基于随机博弈与A3C深度强化学习的网络防御策略优选

网络资源的有限性和攻防对抗的动态性导致最优防御策略难以选取,将深度强化学习引入攻防随机博弈建模领域,通过构建网络攻防actor策略网络和critic价值网络,结合随机博弈模型构建了网络攻防博弈决策模型总体结构,在此基础上引入异步优势演员评论家算法(asynchronous advantage actor-critic,A3C)智能体学习框架设计了防御策略选取算法;针对现有方法未考虑攻击方群体间的共谋攻击,引入群智能体性格特征,建立合作系数μ来刻画攻击者之间的合作对攻防策略收益的影响,进而得出对防御策略选取的影响,构建的博弈决策模型更符合攻防实际情况。实验结果表明,该方法的策略求解速度要优于现有方法,同时由于考虑了攻击合作关系,能够用于分析攻击者群体间合作关系对防御者决策的影响,防御策略选取更有针对性,期望防御收益更高。

基于网络药理学和分子对接技术的2,3-吲哚醌抗少弱精症机制研究

为研究2,3-吲哚醌(isatin, ISA)治疗少弱精症的可能作用靶点和作用机制,基于公共数据库分别获取ISA作用靶点和少弱精症相关疾病靶点,确定交集靶点,采用Cytoscape软件获取核心靶点。通过GO功能富集和KEGG通路分析交集靶点,采用分子对接预测ISA与靶点蛋白的结合能力。研究结果显示,ISA干预少弱精症主要涉及氧化应激、细胞凋亡和炎症等生物学过程,并与p53信号通路、细胞衰老通路和IL-17信号通路密切相关;经筛选确定8个核心靶点,ISA与其中6个核心靶点稳定结合。这表明,ISA可能通过作用于核心靶点CASP3、TP53、ESR1、PTGS2、TNF和ANXA5,调控p53信号通路和IL-17信号通路发挥抗少弱精症作用。

人工神经元网络模型预测3D打印部件力学性能的研究

熔融沉积成型(FDM)是一种高效的增材制造技术。将响应面模型与人工神经元网络(ANN)模型相结合,研究了FDM工艺的喷嘴温度、层高和层积角度对尼龙12(PA12)丝材制造部件力学性能的影响。当喷嘴温度、层高和层积角度分别在220~260℃、0.2~0.4 mm、0°~90°之间变化时,部件拉伸强度和缺口冲击强度分别在35.69~60.89 MPa和5.48~19.83 kJ/m^(2)之间。喷嘴温度、层高、层积角度以及层积角度的二阶效应是影响部件拉伸强度的显著因素;喷嘴温度、层积角度以及层积角度的二阶效应是影响缺口冲击强度的显著因素。ANN模型预测拉伸强度和缺口冲击强度的最优结构分别是3-10-5-1和3-25-24-1,预测的拉伸强度和缺口冲击强度均方误差函数(MSE)最低分别为2.54×10^(-4)和2.07×10^(-4),回归系数均在0.97以上。与响应面的二次回归模型相比,ANN模型预测的拉伸强度和缺口冲击强度与实验值的标准偏差分别为0.46和0.32,远低于二次回归模型的2.43和1.58,更适合于优化非线性的FDM工艺。

基于d3.js的miRNA调控网络图绘制模块的设计

对d3.js类库绘图功能进行研究,设计并实现了miRNA调控网络图绘制模块。模块能够将存储在数据库中的miRNA及其调控的靶基因等相关数据读取出来并形成JSON文件,结合d3.js可视化库,绘制有向的网络图及权重网络图。通过网络图能够在有限空间内更加清晰地展示miRNA及其靶基因之间的关系。

