蛋白质中strand-loop-strand模体的分类

从蛋白质一级序列出发,以氨基酸紧邻关联为参数,用离散量的方法,采用5交叉检验,对蛋白质中的strand-loop-strand模体进行了分类.文中使用了两个数据库,采用了不同的截取方式和序列模式长,均得到了较好的预测效果.

蛋白质中两种Strand-Loop-Strand模体的判断

目的:蛋白质的结构决定其功能,为了解蛋白质功能,需要了解蛋白质结构。随着基因测序的发展,大量蛋白质一级结构被测出,但直接从蛋白质的序列出发来预测高级结构,仍很困难,尤其是三级结构的预测。然而由超二级结构获得的结构信息可用于三级结构的预测,对蛋白质三维结构及功能预测有重大意义。方法:由一级结构出发,考虑氨基酸序列信息以及氨基酸的亲疏水性,利用Fisher判别法区分两种Strand-Loop-Strand超二级结构模体。结果:采用7交叉检验,Loop长为2~8时,最后平均结果为Q=71.8%,Q_(L)=68.2%,Q_(H)=73.4%,MCC=0.39。如Loop长度相差不大时,预测结果更好,如选取Loop长为2、3、4的序列,7交叉检验结果为Q=75.2%,Q_(L)=69.4%,Q_(H)=77.7%,MCC=0.45。结论:以氨基酸信息为特征指标,利用Fisher判别法能较好地区分两种Strand-Loop-Strand超二级结构模体。

深度学习图像重建算法(DLIR)对能谱CT多参数图像质量改善的体模研究

目的 探讨深度学习重建算法对能谱CT多参数成像单能量图像、有效原子序数图、碘水图、水碘图图像质量的改善。方法 选择一个20cm直径的圆柱形聚丙烯体摸,在内部放入九支试管,试管中分别装入(3.75、7.5、15、30mg/mL)不同浓度及(18m m、10m m、2 m m)不同管径的碘对比剂及水和钙溶液,利用GE APEX CT进行能谱扫描,将扫描完成图像分别利用FBP、40%ASIR-V及深度学习(低DLIR-L、中DLIR-M、高DLIR-H)重建出五组图像。采用后处理软件分别重建出70keV单能量图像、基物质图(碘-水图、水-碘图)及有效原子序数图。对浓度为3.75 mg/m L、15 mg/mL及Water三支试管进行数据分析。在FBP、40%ASIR-V、DLIR-L、DLIR-M、DLIR-H五组图像测量70keV的CT值、碘-水图的碘浓度、水-碘图的水浓度、有效原子序数及图像噪声,计算各图像的信噪比(SNR),对比5组图像质量的差异。结果5种重建算法下的图像在低浓度造影剂(3.75mg/mL)、高浓度造影剂(15mg/m L)及水试管内70keV的CT值差异均无统计学意义(P值均>0.05),有效原子序数、碘水图的碘浓度及水碘图的水浓度亦无明显统计学差异(P值均>0.05)。70keV、有效原子序数图、碘水图、水碘图的噪声及图像信噪比5组图像差异均有统计学意义(P值均<0.05),DLIR下的噪声值均较FBP及40%ASIR-V降低,图像信噪比提高(P值均<0.05),DLIR-H噪声最小,信噪比最高。结论 在能谱CT成像中, DLIR较FBP及40%ASIR-V在单能量图像、有效原子序数图、碘水图、水碘图的噪声降低,信噪比提高。

