的准确性.

管电流对肾囊肿假性强化的影响

目的通过模拟单纯性肾囊肿的体模模型,评估管电流对肾囊肿假性强化的影响。材料与方法使用10%葡萄糖液及一定浓度的含碘溶液,分别模拟平扫、中等强化及最大强化程度肾实质背景浓度。囊肿直径分别为6 mm、10 mm、15 mm,依据管电流不同分为A组119 m As、B组178 m As、C组297 m As,管电压均为120 k V。以CT增加值10 HU为临界值,评估不同条件下囊肿有无假性强化。结果 A组仅在240 HU背景浓度下出现假性强化,且直径6 mm的囊肿最显著,为21 HU。B组直径10 mm和6 mm的囊肿在180 HU和240 HU背景下均出现假性强化,差值最大为240 HU直径6 mm的囊肿,为20.4 HU。C组仅直径6 mm的囊肿在125 HU和240 HU背景浓度下有假性强化。囊肿假性强化受背景浓度(F=17.587,P<0.01)和囊肿直径(F=4.214,P<0.05)较大,背景浓度越高,直径越小,假性强化越明显。随着管电流增加,CT容积剂量指数增加,假性强化值越来越小,但各组中不同背景浓度及不同直径的囊肿假性强化出现几率无明显规律。结论增加CT扫描管电流不能完全消除囊肿假性强化的产生。较高的背景浓度和较小的囊肿直径是产生假性强化的重要因素。但增加管电流可以在一定程度上减少假性强化发生的几率。对于体重较重者,适当增加管电流以改善图像质量、减少肾囊肿假性强化发生的可能是必要的。