融合自注意力与残差神经网络的3D打印激光在机测量误差修正方法

激光测量能够实现高效地非接触实时测量,被广泛应用于3D打印领域,但激光测量容易受测量条件、外部环境等多种因素的干扰,这些因素错综复杂,难以量化分析。为此,结合直射式激光三角测量原理,在分析测量精度影响因素的基础上,提出了一种基于融合自注意力和残差神经网络的3D打印在机测量误差修正方法。首先,将影响测量精度的因素作为输入变量,采集激光测量值,得到样本数据集;然后利用残差网络提取出样本数据的深层次特征,并引入自注意力机制建立影响因素之间的联系,得到带权重的提取特征;再通过全连接网络对带权重特征进行学习,得到测量误差的预测值,基于该预测值完成对测量误差的修正。自主搭建了一套激光在机测量系统,采用红、绿、紫3种同材质彩色卡纸进行实验验证。结果表明,所提的方法与卷积神经网络和自注意力神经网络相比,均方误差、均方根误差和平均绝对误差均最小,稳定性最好,修正结果最接近真实值;对激光测量结果进行校正后,使其误差由原来的±28μm减小到±9μm以下,显著提高了3D打印激光在机测量的精度和稳定性。

基于MobileNetV3网络的龋病和根尖周炎根尖片的诊断

目的研究深度学习技术智能诊断龋齿和根尖周炎的效果,初步探讨深度学习在口腔疾病诊断中的应用价值。方法以2298张包含健康牙齿、龋病、根尖周炎的根尖片数据集为研究对象,随机划分为1573张训练集图像,233张验证集图像以及492张测试集图像。通过多种神经网络对比验证,选择性能较好的MobileNetV3网络模型应用于牙病诊断,并通过调整网络超参数优化模型。采用精确率、准确率、召回率和F1分数评估模型识别龋齿和根尖周炎的能力,并使用类激活热力图对网络模型性能进行可视化分析。结果基于MobileNetV3网络模型的牙齿病变检测算法对健康牙齿、龋病和根尖周炎进行分类的精确率、召回率和准确率分别为99.42%、99.73%和99.60%,F1分数为99.57%,达到了较为理想的智能诊断效果。可视化类激活热力图也显示出网络模型能够较为准确地提取牙科病变的特征。结论基于MobileNetV3网络模型的牙齿病变检测算法能够排除图像质量和人为因素的干扰,具有较高的诊断准确率,可满足口腔医学教学和临床应用需求。

CTCS-3线路GSM-R网络运维质量评价体系研究

针对高速铁路GSM-R网络承载行车通信业务的特点,分析CTCS-3线路GSM-R网络运维质量评价思路,提出CTCS-3线路GSM-R网络运维质量评价体系,通过GSM-R网络运行数据进行计算得出评价结果,综合反映出CTCS-3线路GSM-R网络运维质量状况。

基于回归分析和GA-BP神经网络算法的3D打印件弯曲性能预测

为进一步探究熔融沉积成型(FDM)3D打印参数和制件弯曲性能之间的关系,创建合理的FDM 3D打印制件弯曲强度预测模型。根据正交试验L_(16)(4^(5))的设计原则和神经网络算法模型的构建要求,按照不同分层高度、填充密度、打印温度、打印速度以及外壳厚度五种因素,制备25组试验试样,并进行弯曲性能检测。随后通过建立GA-BP神经网络模型、传统BP神经网络模型以及多元回归方程模型,分别对FDM 3D打印制件弯曲性能进行预测,并将预测数据与试验测试数据进行对比。通过对比发现,GA-BP神经网络模型预测数据与试验测试数据更为接近,其平均误差为3.71%,且误差值整体波动最小,BP神经网络模型与多元回归方程模型预测精度相差不大,BP神经网络模型预测平均误差为8.05%,多元回归方程模型预测平均误差为9.07%,但多元回归方程误差值整体波动最大。因此,采用GA遗传算法优化后的BP神经网络模型在进行FDM 3D打印制件弯曲性能预测方面具有更高的精度和更良好的稳定性。

基于NS-3网络模拟器的MPQUIC协议仿真研究

随着5G移动视频应用加速落地以及国内视频流需求的迅速激增,迫切需要一种新的数据传输协议来提供可靠的安全性,以保障上层应用处理更多的接入连接以及满足更低的延时需求.多路径QUIC协议(Multipath Quick UDP Internet Connection,MPQUIC)具有拟合多条链路带宽资源、强大连接的容错能力和高可靠性等优点,被认为将在未来移动互联网数据传输中发挥重要的作用.然而,目前国内外研究人员对于MPQUIC协议的相关研究正处于初步阶段,该协议还没有一个普适性的、开源的仿真平台.因此,借助全球网络仿真领域应用最广的NS-3网络模拟器搭建了MPQUIC仿真平台(ns3-mpquic),为相关学者提供研究MPQUIC协议的开源、免费、普适的基础平台,为全球专家学者对MPQUIC协议的模拟部署和优化提供助力.