基于标准差法与均方根法测算美国放射学会体模相控阵线圈MRI信噪比

目的比较标准差法与均方根法用于测算美国放射学会(ACR)体模相控阵线圈MRI信噪比(SNR)的价值。方法分别以头部线圈(Head)、腹部线圈(Anterior)、双片柔线圈(Flex L)及腹部线圈+柔线圈(Anterior+Flex L)对ACR体模进行6次重复扫描,序列包括轴位T1W-自旋回波(SE)和T2W-SE;根据所用线圈及扫描序列分为8组扫描方案。分别以标准差法与均方根法测算8组图像SNR,观察2种方法的差异。结果T1W-SE序列下,基于Head、Anterior、Flex L及Anterior+Flex L线圈MRI的SNR标准差法分别为1.25±0.07、0.56±0.02、1.15±0.10及1.04±0.11,SNR均方根法分别为1.10±0.07、0.58±0.03、1.01±0.13及1.31±0.15;T2W-SE序列的SNR标准差法分别为1.40±0.08、0.48±0.02、1.04±0.07及1.08±0.06,SNR均方根法分别为1.29±0.09、0.53±0.03、0.84±0.08及1.35±0.12。两两比较,9对SNR标准差法差异存在统计学意义(P均<0.05)、10对SNR均方根法差异存在统计学意义(P均<0.05)。结论相比标准差法,均方根法更适用于测算ACR体模相控阵线圈MRI的SNR。

基于蒙塔卡罗随机技术的三维裂隙岩体建模及代表单元体研究

裂隙岩体的建模和岩体代表单元体的研究是研究地质工程与地质科学问题的前提和关键。本研究基于蒙塔卡罗随机技术构建了一系列三维岩体裂隙网络模型,并在其中截取不同尺寸的子区域进行渗流分析,得到了裂隙岩体代表单元体为平均裂隙长度7倍的结论。

双能CT降低腹部CT扫描辐射剂量可行性研究:体模实验

目的探讨双能CT降低腹部CT扫描辐射剂量可行性,及低剂量下最佳的双能CT扫描参数组合。方法在Force CT通过腹部常规单能120 kV扫描模式和不同双能组合模式对Catphan 500体模进行扫描,并采用高级模型迭代(ADMIRE)重建方式重建图像,双能扫描模拟常规单能120 kV重建图像。分析常规扫描模式下和不同双能组合模式对腹部CT图像空间分辨力、密度分辨力和CT值的影响,计算不同扫描模式的CT值准确性误差,记录不同扫描模式CT剂量长度乘积(DLP)。结果单能120 kV扫描模式及不同双能组合模式CT图像空间分辨力均为7 LP/cm。双能1亚组的密度分辨力最低为7 mm/1%,单能120 kV扫描及双能5亚组的密度分辨力最高为4 mm/1%。不同扫描模式下CT值差异有统计学意义(P<0.05),CT值准确性误差双能2亚组最高,双能5亚组最低。常规腹部单能扫描模式的辐射剂量为(117.58±6.18)mGy.cm,双能1~5亚组的辐射剂量分别为(32.41±1.52)、(44.94±2.54)、(32.58±1.70)、(38.14±1.86)和(57.33±3.38)mGy.cm,双能1组最低(P<0.05)。结论双能5(100/sn150 KV)组合CT值准确性误差小,空间分辨力及密度分辨力高,可降低患者51.24%的辐射剂量,可作为腹部CT常规检查使用。

光子计数探测器CT脂肪定量准确性和稳定性的体模研究

目的 旨在探讨光子计数探测器(PCD)-CT在不同扫描方案下进行脂肪定量的准确性及辐射剂量水平。方法 构建11个不同脂肪浓度的体模[真实脂肪分数(FF)为0%、2.5%、5%、10%、15%、20%、25%、30%、40%、50%和100%]。采用3种扫描模式(横断面扫描、常规螺旋扫描和大螺距螺旋扫描)、4种管电压[90、120、140和锡过滤(Sn)100 kV]和3种水平的影像质量(IQ,20、40和80)的参数组合方式完成36种扫描方案的PCD-CT扫描。记录每种扫描方案重建影像的CT剂量指数(CTDIvol)。以120 kV-IQ80的常规螺旋扫描方案作为参考,将所有方案扫描获得的CT值通过线性回归方程转换为FF值。采用组内相关系数(ICC)和Bland-Altman分析进行准确性和一致性评估,使用单向重复测量方差分析对PCD-CT衍生的FF进行比较分析。结果 PCD-CT在所有扫描方案下获得的FF的一致性和准确性结果优异[ICC>0.9(范围:0.929~0.998,P<0.017)]。通过PCD-CT获得的FF与真实FF值之间的均方根误差(RMSE)范围为1.0%~5.0%,其中120 kV-IQ20大螺距扫描的RMSE值最低(1.0%)。120 kV-IQ20和120kV-IQ80常规螺旋扫描偏倚值最低(平均值分别为1.19%和1.23%)。36种扫描方案的辐射剂量范围为0.09~1.45m Gy。结论 PCD-CT在多种扫描方案下进行脂肪定量均具有较高的准确性。此外,PCD-CT具有在超低辐射剂量下进行准确脂肪定量的潜力。

