基于非局部低秩和加权全变分的图像压缩感知重构算法

为准确有效地实现自然图像的压缩感知(CS)重构,该文提出一种基于图像非局部低秩(NLR)和加权全变分(WTV)的CS重构算法。该算法考虑图像的非局部自相似性(NSS)和局部光滑特性,对传统的全变分(TV)模型进行改进,只对图像的高频分量设置权重,并用一种差分曲率的边缘检测算子来构造权重系数。此外,算法以改进的TV模型与NLR模型为约束构建优化模型,并分别采用光滑非凸函数和软阈值函数来求解低秩和全变分优化问题,很好地利用了图像的自身性质,保护了图像的细节信息,并提高了算法的抗噪性和适应性。仿真结果表明,与基于NLR的CS算法相比,相同采样率下,该文所提算法的峰值信噪比最高可提高2.49 dB,且抗噪性更强,验证了算法的有效性。

外周血中性粒细胞与淋巴细胞比率和血小板与淋巴细胞比率与乳腺癌新辅助化疗患者预后的关系

目的评价乳腺癌患者新辅助化疗(NAC)前外周血中性粒细胞与淋巴细胞比率(NLR)和血小板与淋巴细胞比率(PLR)与其DFS的关系。方法回顾性分析2013年1月至2015年3月期间在重庆医科大学附属第一医院确诊并接受NAC的283例乳腺癌患者临床资料。分别将约登指数最大值对应的NLR值和PLR值作为截断值,按≥截断值和<截断值分为高、低比值组。采用Log-rank检验和Cox比例风险回归模型分析患者治疗前外周血NLR和PLR水平与其DFS的关系。结果约登指数最大值对应的NLR值和PLR值分别为1.8和130.0,以之为截断值,将患者分为高NLR(≥1.8)组180例和低NLR(<1.8)组103例,以及高PLR(≥130.0)组130例和低PLR(<130.0)组153例。中位随访30个月(5~46个月),高NLR组患者中位DFS较低NLR组短(27.0个月比34.0个月,Log-rank检验:χ~2=26.25,P<0.001);高PLR组患者中位DFS较低PLR组短(27.5个月比32.0个月,Log-rank检验:χ~2=28.32,P<0.001)。在NAC后未达到p CR的239例患者中,高NLR组患者(n=161)DFS较低NLR组(n=78)差(HR=2.84,95%CI=1.43~4.45,P=0.002),高PLR组患者(n=118)DFS也较低PLR组(n=121)差(HR=2.62,95%CI=1.51~4.61,P=0.001)。多因素Cox比例风险回归分析显示,有生育史(HR=3.90,95%CI=1.28~11.87,P=0.016)和高PLR(HR=1.01,95%CI=1.00~1.02,P=0.004)是接受NAC的乳腺癌患者DFS的不良预后因素,而高NLR不是独立预后影响因素。结论乳腺癌患者NAC前外周血高水平NLR和PLR预示其预后较差,PLR为独立危险因素。