基于网络药理学及NLRP3炎症通路探讨丹参保心茶对冠心病合并抑郁症小鼠的作用机制

目的基于网络药理学及NLRP3炎症通路探讨丹参保心茶对冠心病合并抑郁症小鼠的作用机制。方法(1)利用TCMSP、BATMAN-TICAM数据库筛选丹参保心茶的活性成分及其作用靶点;通过Gene Cards、OMIM数据库筛选冠心病合并抑郁症疾病相关靶点。将丹参保心茶活性成分作用靶点与冠心病合并抑郁症疾病相关靶点导入Venny 2.1在线平台,获得二者的交集靶点(共同靶点),即为丹参保心茶治疗冠心病合并抑郁症的潜在作用靶点。通过STRING平台对潜在作用靶点进行蛋白互作(PPI)网络分析,筛选出关键靶点;构建“药物-活性成分-疾病-靶点”网络,筛选丹参保心茶治疗冠心病合并抑郁症的关键活性成分以及重要靶点;将潜在作用靶点通过Metascape数据库进行GO功能和KEGG通路富集分析。(2)将昆明小鼠随机分为6组:正常组、模型组、阳性对照组(酒石酸美托洛尔片5.14 mg·kg^(-1)+盐酸舍曲林片10.3 mg·kg^(-1))及丹参保心茶高、中、低剂量组(30.8、15.4、7.7 g·kg^(-1)·d^(-1)),每组8只。采用慢性不可预知性刺激(CUMS)和皮下注射盐酸异丙肾上腺素(ISO)诱导冠心病合并抑郁小鼠模型。每天灌胃给药1次,连续18 d。采用行为学实验(旷场实验、强迫游泳实验、悬尾实验)检测小鼠抑郁水平;HE、尼氏染色法观察海马组织病理变化;q PCR法检测海马组织中IL-6、TNF-α、NLRP3、IL-1β、Caspase-1、IL-10 m RNA表达水平。结果(1)筛选出65种丹参活性成分、9种绿茶活性成分,共得到1042个作用靶点以及2116个冠心病合并抑郁症的疾病相关靶点。将活性成分作用靶点与疾病相关靶点经Venny 2.1平台取交集,共得到丹参保心茶治疗冠心病合并抑郁症的潜在作用靶点(共同靶点)299个。通过潜在作用靶点PPI网络分析筛选出IL-1β、AKT1、TNF-α、IL-6、VEGFA、CASP3、IL-10等关键靶点。通过“药物-活性成分-疾病-靶点”网络分析得到维生素B、木犀草素、丹酚酸、丹参酮ⅡA、儿茶素等关键活性成分,以及PTGS2、IL-1β、IL-6、TNF-α和IL-10等重要靶点。潜在作用靶点主要集中在炎症反应、肿瘤坏死因子调控、糖皮质激素调控、核因子κB(NF-κB)转录因子调控等生物过程,以及PI3K-Akt信号通路、TNF信号通路、细胞凋亡信号通路和NF-κB信号通路等主要通路。(2)与正常组比较,模型组小鼠的旷场总距离和中心距离均显著缩短(P<0.01),漂浮时间及摇摆不动时间显著延长(P<0.01);海马组织的IL-6、TNF-α、Caspase-1、NLRP3、IL-1βm RNA表达均显著上调(P<0.01),IL-10m RNA表达明显下调(P<0.05)。与模型组比较,丹参保心茶高、中、低剂量组小鼠的旷场总距离、中心距离均显著增加(P<0.05,P<0.01),漂浮时间及摇摆不动时间显著缩短(P<0.01);丹参保心茶高、中、低剂量组小鼠海马组织的IL-6、IL-1β、NLRP3、TNF-α、Caspase-1 m RNA表达均显著下调(P<0.01),丹参保心茶高、中剂量组小鼠海马组织的IL-10 m RNA表达显著上调(P<0.01)。结论丹参保心茶对冠心病合并抑郁症小鼠的干预作用可能是通过木犀草素、丹参酮、丹酚酸、儿茶素等活性成分,作用于IL-6、TNF-α、IL-1β和IL-10等关键靶点,调控NLRP3炎症通路来实现的。