融合二连通模体结构信息的节点分类算法

节点表示学习将图结构数据信息编码到低维的潜在空间中,在节点分类、聚类、链路预测等机器学习任务中被广泛应用。在复杂网络中,节点与节点之间不仅存在直接相连的低阶结构,也存在以特殊连接模式形成的高阶结构,称为模体。提出一种融合二连通模体结构信息的节点分类算法(FMI),利用节点间高阶二连通模体信息学习节点表示,完成节点分类任务。首先,统计网络中的二连通模体,利用其中信息提出一个节点重要性的度量指标——模体比值。根据模体比值计算采样概率进行邻域采样;构造一个带权辅助图以融合网络节点连接的低阶关系与高阶关系,对节点进行加权邻域聚合以得到节点表示。在5个数据集Cora、Citeseer、Pubmed、Wiki和DBLP上执行节点分类任务,与5种经典基准算法进行对比,所提算法FMI在准确度和F1-分数等指标上表现良好。

基于左心室和冠状动脉动态体模系统观察不同心率下CT图像重建最佳期相

目的观察以左心室和冠状动脉动态体模系统模拟左心室及冠状动脉运动时在不同心率下重建CT图像的最佳期相。方法构建可模拟50~120次/分心率下心脏周期性运动及心电信号输出的左心室和冠状动脉动态体模系统。于体模系统R-R间期行CT扫描,0~90%期相范围内每10%间隔重建图像。评估观察者间主观评估图像质量结果的一致性;对不同心率、不同期相图像进行比较。结果观察者间主观评价图像质量结果的一致性较高(Kendall W=0.83,P<0.05)。设定体模心率为50~60次/分时,大部分期相下重建图像质量均为良好,尤以30%、70%及80%期相最佳(P均<0.05);心率为65~75次/分时,最佳重建期相为40%、70%及80%(P均<0.05),以舒张期图像质量较好;心率80~95次/分时,30%为最佳重建期相(P均<0.05);心率为100次/分及以上时,所有期相重建图像质量均较差。结论以左心室和冠状动脉动态体模系统模拟左心室及冠状动脉运动时,不同心率下CT图像最佳重建期相不同;心率高于100次/分后所有重建图像质量均不佳。

基于模体和复杂网络的成都市交通旅客出行研究

设计出行模体模型,对旅客出行序列进行抽取转化,构建基于铁路和航空出行旅客的出行模体,基于四川省成都市的旅客出行数据进行实证分析。2节点至4节点构成的旅客出行模体,可以表示绝大多数的旅客出行模式。主要出行模体为2个节点间的单向单次出行和往返出行,并且随时间推移,铁路出行对用户的吸引力逐渐增加,航空出行逐渐减少。研究铁路旅客出行网络和航空旅客出行网络特征,2种出行网络均为异质性网络,网络中大度节点倾向于连接小度节点,网络聚类系数较大,网络中不同站点连接紧密。成都市的铁路人群出行网络结构稳定且大多集中于我国东南部地区,航空出行网络逐步发展且具有更高的分散性。网络效率研究结果表明,旅客出行网络连通性一般,多集中在特定地区。

