基于多输出的 3D 卷积神经网络诊断阿尔兹海默病

随着人口老龄化的加深，阿尔兹海默疾病更加大众化地出现在我们生活中，而早期精准诊断阿尔兹海默疾病并进行正向干预可有效延缓阿尔兹海默疾病的进程．基于磁共振图像的阿尔兹海默疾病的精准诊断需要综合利用多个感兴趣区域（ROIs）的信息，而单个ROI无法体现不同ROIs之间存在的联系与影响．本文首先提出三输入3D卷积神经网络（CNN），综合利用大脑3D磁共振图像中海马体、灰质（无海马体）和白质3个ROIs的信息．此外，随着神经网络的加深，原始图像的重要特征信息会部分丢失，因此我们又提出一种多输出3D CNN，通过增加中间层的连接和输出，缩短输入和输出之间的距离，增强特征传播，减少特征信息的丢失．结果显示采用多输出3DCNN模型实现整个测试集三分类的准确率为90.5%、精确率为91.0%、灵敏度为90.4%、特异性为95.2%、F1-score为90.5%，诊断性能优于单输出3D CNN模型．     

结合生物力学模型重建左心室位移场

左心室心肌最为发达,心肌收缩产生的高压将动脉血泵入全身,集中体现了心脏的泵血能力.定量分析左心室收缩运动是诊断心血管疾病（如心肌梗死）的重要途径.本文采用描述左心室心肌材质的生物力学模型重建左心室位移场.该力学模型作为插值项,与心脏电影磁共振图像的观测位移场共同纳入贝叶斯估计框架,并采用有限元法求解位移场方程.实验比较了左心室射血无力组（46例）与正常组（55例）的左心室功能参数,发现两组在径向和圆周方向的位移、速度、应变和应变率都具有非常显著的差异（p < 0.001）,这证明本文方法能够有效区别左心室运动正常与否.实验结果还与CVI软件测量的左心室功能参数具有较高的相关性,说明本文方法有望辅助心血管疾病的临床诊断.     

基于新型支持向量机的影像组学在肝脏结节分类中的应用

肝癌是最常见的恶性肿瘤之一,亚洲地区最为常见的肝癌演变过程为肝炎-肝硬化结节-异型增生结节-肝细胞性肝癌．判断肝脏结节在演变过程所处分期,并采取干预措施,对降低肝癌的发生率非常关键．本文针对影像组学提出了更精确的支持向量机（SVM）分类算法——LFOA-F-SVM,用于对120名患者的腹部动态增强磁共振图像的肝脏结节进行四分类．该算法利用了考虑半径与几何间距的F-SVM,并结合莱维飞行策略（LF）的果蝇优化算法（FOA）寻求超参．为了验证方法的有效性,本文另外添加了5个UCI分类数据集（心脏、帕金森疾病、虹膜、葡萄酒和动物园）,并与SVM、PSO-SVM、FOA-SVM、F-SVM进行比较．结果表明,在6个分类数据集（包括肝脏结节数据集和5个UCI分类数据集）中,相对于其他分类算法,LFOA-F-SVM的分类准确率最高,在肝脏结节数据集中的四分类精确率和查全率也较高．     

基于信息量的眼镜镜片光学性能评价北大核心CSCD

针对眼镜镜片成像性能评价,根据信息论的概念,对物面与像面图像进行小波变换分解得到多个不同子频带图像,计算分解之后的各个子频带的区域互信息值(RMI)。依据人眼视觉系统对不同频率光学信号敏感度不同的特点,采用小波滤波器和人眼模型的MTF的空间频段积分比反映人眼对不同频率信号的敏感程度,以该积分比作为各频带RMI的权重系数,加权计算得到MRMI值。选取了目前市场上六款不同阿贝数和折射率的镜片进行测量实验,得到每款镜片的成像MRMI值,其定量反映了镜片的成像性能,与人眼视觉主观感知相符。     