基于3D卷积神经网络的膏体屈服应力预测

膏体流变性能是膏体充填技术重要指标,是金属矿膏体充填工艺流程的重要工程参数.本文提出一种基于3D卷积神经网络的膏体屈服应力预测方法,通过制定图像采集标准并研发图像采集装置采集图像数据集.经Sobel算子实现膏体边缘检测、全图缩小等预处理,得到膏体图像数据集.采用十折交叉验证方法划分数据集,避免因单次随机划分造成的偶然误差.以膏体图像–屈服应力数据集为基础,利用3D卷积神经网络模型提取膏体纹理特征和时序信息等,又通过引入直方图均衡化算法的图像增强策略减少环境因素干扰,提高模型稳健性.利用预处理后的数据集在3D卷积神经网络模型上做训练和测试,得到模型损失值曲线图和混淆矩阵.将屈服应力模型预测结果进行分析,又引入卷积注意力机制嵌入到卷积神经网络实现模型优化,并对模型参数进行调整,模型预测平均准确率从93.26%提升至98.19%,论证了基于3D卷积神经网络的膏体屈服应力预测方法可行性.经图像增强处理的数据集应用到各模型中,模型预测平均准确率均提升3%以上.相比传统膏体流变测量方式,解决了传统膏体屈服应力测量操作复杂、外部因素扰动大、工程现场难以开展等问题.

ZIF-8@ZIF-67衍生的Co_(3)O_(4)-GN-CNT网络用作高性能锂离子电池负极

Co_(3)O_(4)由于较高的理论容量近年来被视为锂离子电池新型负极材料的热门候选之一,然而其较差的电导率和循环性能制约了其进一步发展。以ZIF-8@ZIF-67为自模板,三聚氰胺和g-C_(3)N_(4)为碳源,通过碳化和氧化处理制备了碳纳米管和石墨烯作为导电桥梁和外壳的Co_(3)O_(4)/C三维导电网络。颗粒纳米化的策略和锌的高温挥发造孔使其在0.5、2 A/g的电流密度下循环200、800圈后仍具有1 139.7、1 002.1 mAh/g的比容量,从0.2 A/g逐渐增大充放电的电流密度至10 A/g又恢复到0.2 A/g后比容量仍有初始容量的94.9%。该网络结构和同类材料相比表现出较为优异的循环和倍率性能。