应用激光跟踪仪和单目视觉检测三维水模体定位精度方法研究

针对三维水模体检测方法较少、检测过程复杂等问题,提出基于激光跟踪仪和单目视觉的三维水模体定位精度检测方法。激光跟踪仪三维水模体定位精度检测对比实验验证三维水模体在有水和无水的情况下定位精度一致。单目视觉三维水模体定位精度检测实验结果表明:X轴、Y轴、Z轴和空间对角线的定位误差均在0.050 mm以内,重复性分别为0.030 mm,0.064 mm,0.056 mm,0.140 mm,X轴和Y轴的垂直度为0.800 mm,Y轴和Z轴的垂直度为0.761 mm,X轴和Z轴的垂直度为0.503 mm,与激光跟踪仪的测量精度在一个量级。最后,经不确定度分析得到相邻点距离测量误差的标准差为0.0187 mm,满足检测要求。两种方法都能实现非接触测量,简化冗杂的检测过程,可满足医院对医用直线加速器的日常检测需求。

基于改进雅可比旋量模型的大尺寸薄壁壳体装配偏差分析与调控

大尺寸薄壁壳体尺寸和质量大,容易变形,装配精度要求苛刻。为满足航天器壳体对接装配的高精度需求,需对壳体装配偏差进行主动预测和调控。该文以某大型薄壁壳体为研究对象,采用小位移旋量法对舱段关键特征误差进行表征,得到舱段几何误差的旋量表达式以及旋量参数之间的约束关系,建立了考虑壳体关键特征误差的并联和串联装配链累积路径,并基于雅克比旋量理论对舱段装配偏差进行表征,得到基于改进雅克比旋量的舱段装配偏差传递模型。利用蒙特卡洛模拟方法对改进的雅可比旋量模型的装配阶差合格率进行数值模拟,并与仿真分析结果进行对比,提出一种量化各类误差贡献度的计算方法。以加工总成本最小为优化目标,以各类误差的变化关系和装配阶差要求为约束条件,提出一种考虑误差贡献度的舱段公差优化分配策略。对优化前后的舱段装配成功率和装配阶差合格率进行对比,发现该文方法可使壳体装配阶差合格率由原来的88.12%提高到99.56%。该文提出的研究方法可为设计人员进行主动公差设计提供理论参考。

深度学习图像重建算法对能谱CT单能量图像质量影响的体模研究

目的 探讨基于深度学习的图像重建算法(DLIR)对能谱CT单能量图像及能谱曲线图像质量的影响。方法 将9支装有不同管径及不同浓度碘造影剂及水和钙溶液的聚丙烯试管放置在1个直径为20 cm的圆柱形聚丙烯体模(QSP)内,采用Revolution APEX CT对体模进行能谱CT成像,利用能谱分析软件重建出40~140 keV单能量图像及能谱曲线,选取碘造影剂浓度为3.75 mgI/mL(可模拟延迟期或实质脏器增强等)、15 mgI/mL(可模拟动脉期的腹主动脉)及Water(可模拟平扫期及囊肿、肌肉等用于图像背景的非增强物质)3支试管进行数据测量,分别在FBP、40%ASIR-V(常规临床检查参数)及True FidelityTM(DLIR-L、DLIR-M、DLIR-H)5组图像测量单能量图像(40 keV、70 keV、100 keV)的CT值,计算图像的信噪比(SNR),对比5组图像质量的差异。结果 低浓度碘造影剂(3.75 mgI/mL)、高浓度碘造影剂(15.00 mgI/mL)及水试管内FBP、40%ASIR-V及True FidelityTM(DLIR-L、DLIR-M、DLIR-H)5组图像40 keV、70 keV、100 keV的CT值比较,差异无统计学意义(P>0.05)。40 keV、70 keV、100 keV图像噪声及图像信噪比5组比较,差异均有统计学意义(P<0.05)。True FidelityTM下的噪声值均较FBP及40%ASIR-V降低,图像信噪比提高(P<0.05),True FidelityTM-DLIR-H噪声最小,信噪比最高。结论 在能谱CT成像中,True FidelityTM较FBP及40%ASIR-V在单能量图像噪声降低,信噪比提高。

