肝病患者AFP、TP、ALB、SOD检测的临床分析

目的:研究肝病患者的AFP、TP、ALB、SOD检测的临床分析。方法:选择我院在2015年1月—2017年1月收治的150例肝病患者为观察组,选择同期在我院进行体检的50例正常患者作为对照组,对两组患者进行AFP(甲胎蛋白)、TP(血清总蛋白)、ALB(白蛋白)、SOD(超氧化物歧化酶)检测,对比这四个指标在观察组和对照组之间、肝病患者及肝癌患者之间及对肝病检测的敏感度。结果:对照组和肝硬化组、肝癌组患者的AFP、TP、ALB、SOD检测结果数据差异具有统计学意义(P<0.05);对照组和肝炎组患者的AFP、ALB、SOD检测结果对比差异具有统计学意义(P<0.05),两组患者的TP检测无明显差异(P>0.05);肝癌组和肝硬化组AFP、SOD检测结果表示数据差异具有统计学意义(P<0.05),TP、SOD检测差异无明显差异(P>0.05)。结论:肝病患者AFP、TP、ALB、SOD检测和健康人员具有显著性差异,并且在病情不断加重的而过程中,其检出率的异常值也在不断的增加,从而表示其能够成为肝病患者病情检测的指标。

基于水电站的环境保护的水检测研究

传统自然环境水质检测方式对水质成分种类检测并不全面,仅能满足水温、水体PH值、电导率、水体氧量溶解值、水体污染浑浊度等常规数值的检测,而对于SOD值和总磷值的检测不仅消耗时间长,精确度也并不理想。对此提出了一种新型检测方式,在详细分析光谱检测原理的基础上,通过朗格比尔定律所包含的水体检测准则,提高光谱仪检测准确度;采用超声辅助Frond试剂法利用自由基氧化作用,针对样品溶液的SOD值检测和盐酸盐检测,进行样品溶液消解,提高检测精确度;重新设计光谱检测系统结构,添加样品溶液反应测控系统、检测水源流路系统、信号控制处理系统保证样品检测精度,实现检测试剂的高精度检测。

基于堆叠边缘感知模块的显著性目标检测

现有显著性目标检测算法对边缘感知的效果不理想.因此,为了有效利用高层语义信息及低层纹理信息,文中提出基于堆叠边缘感知模块的显著性目标检测算法.采用多尺度骨干网络(Res2Net)作为主干网络提取图像的多尺度、多目标的显著性特征.堆叠边缘感知模块以非对称性方式融合图像高低层信息,增强显著性目标区域.网络输出显著性目标的检测结果.在5个公开数据集上的实验表明,文中算法检测结果较优,同时,在客观评估指标和主观视觉效果上也较优.

互补特征交互融合的RGB_D实时显著目标检测

目的 通过融合颜色、深度和空间信息,利用RGB_D这两种模态数据的显著目标检测方案通常能比单一模态数据取得更加准确的预测结果。深度学习进一步推动RGB_D显著目标检测领域的发展。然而,现有RGB_D显著目标检测深度网络模型容易忽略模态的特异性,通常仅通过简单的元素相加、相乘或特征串联来融合多模态特征,如何实现RGB图像和深度图像之间的信息交互则缺乏合理性解释。为了探求两种模态数据中的互补信息重要性及更有效的交互方式,在分析了传统卷积网络中修正线性单元(rectified linear unit,ReLU)选通特性的基础上,设计了一种新的RGB和深度特征互补信息交互机制,并首次应用于RGB_D显著目标检测中。方法 首先,根据该机制提出了互补信息交互模块将模态各自的“冗余”特征用于辅助对方。然后,将其阶段式插入两个轻量级主干网络分别用于提取RGB和深度特征并实施两者的交互。该模块核心功能基于修改的ReLU,具有结构简单的特点。在网络的顶层还设计了跨模态特征融合模块用于提取融合后特征的全局语义信息。该特征被馈送至主干网络每个尺度,并通过邻域尺度特征增强模块与多个尺度特征进行聚合。最后,采用了深度恢复监督、边缘监督和深度监督3种监督策略以有效监督提出模型的优化过程。结果 在4个广泛使用的公开数据集NJU2K(Nanjing University2K)、NLPR(national laboratory of pattern recognition)、STERE(stereo dataset)和SIP(salient person)上的定量和定性的实验结果表明,以Max F-measure、MAE(mean absolute error)以及Max E-measure共3种主流测度评估,本文提出的显著目标检测模型相比较其他方法取得了更优秀的性能和显著的推理速度优势(373.8帧/s)。结论 本文论证了在RGB_D显著目标检测中两种模态数据具有信息互补特点,提出的模型具有较好的性能和高效率推理能力,有较好的实际应用价值。