基于网络药理学和动物实验探讨化铁丸通过PI3K/Akt信号通路防治前列腺增生的作用

目的探究化铁丸防治前列腺增生(BPH)的作用及其机制。方法通过皮下注射丙酸睾酮构建BPH大鼠模型,造模4周同时给药干预,检测前列腺、精囊、提肛肌、睾丸、附睾指数,并通过HE染色观察前列腺组织病理变化,ELISA试剂盒检测睾酮(T)、双氢睾酮(DHT)、雌二醇(E2)、前列腺特异性抗原(PSA)水平。借助TCMSP、PubChem、SwissTargetPrediction数据库筛选化铁丸有效成分及靶点,GeneCards、OMIM、TTD等数据库筛选BPH疾病靶点,交集靶点借助STRING数据库及Cytoscape3.9.0软件筛选靶点,并进行GO、KEGG富集分析,结合文献确认核心靶点,CB-Dock2对质谱-网络药理学交集成分与核心靶点进行对接验证,Westernblot和RT-qPCR法检测前列腺PCNA、α-SMA、AR、VEGF、PI3K、Akt、Bax、Bcl-2表达。结果与模型组比较,化铁丸高剂量组(2.7g/kg)前列腺指数降低(P<0.01),而精囊、提肛肌、睾丸、附睾指数无明显变化(P>0.05),前列腺组织病理状态得到改善;T、DHT、E2、E2/T、PSA水平降低(P<0.05,P<0.01)。TCMSP等数据库筛选出化铁丸活性成分20个、靶点377个,GeneCards等数据库筛选出BPH靶点497个、交集靶点65个。GO分析显示,生物途径包括内类固醇激素受体信号通路、细胞凋亡等,作用蛋白定位在细胞核、核浆、胞浆等上,分子功能包括雌激素反应元件结合、类固醇结合等。KEGG富集显示,相关信号通路有PI3K-Akt、VEGF、雌激素等,结合文献,确认核心靶点VEGF、BFGF、Akt、PI3K、Bax、Bcl-2。分子对接显示,质谱-网络药理学交集成分与核心靶点结合紧密。Westernblot和RT-qPCR显示,化铁丸高剂量组可下调PCNA、α-SMA、AR、VEGF、p-PI3K、p-Akt、Bcl-2表达,上调ERβ、Bax表达(P<0.05,P<0.01)。结论化铁丸通过调节BPH大鼠性激素水平紊乱及性激素受体表达,并激活PI3K-Akt通路促进细胞凋亡,从而抑制BPH。

基于Winograd算法的3D卷积神经网络权重剪枝方法

针对3D卷积神经网络在资源有限的环境下高计算成本的挑战,文章提出了一种融合Winograd算法和网络剪枝技术的3D卷积神经网络优化方法。首先,将标准3D卷积层替换为效率更高的3D Winograd层,实现对卷积操作的优化。接着,对3D Winograd层的权重进行重要性评估,保留重要的权重单元并剪枝获得稀疏模型。最后,对稀疏模型进行重训练,恢复剪枝后网络的性能。通过结合Winograd算法和网络剪枝技术,能够在提高识别准确度的同时,显著降低了模型的计算需求。实验结果证实,与其他优化技术相比,本方法能有效减少计算资源消耗,同时保持甚至提高识别性能。

绿原酸联合连翘苷调控细胞因子风暴的网络药理分析及基于TLR4/TRAF6/PI3KC3通路的协同抗炎作用

目的基于网络药理学和体外实验探究绿原酸联合连翘苷调控细胞因子风暴的机制。方法利用Swiss Target Prediction、PharmMapper、SEA和TCMSP数据库预测绿原酸和连翘苷的靶点,在GeneCards、OMIM、DRUGBANK和DisGeNET数据库获取细胞因子风暴的靶点,筛选交集靶点绘制Venn图,以STRING数据库和Cytoscape软件构建蛋白质相互作用网络,采用DAVID数据库进行基因本体(GO)和京都基因与基因组百科全书(KEGG)富集分析。以脂多糖(LPS)诱导RAW264.7巨噬细胞构建细胞因子风暴模型;采用细胞计数试剂-8(CCK-8)法检测巨噬细胞存活率;采用Griess法检测细胞上清液中一氧化氮(NO)含量;以酶联免疫吸附试验(ELISA)法测定肿瘤坏死因子-α(TNF-α)、白细胞介素-6(IL-6)、诱导型一氧化氮合酶(iNOS)和环氧化酶-2(COX-2)的水平;蛋白免疫印迹法(Western blot)检测TNF受体相关因子(TRAF4)、TNF受体相关因子6(TRAF6)、磷酸肌醇-3-激酶3(PIK3C3)蛋白表达。结果网络药理分析获得绿原酸联合连翘苷治疗细胞因子风暴的8个核心网络靶点[丝氨酸/苏氨酸蛋白激酶(AKT1)、白蛋白(ALB)、低氧诱导因子1α(HIF1A)、IL-6、基质金属蛋白酶-9(MMP-9)、过氧化物酶体增殖物激活受体γ(PPARG)、酪氨酸激酶(SRC)、Toll样受体4(TLR4)];富集关键通路包括PI3K/AKT信号通路等。体外实验结果显示,与对照组比较,模型组中NO、TNF-α、IL-6的释放量和iNOS、COX-2蛋白表达量均显著升高(P<0.001)。与模型组比较,给药后NO、TNF-α、IL-6、iNOS、COX-2的水平均显著降低(P<0.001)。与单药给药组比较,绿原酸和连翘苷(1∶1)联合用药组炎症指标下降更明显(P<0.001)。与模型组比较,给药组TLR4、TRAF6、PI3K3C的蛋白表达和PI3K3C的磷酸化水平显著下降。结论绿原酸联合连翘苷能协同抑制促炎细胞因子的表达,调控细胞因子风暴,可能通过TLR4/TRAF6/PI3K3C信号通路实现。