阴离子印迹聚合物的制备及其应用研究进展

离子印迹聚合物是利用印迹技术对模板离子进行印迹、聚合进而得到能够选择性吸附该离子的一种特殊聚合物。目前的报道大多是阳离子印迹聚合物,因为阴离子模板结构更复杂多样且电荷尺寸比更小,致使阴离子印迹聚合物的发展相对滞后。为能更有效地指导阴离子印迹聚合物的制备,本文概述了阴离子印迹聚合物的发展现状,介绍了与不同阴离子有相互作用的功能单体类型(含氨基、季铵基、氮杂环、羧基结构)以及基于上述单体制备的阴离子印迹聚合物吸附性能等,综述了阴离子印迹聚合物的制备方法与合成策略及其在电化学检测和荧光传感等分析化学领域的应用,总结了当前阴离子印迹聚合物制备过程中存在的问题,展望了未来的研究方向。     

催化发夹组装诱导的金纳米颗粒聚集比色检测卡那霉素

建立了基于催化发夹组装诱导的金纳米颗粒聚集检测卡那霉素的方法。利用卡那霉素与适配体的特异性结合释放出引发链,引发吸附于金纳米颗粒表面的催化发夹组装,形成大量双链结构,导致金纳米颗粒在高盐浓度条件下发生聚集。通过凝胶电泳和透射电镜对催化发夹组装和金纳米颗粒的聚集进行了表征并对实验条件进行了优化。结果表明,37℃条件下,发夹探针浓度为160 nmol/L,NaCl浓度为20 mmol/L时,方法的线性检测范围为4.0～160 nmol/L,检测限为1.6 nmol/L。将该方法用于牛奶样品中卡那霉素的加标回收实验,回收率为97.5%～109.0%,相对标准偏差在1.9%～3.0%之间。     

木犀草素抑制酪氨酸酶活性的分子机制

通过酶抑制动力学实验、荧光猝灭实验以及分子对接技术研究了木犀草素对酪氨酸酶活性的抑制作用。酶抑制动力学实验结果表明:木犀草素是酪氨酸酶的非竞争性抑制剂,抑制常数KI与IC50分别为86mmol/L和778.2μmol/L;荧光猝灭实验结果表明:木犀草素对酪氨酸酶产生静态荧光猝灭作用,疏水作用与氢键作用共同稳定其复合物结构,结合位点数为1;分子对接结果表明:木犀草素在酪氨酸酶疏水口袋边缘与其相互作用,相互作用力包括疏水作用力与氢键。     

基于近红外光谱的果蔬脆片品质评价方法研究

本文选取苹果脆片为研究对象,结合最新果蔬脆片研究成果和支持向量机机器学习方法,以苹果脆片近红外光谱吸收值数据样本为基础,根据不同苹果样本、不同时序的红外光谱吸收值数据特征信息,产生不同的映射关系,将红外光谱吸收值映射到对应样本在对应时刻的各项品质指标(如水分含量),然后利用支持向量机(Support Vector Machine,SVM)方法对近红外光谱吸收值的数据样本进行训练,通过调整模型参数来体现不同苹果个体间的生理差异,以取得更接近于实际情况的品质指标预测效果。模拟仿真实验表明该模型的平均相关系数(R~2)达到93.81%,均方误差(MSE)为0.0057。该研究可为果蔬脆片的评价体系提供新的参考方法。     

基于 Mask RCNN 的桥小脑角区脑膜瘤与听神经瘤分类定位研究

由于人体桥小脑角区的脑膜瘤与听神经瘤在影像学的表现以及发病位置极其相似,所以临床诊断极易发生误诊．针对此问题,本文应用掩膜区域卷积神经网络（Mask RCNN）对两类肿瘤进行分类定位研究．首先采集89名脑膜瘤与218名听神经瘤患者的T₁WI-SE序列的磁共振图像,对其进行预处理,再结合改进的特征金字塔网络（FPN）算法进行网络训练．本文对比了三种不同的Mask RCNN主干网络对两者分类定位的效果．结果表明,结合改进的FPN算法和ResNet101作为主干网络的Mask RCNN分类定位模型能够有效实现对两类肿瘤的分类定位,精确率为0.918 2、召回率为0.856 9、特异性为0.876 2、均值平均精度（mAP）为0.90．