中药三龙丹的药效学研究

目的探讨中药三龙丹抗肿瘤的作用机理,为临床用药提供理论依据。方法①体内抑瘤实验:取大白鼠左前腋下接种W256瘤种0.3ml/只,次日开始给药。阴性对照组给予生理盐水;阳性对照组给予环磷酰胺;中药组分别给予不同剂量的三龙丹药物。②体外抑瘤实验:将受试药物三龙丹稀释成1:10、1:20、1:40、1:80、1:160、1:320、1:640、1:1280的浓度,然后接种于多孔培养板内的HEL和NKM上,37℃、CO2培养,观察细胞病变,计算抑瘤指数。③三龙丹对SOD和MDA的影响:取小鼠40只,随机分成4组,给药方法同体内抑瘤实验,连续用药30天,然后每只小鼠摘眼球取血,用微量快速检测法测定SOD和MDA的含量。结果实验表明,中药三龙丹对W256肿瘤具有显著的抑制作用;该药在1:80药物浓度时(最大抑瘤浓度)抑制肿瘤靶细胞的效应最大;同时,还能明显提高小鼠血中SOD的活性和降低MDA代谢产物。结论中药三龙丹对体内肿瘤W256、体外靶细胞NKM和小鼠血中SOD、MDA具有显著的影响。

遥感影像小目标检测研究进展

独特的拍摄视角和多变的成像高度使得遥感影像中包含大量尺寸极其有限的目标,如何准确有效地检测这些小目标对于构建智能的遥感图像解译系统至关重要。本文聚焦于遥感场景,对基于深度学习的小目标检测进行全面调研。首先,根据小目标的内在特质梳理了遥感影像小目标检测的3个主要挑战,包括特征表示瓶颈、前背景混淆以及回归分支敏感。其次,通过深入调研相关文献,全面回顾了基于深度学习的遥感影像小目标检测算法。选取3种代表性的遥感影像小目标检测任务,即光学遥感图像小目标检测、SAR图像小目标检测和红外图像小目标检测,系统性总结了3个领域内的代表性方法,并根据每种算法使用的技术思路进行分类阐述。再次,总结了遥感影像小目标检测常用的公开数据集,包括光学遥感图像、SAR图像及红外图像3种数据类型,借助于3种领域的代表性数据集SODA-A(small object detection datasets)、AIR-SARShip和NUAA-SIRST(Nanjing University of Aeronautics and Astronautics,single-frame infrared small target),进一步对主流的遥感影像目标检测算法在面对小目标时的性能表现进行横向对比及深入评估。最后,对遥感影像小目标检测的应用现状进行总结,并展望了遥感场景下小目标检测的发展趋势。

深度学习背景下视觉显著性物体检测综述

视觉显著性物体检测是对人类视觉和认知系统的模拟,而深度学习则是对人类大脑计算方式的模拟,将两者有机结合可以有效推动计算机视觉的发展。视觉显著性物体检测的任务是从图像中定位并提取具有明确轮廓的显著性物体实例。随着深度学习的发展,视觉显著性物体检测的精度和效率都得到巨大提升,但仍然面临改进主流算法性能、减少对像素级标注样本的依赖等主要挑战。针对上述挑战,本文从视觉显著性物体检测思想与深度学习方法融合策略的角度对相关论述进行分类总结。1)分析传统显著性物体检测方法带来的启示及其缺点,指出视觉显著性物体检测的核心思路为多层次特征的提取、融合与修整;2)从改进特征编码方式与信息传递结构、提升边缘定位精度、改善注意力机制、提升训练稳定性和控制噪声的角度对循环卷积神经网络、全卷积神经网络和生成对抗网络3种主流算法的性能提升进行分析,从优化弱监督样本处理模块的角度分析了减少对像素级标注样本依赖的方法;3)对协同显著性物体检测、多类别图像显著性物体检测以及未来的研究问题和方向进行介绍,并给出了可能的解决思路。