神经网络-遗传算法对杏鲍菇粉3D打印的建模与优化

【目的】食品3D打印技术是食品领域具有发展前景的新技术,但是打印过程影响因素多,存在打印参数确定困难、打印精度预测能力差等问题。寻找有效建模方法,对杏鲍菇粉3D打印参数进行寻优,以确定最佳3D打印条件。【方法】本研究采用杏鲍菇粉和刺槐豆胶为3D打印原料,以单因素试验为基础,通过中心组合试验设计,研究喷嘴直径、打印高度、喷嘴移动速度和填充率4个关键的工艺参数对杏鲍菇粉3D打印精度的影响,并在此基础上采用响应面法和神经网络-遗传算法分别建模分析,确定3D打印的工艺参数。【结果】单因素试验及中心组合试验结果表明,影响3D打印精度的主要因素从大到小顺序为填充率、喷嘴直径、喷嘴移动速度、打印高度。响应面法和神经网络-遗传算法均可用于杏鲍菇粉3D打印参数优化,但是优化效果不同。响应面法的决定系数R^(2)值、均方根误差、相对误差、预测最优值分别为0.8817、0.2314、72.73%、0.148;神经网络-遗传算法的决定系数R^(2)值、均方根误差、相对误差、预测最优值分别为0.9389、0.2269、33.85%、0.215。比较模型参数可得,神经网络-遗传算法的决定系数R^(2)值较高,均方根误差、相对误差较低,比响应面法拟合能力更好,同时其预测最优值较高,具有更好的预测能力。神经网络-遗传算法比响应面法更适合于杏鲍菇粉3D打印参数工艺的优化。采用神经网络-遗传算法获得以杏鲍菇为原料的3D打印最佳工艺参数条件为:喷嘴直径1.2 mm、打印高度1.1 mm、喷嘴移动速度24 mm·s^(-1)、填充率84%。经过试验验证,神经网络-遗传算法确定的最优参数打印样品偏差为0.325,优于响应面的实际打印偏差0.550。【结论】本研究结果表明神经网络-遗传算法可以有效确定3D打印过程最优工艺参数,准确预测食品3D打印产品的精度,可作为农产品及食品个性化3D打印工艺参数优化的一种有效便捷方法。

基于3D U-Net++卷积神经网络的断层识别方法及应用

断层解释是地震资料解释的基础与关键,准确合理的断层识别对油气开采有着至关重要的作用。随着油田对断层解释精度需求的日益提高,单纯通过基于人工的如相干体、曲率等属性的传统断层解释方法,其精度已无法满足要求。笔者在U-Net卷积神经网络模型的基础上进行改进,得出了一种自动断层识别方法,能够从任意三维地震图像中自动提取断层。文中该模型在足量样本集训练下,对两区块的实际地震数据进行自动断层识别,将识别结果进行分析对比。实验结果表明,该模型能够对任意三维地震数据进行自动断层识别,基于3D U-Net++网络模型的断层识别结果相比于传统U-Net网络识别结果准确性有明显提高,对潜山内部的小断层识别也表现出良好的效果,明显提高了常规、复杂断层识别的工作效率。

