基于深度学习的高分辨率食管测压图谱鉴别

高分辨率食管测压技术(High-Resolution Manometry,HRM)被广泛应用于食管运动诊断,而芝加哥分类的方法难度大、耗时长、效率低,且随着HRM图像数据量的爆炸式增长,误诊率也随之增加。为了提高临床诊断的准确率与效率,本文将搭建一个更加高效的计算机辅助诊断系统帮助医生对HRM图像进行自动判别分析,提出了改进的深度学习模型(Improved-VGG)来完成对HRM图像食管收缩活力的正常收缩、全段增压、弱收缩、无效收缩分类的任务,该模型中增加了Batch Normalization层和Dropout层,显著提升了HRM图像分类的训练速度,并修改了卷积核大小,用更大的卷积核提取特征。实验使用了2520幅专家标记的HRM图像,用于训练、验证和测试的图像分别占比为70%,10%和20%。实验结果表明,在测试集上,食管收缩活力分类器的分类准确率和精度分别为97.20%和93.97%,特异度和召回率分别为98.05%和93.97%。本文的正常收缩、全段增压、弱收缩、无效收缩分类(NFWIC)模型能较好地适应HRM图像数据的特性,其临床实践应用将提高医生的诊断效率。

稻瘟病菌新无毒基因AvrPi7的遗传及物理作图

稻瘟病是目前最具毁灭性的作物病害之一.本研究通过由田间菌株CHL346和CHL42杂交得到的189个子囊孢子菌株构建的分离群体,在亲本菌株CHL346中鉴定到了与水稻稻瘟病抗性基因Pi7对应的无毒基因AvrPi7.为了确定AvrPi7位点的染色体位置,本研究开发了一套基于稻瘟病菌测序菌株70-15全基因组序列的121个微卫星(simple sequence repeat,SSR)标记.利用这些SSR标记对AvrPi7位点进行了连锁分析.结果表明,位于第1染色体的8个SSR标记与该无毒基因连锁,其中2个最近的侧翼标记MS1-9和MS1-15分别距离AvrPi7位点3.2和16.4cM.为了进一步完成该位点的精细作图,在MS1-9和MS1-15的侧翼区域进一步开发了8个SSR标记和3个候选无毒基因(candidate avirulence gene,CAG)标记.通过对这些标记的连锁分析,AvrPi7位点被界定于标记MS1-21和MS1-22之间1.6cM的区域内,并与标记CAG2共分离.为了构建该无毒位点的物理图谱,通过生物信息学分析(bioinformation analysis,BIA),将与该基因连锁的分子标记分别着陆于参考菌株70-15的超重叠群(supcontig)上.AvrPi7位点最终被界定在标记MS1-21和MS1-22之间的75kb区段内.本研究的结果对于进一步了解真菌中普遍存在的重组不平衡和部分二倍体等现象,以及对该基因进行克隆及其功能研究具有重要意义.