关节软骨的红外光谱成像及支持向量机判别分析

作为一种新的技术,傅里叶变换红外光谱成像(FTIRSI)技术可同时获得样本组织的显微结构和红外光谱信息,结合化学计量学算法可实现样品光谱信息的定量分析和组织(病变)判别。基于此,采用FTIRSI技术结合支持向量机判别(SVM-DA)算法,实现正常和早期病变关节软骨组织的判别,准确率达到100%。研究结果表明,FTIRSI与SVM-DA相结合可精准地判别关节软骨是否发生病变,有望成为一种新型的骨关节炎诊断工具。     

有一个实现包含Kr +1的可图序列

设K _{r +1}是一个r +1个顶点的完全图. 一个可图序列π =(d₁, d₂,…, d_n)称为是蕴含K _r+1 -可图的, 如果π有一个实现包含 K _{r +1}作为子图. 该文进一步研究了蕴含K _{r+1 -}可图序列的一些新的条件, 证明了这些条件包含文献[14,10,11]中的一些主要结果和当n≥5r/2 +1时,σ(K _r+1, n)之值(此值在文献[2]中被猜测, 在文献[6,7,8,3]中被证实). 此外, 确定了所有满足n≥5, d₅≥4 且不蕴含K₅ -可图序列π=(d₁, d₂,…, d_n)的集合.     

基于近红外光谱技术和机器学习的乳腺癌原位诊断研究

近红外(NIR)光谱,可提供样本丰富的结构和成分信息。机器学习主要用于数据的分析和挖掘,可以对数据进行精确分类和信息提取。本研究采用自研的NIR光谱探针技术进行乳腺癌组织的原位光谱采集并进行癌变(光谱)分析;运用基线校正(BC)、标准正态变量变换(SNV)、一阶导数二阶多项式21点Savitzky-Golay平滑(1^(st)-2-21SG)和二阶导数三次多项式25点Savitzky-Golay平滑(2^(nd)-3-25SG))四种方法进行光谱预处理;结合机器学习方法,包括主成分分析(PCA)、K最近邻(KNN)、Fisher判别分析(FDA)及支持向量回归(SVR),进行乳腺癌变和癌旁组织的分类和判别。研究发现PCA-KNN模型的最优预测结果为基于BC+SNV,其准确率、敏感性及特异性达88.34%、98.21%、76.11%。PCA-FDA模型的最优结果为基于BC+1^(st)-2-21SG,其准确率、敏感性及特异性达90.00%、98.21%、79.54%。SVR模型的最优结果为基于BC+2^(nd)-3-25SG,其准确率、敏感性及特异性达90.00%、100.00%、79.55%。论证了机器学习方法结合NIR光谱可以实现小样本量乳腺癌的高效精确诊断。     

关于蕴含Ar,s—可图序列的注记

设G＝（V（G）,E（G）是n阶简单图,其顶点集V（G）＝{v1,…,vr,vr 1,…,vr s,…,vn},n={d1,…,dr 1,…,dr s,…,dn}是G的度序列,且vi的度为dio称G具有性质Ar,s,如果{v1,…,vr,vr 1,…,vr x}的导出子图是完全二部图Kr,s,且{v1,…,vr}和{vr 1,…,vr s}是Kr,s顶点集的二部划分,序列π={d1,…,dr,dr 1,…,dr s,…,dn}称为是蕴含Ar,s－可图的序列判别准则。     

实现同一度序列的图的最大团数

图G中最大完全子图的阶数称为G的团效．ω(π)和γ(π)分别表示实现度序列π=(d_1,d_2,…,d_n)的图的最大团数和最小团数．Erds,Jacobson和Lehel开始考虑确定具有相同度序列π的图的可能的团数问题．他们证明了对于充分大的n,有ω(π)-γ(π)-n一2n~(2/3)．在本文中,我们首先估计了一类特殊可图序列的ω(π)之值,其次我们建立了一个估计任意可图序列π的ω(π)之值的算法．     

图中的度序列

给出了一个非减的非负整数序列是某个图的度序列的一个新刻划.     

关于Erdos-Jacobson-Lehel 问题的门槛

设σ(k,n）表示最小的正整数m，使得对于每个n项正可图序列，当其项和至少为m时，有一个实现含k 1个顶点的团作为其子图。Erdos等人猜想：σ(k,n）＝（k-1)(2n-k) 2.Li等人证明了这个猜想对于k≥5，n≥（^k2））＋3是对的，并且提出如下问题：确定最小的整数N（k），使得这个猜想对于n≥N(k）成立。他们同时指出：当k≥5时，[5k-1/2]≤N(k）≤（^k2) 3.Mubayi猜想：当k≥5时，N(k）＝[5k-1/2]。在本文中，我们证明了N（8）＝20，即Mubayi猜想对于k=8是成立的。     

极值图论与度序列

本文简要概述极值图论与度序列的最新研究进展，同时提出了一些有待进一步解决的问题和猜想．     

生物组织拉曼光谱定量测量的方法研究

不同的生物样本和切片,在进行拉曼探测时,会因为聚焦位置的差异及系统自身的原因导致同一光谱多次检测得到的信号强度不同,难以作定量分析。因此,需要找到一种可行性强的内标或外标的方法,从而有利于比较分析不同强度的拉曼带,实现定量检测。本文以犬类髋关节软骨切片为例,在偏振与非偏振情况下,研究标准正态变换(SNV)及多元散射校正(MSC)等常用方法对拉曼光谱的处理效果,并探究伊红染色剂(Eosin)作为一种新的内标的实际使用效果。结果发现:在非偏振条件下,MSC处理效果更理想;在偏振条件下,以伊红的特征峰1501 cm-1作为拉曼内标效果更理想。本研究证明了伊红的拉曼光谱不具有各向异性,有利于实现生物组织偏振拉曼光谱测量的归一化,且操作简单,结果更可靠。本文的结果为生物样本的拉曼光谱定量分析提供了一种可行的新方法。     

CS2中对苯醌n-π*单-三态跃迁的可见吸收光谱及其共振拉曼光谱

测量了对苯醌(p-benzoquinone,PBQ)在CS2中的可见吸收光谱,论证了该实验中发现的507 nm带来源于PBQ的n-π*单-三态跃迁.基于液芯光纤内共振拉曼散射可以提高拉曼光谱强度109倍这一技术,在10-3～10-6 mol·L-1的浓度范围首次探测到514.5 nm激光激发该跃迁而产生的共振拉曼光谱(1 439cm-1).分析认为该谱线来源于PBQ的n-π*单-三态跃迁的羰基伸缩振动(v c-o).实验发现,随着PBQ溶液浓度的降低,该谱线的拉曼频移发生蓝移.文章的研究结果将有助于理解PBQ电子结构与其光物理特性的相互关系,便于获得更丰富的分子结构信息.