HetGNN-3D:基于异构图神经网络的3D目标检测优化模型

3D感知是自动驾驶场景的核心问题,传感器融合可以综合利用激光雷达和摄像机的优点以达到更高的3D目标检测准确率.传感器融合涉及点云到图像对准问题,预先对传感器标定可以得到点到图像位置的投影关系,然而这种对准方式受传感器相对位置偏移与采集时间偏移影响而在干扰下对模型产生负面影响.针对该问题,本文把场景中实体在各个传感器下的不同表达作为不同对象,以对象为节点建立包含两类节点与三类边的异构图描述该场景,并提出了基于该异构图的3D目标检测优化模型HetGNN-3D.该模型通过图结构捕获对象间潜在联系并找到点云对象节点与图像对象节点间对应关系,从而减弱干扰带来的影响.HetGNN-3D包含图初始化、消息传递、图读出三大模块.图初始化模块使用基于点云的3D目标检测模型的输出和基于图像的2D目标检测模型的输出建立对象级异构图.消息传递模块针对异构图特性分类聚合与更新消息.图读出包含用于对象关系预测的边读出与属于同一实体的对象子图读出,然后基于对象子图得到3D目标检测结果.在nuScenes数据集的实验表明,HetGNN-3D有效融合点云信息与图像信息优化了3D目标检测结果,此外,基于对象级异构图的边关系预测使融合过程与预先标定得到的传感器映射矩阵解耦合,从而提升了融合模型的容错性与鲁棒性.

基于点云图卷积神经网络的3D目标检测

随着激光雷达传感器的快速发展,目标检测算法从传统的2D检测快速转向3D检测。然而,激光雷达产生的点云是不规则和非结构化的数据,传统的卷积神经网络无法对其进行处理。基于此提出了一种新颖的图卷积神经网络,能够更好地利用数据的几何关系和拓扑结构直接从点云中学习特征以进行3D目标检测。首先将原始激光雷达点云数据进行下采样,再进行固定半径邻域图的构建,随后设计了一个新型的图卷积神经网络对点云进行编码来预测图中每个顶点所属对象的类别和形状。为提升检测准确度,网络中加入了一种校准机制来减少特征在不同维度变化时引入的平移误差,此外还引入了注意力机制,以使用权重来进一步强化输出的顶点特征。在KITTI数据集上进行实验,实验结果表明,此方法能够有效对3D目标进行检测。对比其他多种检测算法,此方法在检测准确度上具有一定的优势。

基于网络药理学和动物实验探讨慈菇消脂方对非酒精性脂肪性肝炎“炎癌”转化中EGFR/PI3K/AKT信号通路的干预研究

目的基于网络药理学研究慈菇消脂方(Cigu Xiaozhi decoction,CXD)的主要活性成分、关键靶点及通路,分析其对非酒精性脂肪性肝炎(non-alcoholic steatohepatitis,NASH)“炎癌”转化的作用机制,并进行动物实验验证。方法基于网络药理学预测得到CXD治疗NASH“炎癌”转化的潜在作用靶点和信号通路。采用蛋氨酸-胆碱缺乏饮食(MCD)诱导小鼠NASH模型,给予CXD及表皮生长因子受体(EGFR)抑制剂干预28 d,干预结束后处死小鼠,苏木精-伊红法(HE)观察各组小鼠肝脏组织形态学变化;Western blot检测各组小鼠肝组织EGFR、磷脂酰肌醇3-激酶(PI3K)及蛋白激酶B(AKT)蛋白相对表达量;酶联免疫吸附测定法(ELISA)检测各组小鼠血清中白细胞介素-6(IL-6)、白细胞介素-1β(IL-1β)、肿瘤坏死因子-α(TNF-α)的含量;结果经网络药理学筛选得到CXD潜在活性成分284个、潜在治疗靶点159个及关键靶点20个。CXD可影响细胞增殖、炎症反应等多个生物过程,涉及肿瘤、PI3K/AKT等多个信号通路。动物实验验证结果表明CXD能够降低NASH小鼠血清中IL-6、IL-1β、TNF-α的水平;降低肝组织中PI3K、AKT蛋白相对表达量,升高EGFR蛋白的相对表达量。结论CXD可通过参与细胞增殖和炎症反应等生物过程,调控EGFR/PI3K/AKT信号通路,改善NASH小鼠的肝组织损伤。