基于加权模体度的航线网络节点重要性评估指标

针对加权模体度影响航线网络节点重要性评估结果的问题,提出基于度和加权模体度的航线网络节点重要性评估指标:综合加权模体度.综合加权模体度包括综合加权三元模体度和综合加权四元模体度.引入加权聚类系数、加权度中心性、加权中介中心性和加权紧密中心性4个指标,通过网络鲁棒性评估策略和节点影响力评估策略评价综合加权模体度指标的有效性.以6家航空公司的航线网络为实验数据集,验证提出的综合加权模体度指标的有效性和适用性.研究结果表明:相比于加权聚类系数、加权度中心性、加权中介中心性、加权紧密中心性和综合加权三元模体度指标,根据综合加权四元模体度的节点重要性排序结果对6家航空公司航线网络的节点进行攻击时,网络效率和最大连通子图相对大小下降最快;以综合加权四元模体度指标计算的重要性排名前10的节点作为初始感染节点集时,6家航空公司航线网络中的免疫节点数上升速度最快;感染率在传播阈值附近取值时,综合加权四元模体度的节点重要性排序结果更接近传染病(Susceptible-Infectious-Recovered,SIR)模型的节点重要性排序结果,尤其是在网络规模和聚类系数较小的航线网络中.根据网络鲁棒性评估策略和节点影响力评估策略分析结果,综合加权四元模体度能更有效和准确地评估加权航线网络的节点重要性.

基于双视角建模的多智能体协作强化学习方法

在多智能体协作领域,强化学习算法通过共享智能体的局部信息来实现智能体间的协作.但共享协作机制极易引发过度协作问题,导致智能体忽视自身局部观测信息,丧失策略多样性,最终陷入低效协作的困境.为了解决该问题,本文提出基于双视角建模的多智能体协作强化学习方法(Bi-View Modeling Collaborative Multi-Agent Reinforcement Learning,简称BVM-CMARL).该方法从局部和全局两个视角对智能体进行建模,分别用于产生多样性的策略和激励协作.在局部视角最大化局部变分与自身轨迹的互信息,激励智能体的策略多样性;同时在全局视角最大化全局变分与其他智能体动作的互信息,提高智能体协作水平.最后将局部变分训练出的局部Q值与全局变分训练出的全局Q值合并,避免低效协作.将BVM-CMARL算法应用于星际争霸多智能体挑战赛(StarCraft Multi-Agent Challenge,SMAC)中的等级觅食(Level-Based Foraging,LBF)和走廊(Hallway)等环境,与QMIX、QPLEX、RODE、EOI和MAVEN等5种目前优秀的强化学习算法相比,BVM-CMARL算法具有更好的稳定性和性能表现,在SMAC上的平均胜率为82.81%,比次优算法RODE高13.42%.通过设计模型变体,在消融实验中证明了双视角建模对BVM-CMARL的必要性.

基于循环神经网络的2-DOF软体机械臂运动建模与控制

因现有软体机械臂材料刚度小、模量不稳定,导致建模与控制难度大.提出一种基于循环神经网络(recurrentneuralnetwork,RNN)的方法,用于二自由度(two-degree-of-freedom,2-DOF)软体机械臂的运动建模与控制.使用动作捕捉仪采集不同气压、负载下的位置坐标,并将其导入门控循环单元(gated recurrentunit,GRU)神经网络模型进行训练.当调节超参数至网络结构最优时,测试集准确度可达98.87%.在此基础上,构建气压与负载到末端位置的映射函数.实验结果表明,本方法可将机械臂的控制精度提升至6»8 mm,显著降低了软体机器人的控制与建模难度.

Sandwich教学法结合仿真体模在超声介入教学中的应用效果分析

探究Sandwish教学法结合仿真体模在超声介入教学中的应用效果。方法 选择某医学院影像专业学生60人,随机分为研究组和对照组,各30人。对照组接受传统教学法,研究组在对照组基础上接受Sandwish教学法结合仿真体模教学法。比较两组理论考试成绩、技能考核成绩、教学满意度及问卷调查情况。结果 研究组理论考试成绩、技能考核成绩、教学满意度均高于对照组,问卷调查情况优于对照组(P<0.05)。结论 使用Sandwish教学法结合仿真体模的教学方式可提高学生理论考试成绩、技能考核成绩、教学满意度,提高整体教学效果,值得教学应用。

高压输电线软体巡检机器人磁致动机制及PI滑模控制研究

为解决高压输电线刚性悬臂巡检机器人尺寸大、笨重、越障不灵活、效率低等问题,设计一种高压磁致动软体巡检机器人,利用载流线圈在高压直流环形磁场中受到的安培力驱动软体机器人以柔顺和蠕动方式高效灵活地跨越多种障碍物。对该机器人进行本体构型设计并分析其工作姿态,实现稳定巡检功能;对磁致动驱动器进行理论设计和分析,利用Comsol仿真软件对其所需驱动力进行仿真,验证理论的可实行性;通过拉格朗日法对高压磁致动软体巡检机器人进行动力学建模,构建系统动力学方程,获取机器人的关节角度、速度、加速度之间的关系;最后,通过MATLAB利用基于PI滑模控制法对简化后的高压磁致动软体巡检机器人动力学模型实行速度和角速度高精度追踪仿真。仿真结果表明:在滑模控制下,角度在1.5 s追踪上理想信号,角速度在0.3 s后追上理想信号,证明基于PI的滑模控制器能够实现对高压磁致动软体巡检机器人的有效控制。

COMPASS基于患者CT影像三维验证与基于均匀模体三维验证通过率的研究

使用COMPASS系统对比患者的CT影像三维验证和均匀模体的三维验证效果。方法 将2021年-2022年使用医科达Axesse放疗病人中随机抽取30例鼻咽癌患者及30例宫颈癌患者作为研究对象,将其中15例鼻咽癌患者及15例宫颈癌患者使用MONACO系统做9野dMLC计划,剩下的15例鼻咽癌患者及15例宫颈癌患者使用MONACO系统做1野2个全弧VMAT计划。所有患者都通过COMPASS系统进行常规影像三维剂量验证,将其作为CT影像组(n=60),并对所有患者行MONACOSIM工作站为患者轮廓、计划信息复制到均匀模体上,并通过COMPASS进行均匀模体三维剂量验证,将其名为模体组(n=60),分别对比外轮廓、Globle计划剂量(PD)、核算剂量(CD)、重建剂量(RD)进行两两分析,A组为PD与CD的对比,B组为PD与RD的对比,C组为CD与RD的对比,最后分析模体组和CT影像组的通过率差异。结果 外轮廓及Globe通过率比的结果显示,Globle当中的Dmean、D1%都明显低于外轮廓,Gamma通过率明显高于外轮廓(P<0.05)。A组以及B组的对比结果显示,外轮廓Gamma通过率较低,Globle当中的Gamma的通过率明显高于外轮廓(P<0.05)。CT影像组及模体组的通过率对比中,CT影像组在不同标准(3%3mm、3%/2mm、2%/2mm)的三维验证下,γ通过率均超过95%,在3%3mm、3%/2mm、2%/2mm的标准下通过率均高于CT影像组(P<0.05)。结论 将CT图像资料当做验证模体更加接近实际放射治疗模型,可更加客观的反映出患者受照射的剂量分布情况,避免使用其他模体取代CT图像。

保留模体信息的属性二分图神经网络表示学习

目前网络表示学习方法大多针对通过网络,忽略了属性二分网络的特殊性以及网络的模体信息等。为了解决以上问题,提出一种保留模体信息的属性二分图神经网络表示学习方法MABG。该方法首先通过网络中两节点共同参与形成的蝶形模体数量来调整边的权重,从而构建模体权重矩阵,获得包含模体信息的属性二分网络邻接矩阵。接着采取不同的策略捕捉网络中的显式和属性隐式消息,对于不同类型节点集合间的显式关系采用消息传递机制,对于同类型节点中的隐式关系采用消息对齐机制,同时使用对抗模型最小化输入特征和显式关系表示之间的差异,之后通过级联框架来捕捉高阶信息并得到最终的节点表示。将该模型在四个真实公开的数据集上执行推荐任务并与其他方法进行对比,验证了该模型的有效性。